基于改进MobileFaceNet的人脸识别方法北大核心

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。     

增材制造不锈钢的组织和性能

采用金相检验、扫描电镜分析等方法对激光融化技术制备的304及316L不锈钢进行分析。结果表明：材料的轴向结构在增材制造沉积过程中会有不同层间的热传递，其组织的均匀性受到影响；材料的区域成分没有明显偏差，不存在成分偏析及次相的析出；熔体的重力作用会使材料在纵向存在各向异性。     

子集模拟中马尔可夫链蒙特卡洛抽样算法比较

文章着重研究子集模拟中马尔可夫链蒙特卡洛(MCMC)抽样算法的抽样效率与计算精度。首先，阐述可靠度子集模拟的基本原理与中间状态样本生成的各种MCMC抽样算法，在稳态马尔可夫链构造基础上提出延迟拒绝MMH(Modified Metropolis Hasting)算法，通过在MMH算法上增加备选样本的延迟拒绝步提高MMH算法的抽样效率；阐述基于随机游走与基于扩散方程MCMC方法中建议分布的差异，进一步对备选样本接受率为1的preconditioned Crank-Nicolson(pCN)算法和条件抽样(Conditional sampling, CS)算法开展研究，证明两种算法的等价性；推导有效样本量的计算方法，提出采用有效样本量与总样本量的比值定义MCMC方法的抽样效率。通过复杂目标分布的样本生成研究不同MCMC抽样算法建议分布及其参数对备选样本接受率与抽样效率的影响，最后通过计算实例研究子集模拟过程采用不同MCMC抽样算法得到失效概率的相对误差及其变异性，揭示不同MCMC抽样算法对失效概率计算精度的影响。研究表明：不同MCMC抽样算法生成备选样本的接受率及其自相关性受建议分布及其参数影响较大，对于复杂的目标分布，pCN算法和CS算法的抽样效率较高，延迟拒绝MMH算法次之；采用CS算法和延迟拒绝MMH算法进行子集模拟得到的失效概率精度较高且变异性较低；增加子集模拟中间状态样本量可以提高失效概率计算精度并降低其变异性。     

基于电信号特征分析的电机故障诊断技术

介绍了电机故障诊断技术平台的组成,分析了电机常见故障下电信号的特征。利用宜昌和景洪工厂两台电机进行了实际对比测试,宜昌工厂电机定子电流特征频率在49.2Hz时表现出峰值-36.08dB,在50.8Hz时表现峰值则为-37.23dB,表明电机存在转子断条故障;景洪工厂电机在转子特征频率为113.51Hz时,出现峰值-58.47dB,表明电机存在静态偏心故障。经电机现场抽芯检查,验证了电机故障快速诊断平台给出的电机健康状态评估结果,证实了基于电信号特征分析的电机故障诊断技术的准确性。