杆系结构的梯度正则化法(GR)参数反演

反问题在工程上的应用是当今的热门话题,然而在建筑工程上的应用却尚未充分展开。ＧＲ方法是一种较新的求解反问题的手段。本文采用ＧＲ方法,从理论上解决了平面任一杆系结构混凝土弹性模量ＲＣＥ的反演问题,并形成了具有一定通用性的软件。算例验证了本文理论的正确性     

变遗忘因子多新息随机梯度算法双馈电机参数辨识

针对电机运行过程中参数变化特点,基于多新息辨识理论与随机梯度辨识算法理论,结合变遗忘因子,提出了基于变遗忘因子多新息随机梯度算法的双馈电机参数辨识方法。该方法考虑到双馈电机非线性强耦合,采用定子磁链定向的矢量控制技术,搭建双馈电机矢量控制系统采集数据,并推导dq坐标系下电机参数辨识模型的标准形式,根据算法辨识出电机电感及电阻参数。仿真结果验证了该算法的有效性。     

A model to predict the survivability of cancer comorbidity through ensemble learning approach

Cancer is one of the most common death causes worldwide. Breast and genital cancers in women and prostate cancer in men constitute three of the most common cancers. Detection and prevention of these types of cancers are critical objectives. Recent findings indicate that some patients suffer from cancer comorbidity. The probability of survival among patients with comorbid condition is lower than those with only one type of cancer. The importance of concomitant chronic illnesses during cancer treatment through the SEER data is assessed through many machine‐learning approaches. In order to improve the accuracy of prediction of survival rates in patients with cancer and comorbidity of cancers, the gradient boosting ensemble method is adopted for feature selection and modelling. This proposed method increases the accuracy rate and reduces the error rate, and exhibits a significant predictive improvement of survival rates in comorbid cancer compared with the previous proposed models.     

结合改进主动学习的SVD-CNN弹幕文本分类算法

为解决传统卷积神经网络（CNN）模型使用池化层进行文本特征降维会损失较多文本语义信息的问题,提出一种基于奇异值分解（SVD）算法的卷积神经网络模型（SVD-CNN）。首先,采用改进的基于密度中心点采样的主动学习算法（DBC-AL）选择对分类模型贡献率较高的样本进行标注,以低标注代价获得高质量模型训练集;然后,结合SVD算法建立SVD-CNN弹幕文本分类模型,使用奇异值分解的方法代替传统CNN模型池化层进行特征提取和降维,并在此基础上完成弹幕文本分类任务;最后,使用改进的梯度下降算法（PSGD）对模型参数进行优化。为了验证改进算法的有效性,使用多种弹幕数据样本集,对提出的模型与常用的文本分类模型进行对比实验。实验结果表明,改进的算法能够更好地保留文本语义特征,保证训练过程的稳定性并提高了模型的收敛速度,在不同的弹幕文本上较传统算法具有更好的分类性能。     

基于形状上下文和方向梯度直方图特征的异源图像配准

针对单模态图像包含的信息存在局限性的问题,提出了一种基于形状上下文和HOG（histogram of oriented gradient）特征的红外和可见光图像配准方法.在混合高斯模型前景检测的基础上,通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配,再利用TPS（thin plate spline）转换模型将匹配延伸到整个形状,并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差.最后,采用RANSAC（random sample consensus）算法去除错误匹配点.与已有的形状上下文方法相比,此方法结合了边缘和轮廓特征信息,降低了误差,鲁棒性更好.     

融合Haar型局部特征的人耳识别算法

人耳具有丰富的结构特征,针对单一特征描述影响人耳识别率的不足,提出一种融合Haar型局部特征的人耳识别算法。算法采用符合人耳外部形状的椭圆形LBP算子与HOG算子,分别提取图像的纹理特征和边缘特征,将两种特征进行融合。利用Haar特征运算快捷的优势,引入到LBP和HOG特征提取中。通过分别设计的4组Haar编码模式,构建椭圆形LBP算子与HOG算子。对改进算法进行实验与分析,实验结果表明了算法的有效性和实用性。     

基于改进DDPG算法的中短期光伏发电功率预测

针对传统仿生智能算法处理异构光伏发电功率预测精确建模问题时存在的线路多阻抗参数约束下方差波动、线损分析易陷入局部极值等不足,提出了一种基于改进深度确定性策略梯度(DDPG)的中短期光伏发电功率预测模型。首先,通过引入多智能体机制,视发电系统涉及到的发电过程参数为独立活性的智能体,构建出具有社会属性的面向发电过程参数信息共享的全局最优协同控制体系。然后,通过改进的DDPG算法实现蓄电池储能功率自主精确调节和发电网输出功率的自动最优预测。最后,基于Tensorflow开源框架在Gym torcs环境下进行模型效能仿真并以某示范性异构光伏发电网为效能评价载体,对模型进行了工程应用合理性验证。     

三维压差式光纤矢量水听器设计与实验

阐述了压差式光纤矢量水听器的基本原理,分析了基元灵敏度及间距对其声压灵敏度的影响,进行了三维压差式光纤矢量水听器探头结构设计,研制了二维压差式光纤矢量水听器样品,并进行了性能指标测试。测试结果表明,在20~1 000Hz频段内,压差式光纤矢量水听器的声压灵敏度与理论计算结果基本吻合,在500Hz具有良好的指向性。     

利用梯度下降极小惯量法的脑中线偏离度算法

大脑受到创伤后往往会伴随着结构的移位,而脑中线的移位程度对医生预估脑内压强、脑疝等脑部创伤后并发症的重要标准。本文以两位脑创伤患者在接受治疗期间内的影响资料为对象,研究了用梯度下降的极小惯量法计算大脑的理想对称轴,并与患者的实际脑中线相比较,归一化后脑中线偏离度随时间变化的趋势图与临床的症状完全吻合,因而对医生的临床判断具有重要意义。     

基于SWA优化级联网络的表情识别方法

为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能。通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478%,相对于传统SGD方法训练的单网络模型提高了1.4%以上。另外,与其他典型方法相比,所提改进模型的识别准确率更高。