基于序列到序列结构的MOBA游戏局势趋势预测模型

多人在线战术竞技(MOBA)游戏是当前世界最流行的电子游戏类型之一,该类游戏涉及的知识领域相当复杂.随着电子竞技产业的飞速发展,数据分析对MOBA游戏的影响也越来越大,在对该类游戏的实时局势进行评价时,一般是选择过程变量作为指标,例如经济差、经验差,但目前缺少趋势预测的相关研究.针对该问题,提出一种基于序列到序列结构的MOBA游戏趋势预测模型(MOBA-Trend).在预处理阶段,针对该类游戏数据的特点,设计一种数据缩放算法体现数据间的重要度,并使用低通滤波器消除数据噪声;之后将双方阵容与历史战斗信息作为输入特征,构建带有注意力机制的序列模型,同时预测经济差、经验差;最后将模型应用于Dota 2,构建并发布相关数据集.实验结果表明,所提出的模型能够有效地预测序列的变化趋势.     

海上风浪结合发电系统用两自由度发电机研究综述及展望

近年来,多能互补利用成为能源开发的一种新趋势。海上风能和波浪能具有无污染、能量形式集中等诸多优点,一种基于两自由度直线旋转发电机的新型风浪结合发电系统应运而生。对海上风能和波浪能发电系统的研究现状进行综述,对比独立开发海上风能和波浪能的发电系统、传统风浪结合发电系统及新型海上风浪结合发电系统各自的优缺点;对作为新型海上风浪结合发电系统核心能量转换装置的两自由度直线旋转发电机的研究现状进行总结,并通过有限元方法初步验证了两自由度发电机用于新型海上风浪结合发电系统中的可行性,随后探讨该类发电机的研究热点及难点。最后,对海上风浪结合发电系统用两自由度发电机未来主要的研究方向进行了展望。     

CMOS图像传感器辐照损伤效应仿真模拟研究进展

CMOS图像传感器(CIS)工作在空间辐射或核辐射环境中遭受的辐照损伤问题备受关注。对CIS辐照损伤效应进行仿真模拟研究有助于深入揭示辐照损伤机理,进而开展抗辐射加固设计,有效提升CIS抗辐照能力。文章通过梳理国内外开展CIS辐照损伤效应仿真模拟研究方面的进展情况,结合课题组已开展的电子元器件辐照效应仿真模拟和实验研究基础,从CIS器件建模、时序驱动电路建模、辐照损伤效应建模、仿真模拟结果校验等方面探讨了CIS辐照损伤效应的仿真模拟方法,分析总结了当前CIS辐照效应仿真模拟研究中亟待解决的关键技术问题。     

面向植被边坡的地基SAR高相干点选择

基于高相干点进行相位分析,才能有效保证地基SAR（Synthetic Aperture Radar,合成孔径雷达）形变测量的准确性。在差分干涉测量领域中,广泛使用幅度离差法,可以有效地选择出岩石、建筑物等PS（Permanent Scatterer,永久散射体）点作为高相干点,但对于植被边坡,采用该方法选择出高相干点数量较少,不利于差分干涉处理。在星载SAR领域,普遍采用StaMPS方法解决植被边坡的高相干点选择问题。本文探索了StaMPS方法在地基SAR领域的适用性,提出采用非PS点来计算相干系数门限,并引入DS（Distributed Scatterer,分布式散射体）选择技术,进一步提高了高相干点的数量。对一处植被边坡的实验结果表明,相比于幅度离差法和StaMPS方法,改进方法在提高高相干点数量的同时,有效保证了其相位质量。      

基于厂站-设备两级电力信息耦合模型的信息设备重要性评估

电力监控系统不仅会受到电力网一次设备的影响,还会面对信息层面网络攻击的威胁,因此评估通信设备的重要性对网络安全及大电网的安全稳定运行尤为重要。针对一般电网的电力监控系统与电力网高度耦合的特点,建立了基于厂站-设备两级的信息网与电力网耦合模型：第一级是由发电厂、变电站、调度中心组合而成的厂站级相依网络,第二级是由通信设备与电力设备组合而成的设备级复杂网络;构建了两级耦合网络的通信节点重要度指标和信息网络脆弱性指标;以山东省济南市某小型电网的电力监控系统为例,计算其网络指标,验证了该方法的有效性。该文对信息网络的风险评估具有指导意义。     

基于ELM预测模型的高比例新能源电网改进频率控制策略

高比例新能源电网中,功率与频率变化存在很强的非线性,自动发电控制（AGC）作为电网调节频率的主要控制手段,目前的控制方式无法很好地适应强非线性特性电网的调频需求。鉴于此,提出了基于极限学习机（ELM）预测模型的高比例新能源电网改进频率控制策略。其特点在于通过ELM算法和历史运行数据,建立电网功率变化与频率变化的实时频率预测模型,进一步基于预测模型分析AGC调节机组的调频能力,按照调频能力优化AGC的区域功率控制需求功率分配。其优势在于通过机器学习拟合频率非线性调节规律,优化AGC频率控制,提高系统频率调节的快速性和可靠性,从而提高含新能源电网稳定性。最后通过电网SCADA实际数据建立预测模型并验证其准确性和实时性,并通过应用实例证明所提策略可以实现快速稳定调频。     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

结合特征扰动与分配策略的集成辅助多目标优化算法

代理模型利用近似预测代替算法对多目标优化问题的真实评价,大幅减少了算法寻优所需的真实适应度评估次数。为提高代理模型在求解高维问题时的准确性并降低计算开销,提出一种基于特征扰动与分配策略的集成辅助多目标优化算法。将径向基函数网络代理模型与支持向量机回归代理模型作为集成过程中的基模型,降低算法在高维问题上的计算开销。结合特征扰动与基于记忆的影响因子分配策略构建集成代理模型,提高集成准确性。使用集成预测值与不确定信息加权辅助管理集成代理模型,平衡全局搜索与局部探索,增强算法在目标空间中的寻优能力。实验结果表明,该算法在ZDT1~ZDT3和ZDT6测试问题上所得解集的分布性与收敛性相比经典算法更好,并且当决策变量维数增加时,使用集成代理模型相比于Kriging代理模型约减少了90%的适应度评估次数,同时可获得更准确的预测结果。