深度学习赋能波束管理:现状、挑战与机遇

随着载波频率的不断提高和大规模天线阵列的广泛部署,基于模拟移相器的波束赋形成为下一代无线通信的标志性技术之一。此时,波束管理被用于获取和维护基站和用户端具有最大接收功率的最优波束对,以保障可靠的无线通信服务。传统波束管理方法往往依赖于海量搜索。同时,传统数学模型无法全面的、准确刻画非线性的波束的内在关联和高维无线环境特征,因而难以取得令人满意的波束增益性能。近年来,得益于深度学习强大的自适应拟合能力,深度学习赋能波束管理得到了国内外广泛关注。本文总结了深度学习赋能波束管理的研究进展,并展望了未来的研究方向。首先,阐述了深度学习应用于波束管理的典型场景和潜在优势;随后,从空/时/频域切入,讨论当前深度学习赋能波束管理的主要研究路线和代表性工作;最后,面向更大规模的无线网络、更多元的波束管理功能和更鲁棒的深度学习模型,阐述未来的研究挑战与机遇。

指向深度学习的“信息技术”课程单元教学设计研究

深度学习的目的在于发展学习者的高阶思维,让学习真正发生,是培养学生信息技术核心素养的必然要求。单元教学设计是提高一线课堂教学质量的有效方法,是促进学生深度学习的有效工具。指向深度学习的单元教学需要确定单元主题,制定单元目标,设计单元学习活动,制定评价体系。本文结合信息技术学科特点,构建指向深度学习的单元教学设计模型,结合高中“信息技术”具体教学内容进行探索实践,力求促进学生深度学习。

基于知识深度分级理论的护理心理学课程教学新思路

基于知识深度分级理论的内涵与优势和护理心理学课程现状分析,探索知识深度分级理论下护理心理学教学创新与实践,有利于护理心理学教学模式优化,为护理心理学教学提供新思路。

基于英语学习活动观的深度学习可视化策略研究——以《多维阅读》绘本第六级Living in Space为例

深度学习的目标是培养学生的核心素养。文章结合具体案例,从依据英语学习活动观设计表现性任务,到根据任务呈现具有深度学习特征的评价工具,并最终输出学生深度学习的可视化结果三个方面,探讨基于英语学习活动观的深度学习可视化过程。

知识建构社区交互行为对观点深度影响的研究

知识建构理论注重学习者主动提出观点,通过各种交互行为让学生提出的观点走向更深的层次。文章对18节知识建构课堂交互行为进行了分析,探究不同交互行为对观点深度的影响。研究发现,知识建构社区中交互行为对观点深度的作用主要表现在教师的言语行为和学生的言语行为两个方面,其中教师语言行为对观点深度的作用要大于学生语言行为的影响,由此可见知识建构社区走向深入教师的言语行为引导非常重要。

基于风格迁移的柔性输尿管内窥镜图像深度估计

输尿管内窥镜手术是目前针对肾结石的主流治疗方案,其外形细长、镜体柔软,能够灵活穿越人体自然腔道的内径狭窄的尿道和输尿管,检查视野范围更广,使医生能够更好地观察到病变区域.但一般的输尿管内窥镜仅配备单目摄像头进行配合手术操作,无法借助额外设备获取数据导致了其图像信息的匮乏;同时,相比于胃肠、鼻镜等手术场景,本研究的肾内场景在不具备公开数据集的同时,图像质量参差不齐,表面纹理细节不足,孔洞区域褶皱少,受模糊反光等干扰大,都易使深度估计受到影响针对以上问题,提出了一种基于改进风格迁移模型的深度估计方法.该方法首先根据术前CT图像重建肾脏内部腔道模型并提取中心路径,将虚拟内窥镜的摄像头设置在插值后的路径点上,构建了虚拟内窥镜漫游图像与深度估计图像一一对应的数据集,并基于此数据集训练了一个深度估计模型;随后,使用添加高效通道注意力(ECA)模块的改进风格迁移模型,将真实内窥镜图像域迁移至虚拟内窥镜图像域;最后,再将经由风格迁移产生的虚拟内窥镜图像送入上述训练得来的深度估计模型中,最终实现真实内窥镜图像的深度估计.所提方法的可行性及有效性在输尿管钬激光碎石术的图像中得到验证.

基于深度学习的基础设施表面裂纹检测方法研究进展

民用基础设施在长期使用后容易发生物理结构或性能状态的改变,对其功能和使用安全造成一定的损害,因此,对这类设施的结构健康监测是十分必要的。裂纹检测是结构健康监测中极其重要的一部分,及时检测并识别这类损伤,能有效避免事故的发生。基于计算机视觉的表面裂纹检测方法操作简单、检测速度快、准确率高,被广泛应用于民用基础设施的表面裂纹检测。从图像分类、目标检测、语义分割三个不同的检测方向综述了基于深度学习的基础设施表面裂纹检测方法,总结了常见的数据采集方法和常用的公共裂纹数据集。最后讨论了基于深度学习的基础设施表面裂纹检测方法存在的困难与挑战,并展望了未来可能的发展方向。

面向无人机协同定位的机载深度计算编译优化

随着无人机技术快速发展,在定位信号缺失的情况下进行无人机定位成为一个研究难题。而近几年图神经网络的出现与发展,为解决这一难题提供了一种新的解决思路。然而在资源受限的无人机端侧部署图神经网络面临着无人机算储资源受限及实时性难以满足等挑战。提出面向无人机协同定位的机载深度计算编译优化方法。采用了一种轻量化的时间图卷积神经网络模型,该时间图卷积网络由图卷积网络和门控递归单元组成,将无人机群的空间依赖性和无人机位置变化的时间依赖性同时加以考虑,对无人机群位置进行精确的预测;针对该模型在时间图卷积网络上的冗余特性,提出了基于逆向Cuthill-McKee图重排和基于双深度确定性策略梯度的全局自适应剪枝算法。在保证无人机群坐标精确预测的同时,不仅能提高数据在主存的空间局部性,加速模型的运算速度,而且能够对模型进行自适应的非结构化剪枝,降低模型的存储复杂度。实验结果表明,相对于已有的时间图卷积神经网络模型,编译优化后的轻量化时间图卷积神经网络模型在保留78.8%准确率的同时,模型计算时间降低37.9%,模型的平均剪枝率达到90.3%。

基于深度学习的高效率烤烟等级识别模型研究

烤烟的等级识别是烟草产业的一个关键环节,为了降低烟农烤烟分级劳动强度,减少主观因素,提高识别精度,需要实现烤烟的自动分级。研究了深度学习中多种卷积神经网络的多层特征提取方法,并基于ShuffleNetV2网络提出一种改进的网络模型(ShuffleNetV2_FTC)。ShuffleNetV2_FTC网络是将ShuffleNetV2网络的主干单元进行更改,并引入CBAM(Convolutional Block Attention Module)注意力机制和SiLU激活函数。应用该模型对27种类别的烤烟图像进行识别分类。该模型的最佳测试准确率为93.09%,检测帧率达到每秒15.3张。相对原模型获得了0.24%(0.5×)、6.06%(1×)和4.73%(1.5×)的准确率提升,每秒检测12.3张图片到15.3张图片的检测帧率提升。ShuffleNetV2_FTC网络结合机器视觉技术可以很好地识别烤烟等级,为优化烤烟的收购、烘干和加工等流程奠定基础。

深度学习在口腔影像分析中的应用

背景:近年来深度学习技术越来越多地被运用于口腔医学领域,提高了口腔影像分析的效率及准确率,推动了口腔智能医学的迅速发展。目的:基于口腔影像,阐述深度学习在口腔疾病诊断和治疗方案决策方面的研究现状、优势与局限性,探讨深度学习技术背景下口腔医学变革的新方向。方法:应用计算机检索PubMed数据库中2017年1月至2024年1月发表的深度学习在口腔医学影像领域应用的相关文献,检索词为“deep learning,artificial intelligence,stomatology,oral medical imaging”等,按入组标准筛选后最终纳入80篇文献进行综述。结果与结论:(1)经典的深度学习模型包括人工神经网络、卷积神经网络、递归神经网络和生成对抗网络等,学者们以或竞争或联合的形式运用这些模型,实现更高效的对口腔医学影像的解释。(2)在口腔医学领域,疾病诊断和治疗方案的制定在很大程度上依赖医学影像资料的判读,而深度学习技术拥有强大的图像处理能力,无论是在辅助诊断龋齿、根尖周炎、牙根纵裂、牙周病、颌骨囊肿等疾病方面,还是在辅助第三磨牙拔除术、颈淋巴结清扫术等治疗操作的术前评估方面,深度学习都能帮助临床医生提高决策的准确率与效率。(3)尽管深度学习有望成为口腔疾病诊治的重要辅助工具,但它在模型技术、安全伦理、法律监管方面仍有一定的局限性,未来的研究应侧重于证明深度学习的可推广性、稳健性和临床实用性,寻找将深度学习自动化决策支持系统应用于常规临床工作流程中的最佳方式。

基于深度学习的教室照明系统研究与设计

针对传统传感器教室照明控制方式灵敏度差以及教室人员检测算法存在错检、漏检的问题,为了充分且合理利用教室照明设备资源,提出一种基于改进YOLOv5和区域定位的教室照明系统,该系统判定出教室人员所处的子区域,并生成照明设备的控制信息。通过在自制数据集训练、测试,并搭建LED点阵模拟教室照明,结果表明,YOLOv5的精度达到93%,召回率达到96%,可以准确实时地控制教室中的照明设备,系统具有更好的照明便捷性,更节能。

深度学习方法在红花采摘机器人中的应用

为实现农业复杂环境中红花的快速准确识别,提出了一种基于深度学习方法的改进YOLOv5s红花目标检测算法。在YOLOv5s基础上融入适配GPU的轻量Ghost模块,获得复杂度更低、网络推理速度更快的基线模型,将CBAM注意力机制嵌入基线模型,增强了小目标物在高频特征中的表现力,并通过建立一种基于边界框宽和高差值的Focal-EIoU损失函数,提高红花在不同遮挡情况下的识别率。最后,在并联式红花采摘机器人上开展红花识别试验,验证改进算法的可行性和可靠性。结果表明:改进后的YOLOv5s模型相较于原始模型在mAP值上提高了1.94个百分点,模型参数量和单幅图像检测速度分别为3.52 MB和0.06 s/幅,红花采摘机器人视觉系统的平均识别成功率可达89.92%。

深度学习在心力衰竭检测中的应用综述

随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用。概述了心力衰竭检测涉及的主要生物医学信号和公开数据集。详细分析了深度学习在心力衰竭诊断领域的应用及其发展,特别是对卷积神经网络和长短期记忆网络处理心电图、心率变异性、心音等关键生物医学信号的能力进行了深入分析,总结了这些技术的优势、局限性,并对各类模型性能进行了比较。探讨了通过融合多种人工智能技术所构建的混合模型在提升检测精度和模型泛化能力方面的潜力,以及如何利用模型的可解释性来增加检测过程的透明度,提升医生的信任度。最后总结了当前研究存在的不足,并对未来研究方向提出展望,强调了跨学科合作在推动心力衰竭检测技术进步中的重要性。

基于深度卷积网络的红外图像人体姿态识别方法

针对传统红外图像行人姿态识别的问题,在经典LeNet-5模型的基础上,提出一种改进型LeNet-5的网络模型.网络设定输入红外图像尺寸为256×256×1,选取4层卷积计算增加网络深度,以Leaky ReLu为激活函数并加入dropout层,最后以1×1卷积代替全连接,减小模型参数尺寸,防止过拟合.实验将改进型LeNet-5与经典LeNet-5模型进行比对,结果表明改进型LeNet-5效果最好.与流行的ShuffleNet,Nas Net-mobile,EfficientNet-b0和MobileNetV2算法进行对比,实验结果表明,所得测试集的准确率达到97.5%,mean average precision,average recall和F_(1-score)性能指标均优于其他算法.

融合深度强化学习与算子优化的流式任务调度

针对实时性要求高和作业量大的流处理作业执行过程中,多个作业之间存在的相同处理片段可能会导致流处理引擎重复计算、资源浪费和处理性能低下的问题,提出了融合深度强化学习与算子优化的流式任务调度方法。首先利用算子优化算法将多个复杂的作业去重、重构,其次将重构得到的作业输入循环神经网络中得到任务的调度策略,最后利用强化学习模型进行调度策略的优化。所提方法利用算子优化减少了每个作业中创建的算子实例,结合深度强化学习自动发现最优的调度策略,有效地避免了因大量实例运行而造成的系统资源不足、数据拥塞等问题。对比实验结果表明,所提方法在吞吐量和延迟方面的表现更优异。

超临界循环流化床锅炉深度调峰时水冷壁流动不稳定特性计算分析

针对深度调峰时超临界循环流化床锅炉水冷壁管道内的汽液两相流动不稳定问题,提出了一种适用于不同工况的频域法数学模型。通过对质量、能量、动量方程进行小扰动线性化后经拉普拉斯变换得到了用于描述管道内汽液流体流动稳定性的传递函数,通过图解奈奎斯特图的方法判断管内工质流动的稳定性。然后,通过该模型计算了某350 MW超临界循环流化床锅炉水冷壁管段的不稳定边界并研究了不同参数对流动不稳定特性的影响。计算结果表明:所选回路在20%和50%锅炉最大连续蒸发量负荷发生流动不稳定时,热负荷分别为76.09 kW·m^(-2)和113.52 kW·m^(-2),水冷壁管道流动稳定且安全;入口过冷度对临界热流密度的影响呈非单值性;增大质量流速使流体的进口和出口密度差减小,有利于流动的稳定;增大入口节流系数,可以抑制入口处流量的脉动,有利于流动的稳定;在不同的工况条件下,改变管段倾斜角度会对流动稳定性产生不同的影响。

基于注意力循环神经网络的联合深度推荐模型

为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。

综放开采下煤层底板采动破坏深度预测

以淮南顾北煤矿12121工作面为工程研究背景,收集了22个综放工作面地质资料和底板破坏深度实测值,通过线性回归分析建立新的预测模型,得出了底板采动破坏深度的拟合公式,准确计算出底板采动破坏的深度,并将计算值及3个传统统计公式计算结果与现场实测值进行对比分析,得出新预测模型拟合公式比传统统计公式预测精度更高、误差更小,更接近实测值,基本可以满足现场需要。研究成果对淮南矿区煤层综放开采水害防治具有较高的实用价值,为类似工作面的水害防治提供更为科学的依据。

高中数学教学中深度学习模型的构建与优化

随着信息社会的快速发展,知识更新换代的速度日益加快,这对高中数学教学提出了更高的要求.如何培养学生的核心素养,使他们在不断变化的世界中具备解决问题的能力,成为教育界的重大课题.深度学习作为一种先进的教育方法,为高中数学教育提供了新的路径,即以内在逻辑知识的获取、加工和应用为基础构建深度学习模型:关联社会真实主题,创设数学问题;搭建理解性学习环境,提供数学学习支架;构建活动与体验载体,重视思维培育;深化技术赋能,推动模型与信息资源整合;适时引导归纳,聚焦迁移运用.

基于深度学习与DTW融合的轨迹匹配方法研究

针对人类轨迹与可穿戴传感器数据的匹配问题,提出了一种解决方法,通过将摄像头捕获的人类轨迹与可穿戴设备的传感器数据进行匹配,首先利用深度学习模型SyncScoreDTW评估单位时间内轨迹与传感器数据的相似度,其次通过似然融合算法逐步更新这些相似度。在自制数据集上进行的实验验证表明,该方法实现了77.5%的高匹配准确率。同时,在公开的UEA数据集上,该方法也展示出优越的性能。此项研究揭示了跨模态数据匹配的潜力,为轨迹匹配领域提供了一种全新、高效的解决方案。