简介：针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络（LSTM）的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络（RNN）和门控循环网络（GRU）.

简介：大气颗粒物污染由于其对区域环境和人体健康的影响而日益成为全球关注的焦点。相对于全颗粒物分析方法，大气单颗粒分析方法可以获得特征单颗粒的形貌、元素组成及粒子数量粒径谱等大量信息，具有采样量少、样品处理过程简单和分析速度快的特点，这使得单颗粒分析已成为表征大气颗粒物理化特征的重要手段。该方法已在源解析、颗粒物基本理化特性、颗粒物的混合状态和老化过程等方面得到应用。本文就单颗粒分析主要方法及其在颗粒物源解析等大气环境化学研究中的应用进行介绍，并对比分析不同单颗粒分析仪器的特点。

简介：为提高双色法测温的精度,我们设计了一种使用中心波长为637nm和541nm的窄带通单色滤波片的双光路光学结构,并通过补偿算法,消除CCD图像传感器在采样中RGB三色宽采样峰交叠对测量的影响.分析了双色测温的原理和补偿算法,设计和搭建了双光路采样光学结构,通过黑体炉对温度进行标定并优化了CCD相机的白平衡和曝光时间设置.对黑体炉的温度测量结果表明,使用本设计的双光路光学结构以及补偿算法后温度最大相对误差为0.48%,而传统双色测温实验的最大相对误差为2.18%,本设计和改进对温度测量的准确度提高了一个数量级.

简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：本文作者采用色谱—质谱联用法定性地分析了合成的二甘醇单叔丁基醚及其它副产物,并用质谱谱图解析方法确定了它们的结构。

简介：射线束分析仪在大型放疗设备的校准中有重要作用,其自身定位精确度在0.1mm.通过搭建基于激光跟踪仪的位移测试系统,对射线束分析仪水平轴的定位精度进行测量校准.将测得的位移数据进行最小二乘拟合,使得拟合曲线上的各点位移与真实位移值之差的平方和最小,此时拟合曲线上各点位移值最接近真实位移.将拟合曲线上各点位移值与标准位移值做差,即可求得各点误差值.实验结果表明,在未使用小支架的情况下位移测量系统的基本误差为0.1636%,利用小支架使激光跟踪仪光束不穿过水箱壁时,位移测量系统的基本误差为0.0616%.实验系统可使射线束分析仪的单轴位移精确度达到0.01mm精度级.

简介：本文叙述了采用Gc辅以Gc—IR技术研究低分子醛试剂的质变行为和单分子醛含量的测定方法。实验结果表明,购自市售因久置聚合而变质的低分子醛试剂,其中单分子醛含量远低于商品标称值。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.