猪链球菌血流感染1例

猪链球菌病(Streptococcus suis disease)是由多种致病性猪链球菌感染引起的一种人兽共患病,主要通过接触病死猪,经破损皮肤等侵入人体,导致患者在数小时至数天内发病[1-2]。人感染猪链球菌后,根据临床表现不同,可分为普通型、休克型、脑膜炎型和混合型。休克型发病急骤,迅速出现多器官功能衰竭,死亡率高。目前,国内关于猪链球菌14型人源分离株的报道少见,现将海口市人民医院急诊科成功救治1例猪链球菌14型导致的重症休克患者诊疗经过报道如下。

单神经元自适应PID控制器在AQM中的应用

主动队列管理(AQM)对于保持TCP网络高性能是一种有效的策略。AQM的基本机制是调节数据包进入路由器缓冲区的速率,从而避免网络拥塞。针对传统PID控制器在拥塞控制过程中参数固定的缺点,将神经网络理论引入AQM的研究中,设计了一种改进的单神经元自适应PID主动队列管理器。基于NS2平台的仿真结果表明,与PID控制器及传统的单神经元自适应PID控制器相比,改进的控制器对网络环境的变化有更强的适应能力和更好的稳定性。

基于改进NetVLAD图像特征提取的回环检测算法

传统回环检测算法大都采用手工特征来表征图像,在应对光照、视角等环境变化时的鲁棒性较差,并且特征提取比较耗时,很难满足实时性要求。针对上述问题,提出了一种改进的基于深度神经网络提取图像特征的回环检测算法。具体地,在经典NetVLAD算法中引入空洞空间金字塔池化模块,通过多尺度特征融合,在降维的同时提高了特征图的分辨率,得到更加鲁棒且紧凑的图像特征描述。在公共数据集上的实验结果表明,所提出的算法在精确率和召回率上均有一定的提升,可以较好地应对环境变化,图像特征提取耗时也有明显改善。

基于层次化可导航小世界网络改进的SeqSLAM算法

SeqSLAM是移动机器人领域广泛使用的一种视觉定位算法,它对光照等因素较鲁棒,但受视角变化影响较大。另外,SeqSLAM采用了蛮力搜索匹配的方式,在较大规模数据集中无法满足实时性要求。针对以上问题,对SeqSLAM算法做了两方面的改进:首先将图像表示为局部聚合描述子向量,提取图像特征;然后采用层次化可导航小世界网络算法搜索相似图像序列,具有更高的搜索效率。测试表明,改进的SeqSLAM算法可以获得更高的精确率和召回率,搜索时间显著降低。

基于视觉特征提取的强化学习自动驾驶系统

针对现有自动驾驶系统泛化能力不足的问题,设计了一种基于视觉特征提取的强化学习自动驾驶系统,通过提取车道线信息,剔除了环境噪声干扰,经过变分自编码器进行特征降维,只保留原图像中的关键信息,提高了强化学习的训练速度。基于仿真平台的测试表明,设计的自动驾驶系统可以完成车道保持任务,并且具有良好的泛化能力,更换道路场景之后依然可以正常行驶。

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。

无人驾驶系统中执行器攻击检测算法设计

为保证执行器的安全,提出了一种检测执行器攻击并确定攻击类型的方法。根据车载传感器的测量数据,采用最大似然估计的方法计算执行器所执行的实际控制指令,然后与车载计算机发送的上游指令对比,判断执行器是否执行了预期指令。仿真平台上的实验结果表明,该执行器攻击检测算法能够有效、及时地检测出攻击,并准确识别出具体攻击类型。