检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

塔里木河下游地下水位空间变异性研究

水资源开发与管理 2016年第2期2卷 70-74页

作者：田鼎文巴州新宇水利水电工程咨询有限责任公司新疆库尔勒841000

塔里木河下游干旱缺水,地下水资源是生态健康的基本保障。本文采用线性回归法对塔里木河下游地下水位进行回归分析,并采用地统计学方法对当地地下水位的空间变异规律进行分析。结果表明:塔里木河下游各月地下水位与其测点空间坐标呈线... 详细信息

塔里木河下游干旱缺水,地下水资源是生态健康的基本保障。本文采用线性回归法对塔里木河下游地下水位进行回归分析,并采用地统计学方法对当地地下水位的空间变异规律进行分析。结果表明:塔里木河下游各月地下水位与其测点空间坐标呈线性关系,具有很强的空间相关性;对于局部变化剧烈的地下水位,采用克里金平滑效应修正法可明显减小克里金插值所带来的平滑效应,但整体插值精度略低于普通克里金与泛克里金法。

关键词：塔里木河下游地下水位空间变异研究

在线全文

学校读者我要写书评

暂无评论

光学遥感图像的小样本目标检测

遥感学报 2024年第7期28卷 1693-1701页

作者：周莲何楚汪鼎文郭子琪武汉大学计算机学院武汉430072 武汉大学电子信息学院武汉430072

对遥感图像进行目标检测,具有广阔的应用前景。针对小样本背景下遥感图像目标检测任务存在特征提取不足、定位困难和分类易混淆的问题,本文提出了一种基于协同注意力模块和对比学习分支的小样本目标检测算法。首先,对训练样本进行数据... 详细信息

对遥感图像进行目标检测,具有广阔的应用前景。针对小样本背景下遥感图像目标检测任务存在特征提取不足、定位困难和分类易混淆的问题,本文提出了一种基于协同注意力模块和对比学习分支的小样本目标检测算法。首先,对训练样本进行数据增强操作,以扩充数据集规模;其次,提出了一种协同注意力模块,包括设计的背景衰减注意力和空间感知注意力,利用遥感图像丰富的背景与目标特征信息,指导网络关注与目标定位相关的重点信息,从而便于RPN网络生成更好的区域建议框,减少遗漏目标的概率,提升模型对小样本类别的定位性能;然后,设计了一种对比学习分支。基于设计的对比损失函数,通过联合训练策略,在训练时从特征学习逐步过渡到分类器学习,提高了分类的准确率;最后,设计出一种基于微调的迁移学习范式的小样本目标检测模型,分为基础训练阶段和微调阶段,在基础训练阶段借助充足的基类样本训练模型学习类无关的参数,在微调阶段使用制作的小样本数据集帮助目标检测模型适应特定类别目标,提升其检测性能。此外,本文以两阶段微调方法TFA(Two-stage Fine-tuning Approach)为基准,通过在遥感数据集NWPU VHR-10和DIOR上验证本文提出算法的有效性,结果显示本文算法在NWPU VHR-10和DIOR数据集上与其他基准算法相比,平均精度均有大幅提升。

关键词：目标检测小样本学习遥感图像注意力机制对比学习

构建·生成·协同:参数化主义转向的3种角度

在线全文

学校读者我要写书评

暂无评论

建筑学报 2024年第3期 97-103页

作者：蒲阳鲍鼎文华中师范大学美术学院武汉430079 南京艺术学院设计学院南京210013 澳大利亚皇家墨尔本理工大学建筑与城市设计学院澳大利亚南京阿米巴结构优化研究院南京210031

参数化主义最终目标是旨在推动建筑设计作为一门自治的学科继续向前发展,以此革新研究规则、拓展研究范围,并构建一套独立且相对完善的理论知识体系与设计原则。从理论构建、生成原则与人机协同3种角度提出转向策略:在理论构建层面,关... 详细信息

参数化主义最终目标是旨在推动建筑设计作为一门自治的学科继续向前发展,以此革新研究规则、拓展研究范围,并构建一套独立且相对完善的理论知识体系与设计原则。从理论构建、生成原则与人机协同3种角度提出转向策略:在理论构建层面,关注科学观与哲学观对新设计范式的影响;在生成原则层面,解析拒绝同质和建立关联的两类逻辑内涵;在人机协同层面,讨论设计师与智能机器之间身份认同与文化映射的重构。

关键词：理论构建生成原则人机协同参数化主义

裂隙两相流入渗模式及界面演化可视化试验研究

在线全文

学校读者我要写书评

暂无评论

裂隙两相流入渗模式及界面演化可视化试验研究

作者：衷鼎文南昌大学

学位级别：硕士

岩土体裂隙介质不仅是裂隙型油气藏、CO2及核废料地质封存等能源与环境工程的储存环境,还是地下水污染物运移及修复、岩土体边坡降雨入渗的流动通道。裂隙多相渗流作为上述常见工业活动及自然现象中流体主要的流动模式,与稳定的裂隙饱... 详细信息

岩土体裂隙介质不仅是裂隙型油气藏、CO2及核废料地质封存等能源与环境工程的储存环境,还是地下水污染物运移及修复、岩土体边坡降雨入渗的流动通道。裂隙多相渗流作为上述常见工业活动及自然现象中流体主要的流动模式,与稳定的裂隙饱和渗流相比,受裂隙介质性质及流体性质等因素的影响,流体相界面常发生失稳现象,形成不稳定的指进优势流,流动行为也更加复杂。而由相界面失稳造成的指进优势流,对岩质边坡内降雨流体的入渗速率、地下水的运移效率、二氧化碳的地质封存效率等至关重要,因此成为岩石力学、水文地质学和环境科学等众多学科领域的研究热点。为了研究上述自然灾害防护、环境保护、地下化石能源开采等工程中普遍存在的裂隙介质多相渗流,本文以裂隙介质及多相流体为研究对象,以多相流体入渗模式及界面特征的演化为核心科学问题,在流体可视化试验的基础上,通过图像分析方法开展了裂隙介质水气两相流流动行为、相界面失稳情况及两相流流态转变等内容的研究。主要研究成果如下:（1）基于光学透射原理,搭建了裂隙介质多相渗流可视化试验平台。使用翻模技术制作了能够高度还原天然岩石裂隙形貌特征的透明粗糙裂隙试样。在数字图像预处理方法的基础上,通过流体可视化试验实现了对岩体粗糙裂隙中多相流流动行为的观测和细观机制分析。（2）研究了裂隙介质性质及流体性质与流体流态转变、特征参数演化情况之间的关系。通过平行板裂隙可视化试验观测结果与液滴分离概念模型,发现液滴的演化过程可分为3个阶段:液滴形成初期、液滴发展阶段、液滴分离阶段,并且液滴特征参数及流动形态在不同入渗阶段会呈现出不同的特征。基于力学平衡关系及平行板裂隙指进液滴的演化过程,分析了周期性间断流形成的物理机制,并建立了两相流流态转变与裂隙局部开度分布之间的联系。（3）通过粗糙裂隙水气两相流试验,探究了毛细数、裂隙开度等因素对两相流入渗模式的影响,揭示了无重力参与的稳态入渗条件下界面失稳以及入渗模式随毛细数演化的物理机制。在毛细力与黏滞力竞争结果的影响下,粗糙裂隙两相流随毛细数的增加逐渐呈现出毛细指进、过渡区指进与稳定入渗三种经典的入渗模式,其中毛细指进的形成主要受控于粗糙裂隙毛细力的分布情况,稳定入渗的形成主要是达西尺度黏滞力的作用;入侵相饱和度随毛细数的增加呈现出先增加后减小的非单调变化;稳态驱替条件下（M>1）两相界面会发生失稳、入侵相提前穿透的现象。（4）研究了重力参与下水气两相流的流动行为。与水平粗糙裂隙类似,重力参与下的入渗模式在毛细力、黏滞力及重力竞争结果的影响下,随毛细力的增加逐渐经历毛细指进→过渡区指进→稳定入渗的演化过程,而入侵相饱和度随毛细数的增加则呈现出先减小后增加的变化趋势,与水平粗糙裂隙完全相反,并且在低入渗流量下,观察到了两相流体在突破裂隙后由连续指进液滴流转变为周期性间断流的现象。

关键词：透明裂隙试样可视化试验两相流入渗模式界面失稳:重力效应

基于联邦分割学习与低秩适应的RoBERTa预训练模型微调方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据采集与处理 2024年第3期39卷 577-587页

作者：谢思静文鼎柱上海科技大学信息科学与技术学院上海201210

微调后的大语言模型(Large language models,LLMs)在多任务中表现出色,但集中式训练存在用户隐私泄漏的风险。联邦学习(Federated learning,FL)通过本地训练避免了数据共享,但LLMs庞大的参数量对资源受限的设备和通信带宽构成挑战,导致... 详细信息

微调后的大语言模型(Large language models,LLMs)在多任务中表现出色,但集中式训练存在用户隐私泄漏的风险。联邦学习(Federated learning,FL)通过本地训练避免了数据共享,但LLMs庞大的参数量对资源受限的设备和通信带宽构成挑战,导致在边缘网络中部署困难。结合分割学习(Split learning,SL),联邦分割学习可以有效解决这一问题。基于模型深层权重的影响更为显著,以及对部分层的训练准确率略低于整体模型训练的发现,本文按照Transformer层对模型进行分割,同时引入低秩适应(Low⁃rank adaption,LoRA)进一步降低资源开销和提升安全性。因此,在设备端,仅对最后几层进行低秩适应和训练,然后上传至服务器进行聚合。为了降低开销并保证模型性能,本文提出了基于联邦分割学习与LoRA的RoBERTa预训练模型微调方法。通过联合优化边缘设备的计算频率和模型微调的秩,在资源受限的情况下最大化秩,提高模型的准确率。仿真结果显示,仅训练LLMs最后3层的情况下,在一定范围内(1~32)增加秩的取值可以提高模型的准确率。同时,增大模型每轮的容忍时延和设备的能量阈值可以进一步提升模型的准确率。

关键词：大语言模型低秩适应联邦学习分割学习联合优化

一种含Re/Ru镍基单晶合金的蠕变行为及其机理

在线全文

学校读者我要写书评

暂无评论

材料研究学报 2024年第4期38卷 248-256页

作者：田淞文刘丽荣田素贵沈阳三迪度维科技开发有限公司沈阳110270 沈阳工业大学材料科学与工程学院沈阳110870

针对含Re/Ru单晶合金共晶组织中的高熔点元素和高推重比发动机材料的高承温能力等问题,研究了固溶温度和组织演化对其高温蠕变行为的影响。结果表明,在1328℃固溶处理的合金中仍存在粒状残余共晶,在1332℃固溶处理可将其消除,使合金在1... 详细信息

针对含Re/Ru单晶合金共晶组织中的高熔点元素和高推重比发动机材料的高承温能力等问题,研究了固溶温度和组织演化对其高温蠕变行为的影响。结果表明,在1328℃固溶处理的合金中仍存在粒状残余共晶,在1332℃固溶处理可将其消除,使合金在1100℃/140 MPa的蠕变寿命由321 h延长到476 h。在蠕变初期的合金中γ′相转变为N-型筏状组织,在蠕变后期位错剪切进入γ′相形成的位错锁,可抑制位错运动,使合金的蠕变抗力提高。但是高应变速率下位错的交替滑移使筏状γ′相扭折和形成亚晶,可降低合金的蠕变抗力,特别是筏状γ′相转变成“类块状”形态的逆向组织演化提高了应变速率,是合金高温蠕变较后期间的变形和损伤特征。其中,合金在1140℃寿命的大幅度降低,归因于γ′相的溶解使其尺寸减小和体积分数降低。

关键词：金属材料镍基单晶合金 Re/Ru 固溶温度蠕变损伤逆向组织演化

在线全文

学校读者我要写书评

暂无评论

互联网零工经济税收法律问题研究

互联网零工经济税收法律问题研究

作者：田韫文河北经贸大学

学位级别：硕士

近年来,互联网零工经济作为一种新型业态逐渐成为了人们获取收入的重要方式。虽然我国的税收制度针对传统就业和企业进行了较为完善的规定,但由于互联网零工经济的特殊性质和税收制度的滞后,税务规制相对薄弱。这种经济形式在数字化技... 详细信息

近年来,互联网零工经济作为一种新型业态逐渐成为了人们获取收入的重要方式。虽然我国的税收制度针对传统就业和企业进行了较为完善的规定,但由于互联网零工经济的特殊性质和税收制度的滞后,税务规制相对薄弱。这种经济形式在数字化技术的推动下迅速发展。网络零工经济的兴起为个体逃税创造了条件,同时也增加了税收机关的监督难度。如何对互联网领域的零工经济进行税法治理成为了新型经济形态下我们将要解决的问题。故本文将通过四个部分对互联网领域零工经济的税法治理问题进行研究。第一部分为互联网零工经济的基本理论与发展现状。着重探讨了互联网零工经济的核心概念、特征及其与共享经济、平台经济的比较。其次,详细分析了互联网零工经济税收征管的重要意义,包括财政流失降低、税收公平实现以及政府监管加强等方面。通过深入的理论探讨和现状分析,揭示了互联网零工经济对于税收体系和经济秩序的影响,为进一步探索相关政策和管理措施提供了理论依据和实践指引。第二部分主要探讨了互联网零工经济在税法治理中所面临的问题。首先,针对税收制度方面,存在着纳税主体不明确、课税对象界定不清晰以及应税项目难以判定等挑战。其次,在税收相关权利义务方面,问题主要体现在零工就业者税收遵从度较低、零工平台从业者纳税责任不明确以及平台权责义务不清晰等方面。最后,在税收征管实施机制层面,存在着税收管辖权界定不明、监管不到位和税务机关与平台间的信息不对称等问题。这些问题的存在导致了征税差异大、税收征管混乱以及逃税行为频发等严重后果,需要在税法治理中得到有效解决。第三部分对互联网零工经济的适用性进行了分析。首先,在涉税重要性方面,探讨了其在经济和法律层面的适用性,强调了其在税收领域的重要性。其次,在涉税问题原因分析中,重点探讨了缺乏规范、税务部门信息获取困难以及零工经济平台商业模式变革等因素对税务管理带来的挑战。通过这些分析,揭示了互联网零工经济在税收方面的现实问题与挑战,为进一步制定应对策略提供了基础。第四部分主要提出了完善互联网零工经济发展的税法治理对策。首先,在税收制度方面建议厘清纳税主体身份,准确定义和细分课税对象,并明确互联网零工经济就业者收入所得性质。其次,在相关权利义务方面建议提升互联网零工就业者的纳税遵从度,规范平台从业者的纳税义务管理,以及委托代征平台的代扣代缴义务。最后,在税收征管方面建议合理划分税收管辖权、制定明确的税收政策和法律法规,并加强税务机关与平台之间的涉税信息共享。

关键词：零工经济税法治理税法要素税收公平税收征管

基于图神经网络的单细胞RNA测序数据聚类方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图神经网络的单细胞RNA测序数据聚类方法研究

作者：田圣文曲阜师范大学

学位级别：硕士

传统的测序方法主要侧重于研究由数百万细胞组成的群体,但忽视了不同细胞在特性上的变异以及稀有细胞在发育过程中的潜在重要性。单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)技术能够使研究人员精确量化单个细胞的基因表达水... 详细信息

传统的测序方法主要侧重于研究由数百万细胞组成的群体,但忽视了不同细胞在特性上的变异以及稀有细胞在发育过程中的潜在重要性。单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)技术能够使研究人员精确量化单个细胞的基因表达水平,可以有效地弥补传统测序方法的不足。近年来,单细胞RNA测序技术的快速进展已经使其成为探索细胞异质性和区分稀有细胞类型的强大工具,不仅在推进肿瘤细胞和免疫细胞研究方面发挥了重要作用,而且对疾病诊断和治疗效用也日益彰显。由此,研究人员在富集巨量单细胞基因表达谱数据的基础上,如何从海量scRNA-seq数据中挖掘出有价值的生物信息便成为当前研究的重要热点课题。在处理与分析单细胞RNA测序数据过程中,聚类并注释细胞类型是非常关键的挖掘步骤。尽管国内外研究人员已经开发了诸多分析单细胞RNA测序数据的模型与算法,但在数据预处理与聚类分析方面仍面临一系列挑战。首先,scRNA-seq数据对应的基因表达矩阵具有显著的高维度和稀疏性,相较于批量RNA测序数据,其噪声水平更高,数据处理难度更大。其次,受测序技术的限制或基因表达低丰度的影响,某些转录本可能无法被检测到,因而会导致假阴性错误,即所谓的“丢失事件”(dropoutevents)。另外,由于实验条件、试剂或仪器等因素的多样性,不同样本间可能存在变异性,由此引发批次效应,严重影响下游的数据分析。值得注意的是,细胞大小和细胞周期状态的变化也可能影响基因表达计数的准确性。为了解决scRNA-seq数据分析中所面临的高维度、高稀疏、丢失事件以及批次效应,本文基于图神经网络提出了 MSVGAE、scGCC和scAFGCC三种聚类模型。需要说明的是,三种模型先进行特征学习,并将学到特征用聚类算法进行聚类,因此将整个过程称为聚类任务,模型称为聚类模型。(1)基于图注意力网络(Graph Attention Networks,GAT)和多个变分图自编码器(Variational Graph AutoEncoder,VGAE)的聚类模型(MSVGAE)。模型采用多个编码器捕捉不同尺度的特征,从而有效滤除不相关特征的干扰。并融入不同的噪声到编码器之中,以有效传播图结构信息和分布不确定性,从而能够捕捉复杂的后验分布,具备了处理高维且稀疏scRNA-seq数据的显著优势。最后,将不同编码器学到的特征融合一起,利用K-means或HDBSCAN算法进行聚类。在24个模拟多种生物情境的数据集和8个真实世界的数据集上的聚类分析、数据可视化和标记基因分析实验结果表明,MSVGAE具有出色的准确性和稳健性。(2)基于自监督的图对比聚类模型(scGCC)。模型包括表示学习和聚类两个模块。表示学习模块首先采用余弦距离将基因表达谱转换为全局细胞关系图,然后通过子图采样并利用GAT对其进行训练,以学习低维且去噪的特征表示。引入GAT能使模型能够专注于细胞内在特性,从而提高聚类的准确性。利用图对比学习策略比较不同数据增强方法生成的视图,能使模型学习到更加稳定和鲁棒的特征表示。应用掩蔽基因表达、添加高斯噪声及交换邻居特征等五种数据增强方法,不仅有利于增加数据的多样性和减少过拟合,而且能进一步提高聚类的精确性和稳定性。聚类模块利用训练好的编码器对全局细胞关系图进行特征提取,使用HDBSCAN算法完成聚类。在14个真实世界scRNA-seq数据集上的广泛实验结果表明,scGCC在聚类任务中具有出色的准确性和稳健性,而且对批次效应消除、轨迹推断和标记基因分析等下游任务具备生物学有效性。(3)基于免数据增强的图对比聚类模型(scAFGCC)。模型结合图卷积网络(Graph Convolutional Networks,GCN)和对比学习策略,旨在深入挖掘细胞间的复杂关系,而无需进行数据增强和依赖负样本学习图的表示。scAFGCC通过探索目标节点的局部结构信息和全局语义信息自动生成正样本,避免了传统对比学习方法对负样本的依赖。将特征表示学习与聚类任务相结合,scAFGCC实现了端到端的训练。引入重建模块进行预训练,不但有助于加快模型训练速度,而且有效提升了模型性能。在24个模拟数据集和11个真实数据集上的多样性实验表明,scAFGCC在聚类任务的准确性和稳健性方面均优于Seurat、scVI和scziDesk等七种方法,对细胞注释和标记基因识别等下游任务亦具有一定优势。

关键词：单细胞转录组测序图神经网络聚类变分自编码器对比学习

基于改进YOLO v7的鲑鱼检测模型轻量化研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

农业机械学报 2024年

作者：郑荣才谭鼎文徐青陈大勇元轲新南方海洋科学与工程广东省实验室(湛江) 广东海洋大学机械工程学院

为实现水下复杂环境下鲑鱼的快速准确识别，提出一种基于YOLO v7轻量化的鲑鱼检测模型YOLO v7-CSMRep。首先，采用Stem模块合并Backbone层的前4个卷积操作，有效降低了模型的计算量。其次，使用多尺度重参数化（Multi-directional repar... 详细信息

为实现水下复杂环境下鲑鱼的快速准确识别，提出一种基于YOLO v7轻量化的鲑鱼检测模型YOLO v7-CSMRep。首先，采用Stem模块合并Backbone层的前4个卷积操作，有效降低了模型的计算量。其次，使用多尺度重参数化（Multi-directional reparameterization， MRep）模块替代YOLO v7的ELAN和ELAN-H模块，增强了单向特征提取能力，同时大幅减少参数量和计算量。最后，在Backbone层末端集成卷积块注意力模块（Convolutional block attention module， CBAM），提升网络的空间和通道特征提取能力。试验结果表明，改进后的模型体积、参数量和计算量分别降低4.28%、5.29%、31.30%，F1分数、mAP0.5分别提高0.54、0.73个百分点，分别达到93.1%、97.1%，帧率提高15.41%，达到140.8 f/s。对比YOLO v5s、YOLO v6s、YOLO v7、YOLO v7-tiny、YOLO v8s模型，mAP0.5分别提高1.0、2.0、0.7、0.8、1.2个百分点。因此，本文提出的方法能够快速而准确地识别鲑鱼，为深远海养殖生物量监测提供技术支撑。

关键词：深远海养殖鲑鱼检测 YOLO v7 Stem模块多尺度重参数化卷积块注意力模块