特征更新的动态图卷积表面损伤点云分割方法

针对金属部件表面损伤点云数据对分割网络局部特征分析能力要求高,局部特征分析能力较弱的传统算法对某些数据集无法达到理想的分割效果问题,选择采用相对损伤体积等特征进行损伤分类,将金属表面损伤分为6类,提出一种包含空间尺度区域信息的三维图注意力特征提取方法。将得到的空间尺度区域特征用于特征更新网络模块的设计,基于特征更新模块构建出了一种特征更新的动态图卷积网络(Feature Adaptive Shifting-Dynamic Graph Convolutional Neural Networks)用于点云语义分割。实验结果表明,该方法有助于更有效地进行点云分割,并提取点云局部特征。在金属表面损伤分割上,该方法的精度优于PointNet++、DGCNN(Dynamic Graph Convolutional Neural Networks)等方法,提高了分割结果的精度与有效性。

电影中概率论和统计学知识的探究

如今,含有数学元素的电影也日益增多,人们在观看这些电影时是否留意并思考过其中的数学问题正是我们所关注的。事实上,这些数学知识对影片的剧情发展往往起到了推波助澜的作用,也为影片增添了独特的魅力与趣味性。选取《决胜21点》和《点球成金》这两部与数学和统计学密切相关的电影,结合具体电影场景研究了其中的概率论和统计学问题,讨论了数据背后的价值和启示。

基于SSVEP的空间机械臂脑机交互方法

为实现航天员与空间机械臂的脑机交互,针对稳态视觉诱发电位脑机接口(SSVEP-BCI),提出一种基于卷积神经网络的SSVEP信号分类方法;该方法以SSVEP信号经过快速傅立叶变换的特征为输入,经过三层卷积层、全连接等操作实现信号的分类识别;采用清华大学Benchmark数据集对该方法进行测试,在1秒的时间窗口下,平均分类准确率为99.07%,平均信息传输率为149.24 b/min,均明显高于采用典型相关分析或滤波器组典型相关分析的方法;实验对比分析表明,该方法针对短时间窗口的SSVEP信号具有较好的目标分类效果;最后,使用分类后的信号作为控制信号,对仿真环境下的空间机械臂进行操作,实现人和空间机械臂的脑机交互。