MAR(Multivariate Auto Regression)是一种多变量时间序列模型,可用于结构响应建模和模态参数识别。作为一种时域方法,采用MAR模型进行参数识别同样存在虚假模态问题。针对该方法提出了一种新的虚假模态剔除方法。基本思想是:求解由结...MAR(Multivariate Auto Regression)是一种多变量时间序列模型,可用于结构响应建模和模态参数识别。作为一种时域方法,采用MAR模型进行参数识别同样存在虚假模态问题。针对该方法提出了一种新的虚假模态剔除方法。基本思想是:求解由结构响应建立的MAR模型的自回归系数,结合基于MAR模型识别的各阶模态参数建立含残差项的模态响应MAR模型,将残差较大的模态确定为虚假模态。首先讨论了结构脉冲响应的MAR模型及其模态响应MAR模型;然后应用杜哈梅积分思想,推导得到了环境激励下带误差项的结构响应MAR模型;对该模型进行时域离散,得到离散响应MAR模型。利用测试得到的结构响应即可建立MAR模型,并采用最小二乘法估计模型回归系数。利用回归系数与识别的模态参数建立含残差项的模态响应MAR模型。采用残差的欧几里德范数与模态响应范数比值作为评判指标,残差较大的模态即可判定为虚假模态。最后用数值模拟算例和模型实验对该方法的有效性进行了验证。结果表明:与常规稳定图相比,使用该方法剔除虚假模态后得到的增强稳定图更清晰,能更可靠地确定结构的真实模态。展开更多
面对多模态虚假新闻的检测挑战,文章提出一种融合知识图谱与基于Transformer的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)的多模态虚假新闻检测模型。该模型先利用知识图谱深化对实体间关系的理解...面对多模态虚假新闻的检测挑战,文章提出一种融合知识图谱与基于Transformer的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)的多模态虚假新闻检测模型。该模型先利用知识图谱深化对实体间关系的理解,然后借助BERT模型对文本内容进行深入分析,从而实现文本、图像及知识数据高效整合。多数据集实验结果显示,该模型在多模态新闻检测,特别是含图像与视频内容的新闻检测上,展现了显著的优势。这为虚假新闻的准确检测开辟了新途径。展开更多
采用固体各向同性材料惩罚模型(solid isotropic material with penalization,SIMP)进行动力拓朴优化通常在优化过程中会出现虚假的局部振动模态,为消除这种虚假模态产生的不利影响,提出了移频与虚假模态识别相结合的通用方法.研究中考...采用固体各向同性材料惩罚模型(solid isotropic material with penalization,SIMP)进行动力拓朴优化通常在优化过程中会出现虚假的局部振动模态,为消除这种虚假模态产生的不利影响,提出了移频与虚假模态识别相结合的通用方法.研究中考虑以材料体积为约束、结构基频最大化为目标的优化模型,并采用节点设计变量描述设计域内材料分布.基于虚假模态的特性,首先在特征值分析中应用移频方法排除特征值接近于零的低阶虚假模态,然后再依据虚假模态识别准则判定并剔除其他可能存在的虚假模态,从而可以高效可靠地确定结构真实的固有振动模态.数值算例表明,提出的方法可以有效地消除动力拓扑优化中虚假模态可能产生的不利影响,并保证优化解的可靠性.展开更多
文摘MAR(Multivariate Auto Regression)是一种多变量时间序列模型,可用于结构响应建模和模态参数识别。作为一种时域方法,采用MAR模型进行参数识别同样存在虚假模态问题。针对该方法提出了一种新的虚假模态剔除方法。基本思想是:求解由结构响应建立的MAR模型的自回归系数,结合基于MAR模型识别的各阶模态参数建立含残差项的模态响应MAR模型,将残差较大的模态确定为虚假模态。首先讨论了结构脉冲响应的MAR模型及其模态响应MAR模型;然后应用杜哈梅积分思想,推导得到了环境激励下带误差项的结构响应MAR模型;对该模型进行时域离散,得到离散响应MAR模型。利用测试得到的结构响应即可建立MAR模型,并采用最小二乘法估计模型回归系数。利用回归系数与识别的模态参数建立含残差项的模态响应MAR模型。采用残差的欧几里德范数与模态响应范数比值作为评判指标,残差较大的模态即可判定为虚假模态。最后用数值模拟算例和模型实验对该方法的有效性进行了验证。结果表明:与常规稳定图相比,使用该方法剔除虚假模态后得到的增强稳定图更清晰,能更可靠地确定结构的真实模态。
文摘面对多模态虚假新闻的检测挑战,文章提出一种融合知识图谱与基于Transformer的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)的多模态虚假新闻检测模型。该模型先利用知识图谱深化对实体间关系的理解,然后借助BERT模型对文本内容进行深入分析,从而实现文本、图像及知识数据高效整合。多数据集实验结果显示,该模型在多模态新闻检测,特别是含图像与视频内容的新闻检测上,展现了显著的优势。这为虚假新闻的准确检测开辟了新途径。
文摘采用固体各向同性材料惩罚模型(solid isotropic material with penalization,SIMP)进行动力拓朴优化通常在优化过程中会出现虚假的局部振动模态,为消除这种虚假模态产生的不利影响,提出了移频与虚假模态识别相结合的通用方法.研究中考虑以材料体积为约束、结构基频最大化为目标的优化模型,并采用节点设计变量描述设计域内材料分布.基于虚假模态的特性,首先在特征值分析中应用移频方法排除特征值接近于零的低阶虚假模态,然后再依据虚假模态识别准则判定并剔除其他可能存在的虚假模态,从而可以高效可靠地确定结构真实的固有振动模态.数值算例表明,提出的方法可以有效地消除动力拓扑优化中虚假模态可能产生的不利影响,并保证优化解的可靠性.
