光记录介质反射膜用铝合金薄膜及其溅射靶材

扼要介绍了光记录介质反射膜的发展。指出了纯铝及早期的铝合金光记录介质反射膜及其靶材存在的问题。最后介绍了几类新型铝合金反射膜及其靶材。     

基于CNN-Transformer混合构架的轻量图像超分辨率方法

针对基于混合构架的图像超分模型通常需要较高计算成本的问题,提出了一种基于CNN-Transformer混合构架的轻量图像超分网络STSR(Swin-Transformer-based Single Image Super-Resolution)。首先,提出了一种并行特征提取的特征增强模块(Feature Enhancement Block, FEB),由卷积神经网络(Convolutional Neural Network, CNN)和轻量型Transformer网络并行地对输入图像进行特征提取,再将提取到的特征进行特征融合。其次,设计了一种动态调整模块(Dynamic Adjustment, DA),使得网络能根据输入图像来动态调整网络的输出,减少网络对无关信息的依赖。最后,采用基准数据集来测试网络的性能,实验结果表明STSR在降低模型参数量的前提下仍然保持较好的重建效果。     

空调节能措施的探讨

随着我国经济的快速发展，能源消耗量也在迅猛增长，节能问题变得更加重要。阐述了建筑空调系统节能的重要性，介绍并分析了几种空调系统的节能措施，提出可采用先进的设计手段和技术进行空调系统设计、施工及运行管理。以确保做到空调系统的节能。     

基于注意力-生成式对抗网络的异常行为检测

为了满足对大规模视频数据的异常行为检测的需求,基于视频帧重建和帧预测的方法被广泛研究.但由于监控视角下背景环境是几乎不变的,因此会浪费大量的资源在不变的背景上,同时也不利于检测目标信息的提取.为了解决这个问题,本文使用无监督学习的视频帧预测策略,利用生成对抗网络学习正常行为的特征以生成效果较好的预测帧,并且拟采用注意力驱动损失来缓解异常行为检测中前景目标与背景环境失衡的问题,同时使用空间-通道注意力机制(CBAM)来增强模型生成器的预测效果.经在公共数据集UCSD Ped1和UCSD Ped2的测试和验证,在Ped1数据集上的检测精度达到了83.5%,在Ped2数据集上的检测精度达到了95.8%.与经典的异常行为检测算法以及原始基于生成式对抗网络异常检测算法比较,本文所采用的方法进一步提高了异常行为检测的准确率.     

基于3DEXPERIENCE平台的核电精益研发平台的研究

基于3DEXPERIENCE平台的核电精益研发平台是中广核研究院有限公司(以下简称研究院)为满足核电研发设计、高端设备研制以及在建在运电厂提供高端技术服务方面的需要而建设的一套跨专业、跨部门协同的矩阵式核电协同研发设计分析平台.该平台基于研究院以精益研发为导向,持续改进的研发设计体系为基础,以数字化流程的形式固化到软件...     

融合压缩感知和LZW编码的电力数据压缩算法

为了减少电力信号传输时的数据量,本文提出了一种融合压缩感知和LZW编码的电力数据压缩算法,在保证重构精度不变的条件下对电力数据进行进一步的压缩,提高了整体的压缩率。首先,对压缩感知的各种观测矩阵进行仿真分析;其次,选择使用稀疏随机矩阵作为本文的观测矩阵,提出了一种能够快速完成压缩感知计算的硬件实现方法,并完成了硬件的设计和验证。实验表明,本设计在FPGA器件上的工作频率最高可达200 MHz;整个数据压缩过程的总延时约为16.11μs;在重构误差约为4.83%时,数据压缩率约为36.83%,比仅使用压缩感知提升了约13.17%。