论文部分内容阅读
CCUS赋能绿色未来
【出 处】
：
中国电力报
【发表日期】
：
2020年01期
其他文献
为了及时检测出装配式建筑钢结构中的缺陷,以及在长时间使用过程中产生的裂纹,保证其在工程应用过程中的安全性能,提出了一种热像图增强的结构损伤检测方法.首先对装配式建筑钢结构检测机理进行详细的分析,当存在结构损伤时,通过一维解析方法构建损伤温度的数学模型,同时对加热过程以及瞬态加热过程进行分析,构建建筑钢表面温度分布和边缘温度分布的数学模型.采用多层小波分解处理方法,对热像图中的编织信息和背景干扰进行去除,基于Mallat算法求解出离散信号的小波变换递归方程.最后通过Matlab软件将热像图转换成矩阵,经过归
针对传统文本分类方法中需要手动提取特征和分类进而导致分类准确率不高的问题,提出一种结合图卷积神经网络和注意力机制的文本分类方法.方法首先建立整个语料库的大型文本图,然后将文本图的邻接矩阵和特征矩阵输入到图卷积神经网络中,最后网络输出与注意力机制相结合,利用注意力机制中Self-Attention机制的Query矩阵,Key矩阵和Value矩阵计算Attention值,充分学习文本表示,不断调整网络的输出,最终提高文本分类的准确率.在数据集上的仿真结果表明,所提出的方法与传统文本分类方法相比,其准确率较高.
针对传统方法对软件时间序列延迟预测的预测准确率低,预测时间长、漏报率高的问题,提出基于LSTM的软件时间序列延迟预测方法.采用激活函数对LSTM(长短期记忆网络)中门控机制与隐藏层的权值系数进行计算,提取软件中的数据特征;利用支持向量机中的函数拟合方法,通过软件中提取的数据特征,构建软件时间序列延迟预测模型.最后将软件的时间序列放入预测模型中,利用核函数对模型进行计算,实现时间序列从低维空间到高维空间的映射,将低维空间的非线性问题转化为高维的线性问题,通过相应的拟合函数计算出结果,以此完成对软件时间序列延
研究基于小规模数据集(即图像尺寸维度远大于样本集的数据规模)的图像生成问题,数据集规模过小会影响深度学习中生成式模型(Generative Models)生成图像的效果.针对小规模数据集图像生成问题,对已有深度卷积生成式对抗网络DCGAN进行了改进,提出了改进的MDCGAN(Modified DCGAN).MDCGAN模型采用卷积层取代全链接层,采用带步长的卷积运算取代上采样运算.同时将条件信息y引入判别器和生成器中,条件信息y能够为生成式对抗网络增加条件,对生成数据起到监督作用.通过手写数字生成实验和建