泵站装置效率及能源单耗分析评价

在泵站工程设计中对泵站装置效率及能源单耗进行分析计算十分必要。介绍了泵站装置效率、能源单耗的评价方法及在工程设计时为提高泵站装置效率应注意的环节,并从提高电机效率、传动效率、水泵效率、管路效率和进出水池效率等几方面提出提高泵站装置效率的建议。     

房屋建筑的抗震性能研究

我国幅员辽阔地震频发,从2008年的汶川地震到2010年玉树地震,超过九成以上的地震灾害造成的直接或间接损失是由于地震对建筑物强大的破坏性造成的。血的教训提醒人们,抗震设计不可掉以轻心,如有失误就会付出沉重的代价。因此,对房屋建筑的抗震性能的研究势在必行。     

确定渠道渗漏损失几种方法综合分析的选用

通过对渠道渗漏损失多方法的综合分析,最后确定渠道的渗漏损失的有效方法,为工程设计及运行管理提供符合实际的技术参数。     

基于模糊理论的智能呼叫决策系统的研究与设计

针对呼叫系统中接入控制的决策问题,从影响呼叫客户重要性的四个因素出发,构造了客户重要程度评估集,并提出了在呼叫系统中基于模糊综合评判的呼叫评估方法及相关算法实现,较好地解决了处理客户呼叫的问题,然后设计了智能呼叫决策系统,最后通过与非智能化系统的损失量比较,验证了该智能决策系统的有效性和可行性。     

EBJ-132A型掘进机工作机构控制系统的研究

探讨了自动完成悬臂式掘进机的巷道断面自动成形,提出了根据不同煤岩分布调整悬臂摆动速度来达到截割主电机恒功率控制的方法.所设计的系统可以根据用户输入的断面形状和参数自动完成巷道断面的成形,实现不同巷道煤岩分布情况下能够自动调节进给速度的功能,达到降低功率损失、提高工作效率及自动化的目的.为实现机掘巷道自动化和无人化提供了一种切实可行的方法.     

一种基于Vague-Sigmoid核的支持向量机研究

Sigmoid核最初起源于神经网络,目前在支持向量机中也得到了广泛应用,但由于核矩阵的非半正定性,其应用受到一些限制.研究表明Sigmoid核可以用简单的模糊三角隶属函数来近似替代,使得其学习效率能进一步提高.本文首先分析模糊支持向量机的特性,将模糊理论用于支持向量机的核中,并在此基础上提出了基于Vague-Sigmoid核函数的支持向量分类器.该方法充分结合了Vague集的自身优势,用基于Vague集的相似度量来代替了常规中的样本间的点积计算方法.将文中提出的方法应用于标准数据集中,并与传统的Sigmoid核方法、Fuzzy -Sigmoid核方法进行了实验分析, 实验表明文中提出的方法在不损失精度的情况下,能较好的提高算法的执行效率,取得了较好的实验结果;同时也表明在支持向量机中能利用Vague-S igmoid核取代替传统的Sigmoid核,从而减少对Sigmoid核的限制.     

一种结构简单的低压低功耗ALU单元设计

1位的ALU单元在某些集成电路的设计中非常重要,本文提出了一种结构简单的高速,低功耗,低工作电压的ALU单元.在此设计中采用了XOR/XNOR结构,并加入了适当的缓冲电路,有效的提高了运算速度,并可以减少在级连中的阀值损失,同时还保持了较低的MOS管数量.通过HSPICE (CSMC 0.35um工艺)仿真,得了很好的特性.     

基于MultiResUNet-SMIS的皮肤黑色素瘤图像分割

针对现有的皮肤黑色素瘤病灶分割精度不高的问题,结合现有卷积神经网络方法提出皮肤黑色素瘤图像分割方法 MultiResUNet-SMIS.首先,依据皮肤黑色素瘤成像特点,引入不同空洞率的空洞卷积替换普通卷积,在参数量相同的前提下扩大感受野,使网络模型能够适用于多尺度病灶分割任务;其次加入空间和通道注意力机制以重新分配特征权重,扩大感兴趣特征影响,抑制无关特征;最后融合Focal loss与Dice loss提出一种新的loss函数FD loss用于计算回归损失,解决前景背景像素不均衡问题,进一步提高网络模型的分割精度.实验结果表明,MultiResUNet-SMIS在ISIC-2018数据集上的Dice指数、IoU指数以及Acc准确率分别达到了89.47%、82.67%、96.13%,与原MultiResUNet以及UNet、UNet++、DeepLab V3+等主流方法相比, MultiResUNet-SMIS在皮肤黑色素瘤图像分割中具有更好的效果.     

融合多标签损失与双注意力的U型视网膜血管分割

眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE＿DB1数据集上进行实验,灵敏度分别为80.54%, 83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%, 98.50%和98.36%.     

改进损失函数的增强型FPN水下小目标检测EI北大核心CSCD

针对水下小目标因携带特征信息少、定位不精准而导致检测精度低的问题,提出一种特征金字塔网络(FPN).首先,在FPN上采样过程中加入协同非局部注意力模块,利用卷积、横纵向池化挖掘特征图的静态和动态上下文信息;其次,在FPN通道调整过程中加入三叉戟特征增强模块,利用并行空洞卷积与高效通道注意力(ECANet)捕捉多尺度空间与通道特征信息;最后,在FasterR-CNN算法的回归损失函数中引入线性回归损失增益系数,增大对多尺度目标回归偏移量的惩罚,提高定位精度.实验结果表明,采用2020年全国水下目标检测大赛提供的数据集、PASCALVOC数据集和MSCOCO数据集进行实验,该算法比基线FasterR-CNN算法精度分别提升2.8%,2.2%和2.5%,结果证明了其有效性.