介入市场的深度是艺术设计教改中的关键因素

在对艺术设计教育实践性教学的教改的几种模式中的比较重,提出介入市场的深度是艺术设计教改中的关键因素,并分析"依托市场,以项目为主体的教改模式"的特点就是对市场的深层次的介入,其效果在于对师资的全面培养.     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

生物增强活性炭技术处理微污染源水的研究

采用不同的筛选分离技术,从试验源水中分离出8株优势菌种,经过反复驯化培养,形成具有高效生物降解能力的高活性菌群.利用高活性菌群,采用人工循环固定方式形成生物增强活性炭工艺,进行其长期运行效能的试验研究.实验结果表明,生物增强活性炭工艺能够有效去除微污染源水的各类有机物,处理效能显著高于常规工艺和臭氧化工艺.源水经生物增强活性炭工艺处理后,其对氨氮的平均去除率为58.34%,对CODMn的平均去除率43.5%,对UV254的平均去除率57.4%,对TOC的平均去除率40.2%.经过色质联机检验,水中的各类微量有机物的种类和含量均有了显著的降低.     

多径衰落下通信系统的分析与仿真

通过对通信系统的学习,研究了加性高斯白噪声信道、多径瑞利衰落信道和莱斯衰落信道3种信道。对不同信道下通信系统的性能情况进行了分析和仿真。通过对各种信道下的仿真结果分析和误码率的比较,得出多径瑞利衰落信道模型下的误码率要高于加性高斯白噪声信道和莱斯衰落信道,并严重降低通信系统性能的结论。对直接序列扩频系统具有抗多径衰落的情况进行仿真,指出直接序列扩频系统可以解决多径衰落对通信系统的影响。     

多载波DS-CDMA中的交织器设计

多载波直接扩频序列码分多址 (DS- CDMA)是一种结合正交频分复用 (OFDM)的调制方式和 DS- CDMA的多址方式而产生的宽带 CDMA传输方式。该文结合下行多载波 DS- CDMA的特点 ,提出了最优交织器的设计准则 ,推导出了它的最优解和相应的最优性能。给出了一种只需排序操作就可以实现次最优交织器的设计方法。理论分析和仿真结果表明 ,当频域分集数 P小于信道阶数 L 时 ,优化后的交织器能有效地提高系统的分集增益 ,并使系统的性能逼近P=L 时的最优性能。当 P≥ L 时 ,等间距交织器就是最优交织器。     

乌拉尔-伏尔加区块高精度速度建模

乌拉尔-伏尔加区块地质认识程度仅限于从周围油田获得的地质信息.作者根据常规速度分析资料作为偏移速度分析的初始速度模型和主要约束研究,对乌拉尔-伏尔加区块层速度进行修正分析.由此建立的速度模型,同一层速度差异不大,速度模型和偏移剖面吻合较好,盐丘边界清楚准确,说明速度模型准确合理,能够消除巨厚盐丘上覆地层影响,为进一步的勘探提供地质依据.     

基于级联卷积神经网络的人脸关键点定位

由于人脸姿态、表情、遮挡物、光照问题的影响,人脸关键点检测时通常会出现较大的误差,为了准确且可靠地检测关键点,提出了一种基于级联卷积神经网络的方法。利用人脸检测器检测到的人脸图像作为输入,第一层卷积神经网络直接检测所有的5个人脸关键点。随后根据这些检测到的点裁剪出5个人脸局部图像,级联的第二层网络使用5个不同的卷积神经网络单独地定位每个点。在实验测试环节,级联卷积神经网络方法的使用将人脸关键点的平均定位误差降低到了1.264像素。在LFPW人脸数据库上的实验结果表明:该算法在定位准确性和可靠性上要优于单个CNN的方法以及其他方法,该算法在GPU(图形处理器)模式下处理一个人脸图像仅需15.9毫秒。     

基于生成对抗网络和RetinaNet的销钉缺陷识别

人工标注无人机巡检航拍图像中销钉常见的缺陷耗时耗力,为此,文中采用深度学习算法RetinaNet来实现销钉缺陷的自动标注。考虑到如果直接对无人机现场采集到的不清晰图像进行检测,会出现识别精度偏低的问题,文中提出了一种基于生成对抗网络的缺陷智能识别方法,即通过生成器和鉴别器之间的互相博弈来增强局部纹理、边缘等细节信息,以改善此类图像质量,并结合缺陷智能识别算法提取准确的特征,以实现缺陷的智能识别。由于生成对抗网络训练用的模糊-清晰图像对难以获取,文中结合马尔可夫过程和子像素插值构建了模糊-清晰图像对。实验结果表明:RetinaNet对清晰图像进行检测时,可以表现出优异的性能,而对于部分模糊图像,容易出现错标和漏标的情况;文中构建的模糊-清晰图像对可以有效地训练生成对抗网络,使其具备去模糊功能,有利于卷积神经网络提取更加丰富的特征,进而提高模糊图像的识别率。     

一种基于深度学习的高速无人艇视觉检测实时算法

针对高速无人艇自主航行时对视觉检测的实时性以及由于水面场景变化和波浪反射等干扰的鲁棒性需求,提出一种基于深度学习的高速无人艇视觉检测实时算法.采用基于MobileNet的神经网络快速提取全图特征,设计SSD结构的检测网络融合各层特征图的结果以完成快速多尺度检测,并在嵌入式GPU NVIDIA Jetson TX2硬件平台上将算法实现并验证.结果表明,该算法能够实时检测多类水上特定目标,具有鲁棒性强、多尺度的特点,单帧视频的检测时间可以控制在50 ms以内.      

胶东玲珑金矿52#脉群成矿流体特征及成因

胶东位于华北克拉通东缘,是我国最重要的金矿成矿区(带)之一.玲珑金矿位于胶东西北部,矿区内金矿以一组矿脉群形式产出,金矿脉受压扭性的NNE向玲珑深断裂控制,矿体分布于玲珑断裂次级的NE向断裂系中.52#脉群是矿区内代表性矿脉,矿石自然类型为石英脉型和蚀变岩型,矿石中硫化物以黄铁矿为主.石英流体包裹体有气液两相、含CO2三相和纯CO2包裹体3种类型.流体盐度低,介于3.0%-7.81%NaCleqv,平均5.81%NaCleqv;成矿温度在160-405℃之间,主要在220-280℃;成矿压力在50-255 Mpa之间,集中在70-130 Mpa之间.依据Sibson等的断裂带流体垂直分带曲线,分段拟合深度和压力之间的关系式计算成矿深度在5-12.7Km之间,集中在6.8-9.5 km.玲珑金矿地质地球化学特征与全球造山型金矿类似,为中成造山型金矿,陆内碰撞造山是其成矿动力学背景.与全球及胶东地区同类金矿类似,该矿床向深部有较大的延伸,包括玲珑金矿在内的胶东地区深部仍有很大的找矿潜力.