基于深度迭代网络的穿墙雷达成像方法

联合墙杂波抑制及图像重建迭代求解方法为当前较前沿的穿墙雷达成像(through-the-wall radar imaging,TWRI)算法,能够同时抑制墙体杂波和重构目标图像,但仍存在收敛速度慢、人工干预过多以及对初值的选取敏感等问题,难以快速精确地进行目标成像.针对上述问题,本文提出一种联合低秩与稀疏分解驱动的可学习深度迭代网络的TWRI方法.该方法利用穿墙雷达场景下墙体杂波的低秩特性以及待重建目标图像的稀疏特性,首先将穿墙雷达成像问题建模为联合低秩与稀疏分解的正则化优化问题,然后采用变分框架和轮换策略将优化问题转化成两个准线性优化子问题并推导其更新公式,最后将上述迭代更新公式映射到网络结构中,展开成深度迭代网络模型并采用端到端学习策略,形成融合物理模型的可学习深度迭代网络框架.仿真结果表明该方法能够有效抑制墙体杂波,相对于其他方法显著提高了目标成像精度和速度.

例析用几何画板的深度迭代功能制作数学课件

在教学极限的概念和定积分的定义等涉及图形的无限分割或与操作次数有关的数学内容时，借助几何画板的深度迭代功能，能快速制作出集动态性、交互性、实用性于一体的辅助教学课件，有效突破了教学难点。

深度迭代融合的脑部磁共振图像颅骨去除网络

目的去除颅骨是脑部磁共振图像处理和分析中的重要环节。由于脑部组织结构复杂以及采集设备噪声的影响导致现有方法不能准确分割出脑部区域,为此提出一种深度迭代融合的卷积神经网络模型实现颅骨的准确去除。方法本文DIFNet(deep iteration fusion net)模型的主体结构由编码器和解码器组成,中间的跳跃连接方式由多个上采样迭代融合构成。其中编码器由残差卷积组成,以便浅层语义信息更容易流入深层网络,避免出现梯度消失的现象。解码器网络由双路上采样模块构成,通过具有不同感受野的反卷积操作,将输出的特征图相加后作为模块输出,有效还原更多细节上的特征。引入带有L2正则的Dice损失函数训练网络模型,同时采用内部数据增强方法,有效提高模型的鲁棒性和泛化能力。结果为了验证本文模型的分割性能,分别利用两组数据集与传统分割算法和主流的深度学习分割模型进行对比。在训练数据集同源的NFBS(neurofeedback skull-stripped)测试数据集上,本文方法获得了最高的平均Dice值和灵敏度,分别为99.12%和99.22%。将在NFBS数据集上训练好的模型直接应用于LPBA40(loni probabilistic brain atlas 40)数据集,本文模型的Dice值可达98.16%。结论本文提出的DIFNet模型可以快速、准确地去除颅骨,相比于主流的颅骨分割模型,精度有较高提升,并且模型具有较好的鲁棒性和泛化能力。

基于保形迭代深度问题的公钥密码体制

提出了一种新的公钥密码体制,其安全性主要在于多变元非线性保形迭代函数A(x)的迭代深度问题,可进行密钥分配、加密和数字签名.第一类A(x)为有限域上的有理分式组,其分子和分母均为线性多项式;第二类A(x)为有限域上的有理分式组,其分子或分母有非线性多项式;第三类A(x)为有限环上的非线性多项式组.构造第二、三类A(x)的方法是:先运用二层迭代建立关于系数变量的不定方程组T,再用T的一组特解建立A(x).其独特的编码风格表现为代数意义上的分形(fractal):每个未知元的局部都具有与函数整体相似的结构,而把函数展开、化简后,其函数爆炸方式的规律性就会消失.

一种高效保形迭代函数的构造及其应用

管海明提出的保形迭代函数构造方法(武汉大学学报:理学版,2008年第5期)在实际应用中不能顺利求得迭代大整数次的结果。针对该问题,结合离散对数问题的应用方法,提出2个解决策略,利用特殊构造法寻找一个结构简单的多项式,从而构造一种可行的高效保形迭代函数,分析证明其具有较高的迭代效率,并将该函数用于推广的ElGamal加密方案与Schnorr签名方案。

基于多层模糊神经网络的消防预警系统设计

针对城市消防预警能力有待提升的问题,分析了城市消防远程监控系统的数据构成特征。阐述了以消防巡查射频打卡数据和温度数据为挖掘重点的数据预警逻辑架构。采用多项式和对数深度迭代回归模糊算法,将输出值导入到预警结果整理模块后,通过模糊矩阵法生成模糊预警的方法,设计不同时间值域的本地双列数据。同时,约束当前时间点,并使用外部全城其他节点数据形成的参照矩阵,构建仿真设计方案。通过真实数据的仿真测试验证,该系统在不同消防预警级别下的敏感度、特异度均满足要求。与可查参考文献中其他机器学习算法对比发现,该系统的火情预警系统最优值相比更优。该系统拥有可置信的统计学优势。

连片叠前深度偏移处理技术在孤西地区的应用

孤西断裂带地质构造十分复杂,速度横向变化较大,该区已进行了三维连片处理,但潜山的构造背景及准确细致的构造形态仍不清楚,制约了对该区带的深入地质研究和评价。采用匹配滤波、叠前数据规则化等技术对叠前连片道集进行精细处理后,再进行叠前深度偏移迭代,并利用层析成像法对层速度模型进行校正,成像剖面信噪比较高、潜山归位准确,内幕清楚,发现和落实了多个圈闭构造。

基于几何画板研究数学分析中的近似计算问题

研究了如何借助几何画板软件来模拟数学分析中的近似计算,如割圆术、微分近似、泰勒多项式、方程近似求根、定积分近似计算等.采取的方法主要包括几何画板提供的迭代、深度迭代等功能.结果表明,几何画板能方便地处理这些近似计算问题,画出的图像形象直观,容易理解,而且通过改变迭代的深度还能观察"以有限逼近无限"的渐近效果.

基于几何画板的数值计算课件开发研究

利用几何画板的求导、迭代等功能,通过多个课件实例,探讨了实现方程求根、插值、数值积分等数值计算的原理、方法和步骤,以便能有效地帮助学生理解教学内容。

房屋建筑桩基工程施工质量检测技术研究

研究一种基于神经网络数据深度迭代回归方法的房屋建筑桩基础施工质量检测方法。根据桩基础施工过程中的大孔径深孔钻机和套管沉管机的实际运行数据,对其进行基于神经网络对数回归函数模块和二值化重投影回归函数模块的深度迭代回归分析,得到精度在10 mm的桩基础解析度评价结果。此数据可以较传统微震测试法给出更加清晰的异常区边界且给出异常区内部数据细节,但新方法仍缺少对桩基础可用性的决策性评价方法,需要与传统检测方法联合使用。

保形迭代函数的构造方法研究

针对保形迭代函数的构造方法并不完整、不能快速地进行迭代运算的问题,本文给出了构造保形迭代函数的两个方法,一种是在已有方法基础上给出了快速迭代的算法;一种是构造特殊结构的保形函数.分析了他们的迭代效率并证明了复杂度是多项式时间的.

一种改进的LT码构造方法

通过分析信道信息在参与LT码译码过程的特点,给出迭代深度的概念。在找出编码符号的抗误码性能与迭代深度关系的基础上对累积边增加法(PEG)加以改进来构造LT码,试图从Tanner图中找出优秀拓扑结构应具备的特征。与传统的PEG法相比,使用改进后的PEG法(IPEG)构造的LT码,其输入符号的度数分布严格符合Poisson分布,且度数为1的符号不发生错误,极大地提高了LT码的抗误码性能。

基于多智能体强化学习的勤务保障指挥调度方法

在时、空、资源受限的复杂勤务保障场景中,实现动态、高效且可靠的勤务保障组织指挥调度,对于提升大型舰船平台飞机出动能力至关重要。通过分析飞机勤务保障指挥调度任务特点,建立多机、多保障作业并行执行的勤务保障指挥调度马尔科夫决策过程,将多智能体技术与强化学习深度结合,构建多智能体深度确定性策略迭代模型,自动生成保障计划。经仿真实验验证,所提出的勤务保障指挥调度方法,能有效满足飞机勤务指挥调度优化需求。

自适应学习中基于CNN和IIDLA的图像识别方法研究

近年来计算机辅助医学进行影像诊断逐渐成了该领域的研究热点,为了更好地对医学图像特征进行分类与识别,研究以自适应学习为背景,提出一种融合卷积神经网络与改进迭代深度学习的图像识别方法。过程中引入随机化融合改进卷积神经网络,以应对医学图像的多模态特征提取,并结合改进迭代深度学习避免图像数据信息丢失,最终完成对图像信息的识别。结果显示,研究方法在训练集与验证集上进行实验,当迭代进行到第28次与第17次时,系统便开始趋于稳定,对应得到损失函数值分别为0.0124与0.0112。当四种算法的精准率为0.900时,得到的改进型深度学习模型、LeNet-5CNN模型、IYolo-v5模型以及研究方法对应的召回率分别为0.6232、0.5791、0.6774与0.8369。研究方法对5种疾病的识别准确率均明显高于95%。以上结果表示研究方法具有较快的收敛速度与精度,同时能够被广泛应用于多种类型疾病的图像诊断识别当中。