简介：利用某些晶体能束缚高能载体的特点,建立一种可以快速鉴别经过辐照处理的茶叶的方法。该方法系采用特定光源刺激受过辐照处理的样品,使其包含的高能电子受激发而释放特定光子,被仪器所检测。研究结果表明,该方法可以有效的鉴别经过辐照处理的茶叶样品。

简介：神经毒气是化学战武库中的主要成员,已经在实际战争中得到使用。例如,在两伊战争及伊拉克与反叛的库尔德少数民族的战斗中,就使用了神经毒气塔崩(Tabun)。近年来,一种称为沙林(Sarin)的神经毒气被用来对付手无寸铁的广大民众,在松本和东京引起严重的人员伤亡事件。这是首次在非战争状态下被恐怖分子利用的化学武器。有关神经毒气方面的信息不多,广大民众对此均感生疏,象本文这样系统地介绍神经毒气的文章将对公众有所帮助。本文将首先对有毒气体作一简单介绍,然后叙述神经毒气的各有关方面,包括神经毒气的化学结构,制造原理,毒性机理,中毒治疗,检测方法及去污技术等有关内容。

简介：为提高反窃电效率,在用电信息采集系统的基础上提出一种窃电行为分析方法.即针对高供低计计量方式,建立窃电行为分析模型,并通过软件仿真验证模型的正确性.在此基础上,对各种窃电行为反映的负荷数据特征进行归纳总结,提出将实际窃电案例中可能遇到的窃电行为分成七类.通过负荷数据远程判断具体窃电行为类型,为现场稽查人员提供技术指导,从而提高窃电查证效率.

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：针对传统窃电检测算法辨识度低、数据处理复杂度高以及不能为现场排查提供准确依据的问题,在深入分析窃电原理和窃电手段的基础上,提出一种用于疑似窃电判别的离群点算法优化模型,该模型结合电量波动率和改进的基于距离的离群点挖掘算法完成窃电用户辨识.最后利用实际采集的数据,通过MATLAB计算分析验证表明,该模型不仅提高了窃电嫌疑点挖掘的准确度,还在很大程度上提高了反窃电工作的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：人脸关键点定位是计算机视觉的一部分,在人脸识别、人脸表情识别、人脸动作捕捉等工作中有重要的作用.非约束条件下人脸关键点定位,其难点在于人脸关键点位置在复杂环境下呈现非线性变化,影响人脸关键点定位的精准性.现提出基于级联卷积神经网络的人脸关键点定位方法,分析了级联深度模型全局回归阶段多尺度特征融合对人脸关键点定位的影响;同时提出了一种具有可学习参数的人脸关键点定位损失函数.经过大量实验表明,这里提出的人脸关键点定位算法能够有效的提高针对非约束条件下人脸关键点定位精确度.

简介：在无线电综合测试仪的设计中,频谱扫描是一项基础技术.将需要扫描的频谱划分成子带,进而提出了一种通过在模拟前端采用可变频率本振的混频器和低通滤波器实现子带信号分离,然后对子带信号进行采样并且变换到频域,最后将所有子带频谱拼接获得完整频谱的技术.为了实现该技术,设计了一个由软件无线电（Software-definedRadio,SDR）接收机和数字信号处理片上系统（SystemonChip,SOC）组成的软件无线电平台.随后,在基于该平台实现的综测仪原型上对频谱分析技术进行了验证.仿真和实验表明,该方法和原型样机能够对0~6GHz范围的频谱进行扫描,同时具有较低的噪声水平和较好的动态范围,且能够提供相位谱,因而适用于嵌入式频谱仪和无线电综测仪的应用场合.

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：本文叙述应用氨基酸自动分析仪定量分析海南槟榔的果肉、皮、花、梗、根的氨基酸成份,为槟榔的开发研究提供营养学依据。

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.