脑状态解码的可解释深度学习新框架

针对功能磁共振成像(functionmagneticresonanceimage,fMRI)的脑状态解码未充分挖掘fMRI的时间特征,且需要依赖专家知识进行特征提取的问题,从深度学习可解释性的角度提出一种基于任务态fMRI的智能脑状态解码新框架,先设计基于Inception结构的三维卷积神经网络(Inception-CNN)对任务态fMRI进行分类,再结合类激活映射算法解释分类结果与大脑不同脑区的功能相关性,并提出改进的细粒度类激活算法GuidedScore-CAM,采用遮掩校验法验证类激活映射可视化算法的有效性。对所提出的解码框架在4种不同的任务态功能磁共振成像数据中进行测试,结果表明:Inception-CNN分类模型准确度达98%,类激活可视化能够准确映射到分类结果对应的功能脑区,可有效解码大脑任务状态。

基于Fast R-CNN网络的雾霾天人车防碰撞研究

由于雾霾天气对车辆视线的干扰,容易导致交通事故的发生。基于Fast R-CNN网络的雾霾天人车防碰撞系统,提出了一种基于深度学习的防碰撞方法。首先,采用深度学习算法对人车进行实时目标检测,以便及时发现前方车辆和障碍物。其次,对检测到的障碍物进行分类和跟踪,以便对其进行有效避让。最后,通过实验验证了提出的方法在雾霾天气下的有效性和可行性。实验结果表明,该方法可以有效提高人车在雾霾天气下的行驶安全性和稳定性,避免碰撞事故的发生。

利用神经网络对地应力测量的结果进行分析

利用ＢＰ神经网络对我国四个金属矿山共３８个测点的地应力测量结果进行了分析。结果表明，地应力值随岩体的埋藏深度和弹性模量的增加而增大，但地应力与岩体弹性模量的关系远不如它与岩体埋藏深度的关系那样有良好的线性关系。

齿轮选材及热处理工艺智能专家系统

分析了专家系统和人工神经网络各自的特征和优缺点及其在选材和热处理方面的应用,将人工神经网络技术引入齿轮选 材和热处理专家系统,建立了两级BP网络模型,在很大程度上克服了传统专家系统的缺陷.本系统包含有大量的齿轮选材和热 处理资料.

小波和神经网络在采煤机故障诊断中的应用

进行采煤机截割部齿轮传动系统的振动测试,采用小波变换对振动信号进行去噪处理,经过小波去噪后的振动信号作为BP网络的输入,采用三层BP神经网络结构对采煤机截割部齿轮传动系统的故障进行了趋势预测,取得了满意的诊断效果。

大数据时代下人工智能应用研究

大数据时代已经来临,人工智能技术在大数据时代背景下的应用大幅提升。人工智能技术最早于20世纪50年代提出,其自身在新型技术发展过程中,逐步在各领域中得到综合性的应用。在大数据技术的发展过程中,人工智能技术的创新性进一步地体现出来,并且更具时代的发展特征。本文以人工智能技术在实际发展过程当中的创新优势作为研究的重点,探究人工智能技术在发展过程当中与大数据技术的现实关联,并且思考如何在大数据时代背景下使人工智能技术得到有效的创新,大幅提升相应技术的完善度。

分级循环荷载下保护层开采扰动煤岩强度及裂隙特性研究

针对回采时反复采动作用下的保护层开采扰动煤岩极易诱发巷道围岩失稳的问题,采用分级循环荷载模拟实际回采工程中采动应力的长期作用,研究保护层开采扰动煤岩在循环荷载作用下的力学强度及变形破坏特性.试验结果表明,在加卸载过程中,受保护层开采扰动煤样的体积膨胀变形明显,煤样内部结构破坏程度比未受保护层开采扰动煤样更高.在加卸载后期,受保护层开采扰动煤样表现为塑性破坏,未受保护层开采扰动煤样发生明显的脆性破坏.相比于未受保护层开采扰动煤样,受保护层开采扰动煤样的峰值强度下降,单位体积(直径为50 mm,高度为100 mm)内的煤样裂隙体积显著增加,峰值强度和裂隙体积占比均沿煤层走向分布较为均匀.处于断层带的未受保护层开采扰动煤样的彼此物性差异较大.受保护层开采扰动煤样比未受保护层开采扰动煤样更符合“煤岩破坏时,裂隙空间复杂程度与峰值强度存在反向对应分布”规律.

基于信息融合技术的矿山环境综合评估方法

研究矿山环境因素对人心理、生理和行为的影响效应,提出一种基于信息融合技术的矿山环境综合评估方法。该方法主要通过实践调查,分别从亮度、温度、声音三个方面分析了矿山环境对人的心理、生理和行为产生的影响,并结合矿业生产的实际情况,采用信息融合技术,将传感器测得的环境数据经过特征值提取后,作为BP(Back Propagation)神经网络的输入,对数据进行训练,利用BP网络强大的非线性映射能力,对矿山环境做出综合评估。最后,通过仿真试验显示所得结果与现场实际情况基本吻合,从而验证了该方法的有效性,为矿山环境评价提供了有效的综合评估方法。

应用神经网络分析矿山损失贫化

本文提出了分析矿山损失贫化原因的神经网络方法，阐述了其算法原理及其相应的神经网络模型，结合实例说明了该方法的应用。

面向手握舒适度应用的分区压力评测方法研究

针对目前手握舒适度研究没有具体的量化评估这一问题,在分析手握时手部功能与了解手部解剖结构的基础上,对手部进行了分区,分析了各个分区生理特性与分区压力数据指标的关联性,提出了分区压力的评测方法,为进一步研究手握舒适度提供了新的思路。

煤的比热容与挥发分关系数据的BP网络处理

鉴于单纯形法在构建煤的比热容与挥发分关系模型时存在局限性,文章引入比较适合建立非线性模型的BP网络,尝试处理了DSC法测定的干燥无灰基比热数据。结果表明BP网络适用于此类数据的处理。

BP和RBF神经网络在起重机钢丝绳断丝数量预测中的比较研究

利用MATLAB工具箱函数分别建立了起重机钢丝绳断丝数目检测的BP神经网络和RBF神经网络模型,并对2种模型的结构、预测精度和训练过程进行了对比研究。结果表明,在一定的样本集和训练条件下,BP和RBF神经网络均能对钢丝绳的断丝数目进行很好预测,可以解决峰值、阀值波宽、小波能量和波形下面积对钢丝绳断丝数目的非线性映射关系,能够满足工程预测的需要。但RBF神经网络较BP神经网络在迭代次数、收敛速度和网络结构方面更具优势,因此其预测能力和泛化能力都优于BP神经网络。

基于Agent的个性化推荐系统的研究

本文提出了一种基于Agent技术的个性化推荐系统的设计方法。认知Agent(Cognitive Agent)可以根据每个用户个人偏好并综合全体用户的普遍偏好情况为用户提供个性化的推荐服务,此外认知Agent还能根据每个用户的消费行为动态修正偏好设定,从而达到良好的推荐效果。本文还通过一个图书推荐系统的实例给出了基于Agent的个性化推荐系统在JACK平台下的具体设计和实现方法。

基于径向基函数神经网络的建筑结构地震反应的预测研究

地震作用下的建筑结构是一个强非线性系统,而且土木工程结构振动控制对实时性要求很高。因此,在结构振动控制中,为了对建筑结构进行有效的控制,必须对建筑结构在地震作用下的动力响应进行预测。本文采用径向基函数神经网络对建筑结构地震反应进行预测研究,在Matlab的Simulink环境中对系统进行了仿真。仿真结果表明,径向基函数神经网络预测的精度高,训练的时间短,非常适合于建筑结构地震反应预测。

基于无人机的露天金矿区测绘优化研究

在露天金矿的开采过程中,需要对整个矿区进行开采范围以及动用储量的监测,但是大部分露天金矿区的地形及其复杂,呈现出不规则形状,这就给测量及监管带来了极大的难度。传统的人工测量需要消耗大量的人力以及物力资源,这就加大了成本的消耗。本文提出使用无人机的低空摄影技术去测绘露天金矿区,对测量流程进行了系统分析,最后,使用传统测绘方法去对无人机测绘结果进行精度检核。结果表明,无人机低空摄影测量的精度高,可满足1:1000以下的小比例地形测图需求,并且可通过后期处理能获得DOM、DEM数据。无人机低空摄影测量技术具有广泛的应用前景,诸如:在地理国情普查、三维建模等领域。

基于LSTM-SVR组合模型的山西动力煤价格预测

煤炭是重要的基础能源,特别是动力煤在我国占有极高的战略地位,但煤炭价格的预测却十分困难。引入循环神经网络(RNN)对动力煤价格进行预测,在此基础上针对动力煤价随时间变化起伏大的特点,通过优化RNN模型,建立了长短期记忆模型(LSTM),引入支持向量回归机模型(SVR),通过串联的方式形成LSTM-SVR组合模型,以减少单一模型进行预测的风险,提高预测结果的精度。同时采用滑动平均法,以提高特征数据与动力煤价格的相关性。结果表明,经LSTM-SVR组合模型预测的2023年上半年山西动力煤价发展趋势与实际煤价有着较高的线性拟合性,预测准确率达到95.69%。该模型预测2024年山西动力煤价格将逐渐降低,从最高约1200元/t降低至700元/t。研究成果对煤炭企业调整经营战略、优化内部资本结构、维持整个行业长期稳定发展具有重要意义。

医联网与智慧医疗健康管理

提升医疗健康机构的管理服务能力有赖于医疗健康管理理论的持续创新。受限于现有封闭、孤立的服务模式,现阶段的服务体系难以应对新一代信息技术环境下的诊疗服务模式变革。针对该矛盾,提出医联网构建运行机理与智慧医疗健康服务机制这一核心科学问题,介绍医联网的运行和演化机理、医疗健康大数据与人工智能、基于医联网的医疗过程及其智慧管理、基于医联网的健康服务及其智慧管理、基于医联网的重大传染性疾病防治及其智慧管理、医联网医院和医联体的智慧运营管理6个重点研究方向,凝练出重点方向的典型科学问题,以期通过理论研究促进智慧医疗健康服务和管理实践发展。

论类型化人工智能法律责任体系的构建

从语义逻辑上廓清"人工智能+法律"的研究视域,似可分为两个规制方向:人工智能的法律化和法律的人工智能化。论及人工智能的法律规制,首先可以探索性地将人工智能分为人造程序、人造机器或人造机器人、人造人,在此基础上,依次从法律责任的三个维度即民事责任、刑事责任和行政责任切入,可以提出类型化人工智能法律责任的"九宫格"模型,以明晰的法律责任兜底人工智能发展的潜在风险。