重组艰难梭状芽孢杆菌毒素TcdB对人体肠上皮细胞层功能的影响

针对以往考虑污垢增长的柔性换热器网络(HEN)综合方法计算复杂、求解难度大等问题,提出了改进措施：首先简化由虚拟温焓图法得到的污垢热阻最大时的换热器网络结构,通过Excel中单变量求解函数对制约换热的因素进行调整来保证换热约束和降低总费用;然后应用遗传/模拟退火算法优化网络的换热面积。采用实例研究对该方法进行验证,结果表明：该方法在节省年度总费用的同时,有效地降低了计算复杂度,提高了计算效率。     

基于概率裁剪的球形译码算法

在适当的裁剪函数下,基于概率裁剪的球形译码(SPSD)算法能有效逼近最大似然检测(ML)算法性能,但其复杂度在低信噪比下较高。本文重点对SPSD算法的复杂度进行优化,并提出改进算法。改进算法利用迫零检测(ZF)解计算出初始半径,能有效降低球形译码的搜索范围,并优化裁剪函数,在几乎不损失性能的前提下,有效降低算法复杂度。仿真结果表明,在多输入多输出(MIMO)系统中,改进算法能够逼近SPSD算法的性能,并有效减少算法复杂度,能很好地达到检测算法性能和复杂度之间的折中。     

基于改进量子粒子群算法的无分流换热网络综合

用数学规划法求解换热网络优化问题,当换热网络模型考虑所有分流情况时,会包含大量的连续和离散优化变量,因此对大规模换热网络的优化求解非常困难。相比有分流模型,无分流的网络模型结构简单,变量少,求解难度低。本文以分级超结构模型为基础,建立了无分流换热网络模型,以年综合费用为优化目标,提出用单层改进量子粒子群算法综合无分流换热网络,即在生成无分流换热网络结构变量的同时,生成换热负荷变量。相比有分流同步综合模型,不考虑分流的同步综合模型的复杂度和求解时间显著降低。采用两个典型算例对该方法的有效性进行了验证。     

一种基于输出过采样的IIR盲均衡算法

基于对IIR信道输出过采样,构造了一种单输入多输出（SIMO）信道模型。在该模型中,由于在AR子信道采用RLS迭代算法和在MA子信道采用了一种改进的CMA算法,从而使得该算法比传统算法更简化,收敛速度得到提高。仿真实验结果验证了该算法的有效性。     

基于深度贝叶斯蒸馏网络的皮肤病变识别研究

目的：解决卷积神经网络无法量化模型的偶然不确定性与认知不确定性问题,优化皮肤病变类型识别机制,降低误诊率。方法：在构建多尺度网络时,基于贝叶斯深度学习网络构建深度贝叶斯蒸馏网络,通过多次采样数据分布方式拟合训练数据模型,量化模型的偶然不确定性与认知不确定性。进一步引入了知识蒸馏对模型进行压缩,构建学生网络模型拟合教师网络的输出,使用教师网络的参数和真实值标签训练学生网络,从而实现对模型参数量与时间的优化。结果：识别准确率与现有相关方案相比提高3.00%～8.00%,达到83.90%,同时参数量减少14.12%,运行时间节约8.70%。结论：基于深度贝叶斯蒸馏网络的皮肤病变识别机制能够显著提高识别准确率,同时减少模型参数量与运行时间。     

基于自监督深度学习的心肌磁共振T1量化成像运动校正算法研究

目的 为了去除运动的影响并得到准确的心肌磁共振T1参数成像,本研究提出一种基于自监督深度学习的运动校正算法.方法 该算法采用卷积神经网络结构来估计运动场,通过空间变换层将运动场作用到待配准图像上得到运动校正后的图像,并利用图像相似度结合运动场平滑约束的损失函数来进行网络优化.结果 本研究在47例健康志愿者的心脏磁共振图...     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。     

重庆市艾滋病综合防治示范区2016至2021年接受抗病毒治疗患者生存分析

为提升智能辅助驾驶系统对路面附着系数估计的准确性与实时性,研究了一种基于视觉信息的路面识别深度学习算法,实现路面附着系数的预估计。设计压缩卷积机制以降低网络运算参数,采用特征图全局平均替换全连接层以提升网络的拟合性能,并构建路面识别深度卷积神经网络DW-VGG。利用自建路面图像数据集对网络进行训练,测试结果表明,基于提出的多层知识蒸馏技术的DW-VGG网络识别精度较高,分类性能评估指标F₁得分为96.57%,并有效降低了网络的运算和内存成本,识别单张图像只需32.06 ms,预测模型只有5.63 M。     

基于SVM的多类分类集成

为了解决单个SVM可能产生的泛化能力恶化问题以及当SVM采用一对多组合策略解决多类分类时可能产生的误差无界情况,本文采用Bagging方法构造了一个基于SVM的多类分类集成模型,利用MIT KDD 99数据集进行仿真实验,通过实验探讨了其中的两个参数——训练样本数和单分类器个数对集成学习效果的影响,并将其与采用全部样本进行训练及部分样本进行训练的单分类器检测进行了比较。结果表明：集成学习算法能够有效降低采用全部样本进行训练所带来的计算复杂性,提高检测精度,而且也能够避免基于采样学习带来检测的不稳定性和低精度。     

基于深度学习的肝包虫疾病图像分类

目的:为了实现新疆高发病肝包虫病CT图像的正确分类,提出一种深度学习的肝包虫病CT图像的自动分类方法。方法:对单囊、多囊和肝囊肿CT图像使用深度学习的分类方法进行分类。首先,构建并优化ResNet-50网络模型,将肝包虫病图像分批次传入网络,然后用交叉熵作为损失函数,最后把网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得的最优网络。结果:各类别的最佳分类准确率分别为单囊型78.33%、多囊型81.52%、肝囊肿型80.24%。结论:深度学习卷积神经网络的肝包虫病CT图像疾病分类方法可行、合理、且调整后的ResNet-50模型比较适合肝包虫病图像的分类,有望通过深度学习方法对肝包虫病提供辅助诊断及决策支持。     

基于粒计算的模糊神经建模方法在电能输出预测中的应用

准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing, GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度提取核心信息,减少冗余,降低问题求解的复杂度。本文使用GrC方法,从复杂多维数据集中以信息粒的形式建立初始的模糊推理系统,再通过模糊神经网络学习方法对系统参数进行优化。这种基于GrC的模糊神经(Granular Computing based Neuro-Fuzzy, GrC-NF)建模方法,不仅可以降低问题求解的复杂度,而且可以保持模糊逻辑系统的可解释性,将其与模糊神经网络的结合又提高了建模精度。本文将该方法用于建立电功率输出的预测模型,通过其预测精度的比较表明了该方法的优越性。     

基于迁移学习的全连接神经网络舌象分类方法

目的 针对深度学习在舌象分类中训练数据量大、训练设备要求高、训练时间长等问题,提出一种基于迁移学习的全连接神经网络小样本舌象分类方法。方法 应用经ImageNet海量数据集训练后的卷积Inception_v3网络提取舌象点、线等有效特征,再使用全连接神经网络对特征进行训练分类,将深度学习网络学习到的图像知识迁移到舌象识别任务中。利用舌象数据集进行训练、测试。结果 与典型舌象分类方法K最近邻（KNN）算法、支持向量机（SVM）算法和卷积神经网络（CNN）深度学习方法相比,本实验使用的两种方法（Inception_v3+2NN和Inception_v3+3NN）具有较高的舌象分类识别率,准确率分别达90.30%和93.98%,且样本训练时间明显缩短。结论 与KNN算法、SVM算法和CNN深度学习方法相比,基于迁移学习的全连接神经网络舌象分类方法可有效提高舌象分类的准确率、缩短网络的训练时间。     

最小二乘支持向量机算法在中医临床脉图参数-血压预测模型的应用

目的 提出基于最小二乘支持向量机（LSSVM）算法的学习模型,以提高中医临床血压数据预测的准确度和效率。方法 将LSSVM学习模型应用于中医临床血压数据预测。用LSSVM等式约束代替支持向量机不等式约束,将二次规划问题转化为线性方程求解问题,降低计算复杂性,加快算法收敛速度。收集320例患者的临床脉图参数及血压数据,以其中300例样本作为训练样本,训练得到LSSVM学习模型,以其余20例样本作为测试数据,用得到的LSSVM学习模型根据患者的脉图参数预测血压数据。结果 实验证明,LSSVM学习模型对血压数据有较好的预测准确度。其中基于多项式核函数的LSSVM学习模型较基于径向基核函数LSSVM学习模型表现出更好的学习和预测能力,基于多项式核函数的LSSVM学习模型中收缩压、舒张压、平均动脉压预测结果的平均预测误差分别为7.88%、8.40%、6.67%,低于基于径向基核函数的LSSVM学习模型的预测误差（分别为7.95%、9.70%、7.48%）。结论 本实验提出的基于LSSVM的学习模型仅通过患者的临床脉图参数就可预测患者血压数据,对中医学临床诊断有一定的参考价值。     

遗传算法优化BP神经网络的老年痴呆症智能诊断

为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型。该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型。仿真实验在Matlab软件平台上进行,结果表明：与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法。     

基于Gammachirp耳蜗能量谱特征提取的音频指纹算法

提出了基于Gammachirp耳蜗能量谱的音频时频域特征表示方法,并在此基础上进一步构造了一种音频指纹算法。首先利用非负矩阵分解(Non-negative Matrix Factorization, NMF)提取Gammachirp耳蜗能量谱的局部特征,然后对该局部特征进行差分和量化,以提高算法的鲁棒性,并降低检索的计算复杂度。实验结果表明:在经受音频编辑软件多种攻击和实际环境中录音检索时,本文算法都具有很好的鲁棒性和识别率。     

基于实体词典与机器学习的基因命名实体识别

将实体词典以特征的形式引入到机器学习模型中,提出一种基于实体词典与机器学习的基因命名实体识别方法,在GENIA 3.02语料上进行实验。测试结果表明引入实体词典特征后,在获得较高实体识别准确率的同时,优化CRFs识别模型的时间复杂度,提高系统识别效率。     

基于卷积神经网络的智能医疗护理研究

为了提高智能医疗护理水平,减少护理工作量,节约医院成本。提出一种基于卷积神经网络的病人体态行为特征提取算法,该算法采用双网络模型设计,包括病人检测网络模型和病人体态行为特征提取模型,应用该算法到病人体态行为检测系统中,从而实现对病人的识别监控,提高智能医疗护理水平。最后,通过开源框架平台,对病人行为检测系统进行测试,实验结果表明,测试数据集合越大,病人体态行为特征提取精度越高,对病人体态行为类别的平均识别率97.6%,从而验证了系统的有效性和正确性。     

可穿戴式心电信号R峰检测的心拍感知卷积网络

目的 实现可穿戴式心电信号的R峰检测,为准确估计心率、心率变异性等生理参数提供基础。方法 采用全卷积网络预测R峰热图,对热图进行峰值定位获得R峰位置。引入心拍感知模块,联合心拍数量预测任务和R峰热图预测任务进行学习,提高卷积网络对全局上下文信息的提取能力。心拍感知模块预测的心拍数量还可估计R-R间期,用作峰值定位的峰间最小水平距离。为满足移动端的实时应用,采用深度可分离卷积减小模型的参数量和计算量。结果 实验仅使用可穿戴式心电数据训练模型。测试中定位误差容忍度设置为150 ms时,本文方法在可穿戴式心电数据集和公开数据集LUDB上的R峰检测灵敏度均高达100%,真阳率均超过99.9%;对于时长10 s的ECG信号,R峰检测CPU耗时约为23.2 ms。结论 本文方法对可穿戴式和常规心电信号的R峰检测均可达到良好效果,且满足R峰检测的实时性需求。     

密相气力输送参数的人工神经网络预测

在水平管道中，用压缩空气和氢气对煤粉和小米进行密相气力输送实验，利用改进的BP神经网络对不同气量下的固体质量流率进行预测。结果表明，BP网络能对不同实验条件下的固体质量流率进行较好的预测。并画出不同气量下，固体质量流量的等值图。根据此图，可对密相气力输送参数进行初步优化，控制固体的输送量，减少密相气输送中的盲目操作。