摘要：为实现低成本地提升负荷辨识方法对新场景负荷样本的识别精度,提出一种基于主动迁移学习的负荷辨识泛化方法,利用极少量标签数据和无标签数据来高效提升方法的泛化性能。该方法利用异构模型的共识筛选高质量的伪标注样本,并对预训练模型进行更新;设计一种考虑模型分歧和样本多样性的主动学习策略来标注高价值样本,可在大幅降低样本标注成本的同时实现模型的高效迁移。在2个公开数据集中的实验对比,验证了所提方法的优越性。

摘要：矢量化的电网厂站接线图需要调度运维人员参考设计图纸进行人工绘制及导入,工作量巨大且极易出错。针对电网厂站接线图中图元、文字以及接线关系3个核心的识别问题,提出一套基于人工智能的完整电网厂站接线图识别方法,显著提升识别的效率和准确性。通过结合分级预处理的重叠滑窗机制与YOLOv4算法,解决电网厂站接线图的“大图像小图元检测”问题;通过迁移学习与卷积循环神经网络结合,提升包含中文电气文本的识别率;通过嵌入电气领域知识与规则,提升接线识别的准确率。最后,根据获取的电气元件信息、文本信息、连接线信息,完成其他下游任务。采用实际调度系统导出的电网接线图数据集,设计了图元、文字、接线识别三方面的对比实验,验证了所提方法的有效性。

摘要：在施工建设的过程中,工程项目的建设很容易遇到各种复杂的产地,这些复杂场地不但难以处理,更容易对工程建设产生严重影响。也因此,本文就以深基坑支护工程为主题,进行了复杂场地施工技术和工程设计的研究,希望本文的研究分析能够对实际的深基坑支护设计及施工起到一定帮助。

摘要：负荷辨识技术可快速辨识电器类型,在家庭能量管理、危险用电预警、响应潜力评估等方面具有重要作用。针对现有负荷辨识方法多关注负荷长期或短期单尺度特征,导致特征表征能力不足而使模型识别精度和泛化性能受限的问题,提出一种基于多尺度特征融合的负荷辨识及其可解释交互增强方法。首先,从负荷采样数据中提取高频尺度的短期特征和中、低频尺度的长期特征,构建双塔结构的深层特征提取网络以利用网络的不同分支高效率挖掘各尺度深层特征。其次,设计自注意力与交叉注意力相结合的特征融合网络以实现负荷长、短期特征融合,提高模型的特征利用程度。然后,采用度量学习的训练方法,拉近同类型样本的特征距离,提升特征融合的效率和效果。最后,利用基于梯度的可解释分析方法量化特征的重要性,实现自适应的特征增强与结合专家交互的模型调优。实验结果说明所提模型识别精度与泛化能力均优于现有模型,且可解释分析验证了其有效性源于多尺度特征的充分利用。

摘要：新冠肺炎疫情爆发后,远程教育由于其独特优势而逐渐成为热潮。但由于缺乏监管,学生学习专注度下降的问题突出。为提高远程教育的质量,运用计算机视觉、语音识别等人工智能技术,设计了一种针对远程教育的个性化专注度培养系统,可实现网课与自习模式下的专注度监测,具有设置网课和自习定时提醒、进行实时监督与反馈、提供专注度评价等功能。测试结果表明,该系统能较好地实现专注度监测,可为远程教育中的专注度培养提供一种实用的方案。