排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(Inception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上,为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略,加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明,所提IMISCNN算法提升了人脸识别精度. 相似文献
2.
以对苯二甲醛和氯化氨基胍为原料,室温下在水溶液中合成了1,4-苯基-二亚胺胍。运用单因素实验的方法,分别探究了反应物配比和反应时间对产物去除硫酸盐效果的影响,并考察了沉淀时间、用量和废水酸碱度等因素对产物去除硫酸盐效果的影响。实验结果表明:对苯二甲醛和氯化氨基胍的物质的量比为1∶2、反应时间为5 h时,产物对废水中硫酸盐的去除效果最好;沉淀时间超过5 h、每25 m L废水样(1 g/L的硫酸钠溶液)中加入0.157 4 mmol 1,4-苯基-二亚胺胍,硫酸盐浓度即可达到国家饮用水标准,加入0.315 0 mmol时效果最好,硫酸盐的质量浓度可降至0.035 96 g/L;当废水处于中性或碱性条件下时,1,4-苯基-二亚胺胍处理废水中硫酸盐效果较好。 相似文献
3.
针对高速公路短时交通流预测问题中待测站点上下游的交通流量时空信息利用不充分,且上下游观测点选择不合理的问题,提出了基于观测点遴选并充分挖掘时空信息的短时交通流预测方法.首先使用KNN算法对待测站点的上下游节点进行遴选,将与待测站点欧氏距离较小的上下游节点历史数据组织成包含时空信息的二维矩阵;然后使用卷积神经网络提取空间特征,将所得的特征向量送入双向LSTM模型进行时间信息的提取并完成最终预测.结果 表明,经过观测点遴选后的KNN-CNN-BiLSTM预测模型准确率较遴选前提升了19.3%,实现了交通流时空信息的充分挖掘,是一种有效精准的短时交通流预测模型. 相似文献
4.
山地酸性土壤耕层重构的理化性状及酶活性动态变化 总被引:1,自引:0,他引:1
为揭示垂直深旋耕配施石灰、绿肥、生物有机肥重构酸性土壤耕层的效果,以湘西山地酸性土壤为研究对象,研究了耕层重构后植烟土壤的pH、物理性状、主要养分含量和酶活性的动态变化。结果表明:(1)酸性土壤耕层重构后,随烤烟生育进程发展,pH快速升高后缓慢下降并逐渐趋于稳定,孔隙度先升高后略有下降,有机质提高后呈波动变化,碱解氮快速升高后缓慢下降,有效磷快速升高后呈下降趋势,速效钾快速升高后下降再缓慢提升,蔗糖酶、脲酶先升高后下降并趋于稳定。(2)酸性土壤耕层重构可降低土壤容重,提高pH、孔隙度、有机质、碱解氮、有效磷和速效钾的含量以及蔗糖酶和脲酶活性。至烤烟移栽后120 d,容重降低7.32%~8.45%,pH、孔隙度、有机质、碱解氮、有效磷、速效钾分别提高0.78~1.04、8.17%~9.23%、16.89%~27.72%、13.39%~18.81%、69.83%~245.17%和47.05%~100.91%,蔗糖酶和脲酶活性分别提高53.19~163.53和0.76~1.24 mg/(g·d)。(3)垂直深旋耕+石灰+绿肥+生物有机肥处理的效果最好,其次是垂直深旋耕+石灰+绿肥处理。因此,采用垂直深旋耕结合施用石灰、绿肥、生物有机肥等重构酸性土壤耕层,可实现土壤酸度改良与培肥同步、表层与表下层土壤酸度改良同步的改良效果。 相似文献
5.
夏振 《中国石油和化工标准与质量》2014,(14)
电脱水器是指在原油的处理过程中进行脱水的重要仪器,电脱水器在陆地和海上油田等都得到了广泛的推广和应用。在不断地应用中,电脱水器也在悄然发生着变化,从一开始的平挂网状电极板电脱水器发展到了90年代的钢筋导电电极脱水器,再后来便发展到了我们现在使用的这种竖挂电极板的电脱水器,点脱水器已经在油田中使用了几十年,但是传统的平挂网状电极板脱水器是平挂着的三个或者四个不等间距的电极板,它们在经过了长期的运行后,电极板可能会发生稍微的变形,在发生了变形之后,装置运行会直接导致原油处理的效果相当差,从而造成了之后的脱水效率降低。本文研究了电脱水器的发展和今后的趋势,对油田开采有一定的积极的意义。 相似文献
6.
7.
基于分数阶傅里叶变换的Chirp扩频是一种新型非相干的线性调频通信系统,其特点在于同步模块简化易实现跳频功能,形成具有更强抗干扰能力的二维扩频抗干扰。通过分析系统的同步需求,设计了一种基于前导序列检测和包络检测的一体化同步方案。该方案在较低信噪比条件下正常工作,收敛时间比BPSK基带信号缩短一半。通过在DSP器件上的系统实现验证了方案的正确性和可行性,该方案对其他非相干系统的同步具有借鉴意义。 相似文献
8.
9.
准确实时的短时交通流预测对现代交通管理服务体系的构建至关重要.为了充分挖掘并利用不同路段短时交通流交互作用而表现出的时空特性,构建由自相关函数、互相关函数和KNN算法组成的两级筛选机制评估与目标路段的相关性优化路段组合,实现空间信息深度挖掘;提出一种GCN-GRU组合预测模型,利用图卷积网络(GCN)全局处理路段拓扑信息的优势进一步捕捉短时交通流的空间特性,并借助门控循环单元(GRU)对时间信息的长时记忆能力提取其时间特性.利用实测高速公路短时交通流数据进行验证,仿真结果表明,采用两级筛选机制对路段进行有效筛选并引入深度学习组合模型,预测性能明显改善,优于堆栈式自编码网络(SAEs)和GRU等经典模型. 相似文献
10.
准确、实时的交通流预测对交通规划、交通管理和交通控制具有重要意义.然而,由于道路网络拓扑结构约束和交通流随时间动态变化的空时相关特性,交通流预测仍然具有挑战性.为了同时捕获交通流的空间和时间相关性,提出一种将图卷积网络(GCN)和门控循环单元(GRU)相结合的组合模型方法.利用GCU能够灵活处理图结构数据的优点来捕捉各个路段的空间特征,继而发挥GRU在处理时间序列方面的优势挖掘交通流的内在时间规律,空时融合后得到最终预测结果.利用美国交通研究数据实验室的高速公路交通数据对该模型进行仿真验证,结果表明,所提出的GCN-GRU组合模型方法具有更高的预测精度,预测结果优于自回归积分滑动平均(ARIMA)模型和GRU模型等基准预测方法. 相似文献
1