基于U-Net改进的太阳暗条自动检测

提出一种基于改进后的U-Net深度学习网络进行自动识别Hα全日面太阳图像中的太阳暗条方法.这种方法不仅可以准确识别暗条,而且可以最大限度地减少太阳图像噪声的影响.首先,建立一个原始暗条数据集,由深度学习所需的数万张图像组成;其次,使用改进后的U-Net深度卷积网络开发一种用于太阳暗条识别的自动化方法.为了验证该方法的性能,使用一个包含50对手动校正的Hα全日面图像的数据集进行测试,这些图像是从2013年大熊湖太阳天文台/全日面Hα望远镜(BBSO/FDHA)获得的.经过交叉验证,结果表明该技术可以有效地识别全日面Hα图像中的暗条.     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

基于深度学习的包装缺陷快速检测方法

包装缺陷在线检测对提升产品质量具有重要意义.针对工业生产中人工目检效率低、漏检率高,以及基于显式特征提取的缺陷检测方法通用性差、特征提取复杂、缺陷区域占比小等问题,本文提出了基于迁移学习的改进MobilenetV2轻量化网络的包装缺陷快速检测方法,并利用某工厂糖果产线包装质检环节存在的4种表面缺陷对其进行测试.结果 表明,该方法具有检测速度快、缺陷正确检测率高等优点,单个产品处理时间为0.053 s,验证集上缺陷识别率为98.333％,在线测试缺陷品召回率为96.596％,在检测精度较高的同时能满足高速产线的实时性需求,最高支持2 m/s的传送带运行速度.     

大学生饮食心理与行为研究——评《大学生饮食营养与健康》

大学生作为高等教育的主要对象,在中华民族的伟大复兴中扮演着重要角色,因此,社会各界都十分关注当代大学生的成长与学习。大学生因学习和生活的特殊性,大部分时间都在校园内,因此,大学生的饮食心理和行为直接影响着自身的身体健康。《大学生饮食营养与健康》一书为大学生食物营养需要提出了一个合理的框架,期待着大学生从中获益,从而使我国大学生营养知识水平和健康水平有较大的提高。同时,本书也可以作为饮食业发展中为满足人民营养的基本需要,规划食物生产、扩大内需、发展市场等方面的重要参考。     

基于超星学习通的“建设工程进度控制”教学改革实践

在学情分析的基础上,探讨了一种新的教学模式,即基于超星学习通课程平台,利用智能手机的移动教学。阐述了教学设想和实施步骤,取得了较好的教学效果,为相关课程教学提供参考。     

具有Ricci孤立子的仿Kenmotsu流形

Ricci孤立子在切触与仿切触几何中都是一个研究热点，文中考虑其一分支仿Kenmotsu流形，得到具有Ricci孤立子的Ricci recurrent和φ-recurrent的仿Kenmotsu流形的分类定理。     

典型化工生产单元操作一体化实训室数字化课程学习系统建设

基于对典型化工生产单元操作一体化实训室数字化课程学习系统建设实践，将复杂且具有高度危险性的化工生产单元操作过程教学、培训等，构建成一个高度信息化的综合平台，利用视频、动画、微课、仿真等软硬件组成数字化的学习系统，即解决了学校资源、资金、场地、安全等的不足，方便学生随时随地学习，又解决了教师枯燥难教的困境，同时也解决了校内学资源碎片化、校际缺少共享等问题，为教学、培训、社会服务等提供便捷途径。     

变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。