检索结果-南通市图书馆

基于OpenFOAM的非淹没丁坝绕流水流特性研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于OpenFOAM的非淹没丁坝绕流水流特性研究

作者：吴昊安徽理工大学

学位级别：硕士

α-取代羟基烯丙基叠氮混合物的选择性Schmidt反应

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

α-取代羟基烯丙基叠氮混合物的选择性Schmidt反应

作者：吴昊扬州大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

罗兰C高精度授时接收机设计与实现

罗兰C高精度授时接收机设计与实现

作者：吴昊西安工业大学

学位级别：硕士

高精度授时技术在现代通信、航空航天等领域中的重要性逐渐显现,关乎设备及整个系统的功能。使用GNSS(全球卫星导航系统)授时是目前除本地授时外精度最高的授时方式,但卫星发射功率低、星地距离远等因素会导致卫星授时出现信号弱、易被... 详细信息

高精度授时技术在现代通信、航空航天等领域中的重要性逐渐显现,关乎设备及整个系统的功能。使用GNSS(全球卫星导航系统)授时是目前除本地授时外精度最高的授时方式,但卫星发射功率低、星地距离远等因素会导致卫星授时出现信号弱、易被地形拦截等问题,针对这些问题,可以采用抗干扰能力强的罗兰C系统解决。基于罗兰C系统改进的导航授时系统近年来成为各国PNT(positioning,navigation and timing)体系建设中重要组成部分,随着该系统在全球范围的扩增,对于罗兰C高精度授时接收机的需求将会逐渐增大。目前的罗兰C接收机绝大多数为船用接收机,体型庞大且多为船只定位使用,市面上少有专用于授时的全国产化罗兰C数字接收机,针对罗兰C授时接收机的设计提出了国产化、数字化及小型化需求。本文基于罗兰C系统授时原理设计罗兰C高精度授时接收机,包含HYCT型授时板卡、高精度授时控制与数据处理软件及配套使用的高精度显时软件。硬件方面,主要在HYCT型国产开发板基础上开发长波信号采集预处理、时钟及通信等模块实现接收机硬件设计,处理模块采取异构PSOC芯片FMQL45T900,均选用国产化芯片实现;软件方面主要分为FPGA逻辑端(PL)与ARM嵌入式端(PS),FPGA逻辑端主要用于数字信号滤波与通信端口设计,ARM嵌入式端主要用于信号的捕获、解调解码、时间转换和通信协议的执行。最终设计的硬件满足全国产化、软件代码具有独立自主性。针对接收机接收到的含有各种干扰的罗兰C信号,开展信号滤波方法研究,首先对比几种带通滤波窗函数的带内平坦度后选用布莱克曼窗设计数字带通滤波器;为保证在大功率窄带干扰下滤波器保持收敛,选用归一化最小均方误差法作为自适应滤波算法;最后选用梳状滤波器法消除接收机交叉干扰。同时为提升接收机时间同步精度,设计接收机多模修正策略,最终将以上设计实现在接收机FPGA逻辑端。针对文章中提出的指标进行试验搭建与设计,选用长波磁天线、卫星天线、北斗授时板卡等设备搭建试验环境,开发测试板卡辅助测试,设计包括基础试验、信号滤波试验、授时功能试验三部分试验内容,通过在线抓取、示波器观察、高精度显时软件记录方法进行试验,将试验结果与指标对照验证,最终试验结果均满足指标要求。本文设计的罗兰C高精度授时接收机可以实现微秒级高精度授时或作为卫星授时无法使用时的备用授时方式存在。接收机利用FPGA信号处理高速性的特点,使得授时精度能达到接收机输出秒脉冲与卫星秒脉冲差值在1us内,在硬件设计上拥有全国产化、系统结构小型化特点,软硬件拥有完全独立自主的设计。

关键词：罗兰C 授时接收机 FPGA 全国产化

强化学习粒子群优化算法在投资组合优化问题中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

强化学习粒子群优化算法在投资组合优化问题中的应用研究

作者：吴昊东莞理工学院

学位级别：硕士

在当前经济快速发展的背景下,投资成为了许多人寻求财富增长的重要途径。然而,投资固有的风险意味着错误的策略可能会导致收益减少甚至本金损失。投资组合优化是指通过构建投资组合和运用优化算法,帮助投资者确定最佳投资比例,以分散风... 详细信息

在当前经济快速发展的背景下,投资成为了许多人寻求财富增长的重要途径。然而,投资固有的风险意味着错误的策略可能会导致收益减少甚至本金损失。投资组合优化是指通过构建投资组合和运用优化算法,帮助投资者确定最佳投资比例,以分散风险并获得最大化收益。随着投资产品规模扩大,目标函数变得更加复杂,增加了优化问题的求解难度。粒子群优化(PSO)算法作为一种实现简单、易于修改的启发式算法,被广泛用于求解优化问题。但在求解复杂优化问题时,该算法存在过早收敛、陷入局部最优等问题。为应对这一挑战,本文基于强化学习提出了一种改进的粒子群优化算法,并将其应用于解决复杂的投资组合优化问题当中,有效地提高了投资组合的收益,获得最优的投资权重比例。本文的主要研究内容包括:(1)针对PSO算法在不同搜索阶段的不同性能需求,本文采用分阶段策略对算法进行改进。在搜索初期,通过改变初始化方式来增加种群的多样性,采用非线性变化的惯性权重和学习因子,平衡全局搜索与局部开发能力,引入变异操作防止算法陷入局部最优。在搜索后期,引入收缩因子,提高算法收敛速度。通过与其他4个算法在CEC2013测试集上进行测试,实验证明,改进后的算法在收敛精度上优于传统算法。(2)PSO算法的关键参数大部分是通过函数变化进行调整,但是该方法难以根据算法的实际运行情况进行自适应调整。为解决这一问题,本文采用了基于Q-learning的自适应策略。这一策略通过Q-learning算法在搜索初期自适应调整关键参数,以适应不同阶段的搜索需求。搜索后期通过引入收缩因子来增强算法的收敛能力。通过大量实验结果表明,相比其他手动调整参数的方法,本文提出的算法在收敛精度上明显高于其他算法。(3)为兼顾投资组合中风险和收益两大指标,本文基于夏普比率构建了新的投资组合优化模型。通过模拟真实的投资组合环境,运用本文提出的算法进行模型求解,最终实验结果表明,本文所提算法能够求解复杂的投资组合优化问题,并且获得较高的夏普比率。

关键词：粒子群优化算法强化学习 Q-learning 投资组合优化夏普比率

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

CGTN微纪录片中国家形象建构研究

CGTN微纪录片中国家形象建构研究

作者：吴昊黑龙江大学

学位级别：硕士

讲好中国故事,传播好中国声音,是我国外宣媒体的使命与责任。中国国际电视台(China Global Television Network,英文简称CGTN)是我国主流的外宣媒体之一,担负着向世界介绍中国,传播中国形象的重任。纪录片被誉为“国家相册”。随着新媒... 详细信息

讲好中国故事,传播好中国声音,是我国外宣媒体的使命与责任。中国国际电视台(China Global Television Network,英文简称CGTN)是我国主流的外宣媒体之一,担负着向世界介绍中国,传播中国形象的重任。纪录片被誉为“国家相册”。随着新媒体时代的到来,纪录片的创作和传播环境正在发生着变化。在当代审美活动中,一种新的审美趣味——微审美正在逐渐形成。微审美的审美趣味与中国大陆纪录片当下的创作相结合,形成了一种新的艺术形式——微纪录片。同时微纪录片也是适应新媒体传播时代要求的纪录片的新形势。本文选取CGTN创办以来自行制作的微纪录片作为研究对象,以框架理论、叙事学理论作为理论基础,通过文本分析法、案例分析法等方法分析CGTN微纪录片中所蕴含的国家形象要素,建构出CGTN微纪录片中所呈现的国家形象。同时在结语部分对于CGTN微纪录片及其建构的国家形象提出建议,推动其制作出更加优秀的作品,丰富我国对外传播的国家形象。

关键词： CGTN微纪录片国家形象建构框架理论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

几类极小二元线性码的构造

几类极小二元线性码的构造

作者：吴昊西北师范大学

学位级别：硕士

控释氮肥对水稻产量、氮肥利用效率和抗倒伏特性的影响

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

控释氮肥对水稻产量、氮肥利用效率和抗倒伏特性的影响

作者：吴昊扬州大学

学位级别：硕士

基于脉冲卷积神经网络的钢材表面缺陷分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脉冲卷积神经网络的钢材表面缺陷分类研究

作者：吴昊盐城工学院

学位级别：硕士

热轧带钢作为钢铁产业关键性材料,在传统的人工识别检测以及机器视觉识别检测中存在主观性强和效率低下的问题。本文采用深度学习技术对热轧带钢缺陷图像进行识别,首先对缺陷数据集进行图像扩充等预处理,然后使用基于卷积神经网络的识... 详细信息

热轧带钢作为钢铁产业关键性材料,在传统的人工识别检测以及机器视觉识别检测中存在主观性强和效率低下的问题。本文采用深度学习技术对热轧带钢缺陷图像进行识别,首先对缺陷数据集进行图像扩充等预处理,然后使用基于卷积神经网络的识别方法并进行模型性能评估实验,验证了卷积神经网络模型算法在热轧带钢缺陷识别方面的潜力。接着对网络模型进一步改进,提出了融合脉冲神经元层和注意力机制的脉冲卷积神经网络模型来提高识别准确率和精度,最后基于改进后的模型设计并实现了一个热轧带钢缺陷识别系统。本文的主要工作和创新点总结如下:(1)使用了一种基于Diffusion-model的图像扩充方法并开展卷积神经网络模型对比实验。首先对热轧带钢缺陷数据集进行了图像预处理和Diffusionmodel扩充,构建了一个包含多种类、样本量足够的热轧带钢缺陷图像数据集。随后使用卷积神经网络模型在此数据集上进行实验训练和验证,分别比较了不同学习率、网络深度和模型对识别效果的影响。实验结果显示,在热轧带钢缺陷图像识别任务中Mobile Net V2模型相较于其他模型表现优异,达到了96.78%识别准确率和96.95%的平均精度。(2)提出了一种改进的用于热轧带钢缺陷图像识别的脉冲卷积神经网络算法并探索了基于模型迁移的小样本学习策略。在原始Mobile Net V2网络模型基础上,为了解决模型泛化能力和缺陷特征信息的辨识能力不足等问题,嵌入脉冲神经元层,对图像进行脉冲编码提高泛化能力。加入注意力机制则能有效捕捉到缺陷图像中的细节信息,有效利用低维特征信息和抑制无关信息提升了网络模型对缺陷信息的提取能力。经过改进后的脉冲卷积神经网络对比原网络识别准确率提升了1.07%,平均精度提升了1.08%,证明了所提出的识别算法的有效性和可行性,并进一步减少了网络模型的参数数量,最后还通过迁移学习策略有效缓解了缺乏样本数据的问题。(3)基于PyQt5框架设计开发了一款自动化的热轧带钢缺陷识别系统,该系统包括多个功能模块。系统能够加载训练好的网络模型去识别热轧带钢表面缺陷图像并进行有效检测。输出结果包括缺陷类型编号以及识别率,同时对系统功能进行了全面的测试,包括不同类型的识别率和单张图像测试,确保了系统的稳定性和可靠性,并具有一定程度的实际应用潜力。

关键词：缺陷识别卷积神经网络脉冲神经网络注意力机制迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

迁移与提示视角下的小样本学习研究

迁移与提示视角下的小样本学习研究

作者：吴昊电子科技大学

学位级别：硕士