面向医疗数据的隐私保护联邦学习架构

联邦学习作为一种新兴的神经网络训练模型,因其可以在保护用户数据隐私的前提下进行模型训练而受到广泛关注。然而,由于攻击者可以从共享梯度中跟踪和提取参与者的隐私,因此联邦学习仍然面临各种安全和隐私威胁。针对医疗数据在联邦学习过程中面临的隐私泄露问题,基于Paillier同态加密技术提出一种保护隐私的医疗数据联邦学习架构。首先,采用Paillier加密技术对客户端的共享训练模型进行加密,确保训练模型的安全性和隐私性,同时设计了零知识证明身份认证模块确保参与训练成员身份的可信性;其次,在服务器端通过构造消息确认机制将掉线或无响应用户暂时剔除,减少了服务器等待时间,降低了通信开销。实验结果表明,所提机制在实现隐私保护的同时,具有较高的模型准确率,较低的通信时延,并具有一定的可扩展性。

面向会话推荐的注意力图神经网络

面向会话的推荐方式起源于无法获得用户历史数据的应用场景,它是通过匿名会话来预测用户的行为.现有面向会话的推荐方法,虽然可以准确获得项目嵌入和考虑项目的复杂转换,但不能从多维度提取会话序列中隐藏的用户的长期兴趣和短期偏好,造成推荐性能低.该文引入注意力机制,提出一种多头注意力机制和软注意力机制有机结合的新机制,并据此提出面向会话推荐的注意力图神经网络.该注意力机制通过给不同的输入数据赋予不同权重,实现对当前推荐任务更为关键的信息的聚焦,以此从不同角度提取用户的兴趣和偏好.该模型在电商数据集上进行实验,与已有的基准模型相比,该文所提模型在各项评论指标上均有显著提升.在Dgeca数据集上,P@20可达61.77%,充分表明了所提方法的有效性.

铸态42CrMo环坯热辗扩微观组织模拟

为避免传统环件热成形工艺需要多次加热等问题,以铸态42CrMo合金环坯短流程铸辗复合成形工艺为研究对象,通过Gleeble-1500D热模拟试验机及金相显微镜进行系列试验研究,得到温度850～1150℃,应变速率0.05～5s-1的流变应力曲线.对流变应力曲线进行图形变换求解出位错密度变化和每个动态再结晶晶粒生长的动力学行为,并评估成核和动态再结晶晶粒的生长动力学行为.研究晶粒拓扑变形技术,并通过主成分分析对晶粒的拓扑结构进行优化.结果表明,采用Kock-M ecking（KM）位错密度模型可以揭示42CrMo合金动态再结晶过程中的位错密度演变,结合元胞自动机和优化后的晶粒拓扑变形技术的KM位错密度模型,能精确地模拟位错密度动态再结晶过程.

42CrMo环件铸辗复合成形的跨尺度建模

基于有限元理论和元胞自动机模型,提出一种宏观与微观尺度相结合的铸态42CrMo合金环件短流程铸辗复合成形工艺混合建模方法。在铸辗复合成形新工艺理论框架下,定义考虑环坯热变形行为和晶粒空间结构的宏观/微观边界转换条件,该边界条件有助于环件的形/性一体化调控。在微观元胞自动机模型框架下,研究晶粒拓扑变形技术,充分考虑晶粒空间重叠的结构问题,通过独立成分分析对晶粒的拓扑结构进行优化。应用混合模型模拟环件短流程铸辗复合成形过程,结果表明,混合建模能根据环件整体和各位置所需表现尺度的不同,应用不同层次的宏微观模型分别模拟,有效提高了铸态环件短流程铸辗复合成形工艺的模拟效能。

基于柔性神经树和表面肌电信号的手势识别模型

表面肌电信号因为具有非入侵式、易于采集特点,被广泛应用于康复医疗和行为识别等领域。传统的基于表面肌电信号sEMG(Surface Electromyography)的手势识别通常采用数字信号处理DSP(Digital Signal Processing)芯片或者集合方法研究实时识别问题。这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低。提出一种基于肌电信号与柔性神经树FNT(FlexibleNeural Trees)模型的实时手势识别模型。柔性神经树模型通过简单的预定义建立,能够解决人工神经网络ANN(Artificial NeuralNetwork)的结构高依赖性问题。柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率。针对六名参与者的六种手势进行实验,实验结果表明:该模型的均方根误差RMSE(Root Mean Square Error)最低为0.000385,实时识别率最高可达97.53%。

利用柔性神经树的实时肌电信号手势识别模型

传统的手势识别通常采用数字信号处理(Digital Signal Processing,DSP)芯片或者集合方法(Ensem-ble Methods)研究实时识别问题。这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低。提出一种基于表面肌电信号与柔性神经树(Flexible Neural Trees,FNT)模型的实时手势识别模型。表面肌电信号(surface Electromyography,sEMG)具有非入侵式、易于采集特点,故被广泛应用于行为识别和诊断等领域。柔性神经树模型通过简单的预定义来构建,能够解决人工神经网络(Artificial Neural Network,ANN)的结构依赖性高的问题。柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率和较低的方均根误差(Root Mean Square Error,RMSE)。实验针对六名参与者的六种手势进行测试,结果表明该模型实时识别率较高,实际应用也证明该算法可行。

肌电三维仿真手的单通道盲识别系统

介绍的肌电三维仿真手的单通道盲识别系统。利用单通道盲源分离,避免硬件电路连线复杂;利用混沌加密,确定表面肌电信号(Electromyography)盲源识别顺序。实验表明,该系统实现了肌电信号单通道纪录,解决了盲源分离中的分离无序的问题,准确地实现手部运动模式的实时识别和显示。

某露天矿山边坡治理对策研究

通过对某矿山总体边坡和局部台阶边坡分别进行稳定性极限平衡计算及数值分析,对设计边坡进行稳定性评价,调查边坡现状,重点查明滑坡的原因,针对潜在不稳定性提出了优化边坡角或边坡整治的建议,同时对边坡靠帮过程控制进行了分析研究,提出了采用小孔径预裂爆破的必要性,为改善边坡现状及保证边坡的稳定性奠定了基础。

GPRS网络控制技术在RP中的应用

提出了一个以Microsoft Visual C++作为编程工具,在GPRS网络环境下,通过Winsock接口编程开发的基于快速原型制造设备的GPRS网络控制系统。该系统结合了远程控制技术、GPRS技术和先进集成制造技术,实现了远程控制中心对多个快速原型设备、云台和摄像机及时准确地无线通信和控制,并能使信息在无线网络环境下能够更好地互动和管理,而且系统的可扩展性强、易于推广和维护。

针对ER 9350液压铲的爆破技术优化研究与应用

针对ER9350液压铲对货源提出的要求,通过对爆破设计参数的优化,采用大孔距小抵抗线爆破技术反复进行现场试验,达到了改善其货源条件的目的,使其可以高效安全的进行采掘。

某露天矿山边坡爆破振动测试及分析

对某露天矿山爆破振动引起的地震进行测量并分析,研究各个分区爆破振动在岩体中的衰减规律,了解爆破振动对岩体的伤害程度,确定相应的爆破振动参数,从而通过控制爆破将爆破振动对岩体的伤害降到最低。

某露天矿富水炮孔底部间隔装药技术研究

介绍了BJK气体间隔器在某露天矿台阶深孔富水孔炮孔中的试验研究,采用底部间隔装药技术,取得了较佳的技术经济效果,既降低了爆破成本,也改善了爆破质量。

地、空协同时频域电磁法在露天矿地下水勘察中的应用

介绍采用地、空协同时频域电磁法对采场地下水进行物探工作,对其渗水通道展布方向及空间赋存形态进行分析,为地下水渗漏治理提供依据,实现地下水的趋利避害,保护边坡安全,稳定采场生产。同时也充分证实了地、空协同时频域电磁法在露天矿地下水勘察应用中为有效的技术手段,为同类矿山提供参考。

径向基函数神经网络辅助的微粒群算法

由于微粒群算法在获得最优解或近似最优解之前往往需要进行大量的目标函数评价,因此其在求解复杂优化问题时的时间消耗是不可接受的,导致其在这类优化问题上的应用受到了很大的限制。为此,我们提出使用计算廉价的径向基函数神经网络作为代理模型以替换真实的计算费时的目标函数计算。当其估值优于个体历史最优值时才进行真实的目标函数计算,从而节省计算成本。通过在6个50维的标准测试函数上的实验结果分析,该方法能够在相同目标函数评价次数下获得比标准微粒群算法更优的解,表明了所提方法对于求解复杂优化问题的有效性。

42CrMo铸坯环件热辗扩有限元模拟与分析

基于ABAQUS软件平台,建立了42CrMo大型环形铸坯热辗扩三维热力耦合有限元模型,模拟了铸坯热辗扩过程中应变场和温度场,研究了初始辗扩温度对辗扩力的影响规律。模拟结果表明在环形铸坯热辗扩过程中:1铸坯等效应变呈阶梯状上升,内外表面应变大于中间层应变;在稳定成形阶段,沿环件径向方向,由于导向辊与芯辊直径差异,导致环件最大平均等效应变可能出现在环件内表面也可能出现在环件外表面;2初始阶段,变形区与成形辊接触处温度降低较快,非变形区温度变化不是很明显;随着辗扩的进行,芯部温度逐渐上升,边缘温度低,温度分布不均匀;3随着铸坯初始辗扩温度升高,平均辗扩力明显下降,但随时间变化趋势保持一致。

基于相空间重构和柔性神经树的乐器分类

基于相空间重构理论和主成分分析理论,对不同乐器产生的音频时间序列进行处理。通过分析各类乐器的高维特性,采用概率密度函数来刻画各个乐器在相空间中的差异,然后将概率密度函数的参数与其他音色特征相结合,采用柔性神经树作为分类器,提出一种新的乐器分类方法。柔性神经树能够解决人工神经网络结构的高度依赖性问题,还具有较高的识别率。实验表明,该分类器与BP神经网络和支持向量机比较具有较高的平均分类准确率和较低的均方根误差值。

基于改进聚类的电信客户流失预测分析

针对电信领域客户流失的问题,提出了改进聚类的客户流失预测模型。根据通信行业中实际客户流失数据的正负样本数量不平衡而且数据量特别大的特点,提出带有不同权重参数的改进聚类算法,并将其用于电信行业的客户流失预测模型中。通过实际电信客户数据集测试,与传统的预测算法比较,证明这种算法适合解决大数据集和不平衡数据,具有更高的精确度,能够取得较好的客户流失预测效果。

一种自适应单入多出盲源分离方法

单入多出盲源分离SIMO_BSS(Single input multiple out blind source separation)是一种特殊的欠定盲源分离情况。目前算法过程中过多地需要根据个人经验判断,自适应差。针对此问题提出通过经验模态分解EEMD(Ensemble empirical mode decomposition)将由多路信号混合成的单路信号分解为多路本征模态函数IMFs(Intrinsic mode functions),采用主成分分析PCA(Principle com-ponent analysis)对多路本征模态函数自适应降维,并利用独立成分分析ICA(Independent component analysis)恢复出相互独立的多路源信号。最后,分别对周期混合信号、生物混合信号进行仿真,仿真结果表明在不同NSR条件下,与EEMD_ICA算法相比,速度快且分离效果较好。

基于深度学习的异噪声下手写汉字识别的研究

针对手写汉字字符图像识别率受随机噪声影响的问题,提出了一种基于深度学习与抑制噪声相结合的新算法。该算法主要应用于拥有随机噪声的手写汉字字符图片,是其在Python环境下,利用Caffe平台建立抑制噪声与卷积神经网络相结合的模型,通过模型移除噪声并正确识别手写汉字。另外,新算法去除噪声的同时对字符形态没有改变,保留了汉字的原始信息。结果在其两种不同的噪声(高斯噪声和椒盐噪声)下,逐渐提升其噪声强度,进行多次实验,同时与其他方法对比,最终得到其平均识别率为97. 05%。实验结果表明,该模型和算法具有效率快、识别能力强的优点。

一种基于STFT幅度测量值的图像相位恢复算法

图像相位恢复是指通过不含任何相位信息的幅度测量值恢复原始图像相位的问题.针对实际图像观测和传递过程中相位信息受到损失或者丢失的问题,利用原始图像短时傅里叶(Short-Time Fourier Transform,STFT)幅度测量值的唯一性,提出了一种图像相位恢复算法.通过改进的最小二乘法(Least Squares,LS)获取梯度下降法(GD,Gradient Descent)的迭代初始值,最小化构造非凸损失函数,解决了图像相位恢复的非凸优化问题.实验仿真中,在不同噪声类型和噪声强度的干扰下,相位恢复后的图像轮廓条纹依然清晰.实验结果表明,本文算法能够根据STFT幅度测量值恢复出图像的相位,具有较强的鲁棒性.