基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于先验知识的文本实体识别方法

阐述文本实体识别作为医疗相关人工智能应用的关键中间任务，其效果直接决定下游任务表现上限，然而传统方法中通常忽略医学知识的应用，很难取得良好表现。提出一种基于RoBERTa与CRF并融合医学知识的医学文本实体识别方法，将医学知识作为先验引入到CRF最优路径搜索环节，极大程度地提升了标签转换的连贯性，并在相关数据集主指标上取得了改善。     

柴油机碳烟颗粒三维形貌特征的研究

采用微孔均匀沉积冲击器(MOUDI)颗粒采样仪从ZS195单缸发动机尾气中采样,并用软X射线显微成像和软X射线三维重建技术从不同角度观察颗粒的形貌,用Amira获得不同工况、不同粒径级下颗粒的三维形貌和形态学参数,通过比较不同负荷工况和不同粒径级下颗粒的形态学参数,如分形维数、单位体积的表面积等,分析了不同工况和粒径级下这些形态学参数的差别.     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

谁是未来趋势? 游戏本的轻薄化PK外置显卡

当笔记本也能具备足够的游戏性能时,相信绝大多数玩家都会选择它用来取代家里笨重的台式机。然而,今天的笔记本在向"游戏本"华丽转型时正逐渐衍生出两大趋势,一是在尽可能轻薄的机身里容纳高端独显;二是支持外置显卡,以确保笔记本自身具备不俗的便携性。而来自微星旗下的G S 3 0和GS70,则就是这两种思路的代表产品。     

矿用电动机振动信号早期故障特征提取方法

针对现有矿用电动机振动信号故障特征提取方法存在依赖参数设置、频率混叠、信号失真等问题,提出了一种基于双树复小波变换的矿用电动机振动信号早期故障特征提取方法。利用双树复小波变换对采集的矿用电动机振动信号进行分解,得到各层双树复小波系数,并采用软阈值滤波对各层双树复小波系数进行滤波处理,滤波处理后的双树复小波系数经双树复小波变换重构获得去噪信号。应用结果表明,该方法能有效去除电动机振动信号中噪声,提取的早期故障特征能很好地反映电动机实际运行工况,为电动机早期故障诊断提供了有效依据。     

自动化机械用Si-Mn系超高强度淬火钢焊接接头的微观组织和力学性能

采用不同点焊工艺对Si-Mn系超高强度淬火钢与普通低碳钢进行焊接,研究焊接接头的微观组织和力学性能。结果表明,焊接接头处抗剪强度随焊接电流增大和焊接时间的延长而逐渐增大,且焊接电流的影响较为明显。但是,焊接电流过大或焊接时间过长,均会引起飞溅,导致抗剪强度降低。     

水泥搅拌桩在水利工程软基处理中的应用

文章结合某堤岸工程实际,针对该工程中的水泥搅拌桩实施过程存原问题展开探讨,旨在为同类工程提供参考实例。