基于深度学习的传感器优化布置方法

针对传感器优化布置(optimal sensor placement,简称OSP)问题,提出了一种新的使用深度神经网络的解决方案,并以简化的桥梁形状的桁架结构中的振动测试传感器优化为例进行了验证。首先,选择一种传统的传感器优化布置方法,对自动化生成的大量不同的桁架结构分别进行传感器优化布置计算,将所得优化布置结果在进行数据预处理后构建出深度学习方法所需要的训练集与验证集;其次,使用Python语言和深度学习框架TensorFlow设计实现与本研究问题适配的深度神经网络模型并训练;然后,随机生成了新的桁架结构参数;最后,将深度神经网络输出的传感器布置结果和传统方法的计算结果进行了比较,验证了本研究方法的有效性以及在速度上、可移植性与可扩展性方面的性能优势。     

高中美术鉴赏与德育融合的教学探索

高中生在文化学习上有着开阔的视野,学习大量的优秀美术作品,不仅可以丰富文化知识,还对艺术观、审美观的完善和道德修养的提高有着很好的帮助作用。高中文化课占据的比例较大,在面对文化课带给学生压力时,将一周一次的美术课作为缓解学生压力的课程很受欢迎。美术教学对于提高学生的素质和审美能力有着独特的作用。在讲解美术时,教师除了要讲解课本上的知识外,还需要开动脑筋,使用辅助教学工具,上好美术课程。     

环境设计专业学习空间设计探析--以教室改造的参与式设计为例

学习空间的设计必须基于教育理念、学习模式、技术设施与精神氛围等因素展开,以更开放、灵活及多样化的有趣形态来吸引使用者。对于已掌握基本设计方法并具有一定设计思维的环境设计专业学生而言,设计与自身学习行为关联的学习空间,能体现"参与式设计"的特殊意义:即一方面以有着直观体验感受的熟悉空间作为训练案例来有效地整合设计能力;另一方面则通过用户与设计者身份的叠加,从使用者体验一维到对空间发展的专业预设考虑一维共同实现学习空间设计理念的更新。     

基于深度学习的大采高工作面矿压预测分析及模型泛化

综采工作面矿压显现的分析与预测对于复杂地质条件下工作面顶板管理,保证矿井生产安全具有重要意义。采用关系型数据库储存液压支架工作阻力数据以及利用工作面推进过程中矿压显现的时序特性,采用SQL语言,运用长短时记忆网络(Long Short Time Memory,LSTM)深度学习方法,以红庆河矿31101大采高综采工作面矿压规律为研究对象,对工作面支架工作阻力、支架不平衡力、支架安全阀开启情况及初次来压与周期来压等矿压显现规律进行分析;基于建立的数据库,预测了红庆河大采高工作面矿山压力,预测结果表明LSTM方法较BP神经网络预测更具准确性。为进一步讨论本研究采用的LSTM网络模型的泛化能力,在采用布尔台42103大采高工作面、上湾矿12401大采高工作面少量矿压数据的前提下,使用迁移学习方法,对矿压数据进行预测检验,结果表明:LSTM模型具有很好的泛化能力,相比于不使用迁移学习方法,迁移学习可提高模型的泛化能力。最后,探讨了模型在3个大采高工作面矿压预测表现的差别,发现数据量本身对模型预测行为影响较大,增大数据量可弥补原始数据缺失等问题。在预测模型基础上设计了周期来压预警模型,集成形成相应矿压分析与预警系统,经工程验证判定预警系统分析效果良好。     

ORAL外语口语APP开发与应用设计构想

随着2018年教育部出台中国英语等级量表(CES)计划在2020年前逐步推进,我国未来将会建立起一个统一的并为国外认可的英语测评体系,对学生英语听说读写能力的测评标准也将提高。受制于有限的语言环境,中国学生的听、说能力相对较弱,且缺乏有效训练。为了改变应试教育下学生固化的语言学习模式和思维模式,使学生学习语言目的更趋向于生活化,提升其语言交际能力,文章在分析对比市面上现行外语口语学习APP的基础上探索设计一种新型的更适用于本国学生的外语口语学习软件,旨在创设真实自然的语言环境,切实提高青少年口语学习水平。     

云/边缘协同的轴承故障诊断方法

现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。     

一种基于深度学习的产品分类统计方法的研究

对于流水线上多类产品不规则混合放置条件下的统计问题,利用基于faster R-CNN和改进的深度卷积网络结合的图像识别方法,实现了对产品的在线分类计数。首先利用faster R-CNN方法获取图像中产品的位置信息,然后用改进的深度卷积网络对图像进行特征提取,将产品区域的位置信息映射到最后一层特征图上,再用ROI池化对产品区域特征进行尺度归一化,把归一化后的产品特征输入softmax分类器识别,从而实现了分类统计。实验结果表明,该方法能够在工业生产中实现多类混线产品在线自动分类统计。     

人工监督神经网络在煤层裂缝发育区识别中的应用

针对在地震属性应用中难以精细识别煤层裂缝发育区边界的难题,开展了基于人工监督神经网络技术的煤层裂缝发育区应用研究。从地震资料中获取倾角导向体以提取高质量的地震属性,以多属性为指导进行人工拾取样点,并基于多层感知器进行神经网络机器训练学习,建立裂缝的最优属性集,拓展整体数据后获得裂缝概率体,从而识别划分出煤层裂缝发育区。该技术在山西阳泉新元矿区进行了应用,煤层裂缝发育区的识别结果明显优于属性直接识别,但勘探区内暂无钻井资料,预测效果还有待进一步验证。