盲卷积分离及其在机械振动信号消噪中的应用研究

盲源分离应用于机械振动信号的预处理中,提供了一个新的处理机制,在机械状态监测和故障诊断中具有一定的价值。本文研究了盲卷积分离的理论,提出了基于限值VQM检验控制准则的盲分离算法,根据机械振动信号的特点探讨了该方法在机械振动信号瞬态成分和噪声卷积混叠信号分离中的应用,有效地提取了瞬态成分,表明了算法的有效性。

反卷积分法研究长春西汀推拉式渗透泵控释片体内外相关性

目的:采用反卷积分法评价长春西汀渗透泵控释片的体外释放与Beagle犬体内吸收相关性。方法:以0.5%SDS水溶液为溶出介质,测定长春西汀的体外释放度;高效液相色谱测定犬体内血药浓度,选择长春西汀普通片为参比制剂,应用反卷积分法评价长春西汀推拉式渗透泵体内体外相关性。结果:体外累计释放度(Y)与输入函数(R)回归方程为:Y=237.99R-13.544(r=0.9763),表明长春西汀推拉式渗透泵体内体外相关性良好。结论:反卷积分法适合自制长春西汀推拉式渗透泵控释片体内外相关性研究。

浅析含不可积无始信号的卷积积分

无论是采用定义式还是图解法求取含不可积无始信号的卷积积分,其计算工作量都较大,也很容易出错.直接利用运算性质求解则比较方便.论述了基于该思想的2种计算方法,并用具体的实例对这2种计算方法进行了验证和比较.

卷积分仿真

阐述了卷积分的数值计算原理 ,以及怎样利用 TURBO C设计一个软件来实现卷积分的动态过程。

基于异步卷积分解与分流结构的单阶段检测器

目标检测网络SSD的多层回归特征图存在各层回归计算之间相对独立的问题,且基于SSD改进的系列算法在提高检测精度的同时难以兼顾实时性。针对上述问题,提出一种基于异步卷积分解与分流(shunt)结构的单阶段目标检测器。基于异步卷积分解算法设计了一种shunt结构,交错连接多层特征图,增强了回归计算之间的统一性与协调性。优化了原有高层主流结构,在主流结构与shunt结构中分别用最大池化和异步卷积分解2种不同的方式对特征图大小进行降维,保留空间相关信息的同时提高了特征的多样性。实验结果表明,将VOC2007trainval和VOC2012trainval中的图片统一缩小至300像素×300像素进行训练,提出的目标检测器在VOC2007test上进行检测时的平均精度均值可达到80. 5%,检测速度超过30帧/s。

整合卷积与高效自注意力机制的图像分类模型

对于传统的图像分类网络而言,卷积神经网络受限于较小且固定的感受野使其忽略了感受野之外的图像特征信息.基于Transformer模型灵活的多头自注意力机制使得其必须依赖于巨大的数据量以减少过拟合的风险,导致模型参数与计算复杂度过于庞大.针对上述问题本文提出了一种名为CSNet的多阶段图像分类模型.在模型浅层阶段利用大核卷积分解的思想扩大卷积层感受野以学习较大范围的特征信息.在深层阶段利用一种高效的自注意力机制,将卷积运算的特性加入自注意力机制中,有效减少了原始自注意力机制局部计算冗余和过分依赖数据的问题.CSNet在CIFAR-10和ImageNet-1K数据集上的分类准确率分别达到98.9%和82.6%,实验表明CSNet的模型性能优于ResNet和Vision Transformer.

基于卷积神经网络模型的电力信息系统安全状态监测

针对当前电力信息系统安全状态受威胁严重的问题,提出一种基于卷积神经网络模型的电力信息安全状态监测系统。系统结合电力信息系统特征,应用安全感知单元、安全状态监测模型和数据防篡改模型保障电力信息系统的稳定运行和数据安全。系统通过加入可视化模块和报警模块来设计安全感知报警单元,采取基于STM32F103VCT6微控制器实现多通道模数转换器的控制和应用,能够对多种传感器输出的信号进行转换,提高了即时监测能力。该系统还利用卷积分解技术和深度可分离技术对卷积神经网络进行改进,构建各个通道之间的数据联系,通过安全状态监测模型发挥卷积神经网络的空间优势。试验结果显示,所提研究系统的采样时延最低为132 ms,安全状态评估准确率最大为100%,可实现高效、精确的系统安全状态监测。

结合组像素嵌入的双注意力高光谱图像分类

近年来,基于深度学习的框架在高光谱图像分类领域中取得了令人满意的结果。然而,多数方法仍使用卷积神经网络作为主干网络,其存在感受野过小,对特征信息的挖掘不充分,序列建模的能力较弱,模型复杂和分类精度低等问题。为克服上述局限性,该文提出一种结合组像素嵌入的双注意力高光谱图像分类的方法。该方法主要分成三个部分,首先,使用含有点卷积组和深度卷积组的通道空间卷积分离模块来高效学习空间光谱的特征信息;其次,添加通道空间双注意力机制,抑制冗余信息的干扰,增强高光谱图像空间与光谱的特征权重;最后,通过组像素嵌入Transformer来进一步强化空间与光谱之间的联系,建立全局长距离依赖关系,缓解精度下降的问题,保证了网络良好的分类性能。实验结果表明,该方法与现有的网络模型相比具有更优越的性能,在Pavia University和WHU-Hi-LongKou两个数据集中的总体准确率分别达到99.26%和99.73%。

基于Transformer的多编码器端到端语音识别

当前广泛使用的Transformer模型具有良好的全局依赖关系捕捉能力,但其在浅层时容易忽略局部特征信息。针对该问题,文中提出了一种使用多个编码器来改善语音特征信息提取能力的方法。通过附加一个额外的卷积编码器分支来强化对局部特征信息的捕捉,弥补浅层Transformer对局部特征信息的忽视,有效实现音频特征序列全局和局部依赖关系的融合,即提出了基于Transformer的多编码器模型。在开源中文普通话数据集Aishell-1上的实验表明,在没有外部语言模型的情况下,相比于Transformer模型,基于Transformer的多编码器模型的字符错误率降低了4.00%。在内部非公开的上海话方言数据集上,文中所提模型的性能提升更加明显,其字符错误率从19.92%降低至10.31%,降低了48.24%。

多传感器数据融合的车辆旋转部件振动仿真研究

研究了多传感器、多测试系统采用卷积分离技术提取车辆旋转部件震动特征值的可行性。针对车辆旋转部件振动信号的特点生成仿真信号,采用限值交叉残余误差控制准则的数据融合分离方法,对混合信号进行分离,实验结果验证了准则的有效性。之后,将该方法应用于车辆旋转部件振动信号瞬态成分的提取中,实现了混合震动信号的分离。

萘哌地尔缓释胶囊的体外释放与体内吸收相关性研究

目的 :研究萘哌地尔缓释胶囊的体外释放与其在家犬体内吸收的相关性 ,考察体外释放条件设计的合理性。方法 :以人工胃液为溶出介质 ,测定两种萘哌地尔缓释胶囊的体外释放度 ;单剂量给予家犬萘哌地尔缓释胶囊200mg 后测定血药浓度变化 ,用3p97药动学程序对萘哌地尔体内过程进行拟合 ,根据拟合结果计算不同时间点萘哌地尔缓释胶囊在家犬体内的吸收分数 ;以反卷积分法求算积分方程中的输入函数。以体内吸收分数或输入函数与同时间点体外累积释放度回归 ,求得相关系数并与相关系数临界值进行比较。结果 :采用模型拟合计算的吸收分数法、反卷积分法计算所得的两种萘哌地尔缓释胶囊的体外释放与体内吸收回归的相关系数均大于相关系数临界值 ,制剂的体外释放与体内吸收的相关性良好。结论 :模型拟合计算吸收分数与反卷积分法用于萘哌地尔缓释胶囊体内外相关性研究 ,方法简单可行。研究结果为萘哌地尔缓释制剂的快速处方筛选。

基于时间因子和复合CNN结构的网络安全态势评估

为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;将一维网络数据转换为二维矩阵,以灰度值的形式载入神经网络模型,从而有效发挥卷积神经网络的优势。为充分利用数据间的时序关系,引入时间因子形成融合数据,使网络同时学习具备时序关系的原始数据和融合数据,增强模型的特征提取能力,同时利用时间因子和点卷积建立时序数据的空间映射,提高模型结构的完整性。实验结果证明,所提模型在两个数据集上的准确率分别达到了92.89%和92.60%,相比随机森林和LSTM算法提升了2%~6%。

关于缓释、控释制剂体内外相关性试验的讨论

按照中国药典(2000年版)二部中'缓释、控释制剂指导原则',缓释、控释制剂要求进行体内外相关性的试验,'只有当体内外具有相关性,才能通过体外释放曲线预测体内情况'.

阿昔莫司缓释片的体外释放度与犬体内吸收相关性

目的:研究阿昔莫司缓释片的体外释放度与其在家犬体内吸收的相关性。方法:以水为溶出介质,测定阿昔莫司缓释片的体外释放度。采用高效液相色谱法测定家犬单剂量口服阿昔莫司胶囊和缓释片后的血药浓度,用非隔室模型对阿昔莫司的体内过程进行拟合,以反卷积分法求算积分方程中的输入函数。以输入函数与同时间点体外累积释放度回归求得相关系数并与相关系数临界值进行比较。结果:以累积释放度Y与输入函数R建立的回归方程为:Y=18.118R+35.717(r=0.9309),相关系数临界值r4,0.05=0.811,r>r4,0.05,表明回归方程显著。结论:自制阿昔莫司缓释片体内外相关性良好。

盐酸伐昔洛韦缓释片体外释放与体内吸收的相关性

以转篮法测定盐酸伐昔洛韦缓释片的体外释放度并进行体内试验。单剂量交叉给予家犬相同剂量的盐酸伐昔洛韦缓释片和普通片后测定血药浓度 ,分别以 Wagner- Nelson法和反卷积分法计算体内吸收分数与输入函数 ,进行体内外相关性的判断。结果表明盐酸伐昔洛韦缓释片体内外相关性良好。

尼莫地平缓释软胶囊体内外相关性研究

目的考察不同释放介质中尼莫地平缓释软胶囊的释药动力学,研究尼莫地平缓释软胶囊在家兔体内的生物利用度,建立体内外相关性方程。方法释放度实验采用转篮法分别在两种介质中进行;以高效液相色谱法测定血药浓度,以3P87药动学软件进行拟合,并计算相对生物利用度;分别以室模型法和反卷积分法对体外累积释药和体内吸收分数进行拟合,求算体内外相关性方程。结果缓释软胶囊与普通软胶囊相比,tmax明显延长,ρmax显著降低,t1/2及MRT延长;相对生物利用度为113.4%;以0.5%SLS醋酸钠缓冲溶液(pH4.5)为释放介质时体外释放与体内生物利用相关性良好,在该介质中药物的释放为非Fickian扩散,释放机制为扩散和骨架溶蚀的协同作用。结论尼莫地平缓释软胶囊具有明显的缓释特征,在不同释放介质中呈现不同的释药机制;以0.5%SLS醋酸钠缓冲溶液(pH4.5)为介质可获得良好的体内外相关性。

人体密度矩阵粗化对剂量计算结果的影响

为了提高放射治疗计划中的剂量计算效率,通常要将CT数据给出的密度矩阵作插值运算进行体元粗化。本文用不同的插值方法实现体元粗化,用微分卷积法计算水箱的剂量分布,用DanielA.Low等人眼2演提出的γ参量进行剂量分布的比较,检验了不同射束方向、不同射野尺寸下体元粗化对剂量分布计算值的影响。结果表明:在γ参量意义下体元粗化对剂量分布有明显影响,但对插值方法的选择并不敏感。

改进YOLOv5算法及其在车型识别中的应用

本文提出了一种基于改进YOLOv5模型的方法,对主干网络进行了改进,包括引入SENet结构、深度卷积分离策略和在浅层加入一个尺度输出节点,提高对小目标的检测性能。测试结果表明,与原始算法相比,该方法在识别精确度和检测速度上都有一定程度上的提升,改进算法的平均精度(mAP)提升了6.25%,速度FPS提升了11%,适用于实时车型识别。

硝苯地平亲水凝胶骨架缓释片的体内外相关性研究

目的对硝苯地平亲水凝胶骨架片的体内外相关性进行研究。方法采用自制硝苯地平亲水凝胶骨架片,分别考察其体外释放度和大鼠体内药物释放行为,采用反卷积分法考察其体内外相关性。结果硝苯地平亲水凝胶骨架片的体外释药符合Higuchi动力学方程,体内外相关性方程为:Y=105.25R+20.894(r=0.9057),体内外相关性较好。结论自制亲水凝胶骨架缓释片具有较好的体内外相关性。

Contour extraction and curvature calculation for fragment reassembly

The Canny edge detector inevitably misses some important and obvious edges during contour extraction, which causes gaps in the contour. A geometric method to locate, measure and fill the gaps precisely is proposed. With the complete contour information, a convolution approach is presented, which utilizes an appropriate linear interpolation to resample the contour to calculate pointwise curvature. This approach distributes discrete points within a convolution window uniformly. It ensures a one-to-one correspondence between every point and its weight, thus the accuracy is guaranteed under this condition. A related parameter selection is also suggested. Experimental results show that the proposed methods are robust and accurate.