新闻传播中动画语言的应用

随着数字时代的到来,数字技术不仅使动画在传统影视和游戏领域如虎添翼,其特有的仿真能力使得动画逐渐在电视新闻与网络新闻中也频繁运用,不仅为动画在新闻传播领域开辟了新的应用范围,也打通了各领域间的界限,一方面成为动画本身多元化的拓展,另一方面也为新闻传播方式的多样化提供了一种新的可能。文章旨在梳理动画在新闻传播中的历史沿革,研究数字时代下动画在新闻传播中的应用,并在此基础上思考动画在新闻传播中亟待解决的诸多问题。     

多端直流汇流母线差动保护的整定逻辑、配合原则和工程应用研究

随着两端直流日臻成熟,多端直流逐渐得到应用,尤其是最近几年相继建成了多条多端直流,可预见三端乃至多端直流将在电力系统中起到越来越重要的作用.三端直流的工程应用为电力系统的发展带来了许多前沿课题.以禄高肇直流汇流母线差动保护为例,分析了汇流母线差动保护的判据、整定逻辑和保护配合原则,以及在工程中的应用情况,并提出改进建议.     

基于预处理共轭梯度迭代法的电力系统状态估计算法

随着中国电网省地一体化和输配一体化的不断发展,电力系统计算的维度越来越高.状态估计作为电力系统态势感知中的基础环节,需要保证其实时性,而加权最小二乘法是电力系统运用最广泛的状态估计方法.为此,针对加权最小二乘法在牛顿迭代过程中矩阵乘法和线性方程组求解耗时较长的特点,根据Krylov子空间方法中共轭梯度法的思想,设计了一...     

千番历练成梁栋

正链接:宝剑锋从磨砺出,梅花香自苦寒来。在也许艰苦、也许单调的工作环境中,牢记职责、奋发向上的重庆电力人,成长为解决问题的行家里手。一组图片,记录了他们潜心钻研、苦练技能的瞬间……     

卷积神经网络的FPGA并行加速方案设计

根据卷积神经网络的特点,提出了深度流水的FPGA加速方案,设计了卷积层的通用卷积电路。该卷积电路可以在一个时钟周期内获得一个计算结果。理论上,该方案对于MNIST数据集,在28×28个时钟周期内可以获得一幅图片的运算结果。针对网络训练过程的前向传播阶段,在网络结构和数据集相同的情况下,对GPU,FPGA,CPU进行了在计算效率和能耗之间的比较。其中在计算效率方面,50 MHz频率的FPGA就可以相较于GPU实现近5倍的加速,相较于12核的CPU实现8倍的加速。而在功耗方面,该FPGA的实现方案只有GPU版本的26.7%。     

基于循环实体网络的细粒度情感分析

目前,深度神经网络模型已经在文本情感分析领域取得了较好的效果,但是对于属性相关的细粒度的情感分析任务,现有研究方法的效果仍有待改进。该文提出了一种基于循环实体网络来进行细粒度情感分析的方法,在网络中嵌入预定义的评价属性类别信息,利用扩大的内部记忆链来抽取与每个属性类别相关的情感特征,并通过动态记忆单元控制与属性相关情感信息的远距离依赖,然后,对于给定的单个属性类别,利用注意力机制从内部记忆链中抽取该属性类别的情感特征进行分类。该文提出的方法在Sentihood数据上与目前精度最高的方法相比,取得了近1个百分点的提升,而且模型的收敛速度更快。     

基于几何距离准则的弹道外推方法

为提高雷达软件系统弹道导弹弹道外推的精度,提出一种基于三维空间几何距离准则的弹道外推方法。该方法基于在地球惯性坐标系中标准弹道为位于过地球质心的一个二维平面内的椭圆这一事实,首先由拉格朗日数乘法确定椭圆所在的平面,使所有量测点到该平面的几何距离平方和最小,然后用各量测点在平面内的投影点代替原始点迹,在平面内用最小二乘法作平滑,确定椭圆方程,最后取中点进行弹道外推。应用STK软件进行弹道仿真,结果表明这一方法可以明显提高弹道外推的精度。     

模糊关联规则挖掘和推理系统

为了准确对用户的消费提供个性化建议,智能推荐系统应运而生.对智能推荐系统体系结构及实现方法进行了有益的探索,将模糊聚类、模糊关联规则挖掘与模糊推理相结合,设计并实现了一个原型智能推荐系统.该系统在经过实际数据运行后,经过模糊聚类、模糊关联规则挖掘和规则筛选,并经过模糊推理,系统可以给出一些符合实际背景的结论.     

基于深度学习的芒果病虫害分类识别

传统芒果病虫害防治,需要人工进行识别,现引入深度学习技术,可快速准确地对芒果病虫害进行识别。以攀西地区芒果的12种病虫害为研究对象,采用的数据集一部分来自公开数据集MangoLeafBD,另一部分由爬虫技术获得的网络图片组成,共获取图片6 769张,其中4 879张为训练集,1 220张为验证集,670张为测试集。为迎合实际应用的需要,选择了MobileNetV3、MobileViT等4种不同规模的轻量级深度学习网络模型,结合迁移学习训练策略进行对比实验,比较了各个模型的参数量、精确率、召回率等参数。实验结果显示,MobileViT模型用于芒果病虫害分类识别效果最佳,该模型的精确率为96.31%,召回率为96.12%,F1为96.20%,均优于其他模型。由此表明,模型具有较好的鲁棒性和识别性能,可为芒果病虫害分类识别提供技术参考。