基于注意力机制的特征融合的暗图像增强网络

暗图像能见度低、颜色失真、细节丢失,会对计算机视觉应用造成干扰。提出了基于无参注意力、高效通道注意力、像素注意力和通道注意力的特征融合的暗图像增强网络。提出的网络使用对抗式训练,具有提高图像亮度、增强图像颜色内容和细节信息的能力。算法增强结果的结构相似度（PSNR）和峰值信噪比（SSIM）均优于所对比的算法。     

碳限额与交易机制和消费者低碳偏好下的供应链减排及融资策略

在碳限额与交易机制和消费者对低碳产品存在偏好的背景下,考虑由一个资金约束的制造商与一个资金充裕的零售商构成的供应链,针对银行贷款(BF)、提前支付折扣(APD)和提前支付回购(APB)3种融资方式,构建制造商主导的以企业利润最大化为目标的博弈模型,研究不同融资方式下低碳供应链的减排与定价决策,以及制造商的融资方式选择问题.研究表明:1)在3种融资方式下,减排投资成本系数的增加会降低制造商的最优单位产品碳减排量.2)提前支付下制造商的最优单位产品碳减排量始终高于BF方式.当碳交易价格较高或减排投资成本系数较高时,APB方式下制造商的碳减排量最高;否则,APD方式下制造商的碳减排量最高.3)与BF方式相比,提前支付更能提升制造商的利润,且制造商在APB方式下获利最多.     

基于ISTA-LSTM模型的间歇过程质量预测

为了考虑过程变量与质量变量的相关性,解决间歇过程的时序性和动态特性导致预测精度不高的问题,提出一种基于改进时空注意力-长短时记忆神经网络(improved spatial and temporal attention long short-term memory,ISTA-LSTM)的模型进行间歇过程质量预测.首先,对间歇过程的三维数据按变量方向展开成二维矩阵,对二维数据采用Min-max方法归一化;然后,使用偏最小二乘(PLS)方法对原始数据降维,提取数据的特征信息,基于时间注意力和空间注意力构建编码-解码器结构的双层LSTM网络,利用注意力机制自适应地学习神经网络参数,关注每一个过程变量对质量变量的重要性并分配相应的注意值,从而保留所有输入的必要信息,采用带交叉验证的网格搜索算法对预测模型进行超参数寻优,并建立预测模型;最后,在青霉素发酵仿真平台上进行实验验证,实验结果验证了所提模型对间歇过程质量预测的可行性和有效性.     

基于IMPSiamCAR孪生网络无人机目标跟踪算法

针对无人机进行目标跟踪时,目标存在尺度变化大、易受遮挡、相似物干扰等问题,在SiamCAR的基础上提出IMPSiamCAR算法。该算法使用改进的ResNet50网络提取目标特征,引入通道注意力机制使模型学习不同通道的语义信息,按特征的重要程度为通道分配不同的权重,使算法能更加关注存在跟踪目标的区域;再将融合后的目标特征送入区域回归网络进行正负样本分类、中心度计算及边界框回归;最后得到每一帧中目标的位置。在UAV123数据集与OTB100数据集上测试的实验结果表明,提出的算法与对比算法相比,有更高的跟踪精度与成功率,能较好地应对遮挡、相似物干扰、尺度变化等挑战;并且在VOT2018和UAV123数据集上进行实时性测试的结果表明,所提算法可以满足无人机实时性的要求。     

基于步态触觉信息的图书馆智能机器人异常状态检测系统

针对当前图书馆智能机器人步态识别准确率低,导致异常状态检测效果差的问题,提出基于步态触觉信息的图书馆智能机器人异常状态检测和分类。采用基于局部空间信息加权的K-means算法对静态步态图像进行分割处理,分别构建基于改进K-means的CNN网络模型和基于时域注意力的3D残差网络模型,通过这两个模型对静态、动态步态进行特征提取和识别。实验结果表明,对比于SVM分类器,改进K-means算法的CNN网络模型静态步态识别准确率高达98.7%;3D-CNN模型的动态步态分类准确率为99.72%,均高于其他分类模型。最后结合两种算法进行异常状态检测发现,本算法的分类准确率、敏感度和特异性分别为95.42%、95.53%、94.37%。综合分析可知,提出的算法能够实现静态动态的准确识别和异常状态检测,具有一定有效性。     

配电系统中点对点电力交易市场设计与出清方法

随着配电系统中用户侧智能设备的不断并网和电力市场化改革的推进,越来越多的电力用户从传统的消费者转变为能同时生产电力的产消者,使得终端用户之间点对点(P2P)电力交易成为可能。在此背景下,提出一种能够有效考虑配电系统运行约束的事件驱动型P2P电力交易市场机制及其出清方法。首先,讨论P2P市场与现有电力市场的关系,初步建立事件驱动规则与市场运行机制。其次,采用灵敏度刻画P2P交易对电力系统运行的影响,进而建立市场出清优化模型,并采用拉格朗日乘子法进行分布式出清。然后,基于区块链平台实现完全去中心化的P2P电力交易市场机制。最后,通过算例验证所提模型能在保护配电网安全运行的前提下,快速、有效处理配电系统电力社区之间的P2P电力交易需求。     

高比例可再生能源渗透下的电力市场价值分配机制设计

大力发展可再生能源、构建清洁高效的能源体系已成为贯彻落实能源革命的必然选择。在电力市场环境下,随着可再生能源渗透率的持续提升,传统火电份额被不断占据。由于尚未建立合理的市场机制保障火电提供容量的基本收益,火电企业缺乏为高比例可再生能源提供辅助服务的动力。市场价值分配的核心思想在于按照“谁创造的价值谁分享,谁产生的成本谁承担”来量化市场成员的贡献和价值,并分配利益。为此,提出一种高比例可再生能源渗透下的电力市场价值分配机制。基于Vickrey-Clarke-Groves(VCG)机制,定义一台火电机组的价值为该机组对其他发电资源的替代效益,精准辨识火电为可再生能源并网消纳付出的真实成本,从而激励火电机组真实报价,主动预留辅助容量,形成高比例可再生能源电力市场互利共济的格局。     

基于改进YOLOv5的遥感图像目标检测研究

针对遥感图像中背景复杂度高、目标尺寸多样所导致的目标检测精度低的问题,提出一种基于改进 YOLOv5的遥感图像目标检测算法。该算法将具有Transformer风格的ConvNeXt网络作为主干网络,以克服卷积神经网络(CNN)结构的局限性,捕获更多全局信息。引入 SimAM 注意力机制在不增加网络参数的情况下,推断出特征图的3D注意力权值,提高网络的稳定性以及抗干扰能力。同时采用全局显式集中调节方案的集中特征金字塔(CFP),捕获全局长距离依赖关系以及遥感图像的局部关键区域信息。将本文提出的算法在 RSOD 数据集上进行消融实验,结果表明,本文提出的算法能够显著提高遥感图像目标检测的平均准确率。     

一种浅层非对称结构的视网膜血管分割网络

针对传统视网膜血管分割网络随着网络深度加深导致微小特征信息丢失,网络分割灵敏度低的问题,提出了一种有别于传统对称编码-解码模块的非对称视网膜血管分割结构。网络权重参数量为7.2MB,以残差注意力模块和多尺度空洞卷积模块作为基础特征提取模块,特征图的最大通道层数只有64层,特征图尺寸减半和反卷积操作都只有两次,能够减少特征图尺寸变化带来的信息丢失现象。本文所提方法在DRIVE和CHASE-DB1数据集上进行测试的准确性分别为96.85%和97.39%,灵敏度分别为84.03%和86.50%,特异性分别为98.08%和98.12%,AUC分别为98.63%和98.99%。     

面向分布式电力交易的区块链算法应用研究综述

当下分布式电力交易呈现出中心化网络风险验证和市场竞争过小等问题。区块链技术去中心化、防篡改及分布式存储等特点与分布式电力交易中存在的问题高度契合,将区块链技术应用于分布式电力交易中受到广泛关注。文章从安全防护类算法、数据同步类算法及共识类算法3个方面梳理了区块链相关算法,将其结合分布式电力交易的部分适用场景展开分析,总结现有区块链核心算法在分布式电力交易中优缺点。最后,对区块链技术现在存在的问题及各类算法在未来分布式电力交易的适用性进行分析,通过对3类算法分析综述,从安全、共享、共识3个方面提高分布式交易的交易速率和可靠性,为未来区块链核心算法在分布式电力交易领域的应用提供研究思路。