结合注意力和残差聚合的图像超分辨率算法

为解决残差块间的层级特征利用不充分导致生成的图像结构扭曲、视觉模糊等问题,提出结合注意力和残差聚合的图像超分辨率重建算法。网络通过浅层特征聚合模块获取多尺度的特征并输入到残差聚合网络,采用渐进式融合策略从局部和全局两方面对各个残差块的特征进行聚合,以达到充分利用残差块层级特征的目的。为进一步增强特征表示,利用双重注意力机制分别从空间和通道来关注特征之间的相互依赖性。实验结果表明,与SRCNN、FSRCNN等方法相比,算法重建的图像结构清晰且细节信息丰富。     

基于波段注意力卷积网络的近红外奶粉皮革水解蛋白掺假检测

近年来,深度学习技术在近红外光谱、拉曼光谱、荧光光谱等的光谱学数据建模上取得一系列突破。由于深度学习方法对于样本数量的需求高,而在分析化学领域获得大量有标签样本较为困难,因此过拟合问题一直是深度神经网络在化学计量学中应用时研究者高度关注的问题。该工作提出基于波段注意力卷积网络(WA-CNN)的近红外数据建模方法,并应用于婴儿配方奶粉皮革水解蛋白(HLP)掺假定量分析。WA-CNN在传统卷积网络的基础上加入波段注意力模块,该模块采用卷积操作自训练波段注意力权值,并以乘法加权形式对有效波段进行激活,从而有效缓解深度神经网络在近红外数据建模中的波段信息冗余问题,达到抑制过拟合,提升预测精度的目的。研究中共测试100个皮革水解蛋白掺假婴儿配方奶粉样本的近红外光谱数据,其中皮革水解蛋白的掺假比例范围是0%～20%。采用60%的样本训练,剩余40%样本测试,随机采样10次,通过测试集均方根误差(RMSEP)、决定系数(R²)以及相对分析误差(RPD)的均值来进行模型评价。并建立偏最小二乘回归(PLS)、支持向量机回归(SVR)和常规的一维卷积神经网络(CNN)三种传统模型用于...     

高延时分辨低抖动同步时序信号产生技术

针对大型激光装置中广空间分布的甚多路高精度(一是长时间时间抖动小于5 ps,二是时间延迟微步进分辨率小于15 ps)同步触发信号的需求,设计了一种“数据流编解码光传输+高速串行收发器粗延时+宽带微带线微步进延时”的同步时序产生方案。通过数据流编解码光传输架构实现了广空间范围内时序的对齐;高速串行收发器粗延时和微带线微步进延时技术解决了同步触发信号低时间抖动和高延迟分辨的问题。通过对系统的时序逻辑和电路板的关键线路进行仿真,完成了整个系统的设计与研制,并开展了实验测试。测试结果表明:该系统可以实现广空间范围内的同步时序信号产生,同步触发信号的时间抖动精度优于3.76 ps(均方根值,8 h),39.6 ps(峰峰值,8 h),时间延迟分辨率优于15 ps;若应用于小空间范围,同步触发信号的时间精度可优于1.27 ps(均方根值,8 h),12.4 ps(峰峰值,8 h)。     

浅谈幼儿珠心算教学中的难点突破

我从事幼儿珠心算教学已经整整7年了。在珠心算这项实验研究和教学工作中，曾经历了从陌生、探索到成熟、创新，并取得一定成绩的过程。逐渐认识到幼儿珠心算教学中的难点突破最关键。下面谈谈我的体会。 幼儿学习珠心算，年龄大多在4—7岁之间，针对孩子们活泼、好奇、注意力集中时间短的年龄特点，每次活动教师都要花大力气并精心设计教学环节，才能引导孩子们走进设定的教学内容中。     

用 VB6. 0开发微机与多台单片机 之间的串行通信程序

本文介绍了一种由微机与多台单片机构成的主从式测控系统 ,并重点介绍了用 Visual Basic 6. 0 开发微机和多单片机之间的串行通信程序的设计方法.     

New exact solutions for free vibrations of rectangular thin plates by symplectic dual method

The separation of variables is employed to solve Hamiltonian dual form of eigenvalue problem for transverse free vibrations of thin plates, and formulation of the natural mode in closed form is performed. The closed-form natural mode satisfies the governing equation of the eigenvalue problem of thin plate exactly and is applicable for any types of boundary conditions. With all combinations of simplysupported （S） and clamped （C） boundary conditions applied to the natural mode, the mode shapes are obtained uniquely and two eigenvalue equations are derived with respect to two spatial coordinates, with the aid of which the normal modes and frequencies are solved exactly. It was believed that the exact eigensolutions for cases SSCC, SCCC and CCCC were unable to be obtained, however, they are successfully found in this paper. Comparisons between the present results and the FEM results validate the present exact solutions, which can thus be taken as the benchmark for verifying different approximate approaches.     

有限注意力下一类满意启发式决策的建模与理性分析

在决策者有限注意力下,现实生活中决策人的选择行为往往表现出一类“满意启发式”特征。基于个体决策者偏好的不完备性,借助方案集系列、考虑集等相关概念探讨了满意启发式决策规则的建模;论证了方案集系列可观与部分可观条件下一类满意决策函数的存在性,以及基于相关理性条件的理性特征,并结合顾客购买行为案例的仿真实验对所建立的满意决策模型进行了验证。仿真结果表明决策者在时间紧逼和信息不完整的情形下可以通过排除部分方案的方式保证以最大概率选到满意方案。研究结果可为现实生活中决策人在时间紧迫、信息缺失等情形下的选择提供一定的理论参考与指导,也可作为一类满意决策研究的理论基础。     

基于Java异步串行通信技术的研究

Java Communication API是Java平台下用于串口通信程序开发的唯一官方解决方案,Java串口通信程序均可以由官方提供的开发包中的示例程序括展;但以示例程序为基础开发的Java串口通信程序一般都存在着在异步通信模式下无法完整接收长串数据的缺陷;为解决这一问题,根据通信前收发信双方可以约定通信的数据长度这一特点,提出一种对接收到的字节进行计数的方法,以接收的数据长度为指标判断通信是否结束;通过实际编程验证,该方法克服了上述缺陷,具有很好的可行性与实用性,可以广泛应用于各种使用Java Communication API进行开发的场合。     

对新课程标准下初高中数学教学的衔接的思考

1初高中教学要素差异分析1.1教学对象的差异(1)高中生注意力更加集中,自觉性更强,他们善于阅读分析,乐于自行钻研.所以,在教学中使学生对所要讲授的内容提前在头脑中形成兴奋点,真正做到带着问题听讲,可以明显地提高教学效率,适应强度较大的高中新教材的学习.(2)高中生认识事物     

基于混合神经网络和注意力机制的混沌时间序列预测

为提高混沌时间序列的预测精度,提出一种基于混合神经网络和注意力机制的预测模型(Att-CNNLSTM),首先对混沌时间序列进行相空间重构和数据归一化,然后利用卷积神经网络(CNN)对时间序列的重构相空间进行空间特征提取,再将CNN提取的特征和原时间序列组合,用长短期记忆网络(LSTM)根据空间特征提取时间特征,最后通过注意力机制捕获时间序列的关键时空特征,给出最终预测结果.将该模型对Logistic,Lorenz和太阳黑子混沌时间序列进行预测实验,并与未引入注意力机制的CNN-LSTM模型、单一的CNN和LSTM网络模型、以及传统的机器学习算法最小二乘支持向量机(LSSVM)的预测性能进行比较.实验结果显示本文提出的预测模型预测误差低于其他模型,预测精度更高.