公共文化服务平台

基于时间序列的发电机设备异常分析: 2024年; 为提高发电机组设备运行维护管理水平,提出一种基于PCA-Informer方法的发电设备故障预测技术。首先使用主成分分析(PCA)算法降低时间序列数据的特征维度;其次将数据分批次输入Encoder中,由Encoder执行蒸馏操作,提取长时间序列输入间的Long-Range依赖,通过蒸馏操作为重要特征赋予更高的权重,并在下一层生成聚焦的Self-Attention Feature Map;最后由Decoder通过一个正向过程一步生成长序列输出。通过实验验证,该方法能够有效地对发电设备的故障进行预测。; 陆钊龙法宁陈国年; 关键词：主成分分析 INFORMER 故障预测

基于J2EE中间件的软件体系架构的研究: 随着信息技术的发展和网络应用的普及，不管是为了提高公司雇员的工作效率还是为了提供电子商务，越来越多的企业通过快速开发和发布定制的应用系统以提供个性化的服务，因此成功开发和发布这些应用系统成为关键因素。J2EE开发平台为这...; 龙法宁; 关键词：软件体系架构 J2EE 设计模式中间件; 文献传递

一种融合传输系统的自适应数据传输方法及装置: 本公开提出了一种融合传输系统的自适应数据传输方法及装置，涉及通信技术领域，包括：运行预设的带宽测试应用程序，测试设备当前的网络带宽；若所述网络带宽大于第一阈值，基于UDP协议和FEC对目标平台数据进行数据传输；若所述网络...; 张远夏徐兵陈佐瓒龙法宁

基于XML缓存文件频繁数据挖掘的简单改进算法: 2008年; 介绍XML缓存现状和Apriori算法的情况,在分析Apriori算法的基础上,通过对经典Apriori算法的改进,提出一种改进算法,该算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,实验证明该算法能够有效提高执行效率.; 龙法宁马垒李治强张远夏; 关键词：APRIORI XML

玉林师范学院计算机专业学科竞赛的探索与实践被引量：2: 2016年; 通过分析与讨论传统的实践教学体系与学科竞赛模式的异同,并结合玉林师范学院计算机专业在学生学科竞赛上的实践与探索,总结了高校在应用型人才培养过程中应起的作用和实施中应注重的问题,并提出了对于高校学科竞赛建设的相关建议与设想.; 龙法宁梁勇强薛鸿印; 关键词：学科竞赛计算机专业

一种快速的基于稀疏表示的人脸识别算法被引量：1: 2014年; 基于稀疏表示的人脸识别算法(SRC)识别率相当高,但是当使用l1范数求最优的稀疏表示时,大大增加了算法的计算复杂度,矩阵随着维度的增加,计算时间呈几何级别上升,该文提出利用拉格朗日算法求解矩阵的逆的推导思路,用一种简化的伪逆求解方法来代替l1范数的计算,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算,基于AR人脸库的实验证明,维度高的时候识别率高达97%,同时,计算复杂度和开销比SRC算法大幅度降低95%。; 龙法宁杨夏妮; 关键词：人脸识别小波变换

排课系统的着色Petri网建模: 2011年; 根据玉林师范学院的实际情况,建立排课系统的模型,并利用建模工具着色Petri网对排课系统进行可视化建模,描述系统流程,以期对排课系统的开发有所帮助.; 杨夏妮龙法宁; 关键词：排课系统着色PETRI网

基于约束优化的Petri网可达性分析被引量：3: 2013年; Petri网的可达性判定问题是进行Petri网分析的基础。通过分析目前求解Petri网可达问题的判定方法和基于约束程序的Petri网可达问题判定方法,提出一种基于约束优化的Petri网可达问题判定方法,该方法是在状态方程法的基础上,利用约束程序寻求可行解,再利用优化求最优解,从而减少问题搜索的分支,达到减少状态方程的解空间的目的。最后通过实例的求解验证算法能够提高判定效率。; 杨夏妮龙法宁张远夏; 关键词：PETRI网可达性

结合置乱与扩频的数字水印算法被引量：3: 2005年; 提出了一种使用置乱技术置乱水印图像,然后将Gold码用于水印结构设计的扩频数字水印算法。通过置乱技术提高了抽取数字水印的视觉效果,并可以在一定程度上弥补数字水印在嵌入、传输和抽取过程中的损耗。利用Gold码具有较多独立码的特性,以多位二进制信息为单位对置乱后的二值图像水印进行扩频调制,然后将调制信号自适应地加入到载体图像离散余弦变换域的低频分量系数中。应用Gold码使得算法可以采用较长的扩频序列,相应提高了鲁棒性。这种结合置乱和扩频的水印算法对于抵抗各种噪声、滤波和压缩等合法攻击以及其他非法攻击都具有很好的鲁棒性。; 曹冰李炳法龙法宁刘高峰廖柯宇; 关键词：数字水印扩展频谱图像置乱

基于深层卷积网络的单幅图像超分辨率重建模型被引量：14: 2017年; 【目的】针对Mean squared error(MSE)作为损失函数在人眼感知方面存在局限性,以及基于卷积神经网络的图像超分辨率(Super-resolution,SR)算法生成的图像存在参数较多、计算量较大、训练时间较长、纹理模糊等问题,设计基于深层卷积神经网络的单幅图像超分辨率重建模型。【方法】使用ImageNet预先训练的大型卷积神经网络Visual geometry group(VGG)模型提取图像特征,利用该特征设计视觉感知损失函数进行训练学习,引入亚像素卷积层(Sub-pixel convolution)替换上采样层,缓解生成图像的棋盘效应。【结果】设计的模型对放大两倍的图像进行超分辨率修复,与其他4种超分辨率重建模型的Peak signal to noise ratio(PSNR)值接近,且生成图像的视觉效果更加清晰逼真,细节更加细腻。【结论】该模型可以实现输入不同大小的低分辨率图像而不必多次训练学习不同比例的放大模型,可以实现对不同放大倍数图像的训练和预测,在保持一定PSNR正确率的前提下,放大后的超分辨率图像能够恢复更多纹理细节和更佳视觉效果。; 龙法宁朱晓姝胡春娇; 关键词：超分辨率卷积神经网络

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

龙法宁