基于状态转移算法和U-net的医学图像分割

U-net在医学图像分割领域应用广泛,但存在小目标分割精度低、模型收敛慢等问题,且其结构和超参数的设定对网络性能有很大影响。为此,本文提出基于混合状态转移算法的U-net结构设计方法,以获取不同分割任务下的较优的U-net体系结构。首先,提出一种可变深度的编码策略来表示U-net中不同的构建块和潜在的最优深度;其次,通过混合状态转移算法优化网络结构中的超参数和连接权重初始值;再次,设计一种新的交互操作来生成具有潜力的个体,利用迁移学习策略和减少epoch的方法加速网络个体的进化;最后,在心脏MRI、肝脏LiTS这2个医学图像数据集中进行测试,验证本文方法的有效性。研究结果表明:与经典的语义分割网络相比,本文所提方法在Dice、Jaccard、VOE等分割性能评价指标中有更好的表现,验证了本文所提算法的可行性和有效性。

超导磁储能研究

在未来智能电网的发展过程中,一方面为了完成充足的能源储备,迫切需要容纳更多的新能源发电系统;另一方面为了满足电力用户的各种用电需求,还需要改善电能质量并提高供电的可靠性。但是,可再生能源的间歇性以及电力用户的负载功率需求的波动往往会造成电力系统供需不平衡的问题。因此,需要引入各种电力储能装置,以实现实时、高效的电网能量调控。其中的超导磁储能系统(SMES)作为一种具有大功率密度、清洁无污染、快速响应、四象限调节等特点的储能装置,在电力系统中具有广阔的应用前景。但是SMES功率调节系统中的变流器与控制策略影响着整个系统的可靠性和性能。分析当前超导储能的研究现状,介绍超导储能系统的应用及其工作原理,并且对超导储能行业未来的前景进行了展望。