关键词： 近红外光谱法   因子分析   模式识别   关键质量属性   偏最小二乘法  

摘要： 目的利用国家评价性抽验平台数据库中的数据,探索头孢拉定颗粒质量关键质量属性及快速定量方法。方法应用近红外光谱结合因子分析建立模式识别方法,探索不同厂家头孢拉定颗粒质量和工艺的一致性;利用近红外光谱和偏最小二乘法建立定量模型,对头孢拉定颗粒中头孢拉定含量、头孢氨苄含量和水分含量进行快速量值预测。结果利用模式识别模型可区分不同厂家头孢拉定颗粒的质量和工艺一致性,建立的PLS定量模型能实现对头孢拉定含量、头孢氨苄含量和水分含量的快速预测。结论国家评价性抽验平台对为药品监管及靶向抽验提供有效的科学依据具有重要的价值。

关键词： 地块语义分割   注意力机制   模式识别   U-Net网络   卷积神经网络  

摘要： 遥感影像的地块背景特征复杂,当前地块分割方法不能较好地处理模糊的边缘信息,导致分割精度不理想;文章利用注意力机制处理地块特征,提出了一种基于全局坐标注意力机制的遥感地块分割网络:GCAT-U-Net;该方法在U-Net网络基础上嵌入了全局坐标注意力机制,加强了深度神经网络对于遥感影像数据中重要特征的关注度;在公开的GID数据集上的实验结果表明,文章提出的模型将准确率从0.9041提升到了0.9227,比传统U-Net网络提高了2百分点;结合特征自身重要性和特征位置信息的全局坐标注意力机制有助于更精确的目标定位,其输出相较于嵌入单一注意力机制,地块边界更为清晰,提升效果更为显著。

关键词： 变压器故障   模式识别   特征因子   故障诊断精度  

摘要： 当前方法变压器故障诊断方无法描述变压器故障的变化特点,导致变压器故障诊断时间长、诊断误差高等问题,为了提高变压器故障效果,提出基于模式识别技术的变压器故障诊断方法。首先,分析当前变压器故障诊断的研究进展,找到各种方法的局限性;然后,采用粒子群算法确定故障类别门限值,利用模式识别技术根据峰值、诊断阈值、熵建立得到随机模糊特征因子,根据特征因子得到故障类别区间,根据故障类别匹配结果完成变压器故障诊断。仿真实验结果表明,本文方法能够有效提高模型训练速度以及变压器故障诊断的精度,获得较理想的变压器故障诊断效果。

关键词： yolov3   车牌定位   模式识别   车牌识别  

摘要： 为解决目前市场上车牌识别设备的高时延以及对高性能处理器高依赖性的问题,提出了一种基于yolov3的车牌定位识别方法,实现对车辆的车牌进行自动定位与识别。该方法通过收集5000张车辆图像数据,打包为VOC数据集,使用LabelImg工具对图像进行标注,并构建13个卷积层的yolo模型,在loss曲线趋于稳定之后,完成模型的训练,最终使用已训练的模型对车辆图像数据进行车牌识别。实验表明:在1000个测试数据中,该方法识别率达97.5%,平均耗时18.19 ms,能够快速精准的对车辆进行车牌识别。

关键词： 自然语言处理   人工智能   群体智能   智能计算   模式识别   因果推理   区块链   大数据  

摘要： 2022年将特别关注人工智能+、物联网与5G、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:多模态/跨模态学习、大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与优化决策、统计学习、联邦学习、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解。

关键词： 保肾片   超高效液相色谱   指纹图谱   相似度分析   化学模式识别   质量控制  

摘要： 目的建立保肾片超高效液相色谱(UPLC)指纹图谱,结合聚类分析(CA)和偏最小二乘法-判别分析(OPLS-DA)。方法采用Agilent Poroshell 120 EC-C_(18)(2.7μm,4.6 mm×50 mm)型色谱柱,以甲醇-0.2%冰醋酸水溶液进行梯度洗脱,流速0.8 mL·min^(-1),检测波长260 nm,柱温30℃,建立16批保肾片的UPLC指纹图谱并进行共有模式和相似度评价。采用SPSS进行CA分析、SIMCA软件进行OPLS-DA分析,对其进行整体质量评价。结果建立了保肾片的UPLC指纹图谱,确定了12个共有峰,通过对照品比对指认出5个成分,分别为1号峰没食子酸、9号峰芦荟大黄素、10号峰大黄素、11号峰大黄酚、12号峰大黄素甲醚。16批保肾片相似度为0.860~0.997,CA分析发现样品聚成两类,表明不同批次的保肾片尚存在一定差异,通过OPLS-DA得出批次间显著性差异成分为11号峰、4号峰和3号峰。结论建立的保肾片指纹图谱和化学模式识别方法稳定可靠、简便易行、高效快速,可更加全面系统地提供保肾片化学成分信息,为综合评价制剂质量的稳定性和均一性提供参考。

关键词： Reservoirs   Proteins   Training   Topology   Three-dimensional displays   Neurons   Nanoscale devices   Molecular networks   reservoir computing   liquid state machine   izhikevich model   remote supervised learning   pattern recognition  

摘要： Nowadays we witness a miniaturisation trend in the semiconductor industry backed up by groundbreaking discoveries and designs in nanoscale characterisation and fabrication. To facilitate the trend and produce ever smaller, faster and cheaper computing devices, the size of nanoelectronic devices is now reaching the scale of atoms or molecules - a technical goal undoubtedly demanding for novel devices. Following the trend, we explore an unconventional route of implementing reservoir computing on a single protein molecule and introduce neuromorphic connectivity with a small-world networking property. We have chosen Izhikevich spiking neurons as elementary processors, corresponding to the atoms of verotoxin protein, and its molecule as a 'hardware' architecture of the communication networks connecting the processors. We apply on a single readout layer, various training methods in a supervised fashion to investigate whether the molecular structured Reservoir Computing (RC) system is capable to deal with machine learning benchmarks. We start with the Remote Supervised Method, based on Spike-Timing-Dependent-Plasticity, and carry on with linear regression and scaled conjugate gradient back-propagation training methods. The RC network is evaluated as a proof-of-concept on the handwritten digit images from the standard MNIST and the extended MNIST datasets and demonstrates acceptable classification accuracies in comparison with other similar approaches.

关键词： 半枝莲   标准汤剂   总黄酮   体外抗氧化作用   指纹图谱   主成分分析   聚类分析  

摘要： 目的测定半枝莲标准汤剂中总黄酮的含量,评价其体外抗氧化活性,建立其指纹图谱,并进行化学模式识别分析。方法采用紫外-可见分光光度法测定半枝莲标准汤剂中总黄酮含量(以野黄芩素计);采用1,1-二苯基-2-三硝基苯肼(DPPH)自由基、2,2′-联氮-二(3-乙基-苯并噻唑-6-磺酸)二铵盐(ABTS)自由基清除实验考察半枝莲标准汤剂的体外抗氧化活性;采用高效液相色谱(HPLC)法,以野黄芩苷峰为参照峰,采用《中药色谱指纹图谱相似度评价系统(2004A版)》绘制16批半枝莲标准汤剂的指纹图谱并进行相似度评价,确定共有峰;采用SPSS 24.0软件进行Pearson相关性分析,筛选具有体外抗氧化活性的潜在物质,并以其为变量,采用SPSS 24.0、SIMCA 14.1软件进行聚类分析和主成分分析。结果总黄酮检测质量浓度的线性范围为2.106~21.06μg/mL(R;=0.9993);精密度、重复性、稳定性(120 min)试验的RSD均小于2%;加样回收率为100.62%(RSD=0.55%,n=6);总黄酮含量为0.634~1.053 mg/mL。DPPH自由基清除实验的半数抑制浓度(IC;)为1.120~3.602 mg/mL,ABTS自由基清除实验的IC;为0.684~1.327 mg/mL;相关性分析结果显示,半枝莲标准汤剂中总黄酮含量与DPPH自由基、ABTS自由基清除实验的IC;均呈负相关,相关系数分别为-0.976、-0.940(P<0.01)。16批半枝莲标准汤剂共有18个共有峰,相似度为0.964~0.997;共指认出其中4个共有峰,分别为野黄芩苷(8号峰)、野黄芩素(14号峰)、木犀草素(15号峰)、芹菜素(17号峰)。半枝莲标准汤剂HPLC指纹图谱中3~4、8~9、12~15、17号峰峰面积与DPPH自由基、ABTS自由基清除实验的IC;均呈显著负相关(P<0.05或P<0.01)。聚类分析结果显示,16批半枝莲标准汤剂可聚为两类,其中S2、S7~S8、S14~S16为一类,S1、S3~S6、S9~S13为一类;主成分分析将16批半枝莲标准汤剂分为两类,其中S2、S4、S7、S14~S16为一类,S1、S3、S5~S6、S8~S13为一类,S4、S13、S15样品的综合评分较高。结论所建HPLC指纹图谱及化学模式识别分析方法可用于评价半枝莲标准汤剂的质量;3~4、8~9、12~15、17号峰及总黄酮是半枝莲标准汤剂清除DPPH自由基和ABTS自由基的潜在物质基础。

关键词： 机器人世界杯   数据挖掘   传球模式   KNN   距离度量  

摘要： 机器人世界杯(RoboCup)是目前智能机器人领域一项重要的国际学术赛事,传球模式识别是RoboCup中一个重要的研究问题.为探究传球模式与球队决策间的关联性,使用Python语言解析比赛日志文件,将球场划分为三个有效区域,提取传球数、传球距离、三个有效区域的传球数共五个特征,应用KNN算法深入挖掘传球特征,得到各球队的传球模式.实际比赛时利用KNN分类模型识别不同球队的传球模式,根据不同传球模式的特点,采用不同的球队策略.最后将这些策略加入到球队代码中,取得了较好的效果.

关键词： 迁移学习   语音情感   卷积神经网络   深度学习   模式识别  

摘要： 传统语音情感识别算法模型结构较为简单,需要足够量级的训练数据才能使其具有一定的实用性。然而,在实际应用中可供训练的数据集较少。为解决上述问题,提出了一种语音情感深度迁移识别算法。通过属性分析表构建、特征提取、相关性计算等操作确定源域数据集,并在此基础上训练迁移学习并构建预训练模型,最终构成语音情感分类模型。实验结果表明,该算法可较好解决低资源数据集易陷入局部最优的问题,识别率达到60%以上,相对于BLSTM和CNN模型具有一定优势。