大直径深立井井筒基岩段快速施工技术

鸡西建设工程公司在望峰岗矿主井井筒施工中,采用短段掘砌混合作业,充分发挥机械化配套设备能力,推广应用伞钻凿眼深孔爆破,双中心回转抓岩机装岩等凿井新技术,2005年连续7个月月成井破百米,为大直径深立井井筒快速施工积累了经验。     

以渣油为原料的化工型加氢-催化裂解双向组合技术研究

开发了以渣油为原料的化工型加氢-催化裂解双向组合技术:以渣油为原料,将催化裂解副产的富含多环芳烃的轻、重循环油掺入到渣油中一起加氢,然后再进行催化裂解,生产低碳烯烃和轻质芳烃等化工原料.加氢后,催化裂解轻、重循环油中的多环芳烃可以饱和为环烷环并芳环的分子结构,重新具有了可催化裂解性能,因此在渣油加氢和催化裂解的大循环中...     

深孔控制卸压爆破防突措施在潘三矿效果考察

从理论上分析深孔控制卸压爆破措施的防突原理,根据潘三矿1741(3)工作面实际特点,采取此措施并进行了防突措施效果考察,验证其可行性,从而使深孔控制卸压爆破这一局部防突措施,能够在相似矿井得以更好的应用。     

二矿主井井架改造施工工艺

针对矿井旧井架改造施工工艺,主要介绍了施工改造的总体方案及矿井停产前井架的制作、防腐及安装准备工作,并介绍了矿井停产后提升设施拆除、斜架抬头、立架吊装、立架和斜架的合拢等施工工艺。运用该施工工艺工期可缩短2~3 d;运用大型吊车避免了起立桅杆的繁琐;占用井口时间短。     

地下储气井在天然气加气站的应用

地下储气井储气建造成本低,占地面积小,安全性能高,现已成为国内CNG加气站首选储气方式。介绍了高压地下储气井的特点及技术指标、关键技术、运行事故与对策、安全技术措施。     

基于用户-标签异构网络的社区问答专家发现方法

在Stack Overflow、Quora等社区问答网站中,日益增长的用户数使新问题数量急剧增加,传统的专家发现方法通常根据历史回答记录建立用户文档,再从中提取用户文本特征,难以及时寻找到合适的专家进行回答。针对该问题,提出一种社区问答中基于用户-标签异构网络的专家发现方法。根据用户历史回答记录和问题的附带标签构建用户-标签网络,以此得到用户的向量表示。在此基础上,使用全连接神经网络提取用户特征和问题文本特征,通过比较两者的余弦相似度得到候选专家列表。基于StackExchange的真实世界数据集进行测试,实验结果表明,与LDA、STM、RankingSVM和QR-DSSM方法相比,该方法的MRR指标值较高,能够准确寻找到可提供正确答案的专家。     

全卷积多并联残差神经网络

随着人工智能的火热发展,深度学习已经在很多领域占有了一席之地.作为深度学习中一个典型网络--残差神经网络模型自提出之日起就成为了众多研究者的关注点.然而,残差神经网络还有很大的改进空间.为了更好地解决反向传播中梯度减小的问题,本文提出了一种改进的残差神经网络,称为全卷积多并联残差神经网络.在该网络中,每一层的特征信息不仅传输到下一层还输出到最后的平均池化层.为了测试该网络的性能,分别在三个数据集(MNIST,CIFAR-10和CIFAR-100)上对比图像分类的结果.实验结果表明,改进后的全卷积多并联残差神经网络与残差网络相比具有更高的分类准确率和更好的泛化能力.     

面向深度学习图像分类的GPU并行方法研究

针对深度学习图像分类场景中多GPU并行后传输效率低的问题,提出一种低时间复杂度的Ring All Reduce改进算法。通过分节点间隔配对原则优化数据传输流程,缓解传统参数服务器并行结构的带宽损耗。基于数据并行难以支撑大规模网络参数及加速延缓的问题,根据深度学习主干网络所包含的权重参数低于全连接层权重参数、同步开销小、全连接层权重大与梯度传输开销过高等特点,提出GPU混合并行优化算法,将主干网络进行数据并行,全连接层进行模型并行,并通过改进的Ring All Reduce算法实现各节点之间的并行后数据通信,用于基于深度学习模型的图像分类。在Cifar10和mini ImageNet两个公共数据集上的实验结果表明,该算法在保持分类精度不变的情况下可以获得更好的加速效果,相比数据并行方法,可达到近45%的提升效果。     

因子分解机模型的宽度和深度扩展研究

因子分解机（factorization machine,简称FM）模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测精度和计算效率,在广告点击率预测和推荐系统领域被广泛研究和应用.对FM及其相关模型的研究进展进行综述,有利于促进该模型的进一步改进和应用.通过比较FM模型与多项式回归模型和因子分解模型之间的关联关系,阐述FM模型的灵活性和普适性.从特征的高阶交互、特征的场交互、特征的分层交互以及基于特征工程的特征提取、合并、智能选择和提升等角度,总结模型在宽度扩展方面的方法、策略和关键技术.比较和分析了FM模型与其他模型的集成方式和特点,尤其是与深度学习模型的集成,为传统模型的深度扩展提供了思路.对FM模型的优化学习方法和基于不同并行与分布式计算框架的实现进行概括、比较和分析.最后,对FM模型中有待深入研究的难点、热点及发展趋势进行展望.     

基于深度可分离卷积的地铁隧道巡检视频分析

地铁隧道安全目前主要依靠地铁轨道巡检员在轨道无车时人工巡轨检查,这种方法速度慢、工作效率低,而且巡检效果完全依赖于轨道巡检员的经验和状态。针对这一问题,提出了一种基于深度可分离卷积的地铁隧道巡检视频异常报警系统,该系统使用提出的SubwayNet卷积神经网络完成对巡检视频图像的分类。利用制作的地铁隧道巡检数据集对构建的卷积神经网络进行训练并保存模型,制作了图形用户界面并加入声音报警的功能,最后将程序文件打包为可执行文件。实验结果表明,该系统的分类准确率能够达到96%,速度能够达到52 fps,满足对视频实时、准确分析的要求。