半导体激光泵浦预激光锁模调Q固体激光器研究

报道半导体激光侧面泵浦预激光锁模调Ｑ的Ｎｄ：ＹＡＧ固体板条激光器，预激光锁模调Ｑ的激光脉冲宽度为３６ｐｓ，调Ｑ包纤各心的锁模单脉冲能量超过７μＪ，相应的峰值功率达２００ｋＷ。     

调Q激光引诱固体表面击穿高速摄影研究

用光路延迟装置在同一台YAG激光器上研究了激光引诱固体表面击穿的瞬态物理过程,首次获得了该过程最初阶段(200ns以内)的冲击波和等离子体的时间序列分辨的阴影图和Mach-Zehnder干涉图。并计算了等离子体的折射率分布和冲击波前的电子密度。     

对一道关于新曲线性质试题的深度学习

对一道关于新曲线性质的试题,结合学生的解答情况多方面进行分析,从试题求解、变式延伸、拓展研究三个维度实施解题教学,引领学生深度学习.     

一题一课:基于深度学习的高三数学微专题教学实践

本文以2021年高考天津卷导数压轴题为例,通过挖掘学生思维盲点,把问题细化,进行有目标导向的微专题教学设计,探讨了基于深度学习的高三数学微专题教学设计新途径——一题一课.     

掺钕单模光纤激光器的调Q实验研究

采用连续运转Ar+激光器5145 Å输出波长光作为泵浦源,采取端泵浦的平凹光学谐振腔结构,用光学斩波器作为Q开关,建立了掺钕单模光纤激光器的调Q实验装置,对这种激光器的调Q特性进行了实验研究和讨论。     

基于卷积神经网络和半监督学习的无线电信号检测和识别分析

阐述对未知信号进行精准检测与识别,采用半监督学习以及卷积神经网络技术,搭建全新的无线电信号检测与识别框架,并对现有的网络结构进行优化设计。     

基于深度学习的激光干扰成像评估方法

可见光主动成像系统被广泛应用于成像侦察领域,激光压制干扰是一种可以利用的反制手段。合理地对激光干扰效果进行评估,对于干扰一方具有重要意义。为了更客观地评价激光干扰对成像侦察的影响,从可见光成像侦察的特点出发,对激光干扰可见光成像效果进行划分,确定了干扰效果评估需求。建立了可见光图像的激光干扰效果评估模型,结合基于YOLOv4的目标检测置信度及WFSIM算法的三个图像特征表征指标,形成了对应的评估体系。构建了一套参数可调的激光干扰图像采集及评估分析实验系统,对人体目标进行图像采集,验证了提出的评估体系及方法。     

基于Transformer的实时语义分割网络及应用北大核心CSCD

为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以及隧道特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明,所提出的网络在公共数据集Cityscapes、CamVid上平均交叉联合度量分别为77.2%、76.8%,相比BiSeNet分别提高了8.8%、8.1%,并能较好地适应于实际电缆隧道环境中,提供有效的场景感知信息,实现自主避障。     

基于BAS-BP-Bagging模型的光纤陀螺温度补偿

为提高光纤陀螺的输出精度,以天牛须搜索算法(BAS)优化后的BP神经网络模型为基学习器,采用Bagging并行集成学习算法建立了BAS-BP-Bagging温度补偿模型,并对某型号光纤陀螺进行了温度补偿实验。实验结果表明,在-40～+60℃温度变化环境下,该方法补偿后的光纤陀螺温度漂移相较于补偿前减小了近80%,相较于多项式补偿算法减小了55%,相较于BP神经网络补偿算法减小了30%左右。同时该模型在对新鲜样本的补偿过程中表现出了较为优越的泛化性能。     

基于改进YOLOv3的避雷器红外图像故障检测方法

针对现有的金属氧化物避雷器（Metal Oxide Arrester,MOA）红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。