深度学习方法在涡轮冷却中的应用综述

涡轮冷却技术是涡轮设计的关键技术之一.涡轮冷却结构的表面温度和压力均为复杂的三维分布,但目前的设计体系仍基于低保真度的一维管网,深度学习可能是提升涡轮冷却设计保真度的一种有效手段.本文总结了几种纯数据的神经网络模型和几种与物理规律结合的神经网络模型在涡轮冷却问题中的应用.通过巧妙地将涡轮冷却问题看待为图像、序列和参数的...     

焊缝超声相控阵检测数据深度学习降噪方法

超声相控阵检测技术在焊缝检测中具有广泛的应用.超声相控阵检测技术检测信号中常混入噪声导致检测成像时难以分辨真实的缺陷特征.这些噪声主要为无关的反射信号和局部相关的结构噪声,传统的超声图像降噪方法难以有效滤除这些噪声,且存在计算效率低、参数优化复杂等问题.该文提出了一种基于深度学习的焊缝超声相控阵检测技术检测S扫图像的降...     

深度神经网络和高光谱显微图像的二维材料纳米片识别

近年来,二维材料由于其独特的性质而受到了广泛关注。在制备二维层状晶体的各种方法中,机械剥离法获得的薄层二维材料晶体质量高,适用于基础研究及性能演示。然而用机械剥离法从衬底上获得的材料具有一定的随机性,可能包含了少许相对较厚的部分。实现对这些二维薄层材料有效、快速且智能化的表征有利于促进二维材料性能的进一步研究。提出了一种基于深度学习的表征方法,通过搭建的编解码结构的卷积神经网络语义分割算法,可以根据光学显微镜图像进行分割和快速识别二维材料纳米片。卷积神经网络作为深度学习在图像处理领域中的典型算法,能够对光学显微镜图像中的复杂信息进行特征提取。首先采用机械剥离制备MoS₂纳米片样本,通过光学显微镜采集高光谱图像并对样本进行标记,根据样本的厚度范围标记出不同的区域,对标记后的图像进一步处理,包括图像的颜色校准和剪切操作,得到用于网络训练和测试的数据集。针对光学图像中二维纳米薄片存在的低对比度、碎裂等特点,编码时加入残差结构和金字塔池化模型,有助于特征信息的提取;解码时融合编码路径中提取的浅层特征信息,以提高网络分割精度。实验中采用带权重的交叉熵损失函数解决类别数量不平衡问题和采用数据增强扩大数据集。对训练后的网络测试结果表明,模型像素精度为97.38%,平均像素精度为90.38%,均交并比为75.86%。之后通过迁移学习成功地对剥离的单层和双层石墨烯纳米片样本进行了识别,均交并比达到了81.63%,表明该方法具有普适性。通过MoS₂和石墨烯纳米片的识别演示,实现了深度学习在二维材料的光学显微镜图像中的成功应用。该方法有望在更多的二维材料上得到扩展并突破自动动态处理光学显微镜图像的问题,同时为其他纳米材料的高光谱图像处理提供参考。     

基于激光雷达扫描的密集城区建筑物自动检测

为改善城区建筑物自动检测的准确性,结合激光雷达扫描与光学成像提出一种新的城区建筑物自动检测技术.将激光雷达扫描产生的点云送入自编码器进行下采样与特征提取,将光学图像像素送入自编码器进行空间特征提取,构建特征图模型来融合不同的特征集.然后,设计了基于卷积神经网络的半监督分类器,识别城区的建筑物、地面以及绿植等不同区域.实...     

一种多尺度相似性学习的目标跟踪算法研究

基于深度学习的目标跟踪算法由于其良好的性能已经成为目标跟踪领域的主流算法之一。其核心思想是进行前后帧的相似性学习从而完成模板帧与搜索帧的匹配。其中,相似性学习是影响跟踪算法性能的关键一环。以孪生网络的相似性学习为切入点,对现有的深度互相关(DW-XCorr)的相似性学习方式进行改进,提出了一种多尺度相似性学习的目标跟踪算法。该算法在SiamRPN的基础网络框架下,构造多尺度互相关(Multi-Scale Cross Correlation,MS-XCorr)模块,对原有的互相关操作进行多尺度的改进,从而增加学习特征尺度的多样性,提高了跟踪网络相似性学习的效率,最终使得算法跟踪性能有进一步提升。在实验部分,将改进后的算法与其基线进行了对比实验,该算法在成功率(Success Rate)、精度(Precision)及平均精度(Norm Precision)上均有提升,成功率提高了4.3%,精度提高了4.4%,平均精度提高了4.0%。实验表明,多尺度互相关模块相较于深度互相关模块具有更强的相似性学习能力,提出的多尺度相似性学习的目标跟踪算法在目标光照、形态变化、遮挡以及干扰等复杂场景下具有更...     

联合精确比值掩蔽与深度神经网络的单通道语音增强方法

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。     

多角度“跨界”融合 推动落实立德树人目标——以初中“声音的产生与传播”教学为例

立德树人,是现代化教育的根本任务,也是学科教学的方向.尝试突破较为单一的课堂教学模式,从多角度、多方面挖掘出集课题关联性、育人功能性于一体的材料或方法,更新传统教学内容和方法,将“育人”和“育识”相融合,以期推动“立德树人”目标的落实.     

诱导提出高质量问题促进深度学习的教学策略——以“力的分解”教学为例

高质量问题是驱动学习的基石,诱导学生提出高质量问题并进行探究是促进深度学习的有效路径.文章提出：基于切身体验,诱导提出挑战性问题;基于互动引导,诱导提出本质性问题;基于合理质疑,诱导提出批判性问题;基于回顾反思,诱导提出整合性问题;基于问题解决,诱导提出拓展性问题的教学策略,并以“力的分解”教学为例进行具体应用.     

基于“圆周运动”模型建构的高中物理深度学习

将传统学习环节依据布鲁姆教育目标分类学划分层级,以“圆周运动”模型建构为载体,研究如何从传授知识为主的传统课程过渡到以知识育人的课程改革,培养学生的建模能力.以模型建构教学为例开展深度学习教学设计,实现从浅层学习到深度学习的跨越.     

智能反射面辅助的星地融合网络鲁棒安全波束成形算法

针对智能反射面辅助的星地融合网络,提出了一种基于窃听者非完美信道状态信息的鲁棒安全波束成形方法.首先,考虑到卫星利用点波束技术服务地球站,而地面基站通过多播技术服务多个地面用户,并且在两个网络实现频谱共享的情况,建立以系统总发射功率最小化为目标,基站用户服务质量和地球站安全可达速率为约束条件的联合优化问题;其次,为了求解该非凸问题,利用三角不等式和Holder不等式推导出窃听者非完美信道状态信息条件下的输出信干噪比上下界;接下来,进一步提出了基于半正定规划和惩罚函数相结合的鲁棒波束成形和功率控制联合优化方法,以实现星地融合网络的安全可靠传输.最后,计算机仿真结果验证了本文所提算法的有效性和优越性.