基于双路编解码器的卷积神经网络在低照度图像增强和超分辨率中的研究

本文以高清户外直播技术为切入点,针对夜晚场景下受光照条件限制直播画面亮度低、不清晰的问题,提出了一种基于双路编解码器的卷积神经网络,应用于低照度图像增强和超分辨率,有效提升了户外直播的画面质量,降低了对传输带宽的需求,有利于提升户外直播的用户体验.     

海藻酸钠引导合成纳微复合结构ZnFe_2O_4及其在锂离子电池中的应用

使用海藻酸钠作为结构导向剂,通过溶剂热法原位合成了不同形貌的含碳ZnFe_2O_4锂离子电池负极材料.利用扫描电子显微镜(SEM)、透射电子显微镜(TEM)、X射线衍射(XRD)和拉曼(Raman)光谱等对复合材料的形貌和结构进行表征,通过恒电流充放电、循环伏安曲线(CV)和交流阻抗谱(EIS)等对复合材料的电化学性能进行了测试.结果表明,在不同形貌的复合材料中,具有类蒲公英状纳微复合结构的含碳ZnFe_2O_4的电化学性能最佳:在1000 mA/g的电流密度下循环100周后依然保持2100 mA·h/g的比容量.还探讨了海藻酸钠在材料形成和制作极片过程中的作用及其对电池性能的影响.     

电磁频谱作战策略体系构建与表征问题研究

智能化电磁频谱作战,需要基于预置策略,进行电磁频谱作战筹划与行动控制,以获取电磁频谱作战决策优势和行动优势。文中设计了立体分布式侦察策略、集群攻击策略、差异化分层防御策略、基于规则的动态频谱共享策略、基于效果的作战资源调度策略。由电磁频谱作战机理、作战冲突消解对策、作战规则、作战政策法规与原则等构成电磁频谱作战策略体系结构,构建了电磁频谱管理策略库作为样例。设计了动态可变、代码耦合程度低的电磁频谱作战策略本体模型,并采用八元组描述每一策略。设计的基于联机处理的策略库体系架构包括数据监控层、元数据层、自主数据层、应用区、数据存储区等。     

水热法合成氮化硼晶体过程中的关键影响因素

在水热条件下成功合成了氮化硼晶体 ,为了优化实验条件 ,本文对实验过程中的影响因素进行了研究 ,包括反应温度、反应原料的种类、配比以及反应时间。通过对XRD和TEM测试结果的分析可以知道 ,当反应原料摩尔配比N2 H4·H2 O∶H3 BO3 ∶NaN3 ∶NH4Cl为 1∶1∶3∶1时 ,在 4 0 0℃下反应 4 8h是水热法制备氮化硼晶体的最佳实验条件。     

基于电弧等离子体的光纤光栅快速退火的研究

为了实现光纤布喇格光栅的快速退火,采用高温电弧等离子体热处理光纤光栅的方法,设计了相关实验进行验证。由实验可知,透射谱深度23dB、中心波长1552.09nm、3dB带宽0.2784nm的光纤光栅,经电弧等离子体放电扫描后,光纤光栅的透射谱深度减小,3dB带宽变窄,中心波长蓝移;随着重复扫描次数的增加,各参量变化趋势减缓,最终透射谱深度减小13dB、中心波长蓝移0.84nm、3dB带宽变窄0.1013nm;将电弧等离子体处理后的光纤光栅放入高温炉24h退火后,透射谱深度、中心波长、3dB带宽均不再发生变化。结果表明,将电弧等离子体用于光纤布喇格光栅的退火处理是可行的,并且具有周期短、涂覆层无损伤的优点。     

基于条件变分自编码器的射线样本生成算法

射线追踪数据样本的缺失是造成大规模多输入多输出(Massive Multiple-Input Multiple-Output,Massive MIMO)信道特征预测出现较多预测误差较高的用户的主要原因.为了降低高误差用户数及预测误差,提出了一种基于条件变分自编码器(Conditional Variational Aut...     

周期光照下液晶弹性体简支梁的振动响应研究

液晶弹性体(LCE)因其具有快速的光热响应和可逆变形等特性,在能量转换、软机器人和非接触控制等领域具有广泛的应用前景。本文利用液晶弹性体在外部光刺激下可与机械变形耦合的特性,建立了LCE简支梁的动态模型,研究了其在周期光照下的弯曲振动现象。首先建立了LCE简支梁的光驱动控制方程,然后通过振型叠加法获得方程的半解析解,再用Matlab软件编程计算其变化规律。计算结果表明,周期光照可以使LCE简支梁发生周期性振动,梁跨中的振动幅值可以通过阻尼因子、热弛豫时间、光照强度、光照周期和光照时间率来调节,振动平衡位置可以通过光强与热弛豫时间来调节,振动反应时间可以通过热弛豫时间与阻尼来调节。本文结果对光驱动运动的控制和光机能量转换系统的设计具有一定的指导意义。     

无冗余可变难度值平行区块链协议

为解决传统区块链协议的可扩展性差问题,提出一种结构化且安全高效的区块链协议。将单一链扩展为多条平行链来提高区块链吞吐量,并设计交易验证模式解决交易冗余问题。提出可变难度值的出块机制,提高协议适用性并保证其平稳运行。通过设计适用于平行链的区块序列化机制,优化区块确认延迟。分析区块链关键性质和潜在安全威胁以保证安全性。实验评估结果表明,本文协议可有效改善区块链的吞吐量、确认延迟等性能,可以解决区块链可扩展性问题。     

一种提高神经网络集成差异性的学习方法

集成学习已经成为机器学习的研究方向之一,它可以显著地提高分类器的泛化性能.本文分析了Bagging及AdaBoost集成方法,指出了这两种方法的缺陷;然后提出了一种新的基于神经网络的分类器集成方法DBNNE,该方法通过生成差异数据增加集成的差异性;另外,当生成一个分类器后,采用了测试方法确保分类器集成的正确率;最后针对十个标准数据集进行了实验研究,结果表明集成算法DBNNE在小规模数据集上优于Bagging及AdaBoost集成方法,而在较大数据集上也不逊色于这两种集成方法.     

NiFe-MOF和氮氧自由基协同增强甾醇电催化氧化

传统甾醇中间体氧化采用重金属铬作为氧化剂,存在毒性大和环境污染等问题。电催化氧化(ECO)以其高效、环保、可控的优点备受青睐,被认为是一种可替代传统工艺的方法。然而,目前ECO面临低电流密度和低时空产率的挑战。本研究采用一步溶剂热法在石墨毡上制备自支撑NiFe-MOF纳米片电催化剂,并耦合NiFe-MOF与氮氧自由基(4-乙酰氨-2,2,6,6-四甲基哌啶-1-氧)协同电催化策略以提高ECO性能。研究发现碱性电解液可重构NiFe-MOF催化剂,从而提高催化活性。此外,连续流动强化传质,成功实现以1 00 mA·cm^-2的大电流密度对19-羟基-4-雄甾烯-3,17-二酮(1a)的选择性电催化氧化,且选择性高达98%,时空产率可达1 5.88 kg·m^-3·h^-1,是间歇电反应器的35倍。寿命测试发现经10次循环反应后,NiFe-MOF/ACT协同体系对ECO仍具有较高的转化率。通过增大NiFe-MOF面积,将其组装至连续流动式电反应器并进行ECO恒电流电解,可达到12.99 kg·m^-3·h