基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

矩形巷道围岩弹性变形能积聚特征分析

煤矿冲击地压主要发生在巷道中,其主要原因之一是巷道围岩积聚了大量的弹性能。为得出矩形巷道围岩弹性变形能积聚特征,降低巷道支护成本,推导了巷道冲击破坏失稳能量准则,并建立了矩形巷道围岩能量积聚计算模型,理论分析了采深、巷道断面尺寸和煤层厚度对矩形巷道围岩能量积聚影响规律,得出:矩形巷道积聚的弹性能随采深的增加而增大,采深越深,巷道积聚的弹性能增长速率越快。巷道围岩积聚能量随巷道断面尺寸增加而增大。当煤层厚度小于巷道影响范围时,巷道积聚能量随煤层厚度增加而增大。在实际工程中,尽可能减小巷道断面尺寸,尽可能沿顶、底板布置巷道。研究结果为冲击地压巷道布置和降低巷道支护成本提供了理论依据。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

基于通道可靠性的多尺度背景感知相关滤波跟踪算法

针对现实场景中跟踪目标的光照变化、尺度变化、遮挡等问题,提出了一种基于通道可靠性的多尺度背景感知相关滤波跟踪算法。通过提取方向梯度直方图特征、灰度特征和颜色属性特征作为目标表观模型,提高了目标跟踪方法在复杂场景中的稳健性;独立训练每个通道的背景感知相关滤波器,采用通道可靠性系数衡量每个通道响应图的置信度;根据所有通道的响应图和可靠性系数,合成多通道背景感知相关滤波跟踪器的最终响应图,对目标进行精确定位;运用尺度池方法估计目标的最优位置和尺度。实验结果表明:与现有跟踪算法相比,所提算法可以有效地处理光照变化、尺度变化、遮挡等复杂因素的干扰,取得较高的跟踪精度和成功率,其整体性能优于其他算法。     

三维Zakharov-Kuznetsov方程解的衰减性

考虑三维Zakharov-Kuznetsov方程的初值问题,证明了该初值问题解的指数衰减性.这个性质与加权Sobolev空间中解的持久性及该问题解的唯一连续性相关.     

基于深度学习理论的有机重排反应课堂教学

重排反应有着不同于加成、消除及氧化还原等其他类型基础有机反应的独特性,是在有机合成课程中学生普遍反馈难以理解和记忆的教学内容。在基础有机化学课程的教学中,重排反应相关知识点散落在各个章节,学生对于这部分内容缺乏深层次的理解以及内在关联性的认识。因此,搭建零散的相关重排反应之间的关联,开展重排反应的深度学习教学显得尤为重要。本文结合有机化学学科的特点,根据有机合成教学现状,围绕深度学习教学设计的四要素,把握深度学习的四大特征,以教学片段为例阐述深度学习理论在教学实践中的应用。     

基于CT扫描数据的X射线能谱估计方法

X射线能谱在计算机层析成像(computed tomography,CT)图像硬化校正、双能谱CT成像、辐射剂量计算等方面具有重要作用.常用的估计X射线能谱分布的方法,利用X射线穿过不同厚度模体的衰减数据,来间接估计X射线能谱分布.由于该问题具有严重的病态性,因此如何鲁棒和准确地求解是能谱估计问题的关键.本文提出了一种利用CT扫描数据来估计X射线能谱分布的方法.该方法中考虑了谱估计和图像重建之间的相互印证关系,即谱估计正确时重建的CT图像无硬化伪影,而重建图像无硬化伪影时,则说明估计的谱准确.该方法利用这种相互印证关系构造优化模型,通过交替迭代求解,估计能谱分布和重建无硬化伪影的CT图像.数值实验和实际实验结果表明,该方法可以准确、鲁棒地估计出X射线能谱.     

基于智能算法的冷水机组优化运行研究

以南方某机场航站楼冷源系统为研究对象,采用深度神经网络建立了两种不同类型冷水机组的运行能效模型,并将冷却水出水温度模型与冷水机组能效模型进行耦合,以冷源系统能耗最低为目标,采用布谷鸟搜索算法优化了冷源系统的运行参数、冷水机组与冷却塔的组合方式。研究结果表明：采用深度神经网络建立的冷水机组模型具有较高的精度和泛化能力,与原运行方式对比,采用布谷鸟搜索算法优化的方法在夏季典型日最高节能19.6%,具有较高的节能效果。     

双密度复小波与系数相关性的红外图像去噪北大核心CSCD

为了去除红外图像中高斯噪声的同时,更好地保持和恢复图像的纹理边缘和细节特征,提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势:图像信息的平移不变性、图像纹理细节的多方向选择性等,基于对图像小波系数分布的假设,根据当前小波系数与其父、子小波系数的相关性,对无噪的小波系数作贝叶斯估计,以恢复无噪的红外图像,最后对去噪图像进行引导滤波,去除图像的波纹效果。实验数据显示,该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法,证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。