检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于桥梁响应的高速列车横向摇摆力取值研究

铁道工程学报 2024年第5期41卷 28-33,40页

作者：李奇揭崇清石龙同济大学上海200092 高速铁路轨道技术国家重点实验室北京100081

研究目的:列车的横向摇摆力是桥梁结构横向刚度设计的重要影响因素,然而现行设计横向摇摆力取值未充分考虑动力作用。本文采用车桥耦合仿真分析方法,分析列车车速、桥梁跨度和墩高对横向动力响应的影响。结合移动荷载列过桥理论,研究桥... 详细信息

研究目的:列车的横向摇摆力是桥梁结构横向刚度设计的重要影响因素,然而现行设计横向摇摆力取值未充分考虑动力作用。本文采用车桥耦合仿真分析方法,分析列车车速、桥梁跨度和墩高对横向动力响应的影响。结合移动荷载列过桥理论,研究桥梁横向基频与横向动力响应之间的关系,得到桥梁横向共振发生条件。根据运营活载动效应不大于设计活载动效应的原则,通过设计横向摇摆力乘以横向动力放大系数的方式来更全面地考虑横向摇摆力的动力作用。研究结论:(1)在特定的速度范围内,桥梁结构的横向动力响应超过了设计横向摇摆力计算得出的静力响应,现行设计横向摇摆力取值偏于不安全;(2)简支梁的横向动力响应与跨度之间没有明显的相关性,墩高的影响更加显著,横向动力峰值出现的速度区间随着墩高的增加而减小;(3)对于横向基频在3.5~5 Hz范围内的简支梁,横向动力放大系数可取1.44,而在其他频率范围内,可以不考虑动力放大系数修正;(4)本研究可为高速列车横向摇摆力设计取值提供参考与借鉴。

关键词：车桥耦合高速铁路横向摇摆力共振

军人职业素养视域下军校《大学英语》课程通用英语部分思政功能的实现

在线全文

学校读者我要写书评

暂无评论

英语广场（学术研究） 2024年第15期 80-83页

作者：刘海琦崇斯伟大连舰艇学院海军大连舰艇学院基础部外语教研室

提高军人职业素养对军人、军队和国家而言意义重大,也是军校《大学英语》课程思政责无旁贷的使命。本文从军人职业素养的生成机制出发,阐述了《大学英语》课程通用英语部分思政的四个基本原则和五种主要的思政元素融入方法,从而明确军... 详细信息

提高军人职业素养对军人、军队和国家而言意义重大,也是军校《大学英语》课程思政责无旁贷的使命。本文从军人职业素养的生成机制出发,阐述了《大学英语》课程通用英语部分思政的四个基本原则和五种主要的思政元素融入方法,从而明确军校《大学英语》课程通用英语部分如何实现提升军人职业素养的思政功能。

关键词：军人职业素养军校《大学英语》课程思政功能

在线全文

学校读者我要写书评

暂无评论

基于多重视觉注意力的唇语识别

模式识别与人工智能 2024年第1期37卷 73-84页

作者：谢胤岑薛峰曹明伟合肥工业大学计算机与信息学院合肥230601 合肥工业大学软件学院合肥230601 安徽大学计算机科学与技术学院合肥230601

唇语识别是将单个说话人嘴唇运动的无声视频翻译成文字的一种技术.由于嘴唇运动幅度较小,现有唇语识别方法的特征区分能力和泛化能力都较差.针对该问题,文中分别从时间、空间和通道三个维度研究唇语视觉特征的提纯问题,提出基于多重视... 详细信息

唇语识别是将单个说话人嘴唇运动的无声视频翻译成文字的一种技术.由于嘴唇运动幅度较小,现有唇语识别方法的特征区分能力和泛化能力都较差.针对该问题,文中分别从时间、空间和通道三个维度研究唇语视觉特征的提纯问题,提出基于多重视觉注意力的唇语识别方法(Lipreading Based on Multiple Visual Attention Network,LipMVA).首先利用通道注意力自适应校准通道级别的特征,减轻无意义通道的干扰.然后使用两种粒度不同的时空注意力,抑制不重要的像素或帧的影响.CMLR、GRID数据集上的实验表明LipMVA可降低识别错误率,由此验证方法的有效性.

关键词：唇语识别视觉语音识别注意力机制深度神经网络特征提取

在线全文

学校读者我要写书评

暂无评论

基于文本引导下的多模态医学图像分析算法

电子学报 2024年第7期52卷 2341-2355页

作者：樊琳龚勋郑岑洋西南交通大学计算机与人工智能学院四川成都611756 可持续城市交通智能化教育部工程研究中心四川成都611756 综合交通大数据应用技术国家工程实验室四川成都611756 四川省制造业产业链协同与信息化支撑技术重点实验室四川成都611756

结合胃镜超声和白光内镜可以更准确地识别胃肠道间质瘤.但是现有的多模态方法往往仅关注于图像特征,忽略了诊断文本信息中所包含的语义信息对于精确理解和诊断医学图像的重要性.为此,本文提出一种新的基于文本引导下的多模态医学图像分... 详细信息

结合胃镜超声和白光内镜可以更准确地识别胃肠道间质瘤.但是现有的多模态方法往往仅关注于图像特征,忽略了诊断文本信息中所包含的语义信息对于精确理解和诊断医学图像的重要性.为此,本文提出一种新的基于文本引导下的多模态医学图像分析算法框架(Text-guided Multi-modal Medical image analysis framework,TMM-Net).TMM-Net使用多阶段的诊断文本来引导模型学习,以提取图像中的关键诊断信息特征,然后通过交叉模态注意力机制促进多模态特征之间的交互.值得注意的是,TMM-Net通过预测病变属性来模拟临床诊断过程,从而增强了可解释性.验证实验在两个中心包含10 025个模态数据对的数据集上进行.结果表明,该方法相比目前最优的GISTs诊断方法精度提升7.7%,同时获得了最高的(Area Under the Curve,AUC)值:0.927,其可解释性可以更好地适合临床需求.

关键词：多模态融合模型可解释性图像-文本匹配胃肠道间质瘤胃镜超声白光内镜