霓姿虹影

在上期栏目中,庞立平老师主要向大家介绍了他在拍摄中常用的摄影器材和舞台灯光、舞台布景等方面的专业知识。从本期开始,我们将正式切入主题,先从现代舞的拍摄技巧开始,逐步为大家展示一个完美的舞台。     

小波变换在基于动物叫声的物种识别系统中的应用

本文所研究的基于动物叫声的物种识别系统,是在孤立词识别系统的理论基础之上,对传统的MFCC参数作适当的改进,提出了基于小波变换的WTMFCC参数。此参数比传统的MFCC参数具有更好的灵活性和鲁俸性,可以根据不同的统和模型,调整其加权值,从而提高识别率,获得更好的识别效果。     

基于XML的MVC视图层渲染引擎

本文在传统MVC模式的基础上,设计开发了基于XML技术的视图层渲染引擎,并详细介绍了渲染引擎的体系结构,从而实现了视图层快速建模,大大提高了应用程序的开发效率.     

碳排放交易机制下的综合能源系统低碳经济运行控制策略

目前二氧化碳排放量呈现增长势头,为响应“碳达峰、碳中和” 的要求,阶梯型碳排放交易机制得到普遍 应用.首先,建立了电力系统低碳经济运行模型对电力系统关键设备的碳排放特性进行分析.接着,提出了基于阶梯 型碳排放交易机制的低碳经济运行策略.最后,建立碳排放关键设备的数学模型,以系统运行维护成本、碳排放成 本、购能成本和弃风弃光惩罚成本最小为优化目标构建优化运行模型.算例分析表明,所提运行控制策略使得总成本 降低10.3％,排除碳排放成本,其他成本增加了9.1％,但碳排放成本降低了50％,证明此种控制策略的引入能够促 进电力系统的节能减排,在保证经济社会发展的同时,践行“双碳”目标.     

基于主动迁移学习的电力系统暂态稳定自适应评估

基于深度学习的暂态稳定评估模型通常需要大量的有标注样本用于离线训练。一旦电网的运行方式和拓扑结构发生较大变化,预训练模型的性能将劣化甚至失效,使得在线评估时存在一定的空窗期。为了解决这一问题,以深度置信网络（DBN）为研究载体,将深度学习、迁移学习和主动学习相结合,提出一种基于DBN模型的主动迁移学习方法。首先,训练DBN来挖掘输入特征和暂态稳定评估结果间的映射关系,得到更好的暂态稳定评估效果。其次,当拓扑结构和运行方式发生较大变化时,通过短期仿真生成大量的无标注样本,利用主动学习来筛选少量最富有信息的样本,并通过长期仿真对这部分样本进行标注,显著减少了样本的生成时间。最后,计算源域和目标域数据分布的最大均值差异,选择不同的迁移路径,在确保迁移效果的前提下进一步缩短了迁移时间。采用新英格兰10机39节点系统、NPCC 48机140节点系统和中国华中电网进行了仿真,结果验证了所提方法具有高精度、快速性和鲁棒性,有效缩短了深度学习模型在线应用时的空窗期。     

基于自校准技术的半球谐振陀螺正交误差的辨识补偿

在静电刚度校正技术的基础上,结合自校准算法,该文提出了一种实时辨识补偿正交误差的理论模型,并在两件套平面电极的半球谐振陀螺上进行了理论仿真和实验验证。结果表明,该方法不仅适用于半球谐振陀螺的力平衡和全角两种工作模式,还适用于虚拟进动的情况。此外,该文提出的补偿方法不会影响正交环路的控制精度,且对陀螺检测和驱动电路的增益和相位误差不敏感。     

耳穴联合灵仙戒烟饮戒烟临床研究*

摘 要:目的 观察耳穴联合灵仙戒烟饮,对戒烟及改善烟草依赖的临床疗效。方法 随机将自愿戒烟的108例,分为治疗组、对照组,每组患者54例。对照组进行单纯耳穴贴压及认知干预治疗,治疗组在对照组基础上增加内服灵仙戒烟饮。观察两组治疗及随访的FTND、MNWS及QSU-Brief评分,比较两组戒烟率。结果 4 w后戒烟率两组间无统计学差异(P>0.05),随访3个月后两组间戒烟率有统计学差异(P＜0.05)。两组治疗后及随访的FTND、MNWS、QSU-Brief评分与本组治疗前比较具有统计学意义（P＜0.05）。FTND、MNWS、QSU-Brief评分时间与组间的交互效应均有统计学意义（P<0.05）。治疗组FTND评分与对照组治疗4 w后比较有统计学差异(P＜0.05),治疗组MNWS评分与对照组治疗4 w后比较差异无统计学意义（P＞0.05）;治疗组QSU-Brief评分与对照组在治疗4 w后、随访3个月后比较有统计学差异(P＜0.05),治疗组FTND、MNWS评分与对照组随访3个月后比较差异无统计学意义（P＞0.05）。结论 耳穴联合戒烟饮对于戒烟及改善烟草依赖临床疗效显著。     

面向3维心脏MRI分割的半监督双任务交叉一致性约束网络

目的 针对人体组织器官及病灶区域的3维图像分割是计算机辅助医疗诊断的重要前提,是医学影像3维可视化的重要技术基础。深度学习方法在医学图像分割任务中的成功通常取决于大量有标注数据。半监督学习利用未标注数据容易获取的优点,在模型训练过程中使用少量标注数据和大量未标注数据进行学习,缓解了数据标注昂贵耗时的问题,在医学图像分割中受到了广泛关注。为更好地利用无标注数据,提升医学图像分割效果,提出一种新的一致性正则方法用于半监督3维医学图像分割。方法 模型以V-Net为基础架构,通过扩展网络结构,在均带有分割任务及回归任务属性的双任务主副解码器之间添加了用于正则化约束的交叉损失,构建了具有形状感知的基于双任务的交叉一致性正则网络SACC-Net(shape-aware cross-consistency regular network based on dual tasks),实现将数据层面和模型层面的扰动融合进多任务机制的一致性正则方法,使模型能够更好地利用未标注数据的有效先验信息,并且具有更好的泛化性能。结果 在MICCAI 2018(Medical Image Computing and C...     

面向健康体检数据的多目标Top-k频繁模式挖掘方法

为解决现有的模式挖掘方法没有充分利用体检数据中检查项的异常程度与特定疾病之间相关性的问题,提出一种面向健康体检数据的多目标Top-k频繁模式挖掘方法.首先,针对体检数据的特点,提出异常度和覆盖率两个指标,在此基础上,将Top-k频繁模式挖掘建模为一个多目标优化问题;其次,针对该问题,提出一种基于偏好的种群初始化策略和一个面向模式和项的双层更新策略,并基于此设计一种高效的进化多目标优化算法进行求解.实验结果表明,所提出方法所获得的Top-k个模式不仅能够有效地反映其与特定疾病之间的关联性,而且能够提供多样化的模式,为健康管理提供重要的参考依据.     

基于PID神经网络的多轮轮毂电机协调控制研究

多轮轮毂电机运行参数具有不确定性,因此难以精准计算电机协调控制量,所以设计基于PID神经网络的多轮轮毂电机协调控制方法。搭建多轮轮毂电机数学模型,在该模型下实时采集多轮轮毂电机转速、位置等运行参数,并计算电机协调控制量。装设PID神经网络协调控制器,利用PID神经网络算法生成协调控制指令,从转速、转矩等方面实现多轮轮毂电机的协调控制。测试结果表明,在所提方法的协调控制下,多轮轮毂电机在空载和负载工况下的转矩控制误差降低了21.25r/min和25.7r/min,转矩控制误差降低了6.55N·m和17.45N·m,电机运行平衡度有所提升,多轮轮毂电机协调控制效果更好。