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。     

n型IBC太阳电池选择性发射极工艺研究

为提升n型叉指背接触(IBC)太阳电池的光电转换效率,采用丝网印刷硼浆和高温扩散的方式形成选择性发射极结构,研究了硼扩散和硼浆印刷工艺对电池发射极钝化性能和接触性能的影响。实验结果表明,在硼扩散沉积时间和退火时间一定的条件下,硼扩散通源(BBr₃)流量为100 mL/min,沉积温度为830 ℃,退火温度为920 ℃时,发射极轻掺杂(p⁺)区域的隐开路电压达到710 mV,暗饱和电流密度为12.2 fA/cm²。发射极局部印刷硼浆湿重为220 mg时,经过高温硼扩散退火,重掺杂(p⁺⁺)区域的隐开路电压保持在683 mV左右,该区域方块电阻仅46 Ω/□,金属接触电阻为2.3 mΩ·cm². 采用该工艺方案制备的IBC电池最高光电转换效率达到24.40%,平均光电转换效率达到24.32%,相比现有IBC电池转换效率提升了0.28个百分点。     

双激光脉冲打靶形成Gd等离子体的极紫外光谱辐射

高端芯片制造所需要的极紫外光刻技术位于我国当前面临35项"卡脖子"关键核心技术之首.高转换效率的极紫外光源是极紫外光刻系统的重要组成部分.本文通过采用双激光脉冲打靶技术实现较强的6.7 nm极紫外光输出.首先,理论计算Gd¹⁸⁺—Gd²⁷⁺离子最外层4d壳层的4p-4d和4d-4f能级之间跃迁、以及Gd¹⁴⁺—Gd¹⁷⁺离子最外层4f壳层的4d-4f能级之间跃迁对波长为6.7 nm附近极紫外光的贡献.其后开展实验研究,结果表明,随着双脉冲之间延时的逐渐增加,波长为6.7 nm附近的极紫外光辐射强度呈现先减弱、后增加、之后再减弱的变化趋势,在双脉冲延时为100 ns处产生的极紫外光辐射最强.并且,在延时为100 ns处产生的光谱效率最高,相比于单脉冲激光产生的光谱效率提升了33%.此外,发现双激光脉冲打靶技术可以有效地减弱等离子体的自吸收效应,获得的6.7 nm附近极紫外光谱宽度均小于单激光脉冲打靶的情形,且在脉冲延时为30 ns时刻所产生的光谱宽度最窄,约为单独主脉冲产生极紫外光谱宽度的1/3.同时...     

由混合配体构筑的三维铽金属有机框架的晶体结构及分子识别性能

本文采用两种多功能有机羧酸配体:2-(对溴)苯基-4,5-咪唑二羧酸(p-BrPhH_3IDC)和对苯二甲酸(H_2DCB)为混合配体与六水合硝酸铽,通过溶剂热反应,成功制备了一个含有一维孔道的复杂三维金属有机框架{[Tb(p-BrPhHIDC)(DCB)_(0.5)H_2O]·H_2O}_n。采用红外光谱、元素分析以及单晶X射线衍射测试了其分子结构。发现所采用的两种羧酸配体均与中心金属Tb(Ⅲ)离子配位进而桥联邻近的金属离子构成了三维框架。采用X-射线粉末衍射技术测试了晶体纯度。热分析表明该金属有机框架显示出比较好的热稳定性。固体荧光测试以及小分子识别研究表明该配合物显示出强的特征荧光发射和一定的乙腈识别能力。     

环境规制强度影响能源效率的门槛效应研究——基于PSTR模型

利用非径向-SBM和CCR模型测算了我国30个省市(暂不包括西藏和港澳台地区)2007-2016年间的环境规制强度以及能源效率,构建面板平滑转移回归模型(PSTR),分析了环境规制强度对我国能源效率的连续非线性变化的影响.研究结果显示,全国环境规制强度对我国能源效率存在非线性效应,二者之间呈倒“U”型关系.环境规制强度小于门槛值0.6376时,环境规制对能源效率产生创新补偿效应,当环境规制强度高于门槛值0.6376时,环境规制对能源效率产生遵循成本效应.而我国东西部地区的环境规制强度与地区能源效率间却存在着与之相反的“U”型效应.     

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。