一种基于图像变换预测的自监督GAN模型

自监督学习是目前深度学习的重要趋势之一,从无标记数据中获取学习有效信息是自监督学习的重点之一.目前的自监督学习方法大致包括:图像块拼图、运动传播、旋转预测等等.针对目前GAN的训练不稳定问题,自监督学习可以通过前置任务来改进生成器和判别器的模型性能.由此在经典的旋转预测任务上提出了改进和创新,采用图像变换旋转翻折的操作...     

基于特征向量的文本信息过滤算法研究

随着信息技术的迅速发展,网络已经逐步成为人们生活当中不可或缺的信息传播工具。由于网络资源的大量使用和信息的大量传输,导致信息过载及安全等问题日益突出。为了解决信息过滤的过滤精度和效率瓶颈等问题,这里详细地对文本信息过滤的主要过程、文本表示方法、特征向量获取、相似度计算等技术进行研究,提出一个基于特征向量的文本信息过滤算法。该过滤算法有效地平衡了计算负载,具有较高的信息过滤性能。     

民众战争态度构型演化建模与仿真研究

在战争的演化模型的研究中,为了控制和引导社会舆论,民众战争态度演化是战争复杂系统研究的莺要内容之一.考虑持不同战争态度的社会个体之间的相互作用率与其态度距离的关系和从众心理,提出了度量持不同态度社会个体相遇的相互作用率.分析了态度演化的三种过程,确定了不同态度之间转变的转移概率密度,建立了战争态度演化的动力学方程模型.引入一个序参量度量持各种战争态度人数的动态变化,定义了战争态度构型演化的相.仿真结果表明,得到外界支持的态度,最终持有的人数在社会中占多数,外界作用对社会民众态度转变,对大多数人是有效的,但有极少数人仍会坚持原来的态度.     

基于遗传算法的航路规划编码研究

面对复杂的作战环境,飞机执行作战任务前合理地规划出飞行航路十分重要。遗传算法因其良好的全局搜索能力而在优化问题中得到了广泛的应用。针对地形障碍、恶劣气候、导弹及高炮阵地等威胁源的特点,建立了连续的威胁概率函数模型;描述了各威胁源不同距离处的威胁概率分布情况,并进一步构建了航路规划目标函数模型;将遗传算法运用到航路规划中,设计了一种扩展航路点和规划空间、分段变步长的编码方式。对算法进行了相应的仿真,仿真结果表明,运用所设计的编码方式得到的航路有效地规避了威胁。     

地塞米松对顺铂诱导的HepG2细胞凋亡及Bcl-2和Caspase-3蛋白表达的影响

目的: 探讨地塞米松对顺铂诱导HepG2细胞凋亡的影响,并观察Bcl-2和Caspase-3蛋白的表达。方法: HepG2细胞与顺铂及不同浓度的地塞米松共培养,RT-PCR检测Bcl-2、Caspase-3的mRNA表达,Western blot检测Bcl-2、Caspase-3蛋白表达,流式细胞术(FACS)检测各组HepG2细胞的凋亡情况。结果: 随着地塞米松浓度的增加,HepG2细胞中Bcl-2蛋白表达量升高,Caspase-3蛋白表达量下降。同时细胞凋亡率降低。结论: 地塞米松部分通过Bcl-2途径抑制肝癌细胞的凋亡,而Caspase-3又在调控细胞凋亡中起重要作用。     

基于机动目标威胁和粒子群算法的航路规划

执行飞行作战任务前对飞行航路进行合理规划十分重要,而环境/威胁建模是航路规划需要解决的首要问题。根据飞行过程中可能遇到的各种威胁源的特点,建立了山体障碍、恶劣气候及导弹、高炮固定阵地等各种静态威胁源的威胁概率函数模型,并进一步构建了机动导弹、高炮等动态威胁源的威胁概率函数模型;针对粒子群算法全局搜索能力强、收敛性好的特点,将粒子群算法运用到航路规划中,并进行了仿真实验,仿真结果证明了模型及算法的有效性。     

视频会议系统在惠州炼化的应用和改进

视频会议系统因为它拥有可以及时传送视频信息或者音频信息,可以让各个地方的人们进行比较远距离的"面对面"视频或者是音频的沟通等等的优点,因此,在现代的社会中的地位是越来越重要。该文以惠州炼化为例,介绍视频会议系统在惠州炼化的应用。     

基于社会网络的民意形成演化建模与仿真研究

针对民意的形成演化与社会网络的拓扑结构密切相关的特点,为了减少控制民意的能力,建立了一个民意形成演化的非线性微分方程模型,探索民意形成演化与个体观点转变系数和网络结构之间的关系,采用线性化的方法对模型的局部稳定性进行了理论分析,得出不同的观点转变系数会导致不同的民意走势和网络规模很大时会涌现出主导民意的结论,并提出网络生成机制对BA网络进行改进,生成一个更能描述真实社会网络结构的复杂网络,网络为载体可对民意走势进行仿真,结果很好地验证了理论分析的结论.     

校园网格环境下计费系统的研究

网格计算使得计算资源进一步得到共享,也带来了使用网络资源时的费用问题。由于传统计算模式的计费系统并不适合校园网格环境的计费,本文讨论了一种新的计费系统,充分考虑了校园网格计算中使用计算资源的多种计费因素,研究使用资源置换抵账的方法,尝试解决校园网格的费用问题。     

大数据驱动建模平台技术在加氢裂化工艺预测上的应用

随着炼化装置传感器与集散控制系统的普及，基于数据驱动建模技术对生产大数据的分析、模拟，进而指导生产优化、监测预警，日益成为研究应用热点。总结了数据驱动建模方法，包括多元统计过程控制(MSPC)、机器学习(ML)、深度学习(DL)等在炼化流程建模优化过程中的应用；介绍了中海油惠州石化有限公司构建的炼化大数据驱动建模平台，以及基于堆叠自编码器(SAEs)-混合高斯模型(GMM)对多模态工况下加氢裂化生产喷气燃料收率的预测。结果表明：炼化大数据驱动模型对加氢裂化过程预测的准确性优异；与传统数据驱动建模相比，该炼化大数据驱动建模平台实现了无代码建模工作流，建模耗时由传统的7 d大幅缩短为2 h左右，显著提升了建模效率。