可解释化、结构化、多模态化的深度神经网络

深度学习方法依赖于大规模的标签数据,通过端到端的监督训练,在计算机视觉、自然语言处理领域都取得优异性能.但是,现有方法通常针对单一模态数据,忽视数据的内在结构,缺乏理论支撑.针对上述问题,文中从基于小波核学习的深度滤波器组网络设计、基于结构化学习的深度学习、基于多模态学习的深度学习3个角度阐述结合深度学习方法与小波理论、结构化预测的潜在方法,以及其拓展到多模态数据的可行机制.     

用单板机测试高速继电器的运作时间

以JQX－13F直流高速继电器为例，介绍用Z80单板机测定元器件的动作时间。     

水性UV涂料在塑胶表面涂装的应用

阐述了研发用于塑胶件表面涂装的水性UV涂料的最新进展。通过自主研发的新型水性聚氨酯丙烯酸酯乳液,获得一种乳液型水性紫外光(UV)塑胶涂料。试验证明该涂料具有很好的乳液稳定性,对各种塑胶基材有良好的润湿效果,固化后所得涂层附着力优异,耐水和耐化学性突出,具有广阔的应用前景。     

乙二胺四乙酸对多级废水处理池污泥中铅的萃取研究

以某公司废水处理池中的污泥为研究对象,实验分析研究了多级废水处理池中的污泥在不同pH,萃取剂浓度,搅拌时间下乙二胺四乙酸二钠盐(EDTA)对体系中铅的萃取效率.对排污沟中污泥中的Pb萃取率达到91.74%,而对一级处理池和二级处理池分别达到71.07%和83.32%.     

磷石膏/聚氨基酸医用多孔复合材料的制备与表征

用化学共沉淀法合成了钙磷原子比(Ca/P)为1.50和1.67的磷石膏(PG), 用熔融聚合法制备四元氨基酸共聚物(PAA4), 用挤出发泡法制备了两种磷石膏/四元氨基酸共聚物(PG/PAA4)多孔复合材料。通过TGA、SEM、XRD、IR、EDS等对两种复合材料的组成结构进行了表征, 并研究了复合材料在磷酸缓冲液(PBS)中的体外降解性能。结果表明: 无机组分PG在两种复合材料中分布均一, 质量分数均为60%左右; PG/PAA4复合材料的孔径为100~400 μm, 孔隙率在60%左右; 多孔复合材料的有机和无机相之间有化学作用。PG/PAA4复合材料具有良好的体外降解性能, 其失重率随PG钙磷比的增加而增加, 降解液的pH值维持在6.9~7.4之间。PG/PAA4复合材料降解后, 其表面沉积了片状钙磷化合物, 推测该复合材料可能具有生物活性。     

基于模糊理论的通信与指挥控制系统效能评估

在层次分析法的基础上,运用模糊理论对通信和指挥控制系统效能指标进行了定性和定量分析,提出了一套完整的效能评估方法,该方法能够在作战中为指挥员决策提供依据,起到优化通信与指挥控制资源的作用。     

一种基于第三代短波通信的频率管理模型设计与实现

首先分析研究了第三代短波通信频率管理系统,针对以接入网为主的短波数据通信网特殊的网络结构,通过借鉴无线传感器网络WSN成熟的路由技术,提出了一种基于位置服务的路由辅助频率管理模型,仿真测试证明,该模型的设计与实现是可行的。     

远程遥控驾驶场景下基于网络信息开放的QoS预测

5G系统的飞速发展支持许多车联网用例对服务质量（quality of service,Qo S）的苛刻要求。但网络和应用的适配仍然存在很多问题。网络信息开放是一种潜在的解决方案,旨在实现网络向应用程序实时提供蜂窝无线网络信息,从而帮助服务提供方实现更好的策略控制并改善用户体验。提出一种基于网络信息开放的服务质量预测（predictive QoS,PQo S）方法,通过提前预测即将发生的网络变化来支持应用做出提前响应,提高用户的体验质量（qualityofexperience,Qo E）。介绍了网络信息开放及PQo S的背景,并介绍了PQo S的国内外研究、标准及落地现状;提出一种远程遥控驾驶（tele-operateddriving,To D）场景下基于网络信息开放的Qo S预测方法;对实际测试的数据进行分析,评估验证了PQo S的可行性。结果表明,基于网络信息开放的Qo S预测技术能够良好地支持包括5G ToD在内的车联网应用,为5G系统在智慧交通行业的落地提供了参考。     

基于岭回归的电网调峰需求预测研究

电力需求和调峰需求的科学预测对构建新型电力系统意义重大.随着能源结构转型,社会经济发展出现新变化.本文提出基于S增长曲线的电力需求预测模型和基于岭回归的电网调峰需求预测模型.首先,通过历史数据回归分析得到重点行业负荷S增长曲线特征值,进而预测负荷需求及饱和时间;其次,应用岭回归技术预测电网调峰需求各因素的影响幅度;最后,以山东电网为例,测算了中长期全社会用电量及饱和时期、调峰需求.预计2025年山东全社会用电量为0.9万亿～1.0万亿kWh,全网最大用电负荷高达1.25亿～1.35亿kW,负荷峰谷差率将增加0.5～1个百分点,电网调峰需求为4100万～4500万kW,山东全省电力负荷总体将于2040年前后达到饱和.案例分析表明,所提方法具有合理性.     

基于双层特征的彝语数据情感自动标注方法

现有的情感自动标注方法大多仅从声学层或语言层提取单一识别特征，而彝语受分支方言多、复杂性高等因素的影响，对其使用单层情感特征进行自动标注的正确率较低。利用彝语情感词缀丰富等特点，提出一种双层特征融合方法，分别从声学层和语言层提取情感特征，采用生成序列和按需加入单元的方法完成特征序列对齐，最后通过相应的特征融合和自动标注算法来实现情感自动标注过程。以某扶贫日志数据库中的彝语语音和文本数据为样本，分别采用三种不同分类器进行对比实验。结果表明分类器对自动标注结果影响不明显，而双层特征融合后的自动标注正确率明显提高，正确率从声学层的48.1%和语言层的34.4%提高到双层融合的64.2%。