基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于全U网络的混凝土路面裂缝检测算法

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

海尔卡奥斯建材行业总经理高保卫一行到南安调研

2020年11月25日,海尔卡奥斯建材行业总经理高保卫一行做客南安,就临近的石博会做进一步对接。谈及与石材产业的合作,高保卫表示,海尔希望把自身在企业经营管理的经验、技术、资源分享给石材等更多传统行业,解决行业痛点,打通全产业链,实现传统行业高质量发展。     

数字化技术在宁东发电厂二期工程中的应用

本文主要介绍数字化技术在由中国电建集团河北省电力勘测设计研究院有限公司总承包建设的神华国华宁东发电厂2×660 MW二期扩建工程的设计、采购、施工、调试、运维等电厂全生命周期中的应用。     

桥面整体化层轻型钢桁架全幅施工技术研究

通过介绍桥面整体化层轻型钢桁架全幅施工工艺的施工要点,再与传统分幅施工工艺对比,分析总结了轻型钢桁架全幅施工对施工质量提升的优越性及施工成本降低的经济性,是值得推广使用的工艺。     

政策工具视角下城市水系统全周期管理策略研究

我国城市水系统管理职能条块分割、规划协调不足、精细程度不够等现象突出."全周期管理"可以从全要素、全过程、全场景等角度,以系统化思维解决城市水系统综合管理,增强城市水系统韧性和弹性.基于政策工具视角建立了包含战略面、供给面、需求面、环境面和评估面政策的城市水系统全周期管理整体性框架,并从机构统筹、规划引领、智慧监管等方面提出实施机制建议,为实现城市水系统的全要素管控、全流程监督、跨区域协同、分层次治理提供理论依据.     

浸渍剂和压紧系数对全膜电容器端部电场分布的影响研究

全膜电容器边缘处的电场畸变是影响电容器元件击穿的重要因素之一.为研究浸渍情况和压紧系数对全膜电容器电场分布的影响,对电容器端部进行建模,通过改变浸渍情况和压紧系数,计算不同参数下电容器端部的电场分布情况,结果表明:未浸渍情况下电场最大值集中在折边处两侧,浸渍情况下场强在折边圆弧处分布较为均匀.同时发现,在浸渍情况下增大压紧系数K可以明显改善全膜电容器端部电场的分布情况.     

动作时序配合优化的安全稳控系统设计

动作时序配合直接影响安全稳控系统的动作准确性,在安全稳控系统设计时,若动作时序配合与系统耦合性不足,在实际运行时可能会出现误动作,导致直流输送段或直流接受端出现严重损坏.通过稳控一次、二次判据时 序的配合与优化,稳控数据调用的有效性辨识与优化,故障演化过程稳控装置动作时序配合与优化,对动作时序配合进行优化,实现安全稳控系统设计的完善.