为了正确判断管道是否发生泄漏，本文采用混合学习方法对网络进行训练学习。通过将管道运行参数作为神经网络的输入，管道运行状态作为神经网络的输出，实现两者的非线性映射，以此来判断输入信号是否为泄漏信号，并选用K-means聚类方法和递推最小二乘法来确定网络参数。通过用天然气管道运行的实测数据对RBF神经网络进行了训练和测试，得到结果误差在可接受的范围内，从而证明RBF神经网络的方法可用于天然气管道泄漏检测的研究。
2022-03-29 14:00:00
817KB
1
我们提出了一种新颖的基于地标匹配的多模态图像对齐方法，该方法是通过解决不同特征模态之间的线性映射而唯一实现的。 该线性映射导致对从不同模态捕获的图像的相似性进行新的测量。 此外，我们的方法通过最小化凸二次函数来同时解决此线性映射和界标对应关系。 我们的方法可以估计不同模态与非线性非刚性空间变换之间的复杂图像关系，即使在存在重噪声的情况下也是如此，如使用各种图像模态进行的实验所示。
2021-10-09 10:48:39
1.62MB
1
利用VS2017.C++，通过Miracl大数库，基于SM9的双线性映射实现Waters所提CP-ABE属性加密算法，同时新增其对应的策略更新算法。内部有部分小BUG未能完全修复，不过不影响加解密的效果模拟。内附相关文献，欢迎探讨研究。
2021-09-01 11:33:45
10.56MB
1