面向空中目标作战意图分析的标准化全连接残差网络模型

针对复杂战场环境下传统空中目标作战意图识别方法存在缺乏自学习能力、依赖专家经验和面对大样本数据集的推理能力不足的问题,提出了一种面向空中目标作战意图分析的标准化全连接残差网络模型。空中战场态势属性因素作为输入,采用全连接网络将输入数据映射到高维空间,最终映射到样本标记空间,实现意图分析,利用批量归一化算法使网络着重学习非线性,加快网络收敛速度,添加残差网络使得在原有网络接近饱和时,继续提升网络的自学习能力。实验对模型训练和测试过程中准确率变化进行了分析,结果表明该方法可以快速准确识别目标的作战意图。

基于全连接条件随机场模型的眼底图像血管分割

大多数身体疾病都可引起眼底图像中血管形状和结构的改变,对眼底图像中血管的有效分割有助于各种疾病的早期发现、诊断和治疗。利用眼底图像分割过程中远距离像素之间会存在相互作用的特点,提出一种基于全连接条件随机场模型的眼底图像血管分割方法。该方法通过计算图像中与目标像素距离较远的像素之间的相互作用,增强了对细长结构连接性的检测能力。将原本用于大面积分割事物的方法成功运用到眼底图像的具有细长结构的血管分割上。采用不同的支持向量机实现对不同像素进行分类及相关参数的自动调节。使用与现有大多数血管分割方法共用的DRIVE和HRF数据库进行测试,结果表明该分割方法有效解决了细小血管处连续性较差、血管融合、断裂等问题。与现有的一些分割方法相比,此法更适合于分割细长结构,对血管的分割效果更接近于专家的手动分割结果,且在灵敏性、特异性等方面都有较大改善。

基于小波变换与BiGRU-NN模型的短期负荷预测方法

为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再分别建立高频混合神经网络以及低频混合神经网络模型进行预测。在混合神经网络模型中,将负荷特征数据作为BiGRU-NN网络的输入,利用BiGRU-NN网络学习负荷非线性以及时序性特征,以此进行短期负荷预测。文中以丹麦东部地区的负荷数据作为算例,实验结果表明,该方法与GRU神经网络、DNN神经网络、CNN-LSTM神经网络相比,具有更高的预测精度。

改进全卷积网络优化绝缘子缺陷检测

绝缘子各种缺陷的准确检测与定位是保障电网安全正常运行的关键,针对传统学度学习全卷积网络在进行航拍绝缘子图像缺陷识别时准确率不高问题,提出基于改进全卷积网络优化的航拍电网绝缘子缺陷自动检测算法,算法通过优化模型结构、剔除全连接层Dropout、增加多尺度池化与孔洞卷积以及采用双目标优化函数,实现FCN模型的有效改进,实验结果表明,改进全总卷只网络模型,有效提高了对绝缘子缺陷检测的性能和对背影的鲁棒性,取得了比已有算法更有优的检测结果。

基于Tensorflow框架的手写数字识别

文章利用Tensorf low深度学习结构来构建神经网络模型,并采用激活函数对MINIST进行训练;加入特征转换过程,利用梯度下降优化器,将数据降维;在输出层上将全连接模型和Softmax层相结合,经过交叉验证,达到90%以上的识别率。

单幅图像训练深度神经网络的编辑传播方法

针对编辑传播技术中存在的需要选择合适图像特征、手动调整图像特征权重等问题,提出一种单幅图像训练深度神经网络的编辑传播方法.首先将用户交互转换成距离图并与输入图像级联生成多通道图像,有效地结合图像的视觉和空间特征;其次以多通道图像子块作为深度神经网络的输入,抽取符合用户交互的深度特征,并对深度神经网络进行端到端的训练,从而自动分配图像特征的权重;最后将学习的网络模型作为分类器,估计图像像素属于每类用户交互的概率值,进一步后处理获得高质量的图像编辑.采用MARA 1k数据的实验结果表明,该方法能够很好地响应用户交互以进行编辑传播.

基于卷积神经网络的在线产品销量预测分析研究

研究针对在线产品销售的决策需求,结合各行业在线产品的销量影响因素及深度学习算法优势,构建了适用于在线产品的销量预测模型,并重点评估了模型在不同种类在线产品上的适应性。研究过程将全连接模型与CNN的训练结果进行了对比,证明了CNN模型的精度和泛化能力。通过选取非深度学习模型Adaboosting作为对比基线,证明CNN模型在不同类别产品下的性能优势。另外,实验得出经过无监督预训练的CNN模型在销量预测问题上更有效、适应能力更强的结论。

基于深度学习的航拍电网绝缘子缺陷检测

电网绝缘检测缺陷的准确检测是电网运行状态有效监测及故障诊断前提,基于无人机航拍电网绝缘子图像,为解决深度学习缺陷检测存在的误检测和局部信息丢失问题,提出基于改进深度学习全卷积网络的缺陷自动检测算法,算法通过改进FCN的VGG结构、扩展滤波器尺寸、取消全连接层Dropout及模型深度,实现FCN模型在绝缘子缺陷检测方面的有效改进,实验结果表示,改进模型在较少运行时间增加基础上,有效提高了对绝缘子缺陷检测的性能和对背影的鲁棒性,取得了比已有算法更有优势的检测结果。

基于改进U-Net网络对输电塔陶瓷绝缘子表面缺陷的识别算法

针对传统巡检方法对输电塔陶瓷绝缘子表面缺陷识别存在效率低、精度差、漏检率高的问题,采用基于改进U-net网络的无人机智能巡检方法,对输电塔中的陶瓷绝缘子表面缺陷进行检测与识别。运用空洞卷积矩阵对U-net网络中的卷积层进行膨胀系数优化,增大卷积核感受野提升缺陷细节信息的完整性;采用全尺度跳跃连接模型融合高位特征信息与低维特征信息,提高陶瓷绝缘子表面缺陷特征的准确性。实验结果表明:基于改进U-net网络的无人机智能巡检方法对陶瓷绝缘子的表面缺陷检测,其识别准确率(Accuarcy)为97.6%、平均精度(mPA)为95.28%、平均交并比(mIOU)为91.56%。与U-net相比,此方法对陶瓷绝缘子表面缺陷的巡检精度提高了7.8%。

ICGR15、前白蛋白、胆碱酯酶三者在肝细胞癌诊疗中的相关性分析

目前临床上常用的肝功能评价方法多为以血生化检测为代表的静态检测,大多侧重于检测肝脏的损伤程度及功能障碍状况,而对肝脏的有效功能状态的反映存在明显的局限性。 近年来,吲哚菁绿滞留率(indocyanine green retention rate at 15 min,ICGR15),已经被作为反映肝脏储备功能的灵敏指标。 ICG15 在肝脏外科领域的应用价值已得到广泛认可,近年来,在肝脏内科、肝脏介入、重症患者、药物安全评估性评估等领域的应用研究逐步深入。 但该项检查在国内医院却不能得到广泛应用,故通过常规肝功检查中的 PALB 联合CHE 来推断 ICGR15 对于治疗有一定的医学意义。 本研究旨在探讨术前 ICGR15 联合前白蛋白(PALB)、胆碱酯酶(CHE)对肝切患者术前肝脏功能的评估,以减少术后出现并发症的风险。 方法:使用机器学习中的全连接神经网络模型通过已知的 CHE 与 PALB 的值预测 ICGR15 的值;收集 2017.10.11~2020.07.13 在吉林省某三甲医院进行肝切除术的 182 例肝细胞癌(hepatocellular,HCC)患者的相关资料,患者术前的 Child-Pugh 分级均为 A 级。 根据患者术后是否发生并发症将其分为已发生组 57 例与未发生组 125 例,并比较 2 组患者的临床资料。 计量资料采用 t 检验,计数资料采用 x2 检验或 Fisher 精确试验;利用二元 Logistc 回归分析术后患者发生并发症的独立影响因素并构建预测模型;使用受试者工作特征曲线( receiver opreting characteristic cure,ROC)计算各指标预测患者术后肝功并发症的价值。 结果:将 CHE 值与 PALB 值作为神经网络输入层的两个节点,ICGR15 作为输出层的一个节点,中间有两个隐含层,分别为 6 个节点与 2 个节点。 经过 20000 次的训练,我们最终得到训练较好的神经网络模型。 在实际场景中进行测试,我们的模型可确保输出的 ICGR15 的结果与实际结果误差不超过 10;在单因素分析中,有统计学意义的指标为 ICGR15、术前前白蛋白、胆碱酯酶,将三个指标单独做二元 Logistic 回归、ICGR15 联合术前前白蛋白和 ICGR15 联合胆碱酯酶分别做二元 Logistic 回归记为模型 1 / 2、将 ICGR15、术前前白蛋白、胆碱酯酶同时做二元 Logistic 回归记为模型 3,可以看出单独指标方面三个指标均为患者术后并发症的独立危险因素,且 ICGR15 为危险因素,术前前白蛋白 / 胆碱酯酶为保护因素,但是三个指标的 OR 值均接近于 1,说明影响作用较小;ICGR15 联合术前白蛋白 / 胆碱酯酶方面,可得到预测方程:Logit(P)= 0.065×ICGR15-0.007PALB-0.001CHE+3.191。 该模型差异有统计学意义(P<0.001),Hosmer-Lemeshow 检验,P>0.05,该模型拟合程度较高;且 ICGR15 联合两指标与预测指标的 AUC 相比较,预测能力显著大于 ICGR15 单独预测(P<0.05),如表 3 / 4 所示。 结论:在预测 HCC 患者术后发生并发症方面,单独应用 ICGR15 或 PALB、CHE 有一定的预测意义,而 ICGR15 联合 PALB / CHE 则预测意义更大。