课程文献中心 更多>>

关键词： 强化学习   PPO算法   生成式对抗模仿学习   深度学习   最大熵学习  

摘要： 为提高智能体在策略优化过程中的探索性和稳定性,改善强化学习中智能体陷入局部最优和奖励函数设置问题,提出了一种基于最大熵修正和GAIL的PPO算法;在PPO框架内引入最大熵修正项,通过优化策略熵,鼓励智能体在多个可能的次优策略间进行探索,从而更全面地评估环境并发现更优策略;同时,为解决强化学习过程中因奖励函数设置不合理引起的训练效果不佳问题,引入GAIL思想,通过专家数据指导智能体进行学习;实验表明,引入最大熵修正项和GAIL的PPO算法在强化学习任务上取得了良好的性能,有效提升了学习速度和稳定性,且能有效规避因环境奖励函数设置不合理引起的性能损失;该算法为强化学习领域提供了一种新的解决策略,对于处理具有挑战性的连续控制问题具有重要意义。

关键词： 肺腺癌   SHOX2   RASSF1A   甲基化   侵袭性  

摘要： 目的 探讨基于SHOX2和RASSF1A甲基化水平的机器学习算法预测早期肺腺癌病理类型的准确性。方法 回顾性分析2021年1月—2023年1月在南通大学附属医院接受肺部肿瘤切除手术患者的石蜡包埋(formalin-fixed paraffin-embedded,FFPE)标本。根据肿瘤的病理学分类,将患者分为3组:良性肿瘤/原位腺癌(benign tumor/adenocarcinoma in situ,BT/AIS)组、微浸润腺癌(minimally invasive adenocarcinoma,MIA)组和浸润性腺癌(invasive adenocarcinoma,IA)组。使用LungMe试剂盒通过甲基化特异性PCR(MS-PCR)测量FFPE标本的SHOX2和RASSF1A甲基化水平。以SHOX2和RASSF1A的甲基化水平为预测变量,采用机器学习算法(包括逻辑回归、XGBoost、随机森林、朴素贝叶斯)预测不同的肺腺癌病理类型,并构建网络服务器供临床使用。结果 共纳入272例患者,BT/AIS组、MIA组和IA组患者的平均年龄分别为57.97岁、61.31岁和63.84岁;女性患者占比分别为55.38%、61.11%和61.36%。基于SHOX2和RASSF1A甲基化水平建立的早期肺腺癌预测模型中,随机森林与XGBoost模型在预测各病理类型时表现良好。随机森林模型的C统计量在BT/AIS组、MIA组和IA组分别为0.71、0.72和0.78。XGBoost模型的C统计量在BT/AIS组、MIA组和IA组分别为0.70、0.75和0.77。朴素贝叶斯模型仅在IA组表现较为稳健,C统计量为0.73,具有一定的预测能力。逻辑回归模型在各组中的表现最差,对各组均无预测能力。通过决策曲线分析,随机森林模型在BT/AIS和MIA病理类型的预测中展示了较高的净收益,表明其在临床应用中具有潜在价值。结论 基于SHOX2和RASSF1A甲基化水平的机器学习算法预测早期肺腺癌病理类型具有较高的准确性。

关键词： 精细地质建模   开采沉陷   预计算法   概率积分   分级建模  

摘要： 针对现有开采预计软件计算模型与实际地质条件存在差异、无法预计开采块段内部厚度和起伏变化引起的不均匀沉陷的问题,提出了“先搭建骨架、后细部插值”的地质模型分级分步建模方法,并针对井下各开采微分单元煤厚、倾角等差异特点,对传统概率积分算法和公式进行了优化。在此基础上,开发了开采沉陷预计软件,并以赵楼煤矿5301工作面为工程实例,就现有算法和优化算法进行了对比,分析表明,优化后的概率积分法预计算法可以反映煤厚等差异引起的不均匀沉陷等问题,预计精度得到了提升。

关键词： 针灸   针灸针小目标检测   深度学习   YOLOv5   小目标  

摘要： 随着针灸学科的科学化、现代化,各种针灸医疗设备不断创新,尤其是智能针灸诊疗设备的出现,针灸临床“留针”阶段的针灸针自动化识别成为需求热点。针对针灸针识别过程的输入图片尺寸过大、针灸针细长、针灸针分布密集等问题,本文提出一个适用于针灸针小目标的改进YOLOv5“留针检测模型”ANODM(Acupuncture Needle Object Detection Model):(1)输入预处理阶段,将图片切分为多个Patch分别预测,以放大小目标尺寸;(2)模型结构层面,在原3个检测层新增一个小目标检测层以提升对小目标的识别能力,将骨干网络的普通卷积替换为空洞卷积以增大感受野,对不同Stage的特征融合;(3)后处理阶段,使用Soft-NMS降低正样本的漏检率,并结合余弦相似度匹配降低负样本的错检率。实验结果表明,对比原YOLOv5算法,本文改进方法在针灸针小目标数据集上的检测精度提升4.2%,能较好地完成针灸针小目标检测任务。

关键词： 装配零件   YOLOv5n   特征提取   融合特征   轻量化  

摘要： 针对非结构化环境中装配零件检测精度不高,特征融合不充分等问题,提出了一种基于改进YOLOv5n模型的装配零件视觉检测算法。为了增强对零件的特征提取能力,引入具有可变形卷积DCNv3结构的InternImage网络主干;应用TSCode解耦头,融合特征信息,提高了分类和定位的准确度;加入Slim-Neck颈部网络,在模型保持精度同时进行轻量化。最后进行对比实验,在自制数据集上,相较于原始YOLOv5n模型,改进YOLOv5n模型的准确率提高到了97.61%、召回率提高到了97.03%、mAP提高到了96.42%,验证了改进模型在非结构化零件装配任务中更加准确可靠。

关键词： 设备管理   设备运维平台   设备培训管理模式  

摘要： 随着地铁行业发展的逐渐成熟,新的管理模式和信息运维系统不断出现。结合南京地铁设施设备运维平台,探讨设备管理模式的演变和管理体系的应用,提出一种新的人工运维和设备运维系统融合的管理培训系统模式,为后期员工培训和维保管理打下坚实基础,推动智慧化维保发展。

关键词： 目标跟踪   实时   图像处理   硬件加速   卡尔曼滤波   直方图   现场可编程逻辑门阵列  

摘要： 为解决Camshift目标跟踪算法在跟踪目标遮挡时陷入局部最大值、跟踪目标快速移动导致跟踪丢失以及光照变化影响跟踪精度一系列问题,提出一种改进Camshift目标跟踪算法。利用自适应权重与H通道特征提取模板,融合Kalman滤波算法并引入巴氏距离遮挡判别法。非遮挡时,使用Kalman预测调整跟踪搜索区域;遮挡时,使用Kalman预测跟踪。实验结果表明,将改进后算法部署于FPGA硬件平台能够准确地跟踪快速运动、遮挡干扰目标,在1920×1080分辨率下理论跟踪帧率为98.17帧/s,对1080p@60 Hz以及多种分辨率视频输入下平均跟踪重叠率达到84.68%。

关键词： 密集人群   口罩检测   YOLOv8   GD机制   ODConv   SCSBD   特征提取   轻量化  

摘要： 针对公共场合密集人群场景下由于人群遮挡导致的信息缺失及检测目标较小、分辨率低导致人脸佩戴口罩检测算法检测困难的问题,提出了一种改进YOLOv8的密集人群口罩检测算法。采用GD机制代替YOLOv8中FPN结构解决跨层信息传输中信息丢失的问题,GD使用一个统一的模块收集和融合所有层级的信息,实现网络跨层信息的无损传输,增强了网络特征提取能力。在GD机制中插入ODconv模块对GD传输的信息沿4个维度进行学习,提高模型低分辨目标和小目标的检测精度。此外,引入了一种轻量化检测头SCSBD,对占比过高的YOLOv8检测头进行轻量化处理,平衡模型大小。实验结果表明,改进后的网络在精确率、召回率和平均精度上分别提升了13.6%、1.5%和6.9%,对人脸口罩的检测精度达到了81.1%,模型权重文件仅为25 MB,模型大小介于YOLOv8s和Gold-YOLO-S之间,达到了大小和精度的平衡。

关键词： 深度学习   网络流量   异常检测   网络安全  

摘要： 深度学习技术在网络流量异常检测中应用广泛,其利用深度神经网络挖掘数据之间的潜在关联性,从而有效检测出不符合网络行为的攻击和入侵行为。针对网络流量异常检测中的多类别不平衡异常数据检测问题提出一种网络流量入侵检测算法NECP,以提高对不平衡网络流量的识别。通过实验证明NECP在保持计算效率的同时能够显著提高网络流量的异常检测精度,为保障网络安全提供了新颖有效的解决方案,推动了该领域的进一步发展。

关键词： 智慧家庭网络   动态   路由算法   自适应   带宽  

摘要： 为满足智慧家庭网络中各设备带宽需求,开展智慧家庭网络中带宽动态自适应路由算法研究。通过分配智慧家庭网络地址,设定网络带宽节点能量阈值,实现多路径路由自适应转发决策。通过仿真实验证明,新的算法应用下,智慧家庭网络中各个设备的实际带宽均能够满足其正常运行时所需的带宽,提高智慧家庭网络运行稳定性和可靠性。