基于小批量梯度下降和Spark分布式方法的局部断层细化对齐

生物样品在获取电子冷冻断层扫描(cryo-ET)图像时的辐射损伤,信息缺失和低信号噪声比(SNR),限制了从断层数据中恢复3维结构信息。仿照电子低温显微镜(cryo-EM)单颗粒3维重构技术,对局部断层数据进行对齐和平均,产生高精度大分子复合体的3维结构。现有的局部断层对齐技术都会涉及6个自由度(3个旋转参数、3个平移参数),因此,它们在每次迭代对齐中处理整个3维体积图像来计算这6个自由度,这是计算密集型的。针对上述问题,本文提出一种基于小批量梯度下降(MBGD)方法实现局部断层3维数据细化对齐,并首次利用Spark分布式框架实现局部断层对齐全局择优。通过对仿真数据和实验数据的对齐,基于小批量梯度下降细化对齐算法与基线方法相比,实现了对齐精度和速度的提高。

基于深度学习的帕金森患者声纹识别

90%的帕金森病(PD)患者存在声带紊乱,提出一种利用WMFCC提取患者的声纹特征、DNN识别并分类的方法用于区分PD患者和健康人。通过计算患者声纹中倒谱系数的加权和系数,解决高阶倒谱系数小、特征分量对音频的表征能力差等问题。DNN训练并分类识别有效地提高系统精度,使用MBGD优化算法降低损失函数的计算量,提高系统训练速度。针对PD database中样本测试分类,结果相较传统SVM等方法,该方法提高了判别PD准确率,可达87.5%,为PD患者早期快速辅助诊断提供了良好的解决方案。

一种基于深度学习的电影推荐算法

随着互联网的发展,人们的娱乐方式趋于多样化,但人们总想可以直接定位根据自己口味的电影而不是通过自己的搜索和朋友的推荐。然而目前已有的推荐系统机制过于简单,往往是根据网友对电影的的综合评分,可根据关键字,类别等具体搜索,久而久之的搜索痕迹来证明用户的喜好。这种基于协同过滤的推荐系统在遇到冷启动问题时会产生较大的偏差。本文利用卷积神经网络结合协同过滤系统设计出了一款基于神经网络的电影推荐系统,利用MBGD(小批量梯度下降法)对模型进行优化,并在有限的数据集下进行了该系统的实验。实验结果表明该系统比传统推荐方法具有更高的准确性。

基于深度卷积神经网络的人体外周血白细胞显微图像分类

人体外周血白细胞五分类在医学临床诊断中有重要的作用。本文提出一种基于深度卷积神经网络(CNN)的人体外周血白细胞显微图像五分类方法。首先以ResNet为原型结构设计了一种适用于白细胞显微图像分类的深度卷积神经网络,并提出了一种基于特征集中的新的数据增强的方法来丰富数据集。由于图像的背景对物体识别有很大影响,用图像处理的方法改变同一白细胞的背景,可以生成新的样本。经过数据增强后的样本总量为42 300。最后,针对数据集中五类白细胞样本不均衡问题,在神经网络训练策略中,提出一种改进的批次(batch)随机梯度下降算法(MBGD)。通过将批次随机梯度下降算法每个批次中五类白细胞所占比例设置为1∶1∶1∶1∶1,可以使CNN均衡地获取五类白细胞的特征。实验结果表明,本文所设计的CNN结构、所提出数据增强方法和改进的批次随机梯度下降算法均可提高白细胞图像分类正确率。所提白细胞五分类方法可以达到95.7%的训练正确率。对8 400张白细胞图像进行测试,得到95.0%的平均分类正确率,嗜中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞和嗜碱性粒细胞的分类正确率分别为:92.2%,91.5%,94.6%,93.3%和97.4%。

反应堆辐射屏蔽多目标优化方法研究

为解决基于蒙特卡罗方法的传统屏蔽优化方法效率低、可应用性差的缺点,本文基于精英策略的非支配排序遗传算法(NSGA-Ⅱ)和小批量随机梯度下降法(MBGD)对反应堆屏蔽优化方法进行了研究,同时改进了遗传算法自适应变异率算子以增强遗传算法的全局寻优能力,提出了反应堆屏蔽多目标优化方法。构建反应堆二次屏蔽多目标优化模型,将蒙特卡罗方法与神经网络预测方法输出的屏蔽后归一化中子透射率进行对比,验证了MBGD的准确性。通过神经网络与NSGA-Ⅱ的耦合对屏蔽参数进行约束寻优,能够快速找到屏蔽设计模型的Pareto前沿,可实际应用于反应堆辐射屏蔽多目标优化工程设计。