基于层次分析法语义知识的人脸表情识别新方法

在目前的人脸表情识别系统中,人脸表情的机器识别和人类感知之间存在着本质的差异,造成人脸表情识别率不高。为了减小人脸图像底层视觉特征与高层语义之间的语义鸿沟,提出一种基于层次分析法（AHP）语义知识的人脸表情识别新方法。该方法首先采用层次分析法对训练集中人脸图像进行高层语义描述,建立语义特征向量,在底层视觉特征提取阶段,提出一种二阶PCA（principal component analysis）方法来提取人脸图像的纹理特征;在识别阶段,仅利用输入人脸图像的底层视觉特征,采用K-NN（k-nearest neighbor）算法并结合学习阶段建立的语义特征向量,进行人脸表情分类识别。提出的人脸表情识别方法结合底层视觉特征和高层语义知识,减小了人脸图像底层视觉特征与高层语义之间的语义鸿沟。在JAFFE人脸表情数据库中进行实验,获得了93.92%的平均识别率。理论分析和实验结果表明,与其他的人脸表情识别方法相比,该方法具有更好的识别效果。     

可见光通信中高阶调制格式研究

可见光通信（VLC）系统采用发光二极管（LED）作为光源,使得系统具有照明与通信的双重作用,从而极大地节约了能源。LED调制带宽有限是VLC技术发展的主要障碍,研究者们已经提出了用于扩展调制带宽、提高传输速率的多种技术,如蓝光过滤、均衡技术、多输入多输出（MIMO）技术、高阶调制格式、波分复用技术、离散多音调调制等。VLC系统的传输速率可以通过这些技术中的某种技术或者几种技术相结合得到大大提高。本文采用各子载波调制为MQAM的OFDM技术对可见光通信的影响,介绍了可见光通信系统,并通过SIMULINK仿真分析了MQAM调制的星座图,平均功率谱密度及误码率,进一步证明了高阶正交幅度调制（MQAM）可以调高频带利用率并降低误码率,采用256QAM调制频带利用率提高为16QAM调制的2倍。     

地方高校高层次人才引进工作机制探索

分析当前高层次人才竞争的特点和影响高层次人才流动的因素,直面困难,查找不足,主动迎接挑战,探索一条符合地方高校特色的高层次人才引进之路,对于推进地方高校人才强校战略,提升核心竞争力,具有十分重要的意义.     

全预紧组合结构液压机临界预紧力的分析与计算

整体性是全预紧组合结构液压机本体设计的关键和共性问题。本文以某厂120 MN全预紧组合结构自由锻造液压机为研究对象,通过数值模拟和1∶15模型实验测试,分析了液压机上横梁和立柱弯曲变形与机架整体性之间的关系,揭示了上横梁和立柱的弯曲变形对机架整体性的影响规律。研究结果表明,上横梁与立柱的弯曲变形对全预紧组合液压机本体结构的整体性的影响是一个不可忽略的重要方面。通常情况下,若忽略弯曲变形的影响,临界预紧力计算值明显偏小,不能满足满负荷工况对液压机整体工作性的技术要求。通过引入弯曲变形加权因子,建立了考虑弯曲变形的全预紧机架临界预紧力计算公式,且与实测结果吻合良好。     

基于多尺度特征融合的人脸图像修复方法

传统图像修复方法在修复受损区域较大的图像时会出现修复结果过于平滑或模糊的现象,并且较难重建合理的人脸图像结构。在传统生成对抗网络的鉴别器中引入多尺度特征融合方法,将不同深度的特征图经过上采样后直接相加,使浅层信息和深层信息有效结合。通过借助高层特征把握图像的整体规律,同时利用低层特征填充人脸图像的细节纹理,进而使一张图像的分辨率及其语义特征相互融合,实现有效的人脸图像修复。在CelebA数据集上的实验结果表明,该方法的峰值信噪比、相似性结构、L1损失指标均优于区域归一化方法,取得了较好的视觉效果。     

Learning spatial hierarchies of high-level features in deep neural network

This paper addresses a new approach to learn perceptual grouping of the extracted features of the convolutional neural network (CNN) to represent the structure contained in the image. In CNN, the spatial hierarchies between the high-level features are not taken into account. To do so, the perceptual grouping of features is utilized. To consider the intra-relationship between feature maps, modified Guided Co-occurrence Block (mGCoB) is proposed. This block preserves the joint co-occurrence of two features in the spatial domain and it prevents the co-adaptation. Also, to preserve the interrelationship in each feature map, the principle of common region grouping is utilized which states that the features which are located in the same feature map tend to be grouped together. To consider it, an MFC block is proposed. To evaluate the proposed approach, it is applied to some known semantic segmentation and image classification datasets that achieve superior performance.     

SAM Functionalized ZnO Nanowires for Selective Acetone Detection: Optimized Surface Specific Interaction Using APTMS and GLYMO Monolayers

In modern days, self‐assembled monolayer (SAM) functionalized surfaces represent an interesting tool for the development of ultrasensitive and selective sensing platforms for the detection of chemical substances such as biomolecules and gases. The ability of SAM to generate different functional groups on a single surface such as zinc oxide (ZnO) can be used to immobilize biomolecules and detect different analytes such as gases, proteins, etc. Herein, SAM functionalized ZnO NW‐based sensors are developed for acetone exhaled breath analysis. ZnO NWs are synthesized using a vapor–liquid–solid mechanism and their functionalization is done with two different SAMs, i.e., (3‐aminopropyl)trimethoxysilane (APTMS) and 3‐glycidoxypropyltrimethoxysilane (GLYMO). The enhancement in the electron depletion layer resistance (and also width) due to the capturing of electrons from the ZnO NWs surface by APTMS and GLYMO molecules is found to be the major reason in their superior sensing performances. The amine (–NH₂) groups of APTMS monolayer enhance the sensors selectivity toward acetone due to their reactions with acetone molecules, which produce imine in addition to water molecules. Moreover, after the functionalization with APTMS SAMs, the detection limits of the sensors are improved from 6 to 0.5 ppm, which makes these devices potential candidates for acetone exhaled breath analysis.     

面向云端FPGA的卷积神经网络加速器的设计及其调度

卷积神经网络的高计算复杂性阻碍其广泛用于实时和低功耗应用,现有软件实现方案难以满足其对运算性能与功耗的要求,传统面向FPGA的卷积神经网络构造方式具有流程复杂、周期较长和优化空间较小等问题。针对该问题,根据卷积神经网络计算模式的特点,提出一种面向云端FPGA的卷积神经网络加速器的设计及其调度机制。通过借鉴基于HLS技术、引入循环切割参数和对卷积层循环重排的设计,采用模块化方式构造网络,并进行参数拓展以进一步优化加速器处理过程;通过分析系统任务和资源的特性总结调度方案,且从控制流和数据流两方面对其进行优化设计。与其他已有工作相比,提出的设计提供了一种同时具有灵活性、低能耗、高能效和高性能的解决方案,并且探讨了加速器的高效通用调度方案。实验结果表明,该加速器可在有效提高运算整速度的同时减少功耗。     

定向高位长钻孔上隅角瓦斯治理技术

针对常规顶板高位钻孔因钻孔方位及倾角无法控制而难以钻进至设计层位,且有效抽采孔段较短、易出现抽采盲区、抽采不连续等问题,以王家岭煤矿上隅角瓦斯治理为研究背景,在20103综采工作面回风巷布置1组定向高位长钻孔与4组常规高位钻孔进行瓦斯抽采,对比分析了这2种高位钻孔的瓦斯抽采效果,结果表明:定向高位长钻孔有效抽采孔段长,抽采盲区少,能实现连续抽采;定向高位长钻孔单孔平均瓦斯抽采纯量为2.11m^3/min,最大可达2.9m^3/min,与常规高位钻孔相比平均瓦斯抽采纯量提高了约2.77倍,工作面瓦斯抽采率提高了近2倍,有效抽采时间提高了约3.15倍;仅接抽常规高位钻孔时上隅角瓦斯体积分数为1.0%以上,仅接抽定向高位长钻孔时降至0.6%以下,表明定向高位长钻孔治理工作面上隅角瓦斯具有明显优势。