课程文献中心 更多>>

关键词： 极化注意力   红外与可见光融合   目标跟踪   深度学习  

摘要： 基于可见光图像的视觉目标跟踪在雨雾天气和光照变化的场景下,其可见光图像信息将变得不再可靠,而红外图像通过反映物体的热源信息成像,能够在上述情况下清晰地成像,因此,利用红外图像与可见光图像的互补性优势,可实现在复杂场景下的鲁棒性跟踪。在特征提取层利用多尺度特征提取结构获得目标在不同尺度感受域的特征,并通过自适应权重分配增强特征选择能力;利用极化注意力机制对特征进行增强,从而有效地融合双模态信息进行鲁棒性跟踪。所提算法在大型红外与可见光数据集GTOT与RGBT234上进行实验验证,精确率和成功率分别达到了90.05%、72.7%与78.7%、55.5%。实验结果表明,所提算法在跟踪精确率与成功率方面均优于目前主流算法。

关键词： 辐射剂量   深度学习算法   肠系膜下动脉   图像质量  

摘要： 目的:探究不同等级的深度学习重建算法(DL)对低剂量肠系膜下动脉(IMA)CT血管成像(CTA)图像质量的影响,并获得IMACTA图像最佳DL等级。方法:前瞻性收集行IMACTA的患者60例,随机分为A组和B组。A组(n=30)管电压120kV,管电流为剂量调制等级3,重建Karl5图像;B组(n=30)管电压120kV,管电流为剂量调制等级2,重建DL(1~4)等级图像,记为B1~B4组,并记录2组的辐射剂量。在轴位图像上测量IMA主干、同层腹主动脉和竖脊肌的CT值和噪声(SD)值,计算各血管的信噪比(SNR)对比度噪声比(CNR)和质量因数(FOM)。重组容积再现(VR)和最大密度投影(MIP)图像,由2名诊断医师对二维和三维图像进行5分制评分。结果:B组有效辐射剂量(ED)与A组相比降低了42.08%(P<0.05)。随着DL等级的提高,B1~B4组SD值逐渐降低,SNR,CNR和FOM逐渐提高(P<0.05)。B3、B4组腹主动脉的SNR、CNR、FOM优于A组(P<0.05)。2名诊断医师对图像主观评分一致性良好(Kappa值0.795~0.891,P<0.05)。B2、B3组与A组主观评分差异均无统计学意义(均P>0.05)。结论:深度学习重建算法在保证IMACTA图像质量的前提下实现了降低辐射剂量的目的。在满足诊断需求的情况下,DL3为临床推荐的最优重建等级。

关键词： 生产决策   二项分布   最优决策   蚁群优化算法  

摘要： 本文针对电子产品生产过程中的零配件与成品质量控制问题,提出了一种结合蚁群优化算法的数学模型。该模型旨在优化检测策略与生产决策,以达到最小化成本或最大化利润的最优决策。在多种变量、多道工序和复杂决策空间环境下,通过模拟不同情形,模型提供了详细的决策方案与指标结果,为企业提供了科学的生产管理依据。This paper addresses the issue of quality control for components and finished products in the electronic manufacturing process, proposing a mathematical model that integrates the Ant Colony Optimization (ACO) algorithm. The model aims to optimize inspection strategies and production decisions to achieve the optimal solution of minimizing costs or maximizing profits. In a multi-variable, multi-process, and complex decision-making environment, the model simulates various scenarios and provides detailed decision-making plans and performance indicators. This offers enterprises a scientific basis for production management.

关键词： 算法影响评估   算法风险   算法治理   分类分级  

摘要： 算法影响评估制度作为国内外算法治理的基础性制度,是当前阶段算法治理的主要方案,但在应用实施过程中仍存在评估对象泛化、评估方法透明性不足的问题,需进一步细化。聚焦分析算法影响评估制度在应用实施过程中应关注的评估对象、评估内容和评估方法,提出在实际评估过程中应根据初步风险对算法评估对象分类分级,加强对以机器学习为基础的复杂算法的评估,重点关注算法的应用环节,重点评估算法输入的数据与特征、输出的目标与结果、干预与保障措施以及个人权利响应。

关键词： 神经网络   自适应算法   SGDM算法   收敛性  

摘要： 在神经网络中,梯度下降算法是优化网络权值阈值参数的核心部分,它在很大程度上影响着神经网络的性能。对于许多自适应算法,如AdaGrad、RMPprop、Adam等,虽然在训练前期收敛速度快,但它们的泛化性通常不如SGDM算法。为结合自适应算法和SGDM算法各自的优点,提出了DBAdam算法。通过利用梯度和学习率信息,构造了基于自适应学习率的动态上界函数和下界函数,将学习率约束在一个可控的范围内。这样使算法能够更好地适应不同参数的梯度变化,从而加快收敛速度。基于多种深度神经网络模型在三个基准数据集上对DBAdam算法进行实验,结果表明该算法的收敛性能较好。

关键词： 多重检测   复杂网络监控   YOLOv5深度神经网络算法   目标跟踪  

摘要： 铁塔视联业务正在数字镇街治理中发挥越来越大的作用。针对目前复杂网络监控场景中单一双目视觉相机监控存在目标对象遮挡不佳等问题,提出适用于小范围区域的相机与雷达融合的图像目标跟踪检测方案。首先,基于激光雷达的扇形区域内目标反射信号探测原理,监测与输出多目标位置数据和动态噪点信息;然后,使用卡尔曼滤波算法剔除虚假的干扰噪声信号,对周期内动态目标状态进行更新,同时基于可视摄像机拍摄动态目标,将相机坐标系下的图像转换为世界坐标系对应的位置图像;最后,采用YOLOv5对灰度化处理后的融合图像目标进行检测识别。实验结果表明,基于YOLOv5深度学习算法的目标跟踪检测准确率为95%左右,可满足公共空间场域下运动目标的检测识别需求。

关键词： 新能源   动态重构   改进烟花算法   交直流   多目标  

摘要： 高比例新能源及多元负荷的不断接入使配电网呈现出动态、交直流共存的运行特性,这给配电网重构提出了新的挑战。计及高比例新能源接入带来的消纳问题建立了以新能源日消纳量最大、重构综合成本最低以及净负荷均方差最小为目标的交直流配电网动态重构多目标模型。结合配电网的拓扑结构和运行技术需求,提出了候选解集和改进烟花算法(improved fireworks algorithm,IFWA)相结合的方法对所建多目标模型进行优化求解。候选解集基于网络拓扑和运行技术约束而生成,其目的是为了消除优化过程中大量不可行解,提高搜索效率。在此基础上,通过改进烟花算法的爆炸和变异算子提高了多目标优化寻优的速度。采用改进IEEE 69节点系统进行仿真比较分析。结果表明所建模型可以有效协调新能源消纳量和重构成本,所提优化求解策略与改进前相比,运行效率得到明显提升。

关键词： 大数据   计算机网络   应用   发展  

摘要： 计算机网络技术的发展速度非常快,人们对于信息的需求也在不断增加。人们不仅需要数据的存储、查询、传输等,还希望通过计算机网络获取更多的数据信息。在这样的情况下,大数据技术便应运而生,大数据技术是一种将海量数据进行整合的技术,它能够实现对大量数据信息的筛选、处理和分析,为人们提供更加科学合理的信息服务。基于此,本文主要对大数据技术进行介绍,分析了其在计算机网络中的应用。

关键词： 质子交换膜燃料电池   供氢系统   神经网络   免疫遗传算法   模型预测控制  

摘要： 对化石能源的过度使用导致了严重的环境问题和能源担忧。氢能作为一种清洁的能源,被认为是实现能源转型和可持续发展的重要资源。在此背景下,氢燃料电池作为一种将氢能高效转化为电能的技术,展现出了巨大潜力。本文以质子交换膜燃料电池阳极供氢系统为研究对象,以氢气计量比和阴、阳极压强差为控制目标,设计了基于神经网络的模型预测控制算法。首先基于MATLAB/Simulink搭建了面向控制的燃料电池集总参数机理模型,通过实验验证了模型的可靠性;然后通过免疫遗传算法优化神经网络的学习过程,实现了对燃料电池系统状态的精确拟合与预测;最后,将离线训练的神经网络应用于模型预测控制器,并验证了控制算法的有效性。