基于多任务学习的间质性肺病分割算法

间质性肺病(ILD)的分割标签标注成本极高,且现有数据集通常存在样本量较少的问题,导致训练的模型效果较差。针对该问题,提出一种基于多任务学习的ILD分割算法。首先,基于U-Net构建多任务分割模型;其次,使用生成的肺部分割标签作为辅助任务标签进行多任务学习;最后,使用一种自适应调整多任务损失函数权重的方法,平衡主任务和辅助任务的损失。在自构建的ILD数据集上的实验结果表明,多任务分割模型的Dice相似系数(DSC)达到了82.61%,与U-Net相比提升了2.26个百分点。验证了所提算法可以提升ILD的分割性能,协助临床医生进行ILD诊断。

基于CT图像的深度神经网络肺功能预测

我国流行病学调查结果显示,以慢阻肺和哮喘为代表的慢性呼吸系统疾病患病率高且呈现上升的趋势,给公共卫生健康带来了严重威胁.目前,计算机断层扫描(CT)作为一种方便、无创的方法被广泛应用于肺功能的评估.在基于CT图像的计算机辅助评估肺功能的方法中,人工设计的特征存在表达能力有限的问题,且现有的深度学习方法从高噪稀疏的小样本数据集中提取特征的效果较差.为了提高肺功能检查的效率,本文提出了基于CT图像的肺功能预测网络(LFP-ResNet).首先,本文提出了多层次上下文特征融合(MCFF)方法,有效增强了对表征肺部纹理和形态的特征提取;其次,利用三维残差网络充分保证了CT图像的空间异质性;最后,本文构建了包含肺功能正常人群和患有慢性呼吸系统疾病患者的肺功能数据集,并在该数据集上对比了本工作提出的方法以及其他先进的肺功能预测方法 .实验结果表明,本文提出的MCFF策略在含噪声的稀疏矩阵中提取特征时比其他特征提取方法更有效,且所构建的LFP-ResNet在肺功能预测任务中表现出更好的预测性能.

基于多任务自适应知识蒸馏的语音增强

【目的】提出一种多任务自适应知识蒸馏的语音增强算法,旨在解决复杂模型在时间和硬件等计算成本方面带来的问题,同时提高语音增强算法的性能。【方法】首先,采用知识蒸馏的思想来解决现有的语音增强模型过于庞大、参数多造成计算成本上升问题;其次,充分考虑不同时频单元之间的差异,引入加权因子来优化传统损失函数提升学生网络性能;为了避免教师网络预测的不确定性影响学生网络的性能,构建多任务自适应学习的知识蒸馏网络,可以更好地利用不同任务之间的关联性优化模型。【结果】实验仿真结果表明,所提出的算法在减少参数量、缩短计算时间的同时,还能有效提高语音增强模型的性能。

基于多任务学习的近岸舰船检测方法

在遥感光学图像近岸舰船目标检测任务中,针对近岸复杂场景中存在形状近似目标的虚警问题,提出一种基于多任务学习的近岸舰船目标检测方法。该方法通过构建海陆分割任务与舰船检测任务并行双路框架,将传统的任务串行处理流程优化为并行处理方式,设计联合损失函数进行双路优化训练约束,提升模型训练的稳定性,通过双分支融合模块剔除陆地掩膜中的检测结果,实现陆地虚警滤除。采用谷歌地球遥感图像制作的数据集进行实验,将本文提出的方法与单任务检测算法YOLOv5相比,mAP提升了4.4个百分点,虚警率降低了3.4个百分点。实验结果表明本文算法对陆地虚警抑制有效。

多通道功能性电刺激结合任务导向训练对脑卒中上肢偏瘫患者脑功能网络的即刻影响

目的应用功能性近红外光谱(fNIRS)观察脑卒中上肢偏瘫患者在多通道功能性电刺激(FES)结合任务导向训练诱导下的脑功能网络变化。方法选取2023年4月至10月在盐城市第一人民医院住院治疗的脑卒中偏瘫患者15例,通过掷币决定阳性刺激和阴性刺激的顺序。阳性刺激在多通道FES下行任务导向训练,阴性刺激在伪刺激下行任务导向训练,间隔1 d。每次训练时,采用fNIRS测量患者双侧前额叶皮质(PFC)、前运动皮质(PMC)、辅助运动区(SMA)、感觉运动皮质(SMC)的氧合血红蛋白的浓度,计算总体功能连接强度和感兴趣区的功能连接强度差异。结果与阴性刺激相比,阳性刺激下,大脑皮质总体功能连接强度降低(t=-2.735,P<0.05),损伤对侧PFC-损伤同侧PFC和损伤对侧PFC-损伤对侧PMC的功能连接降低(P<0.05)。结论多通道FES结合任务导向训练可以优化脑卒中上肢偏瘫患者的皮质功能连接。

基于深度强化学习的异构智能体编队避障控制方法

针对在编队避障控制中智能体个体的异构性和多任务的复杂性问题,提出一种基于深度强化学习的异构智能体编队避障控制方法。首先,为了克服智能体个体的异构性,详细描述了领航者和跟随者智能体各自采用的局部观测表示;其次,根据智能体的相应任务,设计了编队、避障和导航三种复合的综合奖励函数,以实现更加灵活和高效的编队避障控制;最后,设计了融合注意力机制的行动者-评论家网络,用于联合训练领航者和跟随者的运动策略,从而使智能体能够逐步优化综合策略,以应对复杂的交互信息。数值仿真实验结果显示,文中提出的方法使得智能体能有效完成各自的任务,与其他强化学习算法相比,能够更迅速、更精确地使智能体学习到最优的运动策略,并在未来应用于复杂环境中,具有潜在的前景和价值。

基于分段线性激活的多任务行人目标检测识别算法研究

通过在已有检测网络结构的基础上增加解耦预测支路,实现了车载摄像头下行人位置、人头位置、行人年龄与遮挡属性识别任务,经过试验论证了分类支路在不同网络位置对检测性能的影响。针对网络部署中一些非线性激活函数算子不受工程环境支持这一问题,提出了一种使用分段线性函数来拟合非线性激活函数的方法。经过验证表明,该方法既提升了网络识别的性能又为工程部署提供了便捷性。

一种多核处理器中混合关键级任务半分区调度算法

目前用于混合关键级系统的任务调度算法存在资源分配不合理、中低关键级任务的运行受限等情况,造成系统整体服务质量被降低.本文提出了有效改进系统服务质量的半分区调度算法,该调度算法将用于多核处理器的空闲资源回收计算,能够在触发了高关键级模式的情况下,为被抛弃的低关键级任务分配空闲时间片.此外,该算法还可以利用系统中的空闲时间片推迟系统关键等级的提升,并提出系统关键等级平稳回落策略,两者可以确保系统关键等级不会过于频繁变化.最后,通过算法仿真和实验证明了本文所提方法在混合关键级任务调度问题上的有效性和优越性.

一种基于改进多任务联合稀疏表示的道岔故障检测算法

为提高道岔维护人员人工检查的工作效率,研究准确率更高的智能道岔故障检测算法,提出一种基于改进多任务联合稀疏表示分类的道岔故障检测算法。该算法以道岔转辙机设备的功率曲线为基础数据,应用小波包分解算法提取电流曲线的频域特征向量,并融合曲线时域特征向量,选用多任务联合稀疏表示分类算法,辅以新型动态时间规整算法衍生核函数进行故障建模。经仿真实验,对收集的实际数据进行检测,模型正确率可达100%,验证了该算法的有效性,实现了智能道岔故障检测。

Dynamic cluster member selection method for multi-target tracking in wireless sensor network

Multi-target tracking(MTT) is a research hotspot of wireless sensor networks at present.A self-organized dynamic cluster task allocation scheme is used to implement collaborative task allocation for MTT in WSN and a special cluster member(CM) node selection method is put forward in the scheme.An energy efficiency model was proposed under consideration of both energy consumption and remaining energy balance in the network.A tracking accuracy model based on area-sum principle was also presented through analyzing the localization accuracy of triangulation.Then,the two models mentioned above were combined to establish dynamic cluster member selection model for MTT where a comprehensive performance index function was designed to guide the CM node selection.This selection was fulfilled using genetic algorithm.Simulation results show that this method keeps both energy efficiency and tracking quality in optimal state,and also indicate the validity of genetic algorithm in implementing CM node selection.

信息迁移多任务优化共生生物搜索算法

针对现有共生生物搜索(SOS)算法只能求解单个任务,以及信息负迁移影响多任务优化(MTO)性能这两个难题,提出一个信息迁移多任务优化共生生物搜索(ITMTSOS)算法。首先基于多种群演化MTO框架,根据任务个数设置相应数量种群;然后各种群独立运行基本SOS算法,当某一种群连续若干代停滞进化时,引入个体自身最优经验和邻域最优个体以形成知识模块并将该模块迁移至该种群个体进化过程中;最后对ITMTSOS算法时间和空间复杂度进行分析。仿真实验结果表明,ITMTSOS算法同时求解多个不同形态高维函数时均能快速收敛至全局极值解0,与单任务SOS算法相比,平均运行时间最多缩短约25.25%;而在同时求解多维0/1背包问题和师生匹配问题时,所提算法在测试集weing1和weing7上的最优适应值与目前测试集公布的最优结果相比分别提高了22767和22602,师生最优匹配差和平均匹配差的绝对值分别下降了26和33,平均运行时间约缩短了7.69%。

复杂场景下自适应特征融合的多尺度船舶检测

受台风、大雾、雨雪等复杂天气以及遮挡、尺度变化等影响,现有船舶检测方法存在误检和漏检问题。针对上述复杂场景问题,在YOLOX-S模型的基础上,提出一种自适应特征融合的多尺度船舶检测方法。首先,在主干特征提取网络中引入特征增强模块,抑制复杂背景噪声对船舶特征提取的干扰;其次,考虑深浅层次特征融合比例问题,设计自适应特征融合模块,充分利用深浅层次特征,提高模型的多尺度船舶检测能力;最后,在检测头网络,将检测头解耦,并引入自适应的多任务损失函数,平衡分类任务和回归任务,提高船舶检测的鲁棒性。实验结果显示,所提方法在公开船舶检测数据集SeaShips和McShips上的检测平均精度均值(mAP)分别达到了97.43%和96.10%,检测速度达到每秒189帧,满足实时检测的要求,验证了所提方法在复杂场景下仍能对多尺度船舶目标实现高精度检测。

基于相关性学习的多任务模型及其应用

多任务学习是一种联合多个任务同时学习来增强模型表示和泛化能力的手段,任务之间的相关性是多任务学习的基本因素.为解决任务差异的内在冲突会损害部分任务的预测的问题,提出一种基于相关性学习层(correlation learning layer,CLL)的多任务学习模型,并将该模型作为新的代理模型应用于贝叶斯优化算法中,以期解决昂贵的优化问题.在传统的多任务学习网络后面增加相关性学习层,使已经完成初步共享学习的任务在该层进行优化共享,令多个任务所学习到的知识充分交互起来.根据不同的基于参数的共享机制,构建带有相关性层的LeNet和径向基函数(radial basis function,RBF)多任务学习模型,在多任务版本的美国国家标准与技术研究所(Mixed National Institute of Standards and Technology,MNIST)数据集和任务相关性可控制的综合数据集上进行实验,验证了所提出的基于相关性层的多任务学习模型的有效性.将所提多任务学习网络作为代理模型应用于贝叶斯优化算法中,不仅能减少模型对目标问题的评价次数,还能成倍地扩充训练数据数量,进而提升模型的性能.

基于多任务学习的跨年龄人脸识别

为了解决年龄因素影响下的人脸识别问题,设计了一种多任务学习模型,用以进行年龄干扰下的人脸识别.通过卷积神经网络对人脸图像进行全面的特征提取,作为多任务学习的主干部分;使用特征分解模块提取出具有年龄相关信息的掩码层,从而从混杂的人脸特征中分离出年龄信息和身份信息;通过交叉熵损失函数和Arcface函数分别对年龄特征和身份特征进行约束.提出的网络对年龄干扰下的人脸特征具有较好的识别能力.

基于多智能体强化学习的微装配任务规划方法

现有装配任务规划方式多为人工规划,存在低效、高成本、易误操作等问题,为此分析了微装配操作的任务特点,以及对微装配中多操作臂协作与竞争关系进行了详细分析,并提出多智能体强化学习中符合微装配任务特点的动作空间、状态空间以及奖励函数的构建方法;利用CoppeliaSim仿真软件构建合理的仿真模型,对已有设备进行物理建模;构建了基于多智能体深度确定性策略梯度算法的学习模型并进行训练,在仿真环境中对设计的状态、动作空间以及奖励函数进行了逐项实验验证,最终获得了稳定的路径以及完整的任务实施方案;仿真结果表明,提出的环境构建方法,更契合直角坐标运动为主要框架的微装配任务,能够克服现有规划方法的不足,能够实现可实际工程化的多臂协同操作,提高任务的效率以及规划的自动化程度。

基于事件驱动状态机的多线语音应用程序设计

本文介绍了事件驱动状态机的工作原理，在此基础上，给出了一种多线语音应用程序设计方案。

多特征融合的端到端链式行人多目标跟踪网络

目标检测、特征提取与数据关联作为多目标跟踪网络中重要的组件,独立或部分联合地发挥作用,这种组件分离的方法虽取得了良好的跟踪效果,但增加了跟踪网络的复杂性,影响了跟踪速度。为提升行人多目标跟踪速度及维持跟踪精度,提出一种端到端链式行人多目标跟踪网络。将目标检测、特征提取与数据关联集成到一个统一的框架中,将连续2帧图片组成一个节点作为输入,直接回归出节点之间相同目标的成对边界框,利用相邻节点之间公共帧的强相似性,仅使用交并比匹配进行数据关联,以提高跟踪速度。使用多特征融合的双向特征金字塔,并在金字塔网络中引用改进可变形卷积,提高模型对目标形变的适应性。为解决正负样本不平衡及梯度贡献的差异,将focal loss与BalancedL1 Loss组成多任务学习损失函数以促进网络的均衡学习。在MOT17数据集上的实验结果表明,与DeepSORT、TubeTK、CenterTrack等网络相比,该网络可有效实现跟踪速度与精度的平衡,多目标跟踪精度为69.6,跟踪速度保持为21.6 frame/s。

基于DOS系统的实时多任务控制软件设计方法研究

高精度数控系统对控制软件的实时性有很高的要求，为了满足弧焊机器人用数控焊接变位 机控制系统的实时性要求，提出了一种基于ＤＯＳ 操作系统的实时多任务控制软件的设计方法．该 设计方法通过对控制系统中各个实时任务的动态调度，提高了ＣＰＵ的利用率．实验表明，由于多 任务机制的采用，显著提高了系统的可靠性，并使控制精度得到了保证．

电器智能化测控单元软件系统的设计

针对电器智能化测控单元在继电保护综合自动化系统中适应各种保护应用和实时执行多种任务的需要 ,借鉴PLC的思想设计了一套在线可编程的实时多任务操作系统 ,它采用灵活多变的指令级功能描述语言以提供在线实时定制功能 ,改善了智能化电器的功能配置方式 ,使其能够适应多种应用要求和提高多任务实时调度能力。

基于C-D函数的多任务委托-代理模型研究

笔者将柯布-道格拉斯函数引入参数化多任务委托-代理模型研究,并对模型进行案例分析,研究表明:委托人应该提高重要性高和不确定性较低的任务的激励力度,使其高于重要性低和不确定性较高任务的激励力度;当代理人风险回避性较强和所委托活动的不确定性较高时,应降低激励弱化其风险分担;当代理人的个人能力越强时,委托人应增大代理人的分享系数,进一步激励代理人。