CNN-XGBoost混合模型在音频场景分类中的应用

在拥有海量数据和强大计算能力的人工智能时代,音频场景分类成为了场景理解的重要研究内容之一.针对音频场景分类建模困难和精确率不高的问题,本文提出一种基于卷积神经网络和极端梯度提升算法相结合的系统模型.首先,将预处理后的音频信号转换成梅尔声谱图,然后输入到卷积神经网络中完成抽象特征提取,最后利用极端梯度提升算法进行分类.为了评估模型的有效性,在城市音频场景UrbanSound8K数据集上进行分类性能测试,结果表明,该混合算法模型对音频场景的分类精确率可以达到89%,优于传统的神经网络算法模型,说明该混合模型对音频场景分类问题的有效性.     

新型磷系阻燃剂的制备及应用性能研究

以亚磷酸二甲酯、丙烯酰胺、环氧氯丙烷为原料合成了一种新型无甲醛耐久阻燃整理剂，并应用于粘胶纤维。重点研究了阻燃整理时的接枝反应原理，接枝反应对纤维纤度的影响及纤维晶区的变化，系统地探讨了影响纤维力学性能的各种因素。同时还探讨了纤维的热稳定性能及氧指数变化。     

网络病毒最新发展趋势及其防御技术研究

随着计算机工业的发展,计算机网络也越来越普及,而且在各行各业发挥着至关重要的作用。但是计算机病毒在形式上越来越狡猾,造成的危害也日益严重。这就要求网络防病毒产品在技术上更先进,在功能上更全面,并具有更高的查杀效率。因此,网络环境下病毒防治正成为计算机防毒领域的研究重点。本文首先分析了网络病毒的特点及其发展趋势,并在此基础上提出了目前常用的几种网络防病毒的重要技术及具体方法。     

光纤复合架空地线在高压送电线路中的设计应用

介绍了OPGW光纤复合架空地线的设计过程,并从OPGW的结构选型、热稳定、力学计算以及配套金具等几个方面进行了阐述。     

地质录井过程现场监督管理试探

随着我国经济的不断发展,我国石油需求量越来越大,这给我国的石油开采企业带来了很大的挑战。为了加大我国原油的产量,我国在新油田建设中投入的力度越来越大。地质录井工作,是石油开采过程中的重要组成部分,通过地质录井工作的进行,我们可以有效探明地下的原油分布情况,这对我们制定开采计划有非常大的作用,也为后期的开采作业打下了一个很好的基础。     

复眼图像超分辨率重构中配准算法研究进展

高分辨率图像能够提供更多的图像细节和更清晰的图像质量,因此模仿生物复眼高分辨率这一特性、研究复眼超分辨率对于航天侦查和军事目标的识别具有重要意义。近年来亚像素级图像配准作为超分辨率重构中的关键步骤成为了研究热点,新的配准算法层出不穷。图像配准作为复眼图像超分辨率重构技术中至关重要的一步也是超分辨率重构中的一个难点,图像配准的精度以及图像配准算法的运算复杂程度直接影响着超分辨率重构的质量和效率。文中总结了近年来国内外超分辨率重构中配准算法的研究进展,介绍了图像配准技术和复眼超分辨率重构技术的基本原理和应用背景,阐明了课题的研究目的、意义以及发展前景,并且重点研究与分析了目前主流的配准算法以及各自的优缺点,并对今后的研究趋势进行了展望,同时为今后的配准算法研究提供了重要参考。     

人工神经网络预测供热系统供水温度

建立供热试验系统,试验数据为供水温度、室内温度、室外温度、太阳辐照度,数据采集时间间隔设定为0. 5 h。选取BP神经网络、Elman神经网络,将室内温度、室外温度、太阳辐照度作为输入数据,对供水温度进行预测。选用500组试验数据,对神经网络进行优化训练,确定输入层输入数据组数量以及其他参数。选用50组试验数据,对两种神经网络预测供水温度的准确性进行验证。在2018年2月4日、5日分别进行BP神经网络、Elman神经网络预测能力评价(室内温度设定为16℃)。两种神经网络的输入数据组数量均为7组(即为实现供水温度的预测,除当前时刻试验数据组外,还应输入前6个时刻的数据组)。由BP神经网络、Elman神经网络预测的供水温度与实际供水温度变化趋势基本一致,最大相对误差分别为-5. 66%、4. 32%。由BP神经网络、Elman神经网络预测的供水温度,可以维持室内温度,与设定的室内温度相比,波动范围分别为±1℃、-0. 8～0. 9℃,Elman神经网络的预测能力更强。     

220kV小四甲乙线路垂直双分裂子导线粘结问题的分析及解决方案

对采用双分裂垂直排列的220kV小四甲乙线路导线发生导线粘连的问题,进行了分析计算,指出了产生粘连问题的主要原因,提出了技术措施和解决方案。     

评定绉组织的量化指标

从量化观点出发，建立绉组织经纬浮长的频数分布，并运用数理统计方法提出评定绉组织的特征指标：平均浮长，浮长方差，最大浮长，大浮长比例和行浮长数极差。     

基于结构导向的层位自动追踪

层位信息被广泛应用于地震资料的处理和解释中。常用的自动追踪层位算法,如相关和神经网络等,通常存在稳定性弱和适应性低等问题,为此提出一种基于结构张量算法的自动追踪层位方法。首先利用希尔伯特变换对原始剖面进行预处理,增强同相轴的连续性,降低假频和噪声影响,提高方向求取的稳定度;然后利用结构张量算法,获取层位发育角度信息,运用平滑处理,进一步提高其稳定性;最后选定一个种子点作为层位追踪起始点,以角度信息为导向,追踪邻近层位点,并在该点周围的窗口范围内进行优选,确定最终层位点。理论沉积模型和实际二维地震剖面的处理结果证明了该方法的可行性和有效性,与常规方法的对比验证了其适应性和稳定性。