换装行人重识别研究进展

行人重识别旨在建立目标行人在多个无交叉覆盖监控区域间的身份联系,在智慧城市、司法侦查和监控安全等领域具有重要应用价值。传统行人重识别方法针对短时间跨度场景,依赖行人外观特征的稳定不变性,旨在克服光照差异、视角变化和物体遮挡等挑战。与之不同,换装行人重识别针对长时间跨度场景,除受限于上述挑战还面临换装带来的外观变化问题,是近几年的一个研究难点和热点。围绕换装行人重识别,本文从数据集和解决方法两个方面综述国内外研究进展,探讨面临的挑战和难点。首先,梳理并比较了当前针对换装行人重识别的数据集,从采集方式、行人及样本数量等方面分析其挑战性和面临的局限性。然后,在简单回顾换装行人重识别发展历史的基础上,将其归纳为基于非视觉传感器的方法和基于视觉相机的方法两类。针对基于非视觉传感器的方法,介绍了深度传感器、射频信号等在换装行人重识别中的应用。针对基于视觉相机的方法,详细阐述了基于显式特征设计与提取的方法、基于特征解耦的方法和基于隐式数据驱动自适应学习的方法。在此基础上,探讨了当前换装行人重识别面临的问题并展望未来的发展趋势,旨在为相关研究提供参考。     

基于机理与数据驱动的热连轧板凸度组合预测

针对传统热连轧出口板凸度预测方法存在的模型精度低、解释性差等缺陷,提出了一种将机理与数据驱动相结合的热连轧板凸度组合预测模型。通过热连轧板凸度机理预测模型得到热连轧板凸度基准值,将该基准值与实际值之间的偏差量作为机器学习模型的预测变量,再将偏差量预测值与基准值进行求和得出组合预测模型的板凸度预测值,并将该组合预测策略应用至多个神经网络进行方法验证。研究结果表明,提出的热连轧板凸度组合预测模型相较于传统预测模型具有更好的预测性能,其中有97%以上预测数据的绝对误差小于0.02 mm,82%以上预测数据的绝对误差小于0.01 mm,同时该组合预测方法具有较好的可行性与普适性,所提出的模型能够实现机理模型与数据驱动模型的优势互补,使得模型更加符合实际物理意义,该组合模型既缓解了神经网络预测结果由于过程黑箱导致解释性差、可信度低的问题,又弥补了机理模型预测结果偏离生产工况、无法实时修正的缺陷,对热连轧板带钢的板形控制以及热连轧产品质量的改善具有重要意义。     

电力线信道系统噪声的建模方法研究

电缆系统存在信道环境恶劣、噪声特性复杂的问题,对系统的正常通信及故障检测造成较大的干扰。在对典型电力线噪声进行分类并分析其不同特性的基础上,针对电力线中常发生的电弧故障,提出基于分数阶滤波器的电弧噪声建模方法,以及基于数据驱动的电弧噪声模型参数确定方法,与典型电力线噪声相结合,建立更加完善、准确的电力线信道系统噪声模型。通过仿真和实验结果验证了模型的准确性,为后续开展电力线故障诊断技术的深入研究提供参考。     

考虑量化的多智能体系统数据驱动双向一致性控制

针对未知动力学模型非线性离散时间多智能体系统,在信息传递过程中的数据量化问题,以及智能体之间的合作与竞争关系,提出了一种数据驱动控制算法,实现了多智能体系统的双向一致性跟踪控制.首先,利用紧凑形动态线性化(CFDL)方法,将未知动力学模型的非线性智能体转化为含有时变参数的数据模型,并通过设计性能指标函数获得时变参数的估...     

国外生成式产品设计研究综述

目的 设计是一项复杂的求解过程,合适的方法对开发新产品起着至关重要的作用.设计计算的进步可能促使机器从传统的辅助角色转变为设计内容的生成器.通过回顾国外1998年至今的生成式产品设计方法,指出未来发展趋势与挑战,为产品设计师及相关的技术与应用研究者提供相应的参考.方法 从生成式设计的定义出发,给出生成式设计的定义;整理归纳生成式产品设计的主要步骤及优势;通过综述的形式,将典型的生成式产品设计方法和相关研究进行整理分类;从技术因素和设计因素两个角度总结,对比分析生成式产品设计方法.结论 数据驱动的生成式产品设计将会更好地为设计师带来全新的视角.生成式产品设计的革命性影响能否实现,将取决于设计界和业界思维方式的重大变化.生成式产品设计未来研究的影响,将取决于学术发展和行业研究之间的融合.     

基于偏最小二乘得分重构的质量相关故障检测

偏最小二乘(PLS)作为一种典型的多元统计分析方法被广泛用于多变量统计过程监测,通常要求数据满足高斯–马尔科夫定理.当数据存在多模态或过程变量非线性相关时,基于PLS方法的故障检测性能将受到影响.为此,本文提出一种基于PLS得分重构的故障检测方法(SR–PLS).首先,利用PLS将输入空间分解为质量相关空间与质量无关空间;其次,利用类k邻近规则(k NN)对当前得分向量进行重构,得到重构得分向量;最后利用重构得分构造统计量,由核密度估计(KDE)得到控制限,进行故障检测.本方法降低了变量间的非线性与数据多模态对过程故障检测的影响,提高了故障检测率.将所提方法应用于两个数值仿真例子与田纳西伊士曼过程(TEP),并与PLS,KPLS, LNS–PLS进行对比分析,证明该算法的优越性与有效性.     

基于数据驱动的锂离子电池RUL预测综述

剩余使用寿命预测技术对于锂离子电池的安全使用及维护具有重要意义。由于锂离子电池的长寿命特性以及复杂的非线性退化机制,目前剩余使用寿命预测仍是电池状态预测的难点问题。数据驱动方法不需要考虑电池内部电化学特性,而仅从数据角度出发,是目前主流的预测方法。通过实例介绍了剩余使用寿命概念,分类阐述了各种基于数据驱动的预测方法,并对其优缺点进行了分析。最后,针对现有方法的不足,提出未来需要改进的方向。     

More data-driven processing at retrieval reduces age-related memory deficits.

The environmental support hypothesis postulates that it may be possible to reduce older adults' deficits in episodic memory by providing environmental support at the encoding and/or retrieval phases. To examine the validity of this hypothesis, we varied the amount of retrieval support by manipulating data-driven processes. Young and older adults performed a word-stem cued recall task under a low data-driven condition (LDDC) in which the retrieval cue comprised 3 letters, and a higher data-driven condition (HDDC) in which the cue comprised 4 letters. Older adults benefitted more than younger adults from the additional support. Older adults exhibited a large deficit relative to younger adults in the LDDC condition but no age differences were found in the HDDC condition. These findings demonstrate that age-related memory deficits can be reduced by increasing the environmental support at retrieval associated with the data-driven component of retrieval processing. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

化工过程软测量建模方法研究进展

软测量仪表是解决化工过程中质量变量难以实时测量的重要手段。软测量仪表的核心问题是软测量建模。阐述了软测量建模与辨识和非线性建模的关系:质量变量和易测变量的动态关系存在于增量之间,辨识模型依赖于增量数据,软测量建模则是依赖于实测变量数据来获取这个动态关系;非线性建模建立了变量间的静态关系,忽略了对象动态特性,而软测量建模要兼顾对动态特性的表征。随着人们对过程特性的认识加深,软测量建模方法不断发展,经历了从机理建模到数据驱动建模,从线性建模到非线性建模,从静态建模到动态建模的过程。详细讨论了软测量建模的发展过程,众多建模方法的优缺点及适用情况和现在建模的热点,最后对软测量建模方法进行了总体展望。     

基于Elman模型的高速列车速度跟踪控制

高速列车运行速度快,运行过程复杂,具有较强的非线性,难以实现高精度速度跟踪控制.为了实现高速列车的安全可靠运行,本文研究提出高速列车的运行过程建模和速度跟踪控制方法,采用数据驱动建模方法建立了高速列车运行过程Elman模型,设计了改进型广义预测控制实现了高速列车速度跟踪控制.基于CRH380AL运行过程数据的仿真结果表明,该方法具有更高的跟踪控制精度和较强的鲁棒性,可实现高速列车安全、正点运行.