基于自适应特征融合的小样本细粒度图像分类

现有的小样本学习算法未能充分提取细粒度图像的特征,导致细粒度图像分类准确率较低。为了更好地对基于度量的小样本细粒度图像分类算法中提取的特征进行建模,提出了一种基于自适应特征融合的小样本细粒度图像分类算法。在特征提取网络上设计了一种自适应特征融合嵌入网络,可以同时提取深层的强语义特征和浅层的位置结构特征,并使用自适应算法和注意力机制提取关键特征。在训练特征提取网络上采用单图训练和多图训练方法先后训练,在提取样本特征的同时关注样本之间的联系。为了使得同一类的特征向量在特征空间中的距离更加接近,不同类的特征向量的距离更大,对所提取的特征向量做特征分布转换、正交三角分解和归一化处理。提出的算法与其他9种算法进行实验对比,在多个细粒度数据集上评估了5 way 1 shot的准确率和5 way 5 shot的准确率。在Stanford Dogs数据集上的准确率提升了5.27和2.90个百分点,在Stanford Cars数据集上的准确率提升了3.29和4.23个百分点,在CUB-200数据集上的5 way 1 shot的准确率只比DLG略低0.82个百分点,但是5 way 5 shot上提升了1.55个百分点。     

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。     

面向异构DHT存储的数据与位置解耦算法

分布式哈希表(distributed hash table, DHT)由于其高效的数据寻址方式而被广泛应用于分布式存储.传统DHT必须将数据存放在指定节点中才能实现高效的数据分布式寻址,极大地限制了DHT技术的应用范围.例如,在异构存储网络中,节点的存储空间、带宽、稳定性等均有较大差异,结合数据特征和节点性能差异选择合适的数据存放节点可以很大程度上提高数据的访问效率,而传统DHT数据和存储位置紧耦合的特征导致其难以应用于异构的存储网络中.针对此问题,提出了vRoute算法以实现DHT中数据标识与其存储位置的解耦.通过构建基于Bloom Filter的分布式数据索引, vRoute算法可以在不降低数据寻址效率的基础上允许数据存储在网络中的任意节点.通过扩展Kademlia算法实现了vRoute,并从理论上证明了vRoute算法的有有效性.最后,模拟实验表明vRoute以较低的存储、网络开销实现了和传统的DHT算法接近的数据寻址效率.     

一种面向噪声环境中旋转机械故障诊断的多模态耦合输入神经网络

旋转机械设备是工业生产中的关键性设备,对其进行高效故障诊断,对于保障工业安全生产具有重要意义.传统的旋转机械设备智能故障诊断方法采取人工特征提取策略,存在依赖专家经验知识、特征泛化性差、特征完备性不足等局限性,导致故障诊断模型精度差,特别是在噪声环境下性能下降明显.对此,提出一种用于旋转机械故障诊断的多模态耦合输入神经网络模型.首先,利用信号分解方法将原始输入信号分解为多个子信号,并将子信号与原始信号成对组成二维矩阵并输入到神经网络中,使得网络能够提取其间重要的相关特征;然后,利用双通道并行的卷积神经网络和长短期记忆网络分别提取信号中的时空间特征并融合,大大提高网络模型的特征表达完备性,实现对旋转机械设备的高精度故障分类.通过实验验证了所提出模型相较于传统故障模型具有更高的准确率,并且对于噪声干扰也有较好的适应性.     

高低压旁路改造技术在热电联产机组灵活性改造中的应用实践

为主动适应促进清洁能源消纳政策,提高机组供热期深度调峰能力和供热能力,某区域电网对某公司热电联产机组开展了高低压旁路技术改造。旁路技术改造的应用,彻底解决了该公司机组“以热定电”传统运行方式造成的供暖期调峰能力不足的难题,保证了机组全采暖期、全时域参与电网深度调峰,提高了调峰辅助服务补偿收益。     

饱和水土壤电阻率温度特性及对直流接地极温升的影响

针对土壤含水量较高的区域直流接地极温升特性不明的问题,对不同类型的土壤进行了水饱和温升电阻率测量。并在此基础上建立了饱和水土壤接地极的电热耦合有限元模型。通过算例与未考虑含水饱和土壤电阻率温升效应的仿真结果进行对比,发现其温升结果明显偏低,随着电流注入时间的增加,电极温升曲线的饱和度变得更加明显。最后进行了饱和水土壤垂直电极的温升试验,验证了耦合模型的可靠性。实验和仿真结果表明,考虑饱和水土壤温度特性可使计算误差降低31.84%。因此,结合饱和水土壤电阻率温度特性对接地极进行温升计算,能更大程度的保证计算的准确性。     

虚拟惯量控制响应延时对控制效果的影响分析

电力电子接口电源通过虚拟惯量控制模拟同步机惯量响应,但控制过程存在响应延时。全面分析了延时对虚拟惯量控制效果的影响,发现延时并非越小越好。虚拟惯量控制可以降低频率变化率和最大频差两个指标。响应延时增大,扰动后短时间内平均频率变化率变大,但是,最大频差先下降后上升,并在某个延时取值处获得最优值。而且延时增大时调频功率峰值和能量峰值均降低,控制成本更小。虚拟惯量控制的目标不同时,对延时的要求不同。分析结论有助于更加全面地认识虚拟惯量控制的效果并指导实际应用。     

通信波段稀土离子掺杂固态量子存储进展

量子互联网是实现多方量子通信、分布式量子计算等量子信息技术的重要基础,量子存储器作为实现互联网的重要部件,对量子信息技术的发展、应用具有举足轻重的作用。如今遍布全球的光纤网络已经是信息传输的有力载体,通信波段的量子存储器因容易嵌入到当前的光纤网络中而备受重视。聚焦于稀土离子掺杂固态体系的通信波段光量子存储,首先介绍稀土离子掺杂固态量子存储的基本原理,包括稀土掺杂材料特性以及存储协议等,然后介绍目前的研究现状,最后简要分析其未来的发展趋势,并对量子互联网的构建做出展望。     

音乐物联网的设计与研究

音乐物联网(Internet of musical things,IoMusT)是一个涉及多学科、多专业的综合工程,以往的研究都是单一的从某一个方面着手,缺乏一个统一的研究框架,完整的研究体系还不健全。研究重点是从工程的角度定义音乐事件,并结合当下互联网各个环节的技术特性,从工程的角度定义音乐事件,构造一个小范围的IoMusT生态系统,从软硬件方面测试IoMusT性能,进而验证IoMusT设计架构效。     

一种新型单层递归神经网络解决非光滑伪凸优化问题

非光滑伪凸优化问题是一类比较特殊的非凸优化问题,常出现在各类科学与工程应用中,因此具有很大的研究价值.针对现有神经网络模型解决非光滑伪凸优化问题存在的不足,该文基于微分包含理论,提出一种新型单层递归神经网络模型.通过理论分析,证明了神经网络状态解在有限时间内收敛到可行域,且永驻其中,最终神经网络状态解收敛于原优化问题的最优解.最后,通过数值实验,验证了所提理论的有效性.与现有的神经网络相比,该文所提神经网络模型结构简单仅为单层,不需要提前计算罚参数,且对初始点选取没有任何特殊的要求.