融合深度学习和强化学习的5G无线资源管理

针对超密集组网用户体验需求和无线资源利用率低的问题,在满足用户需求基础上,结合深度学习强大的感知能力提取时变的信道特征,利用强化学习优化信道接入策略,减少海量设备在无线连接过程中遇到的接入碰撞,在用户QoS的约束下实现系统平均吞吐量最大化的目标,提高资源利用率.实验表明,该方法能够保证用户最低QoS要求下提高系统平均吞...     

沥青路面纵缝深度灌缝方法及施工工艺

提出了沥青路面纵缝深度灌缝的方法及工艺,以彻底根治纵向裂缝.首先研究了满足深度灌缝要求的水泥砂浆配合比,其次通过试验路的现场灌缝工艺研究,确定了包括灌缝时机选择、裂缝预处理、钻芯布孔、埋置封堵管、灌浆和养生等关键环节的工艺流程.试验结果表明:配制的水泥砂浆具有很高的流动性和早期强度,灌缝方法可以将砂浆灌入裂缝处路面的基...     

D2、M2、S5模具扁钢脱碳特性实验研究

开展了在空气和氮气两种气氛下,采用Gleeble-1500热模拟机与普通电炉两种热方式、不同加热温度、加热时间对D2、M2、S5钢脱碳层深度影响的试验研究。依据试验结果,结合现场实际制定了较为合理的生产工艺并在现场成功应用,使上述模具扁钢脱碳层指标达到了美国ASTM－A681技术标准。     

基于深度学习模型的无线传感器网络数据融合算法

为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。     

N皇后问题的启发式算法探讨

搜索策略的选择与设计是人工智能领域问题求解的核心问题之一,直接影响到问题求解过程中存储空间的占用和计算的复杂性,影响到问题求解的效率。在给出N皇后问题形式化描述和现有搜索算法的基础上,设计了3种解决N皇后问题的启发式算法,并将其与深度优先和宽度优先等搜索策略进行了分析和比较,得出了几点关于设计启发式算法的启示。     

融合改进 YOLOv7 与 UNet 的编码点定位方法

针对编码点的定位存在误检率高和精准度差的问题,提出了一种融合改进 YOLOv7 与 UNet 的圆形编码点定位方 法。第1阶段使用改进的 YOLOv7 检测编码点的位置,改进的 YOLOv7 首先将DCN-v2 可变形卷积引入 ELAN 模块,提升 特征提取能力;其次把卷积块注意力模块(CBAM) 机制嵌入骨干网络使网络更关注目标特征;然后使用Focal-EloU Loss 提高 收敛速度;最后构建 OD-Cat 模块替换 ConCat 模块以提升网络检测精度。提取出每个圆形编码点的 ROI 后,第2阶段通过 UNet 分割出编码点的中心轮廓后,使用最小二乘法拟合出编码点的中心。实验结果表明,改进后的模型比原 YOLOv7 的精 确率提高了6.33%,平均精度均值(mAP) 提升了5.76%;提出的定位方法验证了在噪声、亮度不足或曝光等复杂环境下可以 准确定位出编码点的中心椭圆轮廓,在实际工业视觉测量中具备鲁棒性。     

下塘工业园区污水处理厂设计实例

下塘工业园区污水处理厂规划总规模3×104 m3/d,近期实施1.0×104 m3/d,设计出水水质指标满足DB34/2710—2016《巢湖流域城镇污水处理厂和工业行业主要水污染物排放限值》标准,污水处理采用“格栅+初沉池+调节池+水解酸化池+两段AO一体化池+深度絮凝沉淀池+臭氧接触池+曝气生物滤池+反硝化深床滤池+次氯酸钠消毒”工艺,污泥处理采用高压板框压滤脱水机,尾水全部用于电厂冷却水。     

基于Kinect人体点云三维重建的个性化旗袍虚拟试穿

针对深度相机连续移动中,由于位姿误差积累导致所感测的人体3D点云模型精度下降的问题,研究提出一种Surfel-BA三维重建优化算法,通过引入全局BA优化,提高了位姿估计与稠密重建的Surfel表面精度,从而实现基于感测的人体点云精确模型。基于TUM数据集的位姿精度比测结果表明,新算法提升了ATE误差统计特性、有效抑制RPE误差,进而设计实现基于感测的数字化人台与3D虚拟旗袍模型,并搭建Kinect与Unity3D虚拟试穿集成环境,开展真人旗袍虚拟试穿现场实验,获得交互性好、贴体逼真的体验效果,且快速便捷、成本低,广泛适用于各种数字时尚应用场景。     

一种基于神经网络的虚假新闻检测方法

由于假新闻欺瞒社会大众,造成了令人震惊的局面,而且虚假新闻可能操纵舆论,对社会产生不良影响,因此,需要对社交媒体上共享的新闻文章进行判别。文章设计了一个有效的深层神经网络,它不仅能够处理新闻文章的内容,而且能够处理社交网络中的用户关系。使用张量分解设计了提出的方法,与现有的假新闻检测方法相比,提出的方法结合了新闻内容和基于社会上下文的特征。在实验部分,提出的方法具有较好性能,能够满足实际需求。