基于混合激活函数的改进卷积神经网络算法

激活函数是人工神经网络的重要组成部分,对提高人工神经网络的准确性具有重要影响.为了研究使用混合激活函数的卷积神经网络在图像分类任务中的识别精度和收敛速度表现,本工作以LeNet-5卷积神经网络为基本结构,构造了一个使用Sinusoid-Sinusoid-Ramp(S-S-R)混合激活函数的卷积神经网络,以及4个使用单一...     

贮酒陶坛体积快速测量方法

实际工程应用中,对复杂形体快速且较精确的体积计算比较困难[1]。陶坛体积传统检测方法速度慢、效率低,不能满足实际生产的需求。陶坛是现在白酒行业常用的贮酒容器,其体积不规则,现利用数学的方法对贮酒陶坛体积进行计算,简化了常用的贮酒陶坛体积测量方法,在使用上提供了参考。     

孕镶金刚石钻头+高速螺杆钻井技术在元坝陆相高研磨性地层的应用

元坝陆相高研磨性地层岩石硬度大、可钻性差,前期的技术攻关试验在钻头选型、钻井新工具、新技术的探索方面虽然取得了一些进步,但效果还不尽人意,仍然是元坝陆相高研磨性地层钻井提速提效的瓶颈。为此,在总结前期钻井施工经验的基础上,开展孕镶金刚石钻头+高速螺杆钻井技术研究,优选出适用于高研磨性地层的孕镶金刚石钻头和与孕镶金刚石钻头相匹配的高速螺杆,并在YB12-1H、YB102-3H井开展了现场试验,自流井组地层机械钻速达1.04 m/h,较前期施工井机械钻速提高了52.94%,上三叠统须家河组机械钻速达1.18 m/h,较前期施工井机械钻速提高了73.53%,共计节约钻井周期46.35 d,节约钻井成本309.28万元,提速提效取得了显著成果。研究试验认为,该技术为元坝陆相高研磨性地层实现钻井提速提效寻求了一种新的途径。     

Sence-Switch型pFLASH单元制备及特性

基于0.13 μm eFLASH工艺技术,成功制备了Sence-Switch型pFLASH单元,并对其性能进行了研究.该单元由两个共享浮栅和控制栅的编程/擦除管(T1)和信号传输管(T2)组成,采用带带遂穿(BTBT)编程方式和福勒-诺德海姆(FN)遂穿擦除方式实现了其“开/关”态功能,并对其“开/关”态特性进行表征,同时,研究了其耐久性和电荷保持特性.实验结果表明,该单元具有较优的“开/关”态特性和电参数一致性,T1/T2管阈值窗口的均值、均一性分别约为9.2V和2.4％;在工作电压为-1.5V条件下,T2管“关”态的漏电流均在1 pA/μm以下,T2管“开”态的驱动电流均值为116.22 μA/μm,均一性为5.61％;该单元循环擦/写次数可达10 000次.同时,在25℃的“开/关”态应力条件下,该Sence-Switch型pFLASH单元寿命大于10年.     

一种基于抽样与约简的集成学习算法

集成学习的一个重要目标是获得一组差异性大的基分类器来构建集成分类器。为实现这一目标,提出一种基于抽样与约简的集成学习算法ELSR。该算法采用多模态扰动策略来训练基分类器。首先,采用多次抽样策略从训练集中抽样产生k个抽样集;其次,使用粗糙集的属性约简技术对每个抽样集进行约简;第三,在每一个约简之后的抽样集上分别训练一个基分类器;最后,利用一个验证集对每个基分类器进行性能测试,并根据测试结果选择一组合适的基分类器来构建集成分类器。在UCI数据集上的实验表明:当采用KNN算法或者C4.5算法来训练基分类器时,ELSR的分类性能总是要优于现有的集成学习算法。     

基于近似约简的集成学习算法及其在入侵检测中的应用

为了获得较大差异性的基学习器来构建集成学习器,从属性空间划分的角度来考虑集成学习问题,通过粗糙集理论定义了近似约简的概念,进一步提出了基于近似约简的集成学习算法;本方法将数据集的属性空间划分为多个子空间,基于不同子空间对应的数据集训练得到的基学习器具有较大的差异性,从而保证了集成学习器具有较强的泛化性能。为了验证本算法的有效性,本算法被应用于网络入侵检测中。在KDD CUP 99数据集上的实验表明,与传统的集成学习算法相比,本文所提出的算法具有更高的检测率和更低的计算开销,更适合于从海量高维的网络数据中检测入侵。     

保定市东方大厦空调系统的选择分析

对某改造工程的两种空调系统进行初步设计及技术分析．结果表明对该改造工程,选择水源热泵系统是较好的选择．     

基于ResNet-LSTM的声纹识别方法

针对传统声纹识别方法实现过程复杂、识别率低等问题, 提出了一种基于ResNet-LSTM的声纹识别方法.首先采用ResNet残差网络提取声纹的空间特征, 其次采用LSTM长短期记忆循环神经网络提取声纹的时序特征,通过ResNet与LSTM结合的特征提取方法获得了同时包含空间特征与时序特征的深度声纹特征. 实验结果表明,采用ResNet-LSTM网络的声纹识别方法的等错误率降低至1.196％, 较基线方法d-vector以及VGGNet分别降低了3.68％与1.95％, 识别准确率达到了98.8％.     

完善的质量管理体系是设计院的生命

不论生产型还是服务型企业，建立质量方针和质量目标是必须的，也就是说必须有完善的质量管理体系作保证。建筑设计院作为科技服务型企业，按照国家标准和国际公认标准，推广应用GB／T19001-2000-ISO9001：2000标准，是当前实施并运行有效的质量管理体系。这一标准