一种伺服电机测控仪的结构与外观设计

随着现代制造技术的发展进步和用户审美艺术的不断提升,在产品设计时仅关注软件和硬件而忽略结构和外观造型的创新设计已经不能满足当下用户的使用和审美需求。因此文中提出了一种便携式伺服电机测控仪设计方案,重点从测控仪的结构、外观造型、色彩等方面进行了详细的设计说明,既满足了测控仪的基本功能又增加了其美感,极大地提高了测控仪的市场竞争力。     

基于情境学习的射孔仿真培训系统应用研究

由于传统的仿真培训中只能通过鼠标的点击与键盘进行交互,存在着现场感缺乏以及用户体验不足等缺点,针对油田射孔岗位仿真培训中的交互问题,提出了应用情境学习理论结合体感交互技术的仿真培训系统。通过将Unity与体感交互技术结合,学习者可以运用手势与姿势来实现与仿真培训系统的交互操作。结合应用这一技术可以使得学习者能够在更逼真的虚拟学习环境中尽情的体会和学习,满足学习者的体验和参与需求,可以有效促进学习者从具体的感知经验上升到抽象的知识概念,为教学培训的顺利开展创设有利的条件。     

新工科背景下应用型本科专业建设的研究与实践

文章针对新工科背景下应用型本科高校学生培养方面的缺失,采用产教城深度融合的形式,从专业人才培养目标、专业课程体系和课程教学设计三个方面开展了相应研究与实践,提出了以学生的实践能力为目标的人才培养方案、以学生的学习成果为中心的课程体系以及以激发学生的学习内驱力为方式的课程教学方式,从而达到培养具有扎实专业知识和交叉学科知识、自主学习能力和团队协作能力的复合型创新型工程技术人才.     

基于多特征和尺度估计的KCF_MTSA算法

多模板尺度自适应核相关滤波器（KCF_MTSA）跟踪算法在目标移动模糊、旋转和尺度变化时跟踪距离精度与成功率较低。针对该问题,提出一种结合多特征和尺度估计的改进KCF_MTSA目标跟踪算法。采用方向梯度直方图和颜色名两种特征对目标进行表征,在训练阶段分别使用多模板核相关滤波器对上述特征进行训练,同时在检测阶段将两个滤波器的响应以权重形式进行自适应融合获取响应图实现目标定位,并使用一维相关滤波器进行目标尺度估计。实验结果表明,该算法的跟踪距离精度和准确率较改进前KCF_MTSA算法有明显提升,其距离精度和准确率分别提高15.8%和28.5%。     

基于Octave卷积的混合精度神经网络量化方法

浮点数位宽的深度神经网络需要大量的运算资源,这导致大型深度神经网络难以在低算力场景（如边缘计算）上部署。为解决这一问题,提出一种即插即用的神经网络量化方法,以压缩大型神经网络的运算成本,并保持模型性能指标不显著下降。首先,基于Octave卷积将输入特征图的高频和低频成分进行分离;其次,分别对高低频分量应用不同位宽的卷积核进行卷积运算;第三,使用不同位宽的激活函数将高低频卷积结果量化至相应位宽;最后,混合不同精度的特征图来获得该层卷积结果。实验结果证实了所提方法压缩模型的有效性,在CIFAR-10/100数据集上,将模型压缩至1+8位宽时,该方法可保持准确率指标的下降小于3个百分点;在ImageNet数据集上,使用该方法将ResNet50模型压缩至1+4位宽时,其正确率指标仍高于70%。     

指针生成网络和覆盖损失优化的Transformer在生成式文本摘要领域的应用

针对生成式文本摘要应用场景,提出了以Transformer为基础的摘要模型,并在Transformer模型中加入了指针生成（Pointer Generator）网络和覆盖损失（Coverage Loss）进行优化。首先,提出了基于Transformer模型作为基础结构的方法,利用其注意力机制更好地捕捉上下文的语意信息。然后,在模型的损失函数中引入Coverage Loss来惩罚不断出现的重复的词的分布和覆盖范围,从而解决Transformer模型中的注意力机制在生成式任务中出现不断生成同一个词的问题。最后,在模型中加入了Pointer Generator网络,从而允许模型从源文本中复制词用作生成词来解决词表无法覆盖（OOV）的问题。探索了改进后的模型是否减少了不准确的表达以及重复出现相同词的现象是否得以解决。该模型相较于原始的Transformer模型在ROUGE-1评测函数上得分提升了1.98个百分点、ROUGE-2评测函数上得分提升0.95个百分点,在ROUGE-L评测函数上得分提升了2.27个百分点,并提升了摘要结果的可读性及准确性。实验结果表明,Transformer在加入Coverage Loss和Pointer Generator网络后可应用于生成式文本摘要领域。     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。     

COVID-19医学影像数据集及研究进展

由于影像学技术在新型冠状病毒肺炎（COVID-19）的诊断和评估中发挥了重要作用,COVID-19相关数据集陆续被公布,但目前针对相关文献中数据集以及研究进展的整理相对较少。为此,通过COVID-19相关的期刊论文、报告和相关开源数据集网站,对涉及到的新冠肺炎数据集及深度学习模型进行整理和分析,包括计算机断层扫描（CT）图像数据集和X射线（CXR）图像数据集。对这些数据集呈现的医学影像的特征进行分析;重点论述开源数据集,以及在相关数据集上表现较好的分类和分割模型。最后讨论了肺部影像学技术未来的发展趋势。     

基于改进SVM的互联网用户分类

由于传统模型大量约束样本,导致其学习能力下降,因此设计一个基于改进支持向量机(Support Vector Machine,SVM)的互联网用户分类模型.该模型通过构造样本数据,模拟互联网用户的浏览轨迹;根据用户偏好,制定全新的用户分类策略;基于改进支持向量机,实现对互联网用户的分类.性能测试:3次实验下,此次设计的模型分类准确率平均值为98.56%,超出了预设的期望值,具备分类能力.对比测试:与两组传统用户分类模型相比,此次设计的模型,面对不断增加的样本数据,同样能保持高水平的学习能力.     

基于混合型事件日志的模型合规性检验方法

信息系统记录的事件日志多为包含点事件和区间事件的混合型事件日志,针对现有合规性检验方法不能直接应用于此类事件日志的问题,提出一种对混合型事件日志及对应模型进行合规性检验的方法,从拟合度、精确度、和简洁度三个方面来衡量混合型事件日志及其对应的过程模型的契合程度,用户可对三个指标设置权重,求出一个综合的合规性指标.论文设计并实现一个原型工具,通过案例分析说明了算法的有效性.