检索结果-南通市图书馆

维普期刊数据库博看期刊

基于NVAE和OB-Mix的小样本数据增强方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第2期60卷 103-112页

作者：杨玮钟名锋杨根侯至丞王卫军袁海陕西科技大学机电工程学院西安710021 广州先进技术研究所机器人与智能装备中心广州510000 中南大学机电工程学院长沙410083 广东技术师范大学自动化学院广州510000

由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过... 详细信息

由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过采样潜变量的方式生成与真实目标图像属于同一分布的全新目标图像。在得到生成目标图像后,提出了OB-Mix数据增强策略,将生成目标图像与背景图像进行随机位置融合以构建出新的图像数据,从而提高网络的定位能力及泛化能力。方法在仅使用474张标注图像以及400张无检测目标的背景图像情况下,使YOLOv5的检测精确率达到95.86%,相比于不使用该方法的结果提高了17.60个百分点。

关键词：数据增强小样本数据生成新派变分自编码器(NVAE) 表面缺陷检测深度学习

在线全文

学校读者我要写书评

暂无评论

语音识别缺陷的分类及中枢神经机制

听力学及言语疾病杂志 2024年第3期32卷 274-278页

作者：李娉婷郑净薛紫炫耿立波江苏师范大学语言科学与艺术学院徐州221009 江苏师范大学语言能力协同创新中心中国传媒大学播音主持艺术学院陕西师范大学文学院

语音识别是一项重要的社会交际功能,语音识别缺陷患者往往因不能准确识别说话者的身份而苦恼。语音识别缺陷指在没有听觉损伤的情况下,仅通过声音难以识别说话者的身份。从大脑损伤的情况来看,该症状分为先天性语音识别缺陷和获得性语... 详细信息

语音识别是一项重要的社会交际功能,语音识别缺陷患者往往因不能准确识别说话者的身份而苦恼。语音识别缺陷指在没有听觉损伤的情况下,仅通过声音难以识别说话者的身份。从大脑损伤的情况来看,该症状分为先天性语音识别缺陷和获得性语音识别缺陷,先天性语音识别缺陷与颞叶和杏仁核间的功能联结障碍有关,获得性语音识别缺陷患者受损脑区主要包括颞叶和额叶等。今后应重点关注语音识别缺陷患者的筛选方法、神经机制及与其他听觉认知障碍患者的差异等方面的研究。

关键词：先天性语音识别缺陷发展性语音识别缺陷神经机制

基于特征结构配置的电磁轴承-刚性转子系统动态补偿器的设计

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第6期44卷 2448-2461,I0031页

作者：周天豪祝长生浙江大学电气工程学院浙江省杭州市310027

由于电磁轴承-转子系统的动力学特性与控制器的结构和参数密切相关,若要使系统安全、稳定及可靠地运行,控制器的设计尤为重要。针对电磁轴承-刚性转子系统,提出一种基于特征结构配置的动态补偿器的设计方法。首先,通过模态解耦,将平动... 详细信息

由于电磁轴承-转子系统的动力学特性与控制器的结构和参数密切相关,若要使系统安全、稳定及可靠地运行,控制器的设计尤为重要。针对电磁轴承-刚性转子系统,提出一种基于特征结构配置的动态补偿器的设计方法。首先,通过模态解耦,将平动和锥动运动相互耦合的四自由度电磁轴承-刚性转子系统解耦为2个单自由度平动子系统和2个单自由度锥动子系统。然后,基于特征结构配置,建立引入动态补偿器后的闭环系统的特征值和特征向量与补偿器参数之间的关系。之后,限定特征值的变化范围,以使系统具备稳定性和良好的动态性能,构造优化目标函数,以同时抑制转子系统的不平衡位移和不平衡控制电流,从而使系统具备所需的动力特性。最后,通过数值仿真和试验,验证所设计的动态补偿器的有效性。

关键词：电磁轴承刚性转子特征结构配置动态补偿

基于FIR滤波器降幅平抑波动的混合储能优化调度

在线全文

学校读者我要写书评

暂无评论

南方电网技术 2024年

作者：李培强刘抒睿郭雅诗郭榕福建理工大学电子电气与物理学院集美大学外国语学院国网永春县供电公司

针对风功率波动平抑场景，以风储联合发电系统作为研究对象，提出一种FIR滤波器结合降幅环节的风电波动平抑策略，同时通过对被滤除波动分量进行基于EMD的自适应重构，从而实现对混合储能的优化调度。该策略选取了一种可以动态调节滤波... 详细信息

针对风功率波动平抑场景，以风储联合发电系统作为研究对象，提出一种FIR滤波器结合降幅环节的风电波动平抑策略，同时通过对被滤除波动分量进行基于EMD的自适应重构，从而实现对混合储能的优化调度。该策略选取了一种可以动态调节滤波阶数以及截止频率组合的FIR滤波器进行滤波，并加入FRA降幅环节处理FIR滤波器无法很好平滑的高幅值数据点，从而对风电波动进行平抑；将平抑后滤除的风电波动的作为混合储能功率进行EMD分解，得到的IMF分量通过算法自适应重构为高-低频两组功率分别配给超级电容器-蓄电池，进而得到最优调度参数。通过算例验证分析，加入FRA环节的FIR滤波能够适应不同频率、幅值的功率特性，同时能有效降低1 min、10 min尺度的功率波动，避免了平滑过度造成的储能负担加重问题；EMD分解后对IMF分量的自适应重构，能够得到用于补偿不同充放电特性的蓄电池、超级电容器功率，显著降低了储能出力负担同时提高调度经济性。

关键词：风电波动混合储能优化调度经验模态分解滤波器

当归-黄芪药物作用于NF-κB通路的抗炎机制研究进展

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中华中医药学刊 2024年

作者：李亚荣杜素芬赵信科马文苑田静孟作环甘肃省白银市第一人民医院药剂科甘肃省白银市第一人民医院中医药研究所

当归-黄芪是中药方剂中常用的方药之一，药对使用有着明确的中医配伍意义，是具有较强代表性的药物组合之一。不仅可自成一方，还能作为临床基础药物组方配伍使用，故历来受到各医家的重视。当代药理学研究证实，当归与黄芪的药效组合... 详细信息

当归-黄芪是中药方剂中常用的方药之一，药对使用有着明确的中医配伍意义，是具有较强代表性的药物组合之一。不仅可自成一方，还能作为临床基础药物组方配伍使用，故历来受到各医家的重视。当代药理学研究证实，当归与黄芪的药效组合在激发造血功能、抑制肿瘤细胞生长、保护心脑血管、免疫系统调节方面具有良好的效果，临床常用于血管病变、肿瘤患者免疫低下等方面的治疗。核转录因子-κB（nuclear factor kappa-B，NF-κB）相关信号通路所介导的炎症因子在疾病的形成与发展中起到了极为重要的作用。研究显示中药单体及单药可通过NF-κB信号通路介导减少炎症反应，包括调控、白介素（interleukin，IL）家族、环氧合酶-2（cyclooxygenased-2，COX-2）、血管内皮生长因子（vascular endothelial growth factor，VEGF）、基质蛋白酶（Matrix Metalloproteinase，MMPs）家族等因子的表达，起到抗炎抑制细胞黏附、增殖的作用。鉴于此，本次对当归-黄芪药理、功效及对NF-κB信号通路的调节进行综述，以为今后临床应用提供相关参考依据。

关键词：当归黄芪核转录因子-κB 炎症因子抗炎机制

考虑电力-交通耦合网动态协调的EV集群灵活性挖掘与优化调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力系统自动化 2024年第7期48卷 127-137页

作者：刘志坚戴景杨灵睿昆明理工大学电力工程学院云南省昆明市650500

电动汽车(EV)作为兼具交通与能量双重属性的跨域主体,发挥其时空灵活性将助力电力-交通耦合网的协调运行。为此,文中考虑电力-交通耦合网综合效益,提出了EV集群调控策略。首先,基于弧阻抗函数构建了动态交通网络加载模型。其次,考虑EV... 详细信息

电动汽车(EV)作为兼具交通与能量双重属性的跨域主体,发挥其时空灵活性将助力电力-交通耦合网的协调运行。为此,文中考虑电力-交通耦合网综合效益,提出了EV集群调控策略。首先,基于弧阻抗函数构建了动态交通网络加载模型。其次,考虑EV用户的各特征参数存在的差异性与耦合性,构建了单体EV灵活运行域模型,并采用基于zonotope线性近似的闵可夫斯基和算法对其聚合,得到EV集群的时变灵活运行域。在此基础上,提出了动态交通流最优分配下EV集群灵活性调控的双层模型,迭代求解得到上下两层耦合变量构成的瞬时单位流量出行成本,从而引导EV的出行与充放电行为。最后,通过与最短路径引导策略进行比较,验证了所提EV集群调控策略的有效性。

关键词：电动汽车最优理论电力-交通耦合网动态交通流分配灵活运行域

热身活动对电子竞技选手模拟FPS游戏时精细动作技能及神经效率的影响

在线全文

学校读者我要写书评

暂无评论

广州体育学院学报 2024年第2期44卷 20-26页

作者：段晓晖高永艳陈岩沈培鑫宋祺鹏山东体育学院运动与健康学院山东济南250102 胜利油田中心医院东营康复医院山东东营257099 山东建筑大学体育教学部山东济南250101

目的:电子竞技选手与传统体育项目运动员一样,需要具有精细动作技能以及神经效率。研究旨在探究热身活动对电子竞技选手精细动作技能和神经效率的影响。方法:招募电子竞技选手33人,分别在无热身和热身两种状态下对第一人称射击游戏时的... 详细信息

目的:电子竞技选手与传统体育项目运动员一样,需要具有精细动作技能以及神经效率。研究旨在探究热身活动对电子竞技选手精细动作技能和神经效率的影响。方法:招募电子竞技选手33人,分别在无热身和热身两种状态下对第一人称射击游戏时的准确率、反应时间、环数得分,以及前额叶皮层氧合血红蛋白浓度变化进行了测量。结果:在热身状态下,电子竞技选手的准确率(无热身=52.40%±10.36%,热身后=66.38%±8.75%)及环数得分(无热身=31±6分,热身后=46±5分)均高于无热身状态;反应时间(无热身=453.34±38.29ms,热身后=424.60±34.15ms)短于无热身状态。与此同时,额极区中通道6(无热身=2.31±2.88 mmol×10^(-7),热身后=1.12±2.90 mmol×10^(-7))、通道11(无热身=-1.84±2.85 mmol×10^(-7)-,热身后=0.59±2.19 mmol×10^(-7))和通道12(无热身=1.73±1.88 mmol×10^(-7),热身后=0.20±2.20 mmol×10^(-7))的氧合血红蛋白浓度变化较无热身时显著下降。此外,无热身时环数得分与额极区(通道6)的氧合血红蛋白浓度变化显著相关(r=0.372,P=0.033);热身后准确率与额极区(通道6)的氧合血红蛋白浓度变化显著相关(r=-0.393,P=0.024),环数得分与额极区(通道12)的氧合血红蛋白浓度变化呈显著相关(r=-0.485,P=0.004)。结论:热身活动可提高电子竞技选手的精细动作技能,增强前额叶皮层额极区的神经效率;精细动作技能的提高可能与神经效率的改善有关。

关键词：热身活动电子竞技精细动作技能功能性近红外光谱技术前额叶皮层

载荷对D2车轮钢滑动磨损表层微观组织和性能影响

在线全文

学校读者我要写书评

暂无评论

表面技术 2024年第11期53卷 150-159页

作者：刘春鹏张关震李传维顾剑锋索忠源任瑞铭吉林化工学院机电工程学院吉林吉林132022 中国铁道科学研究院集团有限公司金属及化学研究所北京100081 上海交通大学材料科学与工程学院上海200240 大连交通大学材料科学与工程学院辽宁大连116028

目的研究滑动磨损条件下,载荷变化对D2车轮钢表层微观组织和磨损性能的影响。方法利用MRH-30(环块)滑动摩擦磨损试验机进行滑动磨损试验。使用金相显微镜(OM)、场发射扫描电镜(SEM)、X射线衍射仪(XRD)和场发射透射电镜(TEM)等设备,分析... 详细信息

目的研究滑动磨损条件下,载荷变化对D2车轮钢表层微观组织和磨损性能的影响。方法利用MRH-30(环块)滑动摩擦磨损试验机进行滑动磨损试验。使用金相显微镜(OM)、场发射扫描电镜(SEM)、X射线衍射仪(XRD)和场发射透射电镜(TEM)等设备,分析滑动磨损后表层微观组织、表面磨损形貌和硬度变化。结果不同载荷条件下,随着磨损时间的增加,轮轨试样磨损量逐渐增加。200 N载荷条件下,(环状)车轮试样的磨损量大于100 N车轮试样磨损量,但200 N钢轨(块状)试样的磨损量却低于100 N钢轨试样。滑动磨损后,在不同载荷条件下,车轮试样表面主要形成长条状白层和不连续的月牙状白层。在200 N载荷条件下,由于车轮试样的磨损量较高,其白层厚度和表面白层硬度都小于100 N载荷条件下的车轮试样。在200 N载荷条件下,车轮试样表面更易形成不连续的月牙状白层。由于轮轨试样表面存在微凸体,高载荷会加速车轮试样表面局部微凸体发生严重塑性变形,导致月牙状白层的形成。在白层内片状渗碳体发生明显溶解和铁素体晶粒显著细化。结论车轮表面白层对磨损性能有明显影响。滑动磨损过程中,高载荷条件下,月牙状白层和周边微观组织界面易形成裂纹,裂纹会逐渐沿着界面向内部扩展,导致不连续月牙状白层发生剥落,降低车轮试样表面的硬度,加速车轮试样磨损。另一方面,高载荷会加速无白层区域塑性变形,导致其形成棘轮失效,从而加速磨损。

关键词：轮轨关系 D2/U71Mn轮轨材料滑动磨损白层磨损机制

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

参数解耦在差分隐私保护下联邦学习中的应用

计算机科学 2024年

作者：王梓行杨敏魏子重浪潮集团科学研究院空天信息安全与可信计算教育部重点实验室武汉大学国家网络安全学院

联邦学习（Federated Learning，FL）是一种先进的隐私保护机器学习技术，其通过多方协作，在无需集中聚合原始数据的情况下，交换模型参数以训练共享模型。尽管在FL中参与方不需要显式地共享数据，但许多研究表明，其仍然面临多种隐私... 详细信息

联邦学习（Federated Learning，FL）是一种先进的隐私保护机器学习技术，其通过多方协作，在无需集中聚合原始数据的情况下，交换模型参数以训练共享模型。尽管在FL中参与方不需要显式地共享数据，但许多研究表明，其仍然面临多种隐私推理攻击，从而导致隐私信息泄露。为应对这一问题，学术界提出了多种解决方案。其中一种严格保障隐私的方法是将本地化差分隐私（Local Differential Privacy，LDP）技术应用于联邦学习。该技术在参与方上传模型参数前对其添加随机噪声，有效地抵御恶意攻击者的推理攻击。然而，LDP引入的噪声会造成模型性能下降。同时最新研究指出，这种性能下降与LDP在客户端之间引入了额外的异构性有关。针对LDP使得FL性能下降的问题，提出了差分隐私保护下基于参数解耦的联邦学习方案(PD-LDPFL):除了服务器下发的基础模型外，每个客户端在本地还额外学习个性化输入和输出模型。该方案在客户端传输时仅上传添加噪声后基础模型的参数，而个性化模型被保留在本地，自适应改变客户端本地数据的输入和输出分布，缓解LDP引入的额外异构性以减少精度损失。此外，研究发现，即使在采用较高的隐私预算的情况下，该方案也能天然地抵御一些基于梯度的隐私推理攻击，比如深度梯度泄露等攻击方法。通过在MNIST，FMNIST和CIFAR-10三个常用数据集上进行实验，结果显示该方案相对于传统的差分隐私联邦学习工作不仅可以获得更好的性能，而且还提供了额外的安全性。

关键词：联邦学习差分隐私异构性参数解耦隐私保护