基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

TFSI钝化晶体硅表面性质的第一性原理研究

晶体硅表面钝化是高效率晶体硅太阳能电池的核心技术,直接影响晶体硅器件的性能。本文采用第一性原理方法研究了一种超强酸-双三氟甲基磺酰亚胺(TFSI)钝化晶体硅(001)表面。研究发现,TFSI的四氧原子结构能够与Si(001)表面Si原子有效成键,吸附能达到-5.124 eV。电子局域函数研究表明,TFSI的O原子与晶体硅表面的Si的成键类型为金属键。由态密度和电荷差分密度分析可知,Si表面原子的电子向TFSI转移,从而有效降低了Si表面的电子复合中心,有利于提高晶体硅的少子寿命。Bader电荷显示,伴随着TFSI钝化晶体硅表面的Si原子,表面Si原子电荷电量减少,而TFSI中的O原子和S原子电荷电量相应增加,进一步证明了TFSI钝化Si表面后的电子转移。该工作为第一性原理方法预测有机强酸钝化晶体硅表面的钝化效果提供了数据支撑。     

基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

封面图片说明

港珠澳大桥是世界桥梁史上里程碑式跨海大桥,地处台风多发区,长期服役中的不利载荷将不可避免导致其损伤积累和抗力衰减.因此结合损伤识别、传感测试、信号分析等多学科交叉的桥梁安全监测技术确保其安全运营,是一个重要而紧迫的科学问题.     

GaInP/GaAs/Ge三结太阳电池不同能量质子辐照损伤模拟

以GaInP/GaAs/Ge三结太阳电池为研究对象,开展了能量为0.7, 1, 3, 5, 10 MeV的质子辐照损伤模拟研究,建立了三结太阳电池结构模型和不同能量质子辐照模型,获得了不同质子辐照条件下的I-V曲线,光谱响应曲线,结合已有实验结果验证了本文模拟结果,分析了三结太阳电池短路电流、开路电压、最大功率、光谱响应随质子能量的变化规律,利用不同辐照条件下三结太阳电池最大输出功率退化结果,拟合得到了三结太阳电池最大输出功率随位移损伤剂量的退化曲线.研究结果表明,质子辐照会在三结太阳电池中引入位移损伤缺陷,使得少数载流子扩散长度退化幅度随质子能量的减小而增大,从而导致三结太阳电池相关电学参数的退化随质子能量的减小而增大.相同辐照条件下,中电池光谱响应退化幅度远大于顶电池光谱响应退化幅度,中电池抗辐照性能较差,同时中电池长波范围内光谱响应的退化幅度比短波范围更大,表明中电池相关电学参数的退化主要来源于基区损伤.