基于改进指针网络的卫星对地观测任务规划方法

针对卫星观测任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,使用深度强化学习（DRL）方法对卫星观测任务规划问题进行求解. 综合考虑时间窗口约束、任务间转移机动时间和卫星电量、存储约束,对卫星观测任务规划问题进行建模. 基于指针网络（PN）的运行机制建立序列决策算法模型,使用Mask向量来考虑卫星观测任务规划问题中的各类约束,并通过Actor Critic强化学习算法对模型进行训练,以获得最大的收益率. 借鉴多头注意力（MHA）机制的思想对PN进行改进,提出多头注意力指针网络（MHA-PN）算法. 根据实验结果可以看出,MHA-PN算法显著提高了模型的训练速度和泛化性能,训练好的MHA-PN算法模型可以直接对输入序列进行端到端的推理,避免传统启发式算法迭代求解的过程,具有较高的求解效率.     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

基于卷积神经网络的肺结节分类方法研究

为了提高肺结节自动恶性分类模 型的性能,提出一种肺结节良恶性分类算法。首先,将3维肺结节CT图像作为模型输入;然后将双路径网络与卷积神经网络模型结合用于提取CT图像特征。其中,残差连接用于捕获更多高层和语义信息,密集连接用于降低模型的复杂度。在Luna16数据集上的实验结果表明,该算法的ROC可以达到90％,算法性能优于同类型算法性能。     

职校生在线学习中的自我导向学习、注意力对学习绩效的影响 ——兼论在线学习时间的调节作用

在线学习作为一种开放、灵活、不受时空限制的学习方式在职业学校逐渐得到应用,尤其在停课不停学期间,在线学习作为主流的学习方式,保证了正常的教学活动开展.学生的在线学习绩效,是在线学习质量的重要评价因素.以职校生为研究对象,使用结构方程模型进行验证性因素分析,探索在线学习时间、自我导向学习和注意力对学生在线学习绩效的影响.研究结果表明,自我导向学习通过注意力的中介作用对学习绩效有显著影响,并且在线学习时间在其中起到调节作用.     

基于改进ACGAN样本增强的变压器故障诊断技术

基于深度学习算法的故障诊断需要足量的样本作为训练数据集.变压器故障数据匮乏将导致故障诊断准确率较低.对此,提出了一种基于辅助分类GAN的故障诊断方法.该方法引入自我注意机制,提取故障样本的全局特性,以提高生成样本的质量;并加入梯度惩罚,以提高模型收敛速度和训练稳定性.运用该方法对失衡样本进行增强扩充,并在变压器振动试验数据集上进行验证.仿真结果表明,该方法能够有效改善数据不平衡带来的影响,增强扩充后的故障诊断准确率提高了3.4％.     

电网故障处置预案文本中的命名实体识别研究

电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。     

灰色系统建模理论在机床主轴疲劳寿命设计中的应用研究

运用灰色系统的理论及方法，将疲劳应力与寿命的相互制约关系看成一个灰色系统，将疲劳试验的应力水平均匀分成数级，并找出与之对应的安全寿命的白化值。通过对安全寿命值数列的一次累加，生成一个光滑离散函数。据此建立灰色系统模型，并求解灰色系统的微分方程 。通过残差模型的修正，提高模型精度，再运用灰色系统模型的还原模型，可计算出任一应力水平下的安全寿命值。为机床主轴的安全寿命计算提供了新的途径，具有较大的推广应用价值。     

基于FFT的陀螺寻北仪误差补偿

传统提高陀螺寻北仪精度的方法主要是选用高精度陀螺、提高转位精度、增加转位数、通过数字滤波消除外界干扰等,这些方法大多针对寻北仪的某方面误差因素进行改进,而对寻北仪整体的误差特性研究较少。通过对陀螺寻北仪综合误差特性的分析,提出了基于快速傅立叶变换(FFT)的寻北仪误差补偿方法。该方法首先测量出寻北仪的整周误差,然后通过求取FFT系数完成对寻北仪的系统级误差补偿,该方法尤其对寻北仪制造过程中的结构误差和测量元件的常值漂移残差具有良好的补偿效果。经产品验证可以在保持现有陀螺和转位精度不变的情况下,提高寻北精度3倍以上,具有良好的工程实用价值。     

融合全局和近邻协同信息的会话推荐算法

现有基于会话的推荐算法主要通过挖掘单个目标会话的项目转换关系进行推荐,对来自其他不同会话中项目之间的复杂转换信息考虑较少。为此,提出一种融合全局和近邻协同信息的会话推荐算法SFGN-GNN,同时考虑来自全局与近邻会话的协同信息,以充分挖掘用户偏好。通过学习会话表示来表达用户偏好,先按目标会话与近邻会话的成对项目转移关系构建近邻图,依据所有会话中的成对项目转移关系构建全局图,再利用图神经网络获取目标会话节点近邻级和全局级的项目表示,采用融合门融合得到会话级项目表示,并在其中嵌入项目在目标会话中的位置信息和时间信息,然后通过软注意力机制得到最终的会话表示,最后经过softmax函数预测下一个可能交互的项目。在两个数据集上的实验验证了SFGN-GNN算法有效性。     

微软，把Xbox卖给任天堂吧!

微软换了个新的CE0。这位新CEOh_任之后说,微软要把注意力转移到核心业务上来。言外之意,核心业务之外的众多业务将不再是微软的关注重点。这核心业务之外的众多业务中,有一项鼎鼎有名,那就是微软的Xbox。从微软高调宣布进军主机游戏业开始,很多人-既包括市场分析师,也包括众多游戏迷——都对此呲之以鼻,认为微软也就是仗着财大气粗才敢来分这杯羹,而游戏业可并不是你有钱就能玩得好,当年的世嘉,照样玩不下去。