检索结果-南通市图书馆

基于能量模型与电磁场数值法的高频激励下纳米晶材料磁滞特性预测模型

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

作者：姬俊安赵志刚张时陈天缘贾慧杰河北省电磁场与电器可靠性重点实验室(河北工业大学) 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)

准确预测纳米晶材料的磁滞特性，对高频变压器磁芯的电-磁-热特性分析具有重要意义。然而，受制于高成本、不准确的静态磁滞特性表征方法，现有的基于静态磁滞模型与电磁场数值法的软磁材料磁滞特性预测模型难以兼顾实用性与有效性。本... 详细信息

准确预测纳米晶材料的磁滞特性，对高频变压器磁芯的电-磁-热特性分析具有重要意义。然而，受制于高成本、不准确的静态磁滞特性表征方法，现有的基于静态磁滞模型与电磁场数值法的软磁材料磁滞特性预测模型难以兼顾实用性与有效性。本文首先基于能量模型（Energetic model）建模理论与软磁材料磁化机理，推导并建立能量模型参数与磁通密度之间的函数解析关系，实现不同磁化强度下软磁材料静态磁滞特性高效、准确的模拟；其次，将能量模型与Maxwell方程进行耦合，考虑高频方波电压激励下材料静态磁滞特性对带材内部涡流分布的影响，进而求解带材内部的磁通密度分布；最后，依据损耗统计理论，建立高频方波电压激励下纳米晶材料磁滞特性预测模型，并通过实验验证本文所建预测模型的有效性。

关键词：纳米晶涡流能量模型数值方法

基于能量模型与电磁场数值法的高频激励下纳米晶材料磁滞特性预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国电机工程学报 2024年

作者：姬俊安赵志刚张时陈天缘贾慧杰省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 河北省电磁场与电器可靠性重点实验室(河北工业大学)

关键词：纳米晶涡流能量模型数值方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

辐射-接收结构的双气泡能量传递模型

Acta Mechanica Sinica 2022年第11期38卷 26-35页

作者：卞真东王静竹银波王永九丘润荻王一伟杜特专 Key Laboratory for Mechanics in Fluid Solid Coupling Systems Institute of MechanicsChinese Academy of SciencesBeijing100190China School of Engineering Science University of Chinese Academy of SciencesBeijing100049China School of Future Technology University of Chinese Academy of SciencesBeijing100049China

为了研究从一个气泡传递到另一个气泡的能量,本文构建了辐射-接收结构的双气泡能量模型.基于数值仿真,研究了无量纲距离(d)和初始能量比(ψ)对气泡能量传递的影响.定义相对接收能量(ε)、相对射流能量(J)以及能量传递率(η)来量化气泡... 详细信息

为了研究从一个气泡传递到另一个气泡的能量,本文构建了辐射-接收结构的双气泡能量模型.基于数值仿真,研究了无量纲距离(d)和初始能量比(ψ)对气泡能量传递的影响.定义相对接收能量(ε)、相对射流能量(J)以及能量传递率(η)来量化气泡的能量传递.结果表明,当两泡初始半价完全相同时,能量传递率随着无量纲距离、初始能量比的增加而减小.随着无量纲距离的增加,两泡的相互作用减弱,相对接收能量满足关系:ε∝1/d^(2).当初始能量比增加时,接收泡的最大内压先增加后减小,但接受泡的射流能量始终增加,满足规律:J∝ψ.通过模拟不同的气泡半径比,结果表明:气泡的储能能力随气泡半径的增大而增大.

关键词：初始能量能量传递气泡半径能量模型辐射

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于能量模型的行人与车辆再识别方法

浙江大学学报（工学版） 2022年第7期56卷 1416-1424页

作者：张师林郭红南刘轩北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144

为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在... 详细信息

为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在真实目标类别上的损失函数响应和非目标类别上的响应之差,可以更准确地增大目标响应,抑制非目标响应,提高了分类准确率,使得同类样本特征更聚集、异类样本特征更远离.在多个行人再识别和车辆再识别数据集上的测试结果显示,相对于Soft-max和Triplet混合损失函数,利用能量模型可以提升网络训练效率,提高目标再识别准确率.

关键词：车辆再识别能量模型行人再识别损失函数三元组损失

基于结构一致性能量模型的异源光学和SAR图像变化检测

在线全文

学校读者我要写书评

暂无评论

中国科学：信息科学 2023年第10期53卷 2016-2033页

作者：孙玉立雷琳匡纲要国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室长沙410073

异源遥感图像变化检测是遥感领域越来越受到关注的课题.由于成像机制的不同,无法通过直接比较不同源的图像来检测变化.为了克服这一难题,本文利用与成像模态无关的结构一致性建立异源图像之间的联系.首先,通过构造K近邻图来表征图像结构... 详细信息

异源遥感图像变化检测是遥感领域越来越受到关注的课题.由于成像机制的不同,无法通过直接比较不同源的图像来检测变化.为了克服这一难题,本文利用与成像模态无关的结构一致性建立异源图像之间的联系.首先,通过构造K近邻图来表征图像结构,并挖掘图像结构关系与节点变化状态之间的关联.而后,提出了基于图像结构一致性的能量模型来刻画这种关联,并设计了两个能量函数分别度量节点发生变化和未发生变化时的能量损失.最终,通过求解该能量模型得到每个节点发生变化的概率,并对其进行分割得到变化检测结果.由于本文所提出的方法是基于图像结构的,所以它对图像噪声、成像条件等因素不敏感,同时由于该方法对节点状态直接建模,能充分利用能量模型的灵活性,所以它可适用于不同的任务场景.在5个实际数据集上的实验结果验证了本文方法能够取得更高效、更准确的检测结果.

关键词：变化检测异源数据能量模型结构多模态

在线全文

学校读者我要写书评

暂无评论

融合流能量模型的流量异常检测方法

计算机工程与应用 2023年

作者：杜文勇徐李阳王晨飞赵文华张烁谢瑞楠曹彭程李晓红国家电网有限公司客户服务中心天津大学智能与计算学部

网络流量异常检测是一种可以协助识别和预防恶意网络攻击的关键网络安全技术。现有的网络流量异常检测方法通常依赖于复杂的机器学习模型和大量的标记数据，因此，这些方法在不重新训练模型的情况下难以应用于不同场景，无法实时有效地... 详细信息

网络流量异常检测是一种可以协助识别和预防恶意网络攻击的关键网络安全技术。现有的网络流量异常检测方法通常依赖于复杂的机器学习模型和大量的标记数据，因此，这些方法在不重新训练模型的情况下难以应用于不同场景，无法实时有效地处理大规模的、持续发生的网络攻击。针对这些问题，提出了一种基于网络流能量模型的分类方法，使用逆统计物理学模型学习网络中目标流量特征，能够以宏观的现实观测或现实数据为基础，不再依赖人工标注。之后，结合能量模型的概念构建网络流量识别模型，通过该模型判断样本是否与主体统计分部相符。具体来讲，通过能量模型中的局部场和耦合场分别描述流量包之间的个体行为特征以及相互行为特征。结合以上两种特征来计算样本的能量，若能量小于或等于阈值，则样本与主体分布相符，说明该样本为正常数据，否则判断为异常数据。由于该方法不依赖于人工标注，能够适应多种网络环境，且无需重复训练，进而能够解决当前流量异常检测方法无法适应不同场景，以及需要大量标注等问题。为了评估该方法的有效性，使用数据集Kitsune-2018和CTU-13对方法进行验证。实验结果表明，该方法在网络流量分类任务中能够取得较好的分类效果和性能表现，进一步说明该方法能够准确地执行网络流分类任务并且能够适应场景变化。

关键词：流量分类网络流量流分类器能量模型逆统计物理学模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

巷道开挖过程中围岩能量耗散特征

采矿与安全工程学报 2024年第1期41卷 142-150页

作者：孟庆彬辛学奎宋子鸣宋洋程争民王昌中国矿业大学深地工程智能建造与健康运维全国重点实验室江苏徐州221116 中国矿业大学力学与土木工程学院江苏徐州221116 山西华兴铝业有限公司山西吕梁035300

巷道围岩的变形破坏本质上是能量积聚、耗散及释放综合作用的结果,是能量驱动下的一种状态失稳现象,揭示巷道围岩能量分布规律有利于岩石工程的安全评价和稳定性分析。基于经典弹塑性理论及能量守恒定律,分析了巷道围岩弹性变形能、耗... 详细信息

巷道围岩的变形破坏本质上是能量积聚、耗散及释放综合作用的结果,是能量驱动下的一种状态失稳现象,揭示巷道围岩能量分布规律有利于岩石工程的安全评价和稳定性分析。基于经典弹塑性理论及能量守恒定律,分析了巷道围岩弹性变形能、耗散能和外力功之间的关系,揭示了外力功与能量的演化规律。采用FLAC^(3D)内嵌的Fish语言编程及二次开发,完成FLAC^(3D)能量计算的功能拓展,并通过算例验证了所开发的能量模块的准确性和合理性;将此能量模块应用于巷道工程,实现了对巷道围岩弹性能量场、耗散能量场的可视化分析,探究了不同断面形状、尺寸对巷道围岩能量场分布及演化规律的影响,且巷道围岩耗散能集中区与主破坏位置基本吻合。从能量角度分析巷道围岩的稳定性,对巷道吸能支护设计具有重要理论意义和应用价值。

关键词：巷道能量特征 FLAC^(3D)数值模拟能量模型

在线全文

学校读者我要写书评

暂无评论

基于深度能量模型的低剂量CT图像重建研究

基于深度能量模型的低剂量CT图像重建研究

作者：朱元正南昌大学

学位级别：硕士

X射线CT(Computed Tomography,简称CT)是临床诊断中广泛使用的医学影像学检查方式,其辐射剂量大小备受人们关注,患者所接受的高剂量CT辐射会增加潜在的患病风险,例如增加患癌症的可能性。针对如何在尽可能低的扫描剂量条件下获取与常规... 详细信息

X射线CT(Computed Tomography,简称CT)是临床诊断中广泛使用的医学影像学检查方式,其辐射剂量大小备受人们关注,患者所接受的高剂量CT辐射会增加潜在的患病风险,例如增加患癌症的可能性。针对如何在尽可能低的扫描剂量条件下获取与常规剂量CT质量相近的CT图像,即低剂量CT(Low-dose CT,简称LDCT)的研究显得格外重要。因此,使用LDCT进行临床研究有很强的研究意义,是X射线CT成像领域的前沿方向。然而,随着辐射剂量的逐渐降低重建图像的伪影也随之增加。本研究针对上述问题,进行了以下两种关于低剂量CT重建方面的研究:(1)基于深度能量模型的LDCT重建。基于能量的模型(Energy-Based Model,简称EBM)是生成模型的一种全新形式,生成模型通过分析样本数据集以学习基础数据分布。模型训练好以后,生成模型可以产生与数据分布相匹配的数据集。EBM为此类学习概率和非概率方法(尤其是图形和其他结构化模型的训练)提供了统一的框架。该方法通过将深度能量模型、郎之万动力学和LDCT成像模型结合,对LDCT概率密度函数建模,有效地训练了神经网络。实验结果表明,算法能有效地拟合能量函数,实现高质量重建结果。(2)基于f散度的深度能量模型LDCT重建。近期研究人员证明,f散度可作为对比散度训练生成对抗网络(Generative Adversarial Network,简称GAN),且取得了比之前更好的效果。基于深度能量的模型在分布参数化方面非常灵活,但由于难以处理的配分函数而在计算方面具有挑战性。本文将f散度作为对比散度训练EBM,而不仅限于单一的训练模型。基于深度f散度能量模型可以使用任何所需的f散度来训练EBM,具有鲁棒性和组合性,并结合LDCT成像算法,在重建中取得了良好的效果。

关键词：低剂量CT 生成模型能量模型散度

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

基于能量模型的异常分布检测方法研究

基于能量模型的异常分布检测方法研究

作者：陈启超东莞理工学院

学位级别：硕士

在实践中,基于深度学习的分类模型经常会遇到明显偏离训练数据分布的未知(Out-Of-Distribution,OOD)样本,此时分类模型仍然可能以较高置信度将该样本识别成某种已知(In-Distribution,ID)类型,这会造成严重的后果。异常分布检测旨在确定... 详细信息

在实践中,基于深度学习的分类模型经常会遇到明显偏离训练数据分布的未知(Out-Of-Distribution,OOD)样本,此时分类模型仍然可能以较高置信度将该样本识别成某种已知(In-Distribution,ID)类型,这会造成严重的后果。异常分布检测旨在确定模型的输入是来自训练数据分布的正常样本,还是来自其他分布的异常样本。异常分布检测对于确保模型的可靠性和安全性至关重要,尤其是高风险应用场景。例如,在无人驾驶中,希望系统能够在检测到未知/异常场景或物体而无法做出安全决策时,及时发出警报并且迅速将驾驶控制权移交给驾驶员。异常分布检测已经成为现实世界应用中安全部署模型的关键组成部分。这个问题于2017年首次提出,由于其重要性迅速引起了研究界的广泛关注。业界提出了越来越多的异常分布检测方法,包括基于分类的方法、基于密度的方法、基于距离的方法等。本文重点研究基于分类的方法,这类方法使用预训练完成的分类模型,从其特征空间、梯度空间、或者输出空间等域中,推导出一个衡量不确定性的度量函数,用于计算待测试样本的异常分数,以区分正常样本和异常样本。能量模型(Energy Based Model,EBM)是一种未归一化的概率模型,它通过捕捉变量与能量之间的相互依赖关系来对问题进行建模。能量模型用一个未知的归一化常数计算样本的概率密度,由于该未知参数通常难以估计,训练能量模型十分困难。而在基于能量的异常分布检测方法,并未涉及到训练能量模型的过程,可以直接使用能量分数计算待测试样本的异常分数,判断输入是否为异常。本文的工作采用能量分数的方式检测异常样本,提高了检测性能。稀疏表示试图用尽可能少的数据表达尽可能多的信息,可在高维空间中带来诸多好处,例如降低运算的开销、防止模型出现过拟合等。当前的异常分布检测方法,通常直接采用模型提取的信息去计算异常分数,在很大程度上忽略了稀疏表示的作用。本文的第一个工作在学习的过程中引入了稀疏模块,提出了一种基于稀疏优化方法的异常分布检测框架,根据辅助数据集的可用性,分别提出两种优化策略:辅助数据集可用情况下的稀疏正则化方法,以及不可用情况下的稀疏异常值暴露方法。异常值暴露借助一些真实存在的多样化数据作为辅助异常样本,建立了一种新的异常分布检测范式。这类方法在实验中采用了一个相当大规模的辅助数据集,与正常训练样本的比例悬殊太大,实验设置显得十分不合理。在开放世界环境中,由于客观条件限制,难以对所有可能的未知分布进行建模。本文的第二个工作构造了一个微型的辅助数据集,优化了实验设置,并验证了实验结果的可靠性。另外,从信息论的角度,给出了异常值暴露方法的一种理论解释。

关键词：深度学习异常分布检测能量模型稀疏优化异常值暴露