课程文献中心 更多>>

关键词： 锥形束CT   CycleGAN   感知损失   Elastix   图像合成  

摘要： 目的:使用深度学习算法通过学习肺部CT域图像特征,将锥形束CT(CBCT)合成高质量伪CT(sCT)图像。方法:本研究提出一种基于感知损失的循环生成式对抗网络模型(CycleGAN)和迭代配准的sCT生成算法,首先,结合感知损失和循环一致性损失来训练CycleGAN模型生成高质量的sCT图像,然后,利用Elastix配准工具对所生成的sCT图像和计划CT(pCT)图像进行配准,并用来迭代CycleGAN生成器模型。结果:在获取到的70例肺部肿瘤患者的pCT与CBCT数据上进行实验,从定量指标上看,利用本算法生成的sCT与pCT对比的结构相似度指标比CBCT与pCT对比的提升了11.9%,由0.825上升到0.923,均方绝对误差由110.97 HU降至78.62 HU,峰值信噪比由32.21 dB上升到34.74 dB,互信息由1.187上升到1.418。可视化评估中可见该算法大幅度消除了CBCT切片的散射伪影,突显骨质结构同时也修复了软组织结构。通过与当下流行的U-CycleGAN,R-CycleGAN和CUT模型对比,说明了本算法的有效性。结论:本文算法生成sCT图像能够有效减小CBCT与pCT间的剂量误差与结构误差,使其应用于精准的剂量计算,辅助医生的临床放疗诊断成为可能。

关键词： 加速度传感器   手势识别   特征提取   BP神经网络   决策树  

摘要： 文章详尽阐述了手势识别的基本原理与方法,通过对加速度数据的采集、预处理以及特征提取,运用BP神经网络并构建决策树来实现手势识别。试验结果表明,文章提出的算法具有很高的准确性和可靠性,为手势识别技术的发展提供了宝贵的参考依据。

关键词： YOLOv5   线束连接器   Focal-EIOU损失函数   双向特征金字塔网络(BiFPN)自动装配  

摘要： 针对线束连接器自动装配系统的设计需求,提出了一种改进的YOLOv5目标检测算法。通过现场图像采集创建数据集后,对原有模型进行修改:替换C3模块为C2f以提高检测的准确性和鲁棒性,采用Focal-EIOU损失函数来调整难易样本权重并增强对连接器插孔的关注度,引入双向特征金字塔网络来优化多尺度特征融合效率。经过这些改进,模型的检测精度提升至98.0%,相比原模型提升了3.4%,满足了自动装配系统的设计需求。

关键词： 车辆检测   多尺度特征融合   注意力机制   Soft-CIOU损失函数   YOLOv4   深度学习   目标检测   小目标  

摘要： 在交通监控中进行车辆检测过程时,存在车辆互相遮挡和远距离目标尺寸不足的问题,导致在检测中存在漏检和误检情况。针对此问题,文中提出一种基于YOLOv4(You Only Look Once version 4)的多尺度融合与注意力机制的交通车辆检测算法。在YOLOv4的路径聚合网络中增加一个新的特征层进行多尺度特征融合,提升模型对底层纹理特征的提取能力。在YOLO Head检测头前嵌入ECA(Efficient Channel Attention)通道注意力模块,对聚合后的特征进行合理的抑制和增强,将CIoU(Complete Intersection over Union)损失函数替换为Soft-CIoU损失函数,提高小目标车辆对损失函数的贡献度。在公开车辆数据集UA-DETRAC与KITTI中的实验结果表明,相较于原YOLOv4算法,所提算法的平均精度分别提升了2.45百分点和1.14百分点,检测速度达到41.67 frame·s^(-1)。相较于其他先进算法,所提算法在检测精度上表现良好。

关键词： 四旋翼无人机   多传感器   室内环境   位置定位   融合算法   激光雷达  

摘要： 针对缺乏明显位置标识的室内环境,为实现无人机的精确定位,提出了一种多传感器融合算法。该算法综合运用了中值滤波、阈值分割、投影变换、最小二乘法等手段,以实现无人机位置和位姿的精确估计。通过一系列实验,对所提出的算法与模拟算法进行了对比分析,验证了所提算法的准确性,并完成了四旋翼无人机在室内环境下的初步定位任务。

关键词： 深度强化学习   交通信号控制   时序预测   蓄水池抽样算法   长短期记忆  

摘要： 为了应对交通拥堵而设计的高效交通信号控制算法能提升现有交通网络下的车辆通行效率。尽管深度强化学习算法在单路口交通信号控制问题上已展现出卓越的性能,然而这些算法在多路口环境下的应用仍然面临着重大的挑战——多智能体强化学习(MARL)算法产生的时间和空间的部分可观测性引发的非平稳性问题会导致这些算法无法稳定的收敛。因此,提出一种基于全局状态预测与公平经验重放的多路口交通信号控制算法IS-DQN。一方面,基于不同车道的车流历史信息预测多路口的全局状态,从而扩展IS-DQN的状态空间,以避免算法产生空间部分可观测性而带来非平稳性问题;另一方面,为应对传统经验重放策略的时间部分可观测性,采用蓄水池抽样算法来保证经验重放池的公正性,进而避免其中的非平稳性问题。在复杂的多路口环境下应用IS-DQN算法进行3种不同的交通压力仿真实验的结果表明:在不同交通流情况下,尤其是在中低交通流量下,相较于独立的深度强化学习算法,ISDQN算法能得到更短的车辆平均行驶时间,并表现出了更优的收敛性能与收敛稳定性。

关键词： 压气机特性   曲线预测   改进布谷鸟搜索算法   神经网络   泛化能力  

摘要： 为了提高压气机特性曲线的预测精度和边界工况点的泛化能力,本文提出了一种改进布谷鸟搜索算法优化BP(ICS-BP)的模型,应用于某轴流压气机流量-压比特性预测方法研究,并对比分析了采用传统BP、遗传算法优化BP(GA-BP)、布谷鸟搜索算法优化BP(CS-BP)、径向基函数神经网络(RBF)、极限学习机(ELM)、自优化支持向量机(MSVM)和ICS-BP模型的预测结果。分析显示,ICS-BP模型整体预测结果的相对误差最小,普遍在±1%以内,评价指标展现出最高的精度和鲁棒性,预测结果具有最佳的泛化能力,且优化后的模型解决BP易陷入局部最优的问题;ELM和RBF模型运行速度较快的情况下依然具有良好的整体预测精度,但对于边界工况点预测效果欠佳,适用于对时间成本要求高的场景。针对7F重型燃气轮机和NASA74A型号压气机特性曲线,通过ICS-BP模型预测的压比特性精度较高,整体预测结果的平均绝对百分误差分别为1.129%和0.590%,进一步验证了其在特性预测方面的优势。

关键词： 污水处理过程   多目标优化   多策略   多目标麻雀搜索算法  

摘要： 为了解决污水处理过程中出水水质和总能耗的多目标优化问题,提出了一种融合多策略的多目标麻雀搜索算法。首先,利用佳点集初始化麻雀种群,使种群分布更均匀,提升搜索空间,并在发现者位置更新公式中引入最优引导策略和动态惯性权重,改善发现者收敛到原点的问题,平衡算法的全局搜索和局部开发能力;其次,为了提升算法的局部逃逸能力,改进警戒者位置更新策略,并对麻雀个体的最优位置进行扰动;最后,在外部存档更新过程中引入种群更新方法,加快算法的收敛速度,增加种群的多样性。实验结果表明,所提算法具有较好的优化性能,有效降低了污水处理过程中的总能耗,并提升了出水水质。

关键词： 数据结构   模糊边界   人类感知   艺术潜能   运动影像   动力系统   编解码器   混沌  

摘要： 数据狂舞影像是一类当代数字故障艺术实践,它以运动影像为创作媒材,利用数字视频压缩技术的特性,通过在序列-帧-宏块-像素的数据结构中植入算法“故障”来触发偶然性潜能,从而将混沌施加于再现的运动形式,展露数字运行过程超越人类感知阈限的感性强度。在与其他故障艺术和先锋影像的对比中,数据狂舞影像的故障属性与感觉逻辑得以浮现,作为既展示自身又内在于自身的视觉语言和视觉材料,数据狂舞式混沌代表了运动-感知的内在统一,这无疑表述着其“自-感触”本体。通过作为计算中心的编解码器生成强度的差异,数据狂舞影像能够从运动影像固有的时空动力系统中逃逸,从而呈现出一种在秩序与混沌中往复回归的“强度-形式”,由此确证了数据狂舞影像的数字本性,即始终在物/非物、技术/文化、潜在/现实多元协商的模糊边界释放自身潜能。

关键词： 构网型储能   定容选址   高比例新能源  

摘要： 构网型储能在新型电力系统中的作用至关重要,比如参与电力系统调频和惯量控制等。然而,构网型储能的调节作用能否充分发挥,取决于其容量和位置是否正确配置。为解决构网型储能接入电网的优化配置问题,本工作研究了构网型储能参与高比例新能源电力系统调频的定容选址优化配置方法。首先,研究了高比例新能源下构网型储能参与调频的控制策略,包括构网型储能有功-频率下垂控制策略和构网型储能虚拟同步机控制策略,提出将两种控制策略进行协同使用的综合调频方法。然后,以调频效果指标、电网脆弱性指标和储能经济性为多目标进行优化,采用交叉变异多目标粒子群算法(CMMOPSO),结合逼近理想解排序法(TOPSIS),从解集中根据信息熵法权重,最终得到构网型储能电站选址定容的优化方案。最后,在某区域电网实际算例中进行验证和优化分析。