带平衡约束矩形布局优化问题的深度强化学习算法

带平衡约束的矩形布局问题源于卫星舱设备布局设计,属于组合优化问题。深度强化学习利用奖赏机制,通过数据训练实现高性能决策优化。针对布局优化问题,提出一种基于深度强化学习的新算法DAR及其扩展算法IDAR。DAR用指针网络输出定位顺序,再利用定位机制给出布局结果,算法的时间复杂度是O（n³）;IDAR算法在DAR的基础上引入迭代机制,算法时间复杂度是O（n⁴）,但能给出更好的结果。测试表明DAR算法具有较好的学习能力,用小型布局问题进行求解训练所获得的模型,能有效应用在大型问题上。在两个大规模典型算例的对照实验中,提出算法分别超出和接近目前最优解,具有时间和质量上的优势。     

基于改进指针网络的卫星对地观测任务规划方法

针对卫星观测任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,使用深度强化学习（DRL）方法对卫星观测任务规划问题进行求解. 综合考虑时间窗口约束、任务间转移机动时间和卫星电量、存储约束,对卫星观测任务规划问题进行建模. 基于指针网络（PN）的运行机制建立序列决策算法模型,使用Mask向量来考虑卫星观测任务规划问题中的各类约束,并通过Actor Critic强化学习算法对模型进行训练,以获得最大的收益率. 借鉴多头注意力（MHA）机制的思想对PN进行改进,提出多头注意力指针网络（MHA-PN）算法. 根据实验结果可以看出,MHA-PN算法显著提高了模型的训练速度和泛化性能,训练好的MHA-PN算法模型可以直接对输入序列进行端到端的推理,避免传统启发式算法迭代求解的过程,具有较高的求解效率.     

基于静态分析的函数调用关系研究

为了帮助研发人员理解复杂系统的架构,通过对源码进行静态分析,在此基础之上,重点对函数调用关系进行研究,并且基于开源编译器ncc实现了函数调用关系的解析.实验结果表明该方法可以有效地获取函数的调用关系且准确地解析钩子函数对应的回调函数.     

The study on the conductivity of styrene-maleic anhydride copolymer electrolytes based on poly(ethylene glycol)400 and LiClO4

Polyelectrolytes, in this study were synthesized from styrene-maleic anhydride (SMA) copolymer, poly(ethylene glycol)400 (PEG400), and lithium perchlorate (LiClO₄). Fourier transform infrared spectroscopy (FTIR), and magic angle spinning (MAS) solid-state NMR were used to monitor the interaction between Li⁺ ions and polymer. The results of FTIR and MAS solid-state NMR indicate the Li⁺ ions are preferentially coordinated to the ether oxygen of PEG. The T_g of the PEG segments in polyelectrolyte increases with LiClO₄ concentration, as determined by differential scanning calorimetry (DSC), indicating that solubility of the Li⁺ ions in the host polymer increases with the PEG content. Impedance spectroscopy (IS) shows that the bulk conductivity of polyelectrolytes and the conductivity behavior obeys the Vogel-Tamman-Fulcher (VTF) equation.     

Assessment of a redox alkaline/iron-chelate absorption process for the removal of dilute hydrogen sulfide in air emissions

The oxidative absorption of hydrogen sulfide (H₂S) into a solution of ferric chelate of trans-1,2- diaminocyclohexanetetraacetate (CDTA) was studied in a counter-current laboratory column randomly packed with 15 mm plastic Ralu rings. The present investigation takes concern about the Kraft pulping situation where dilute H₂S concentrations are omnipresent in large-volume gas effluents. A fractional two-level factorial approach was instigated to determine the significance of six operating variables, namely the solution's alkalinity (pH; 8.5-10.5), the liquid mass flow rate (L;1.73-), the solution's ionic strength (I_C;0.01-), the gas mass flow rate (G;0.19-), the inlet H₂S concentration (C_H2S,0;70-430 ppm) and the initial ferric CDTA concentration (C_Fe,0;100 -). Initially, a Plackett-Burman design matrix of seven duplicated experiments revealed that pH is the leading factor controlling the H₂S conversion rate while the ionic strength and ferric CDTA concentration effects remained negligible within the factorial domain. Surface response analysis based on 11 duplicated factorial experiments plus 10 central composite trials revealed that the H₂S conversion significantly increases with liquid flow rate but decreases with growing H₂S load up. Further examination about the influence of ferric CDTA on H₂S absorption rate was set up over a broader concentration range (C_Fe,0;0- at pH of 9.5 and 10.5. It showed good potential at as H₂S conversion increased by a significant 25% for both pH values in comparison to pure alkaline solutions containing no ferric CDTA.     

用指针实现的程序的标准化及其应用

为了消除指针程序实现形式的多样化,简化程序分析,提出一种对用指针实现的程序进行标准化的方法.首先将程序表示成系统依赖图,分析指针别名信息;然后制定指针标准化规则并结合已有的代码多样化消除规则,对系统依赖图进行保持语义不变的转换,将语法表示不同但语义等价的程序转换为相同的系统依赖图表示,从而消除代码多样化.最后,将该方法应用到C语言编程题的自动评分系统中,并与人工评分和正确评分结果进行对比,验证了该方法的有效性.     

基于卷积神经网络的指针式仪表识别

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55％.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.     

指针生成网络和覆盖损失优化的Transformer在生成式文本摘要领域的应用

针对生成式文本摘要应用场景,提出了以Transformer为基础的摘要模型,并在Transformer模型中加入了指针生成（Pointer Generator）网络和覆盖损失（Coverage Loss）进行优化。首先,提出了基于Transformer模型作为基础结构的方法,利用其注意力机制更好地捕捉上下文的语意信息。然后,在模型的损失函数中引入Coverage Loss来惩罚不断出现的重复的词的分布和覆盖范围,从而解决Transformer模型中的注意力机制在生成式任务中出现不断生成同一个词的问题。最后,在模型中加入了Pointer Generator网络,从而允许模型从源文本中复制词用作生成词来解决词表无法覆盖（OOV）的问题。探索了改进后的模型是否减少了不准确的表达以及重复出现相同词的现象是否得以解决。该模型相较于原始的Transformer模型在ROUGE-1评测函数上得分提升了1.98个百分点、ROUGE-2评测函数上得分提升0.95个百分点,在ROUGE-L评测函数上得分提升了2.27个百分点,并提升了摘要结果的可读性及准确性。实验结果表明,Transformer在加入Coverage Loss和Pointer Generator网络后可应用于生成式文本摘要领域。     

改进Faster R-CNN的汽车仪表指针实时检测

针对产业化的汽车仪表指针人工视觉检测效果差、检测速度慢和实时性低等问题,本文提出了一种改进的Faster R-CNN汽车仪表指针实时检测算法。通过改进原始的RoI网络层结构,实现小目标高低层特征之间的完整传递;采用双线性内插算法替代两次量化操作,使得特征聚集变成连续的过程,能够有效减少计算时间;最后将工业机采集的视频数据,预处理成VOC格式数据集进行训练,调整超参数得到改进汽车仪表指针检测模型。实验结果表明:所提出的方法能够快速、准确地实现汽车仪表指针检测,单张图片的平均检测时间为0.197 s,平均检测精度可达92.7%。在不同类别仪表指针的迁移实验中,展示了良好的泛化性能。     

基于图像处理的水表智能检定系统研究

为实现指针式水表自动判读和提高识别精度,结合水表表盘结构信息来识别表盘读数的图像.水表指针提取过程中采用色差模型对图像进行处理;计算针尖像素质心均值实现对指针方向的确定;特别对指针判读时采用一种改进的角度法实现判读准确性的提高.最后,以检定水表的不同流量点的示值误差作为衡量系统准确性的主要验证指标,通过与其他传统方法相比较,结果表明,利用图像处理和改进的角度判读方法具有很好的准确性和可靠性.