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。

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。

将深度学习理论融入课堂

科学教育是培养学生创新精神和实践能力的重要途径,基于深度学习理论的教学策略,以其强调学生主动学习和深度理解的特点,为小学科学教育带来全新的机遇。本文旨在探讨如何将深度学习理论融入小学科学课堂,强调深度学习在科学教育中的重要性,同时提出包括情境创设、问题引领、合作学习和技术融合在内的创新路径,旨在推动小学科学教育的深度发展。

深度学习在钢结构货架变形预测中的应用研究

随着工业化和物流行业的发展,钢结构货架在仓储和物流系统中越来越重要,因此准确预测其变形至关重要。文章介绍了一种基于双向长短时记忆网络(BiLSTM)和注意力机制的预测算法,该算法利用时间序列数据,通过深度学习模型进行训练,能够更细致地分析和预测钢结构货架的变形。结合一个典型应用验证了模型性能,证实了其高稳健性和出色的预测精度。实验结果表明,该模型能够准确地预测钢结构货架的变形情况,其平均误差仅为0.15%~3.33%。这些结果表明了该算法在钢结构货架自动化监测领域的潜在应用前景,为其结构变形预测提供了一种可行的解决方案。

考虑行为克隆的深度强化学习股票交易策略

为提高股票投资的收益并降低风险,将模仿学习中的行为克隆思想引入深度强化学习框架中设计股票交易策略。在策略设计过程中,将对决DQN深度强化学习算法和行为克隆进行结合,使智能体在自主探索的同时模仿事先构造的投资专家的决策。选择不同行业的股票进行数值实验,说明了所设计的交易策略在年化收益率、夏普比率和卡玛比率等收益与风险指标上优于对比策略。研究结果表明:将模仿学习与深度强化学习相结合可以使智能体同时具有探索和模仿能力,从而提高模型的泛化能力和策略的适用性。

基于深度学习的玉米包衣种子品种识别

为实现玉米包衣种子品种低成本、高效便捷识别,基于智能手机采集的18个品种4种颜色的23100张玉米包衣种子双面图像构建数据集,采用轻量级卷积神经网络模型ShuffleNetV2、MobileNetV3、MobileViT、MobileOne、RepGhostNet和基于上述模型的集成模型分别进行玉米包衣种子品种识别。结果表明,5种单一模型均具有较高的识别准确率和综合性能,识别准确率分别为98.48%、98.23%、98.44%、98.23%和98.01%,模型大小分别为1.55、4.96、4.42、6.97、4.19 MB,推理速度分别为106、94、84、212、94 f/s。集成模型相比单一模型具有更高的识别准确率,其中,ShuffleNetV2和MobileViT组成的集成模型识别准确率达到99.22%。分析发现,品种误识别仅发生在相同颜色包衣种子品种之间,并且随着相同颜色包衣种子品种数量增多,模型对该颜色包衣种子的识别准确率有下降的趋势。

深度学习下吊装作业工人防护装备及吊钩检测方法

为解决危大工程中吊装作业安全管理的问题,基于深度学习构建目标检测算法(You Only Look Once version 5,YOLOv5)网络模型,针对进入吊装作业区域内人员的防护装备进行多目标融合检测,并对吊钩在施工过程中的状态进行检测。在原始的检测网络模型中引入4种注意力机制,并通过5种训练模型的结果对比分析,进而选择卷积块注意力模块(Convolutional Block Attention Module,CBAM)最优模型。优化后的检测模型对安全帽的平均识别精度达86.5%,对反光衣的平均识别精度达83.0%,对吊钩的状态识别精度达92.0%。将训练好的人员检测模型和吊钩检测模型打包成exe执行文件,应用到施工安全管理人员的中控平台,可帮助管理人员更好地判断吊装作业的工作情况,进而及时进行风险管控。

基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究

随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。

多智能体深度强化学习研究进展

深度强化学习(Deep Reinforcement Learning,DRL)在近年受到广泛的关注,并在各种领域取得显著的成功.由于现实环境通常包括多个与环境交互的智能体,多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)获得蓬勃的发展,在各种复杂的序列决策任务上取得优异的表现.本文对多智能体深度强化学习的工作进展进行综述,主要内容分为三个部分.首先,我们回顾了几种常见的多智能体强化学习问题表示及其对应的合作、竞争和混合任务.其次,我们对目前的MADRL方法进行了全新的多维度的分类,并对不同类别的方法展开进一步介绍.其中,我们重点综述值函数分解方法,基于通信的MADRL方法以及基于图神经网络的MADRL方法.最后,我们研究了MADRL方法在现实场景中的主要应用.希望本文能够为即将进入这一快速发展领域的新研究人员和希望获得全方位了解并根据最新进展确定新方向的现有领域专家提供帮助.

基于机器深度学习的小麦播种机控制系统研究

针对我国小麦播种机自动控制系统的可靠性及灵敏度不高的问题,基于机器深度学习对小麦播种机的控制系统进行了设计和改进。小麦播种机的主要组成包括控制系统、排种系统、监控系统、电力系统、机架和驾驶室、覆土镇压和排肥装置。为了使播种机的控制系统能有效进行图像检测识别,提升播种机的控制精度,采用机器深度学习中的卷积神经网络算法对控制系统进行设计,并采用迁移学习的方式对模型进行训练和检测。为了验证播种机控制系统的性能,对其进行播种精度控制和播种性能测试试验,结果表明:播种机的精度和性能均符合播种机的设计要求。

基于深度强化学习的Π型阻抗匹配网络多参数最优求解方法

针对电力线信道阻抗变化复杂、负载阻抗不匹配造成通信质量差等问题,提出一种基于深度强化学习的Π型阻抗匹配网络多参数最优求解方法,并验证分析了深度强化学习对于寻找最优匹配参数的可行性。首先,建立Π型网络结构,推导窄带匹配和宽带匹配场景下的最优匹配目标函数。其次,采用深度强化学习,利用智能体的移动模拟实际匹配网络的元件参数变化,设置含有理论值与最优匹配值参数的公式作为奖励,构建寻优匹配模型。然后,分别仿真验证了窄带匹配和宽带匹配两种应用场景并优化模型的网络参数。最后,仿真结果证明,经过训练后的最优模型运行时间较短且准确度较高,能够较好地自动匹配电力线载波通信负载阻抗变化,改善和提高电力线载波通信质量。

基于深度学习多模态融合的2型糖尿病中医证素辨证模型的构建

目的为适应互联网+智能医疗的时代需求,纳入舌诊仪图像数据及问诊结构化数据,采用深度学习、多模态融合等方法构建2型糖尿病中医证素辨证模型,为中医智能化辨证提供实验支撑和科学依据。方法共纳入2585例2型糖尿病患者,邀请3位专家分别进行证素辨证标记。基于深度全连接神经网络、U2-Net与ResNet34等网络构建基于舌图数据、症候数据的症候辨证模型(S-Model)、舌图辨证模型(T-Model),并采用多模态融合技术构建以二者为共同输入的多模态融合辨证模型(TS-Model)。通过F1值、精确率、召回率等对比不同模型预测性能。结果T-Model对十四类证素的预测F1值波动于0.000%-86.726%,S-Model的预测F1值波动于0.000%-97.826%,TS-Mode的预测F1值波动于55.556%-99.065%。与T-Model、S-Model对比,TS-Model整体F1值较高且稳定。结论基于深度学习多模态融合技术构建中医证素智能辨证模型性能较好。多模态融合技术适用于中医证素辨证模型优化,为下一步建立四诊信息全客观化的高度智能证素辨证模型提供方法学支持。

深度学习的自然场景文本识别方法综述

自然场景文本识别在学术研究和实际应用中具有重要价值,已经成为计算机视觉领域的研究热点之一。然而,识别过程存在文本风格多样、背景环境复杂等挑战,导致识别效率和准确率不佳。传统的基于手工设计特征文本识别方法由于其有限的表示能力,不足以有效地应对复杂的自然场景文本识别任务。近年来,采用深度学习方法在自然场景文本识别中取得了重大进展,系统地梳理了近年来相关研究工作。首先,根据是否需要对单字符进行分割,将自然场景文本识别方法分为基于分割与无需分割的方法,再根据其技术实现特点将无需分割的方法进行细分,并对各类最具有代表性的方法工作原理进行了阐述。然后,介绍了当前常用数据集以及评价指标,并在数据集上对各类方法进行了性能对比,从多个方面讨论了各类方法的优势与局限性。最后,指出基于深度学习的自然场景文本识别研究存在的不足和难点,对其未来的发展趋势进行了展望。

深度学习策略下缓慢循环异味检测方法

缓慢循环是一种Android特有代码异味,对Android应用程序的可维护性产生负面影响.针对传统基于静态程序分析方法误检率较高的问题,本文提出基于深度学习的检测方法.首先,使用代码文本信息作为模型输入的特征集.然后,使用两种深度学习模型进行异味检测.此外,为了快速、准确获得模型所需的大量样本数据,提出了一种基于开源Android项目构造正负样本的方法并实现工具ASSD.最后,使用开源Android数据集对提出的方法进行实验验证.实验结果表明,本文方法优于现有基于程序静态分析的检测方法,其中检测效果最好的是CNN模型,其F1值平均提高了28.7%.此外,本文方法优于基于机器学习的检测方法,相对于检测效果最好的随机森林模型,CNN模型的F1值平均提高了9.43%.

基于深度学习的耕地非农化遥感监测与时空分析——以开阳县为例

如何快速发现耕地非农化违法行为,并了解其空间分布和变化过程是从根本上减少耕地非农化行为的核心问题。基于多时相遥感影像数据,本文建立了一套耕地非农化监测指标体系和具有本地地形、地物特征的样本库,利用深度学习技术搭建遥感变化检测模型,将其应用于开阳县耕地非农化的时序化监测中。在此基础上,运用核密度估算法分析探讨区域耕地非农化的时空分布特征。应用结果表明,将卫星遥感与深度学习技术相结合,可实现大范围内耕地非农化的快速动态监测,开阳县2021年4月—2022年12月监测到的新增违法非农化行为整体呈下降态势,但存在局部聚集区域,且违法数量的高低表现出较为明显的季节特征。

基于深度表征学习和遗传算法的军用座舱色彩设计方法

军用座舱色彩设计作为载人军事设备工业设计中较为主观的一部分,设计的合理性至关重要。为提高军用座舱色彩设计的科学性,提出一种基于深度表征学习和遗传算法的军用座舱配色方法。利用深度表征学习模型预测军用座舱配色方案,并根据色彩感知理论建立军用座舱配色模型,将其作为生成方案的限制条件。同时,引入交互式遗传算法到智能配色系统中,通过人工引导的方式优化神经网络的参数,对预测的配色方案进行有效迭代。实验结果表明:该方法生成的配色方案符合军用座舱配色模型,结合遗传算法的模型预测准确率比单一的深度表征模型提高了16%~18%。相较于人工色彩设计方案,军用座舱智能配色方法生成的方案满意度略优、设计周期缩短了80%~88%,色彩稳定性提高了6%~12%。

知识、想象力与深度学习——与吉莉安·贾德森教授关于基兰·伊根的研究的对话

20世纪80、90年代以来,加拿大西蒙菲莎大学基兰•伊根教授带领团队开展了“富有想象力的教育”“深度学习研究项目”等研究,系统地探讨了课程知识、学习、理解、想象与想象力的本质,以及知识理解的本质与类型、知识与想象力的关系,开发了想象力培养的认知工具,提出了在学科教学中培育学生想象力的教学策略。在深度学习研究中,建立了深度学习的知识标准和教学基本准则。2006年以来,针对我国中小学课程实施中存在的问题,我们组建了深度教学研究团队。围绕教学价值观、课程知识观、教学过程观和学习活动观的转变,采取3K研究方式,探讨了指向核心素养的教与学的理念与策略,并开展了国际合作研究。围绕基兰•伊根教授关于知识、想象力与深度学习研究等方面的创新贡献,对话和访谈西蒙菲莎大学吉莉安•贾德森教授,以期为我国深化课程与教学改革,破解核心素养发展的难题提供借鉴。

深度学习迭代重建算法优化儿童头颅CT图像噪声和图像纹理的可行性

目的评价深度学习迭代重建(DLIR)算法与常规自适应迭代重建(ASIR-V)算法对儿童头颅外伤CT图像噪声和图像纹理的优化程度及图像显示效果的差异。资料与方法回顾性选取2020年12月7—11日首都医科大学附属北京儿童医院影像中心80例儿童头颅CT,扫描方案为低辐射剂量轴扫,电压120 kV,电流150~220 mA。将得到的原始数据重建为5 mm厚层与0.625 mm薄层的脑窗、骨窗图像,分别重建为50%ASIR-V、高权重DLIR图像(DL-H),共8组图像。应用4分制主观评价脑沟脑室、脑灰白质与颅骨显示情况,并统计各组图像的病变数量;客观评价测量基底节层面的灰质和白质的CT值和噪声值,并计算对比噪声比,同时在同层面测量模糊程度指数,比较两种图像重建方法的差异。结果相较于50%ASIR-V图像,2种层厚的DL-H均可以提升脑沟脑室、脑实质显示能力(W=5.5~22.2,P均<0.05),5 mm的50%ASIR-V与0.625 mm的DL-H图像脑沟脑室、脑实质显示能力差异无统计学意义(W=0.9、2.0,P=0.32、0.05)。骨质显示能力方面,所有图像均可以达到满分4.0分。5 mm的50%ASIR-V与DL-H图像均可以在80例患者中发现共35处病变,包括出血病变12处,颅内积气1处,骨折9处,头皮软组织肿胀13处。客观评分方面,DL-H图像噪声低于50%ASIR-V图像(t=21.4~35.7,P均<0.05),0.625 mm的DL-H与5 mm的50%ASIR-V图像噪声及对比噪声比差异无统计学意义(t=1.7~2.2,P均≥0.05)。模糊程度指数显示DL-H优于50%ASIR-V图像(t=6.1、10.0,P均<0.05),0.625 mm的DL-H与5 mm的50%ASIR-V模糊程度指数差异无统计学意义(t=2.6,P=0.28)。结论DLIR可以降低图像噪声,改善图像纹理,整体提升儿童头颅外伤CT图像质量,0.625 mm的DL-H图像质量接近5 mm的50%ASIR-V图像,可以达到诊断要求,使进一步降低儿童头颅外伤的辐射剂量成为可能。

基于世界模型深度强化学习的含风电电力系统低碳经济调度

通过调度手段提高发电侧风电等可再生能源利用率,降低常规火电机组的碳排放是实现双碳目标的重要手段。针对含风电电力系统的低碳经济运行问题,提出一种基于世界模型深度强化学习的调度方法。首先,计及碳交易成本与发电成本构建了系统运行总成本最低的调度模型,采用基于世界模型的双延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法求解系统各机组最优出力策略。该算法通过“因果Transformer”神经网络的自注意力机制和多层堆叠结构学习世界模型以等效真实环境,进一步结合TD3算法在世界模型决策空间中开展大规模探索,提高决策稳定性。以改进IEEE30节点系统为例,通过所提算法求解得到各机组发电策略,实现了含风电电力系统的低碳经济调度目标,表明该方法能有效提升风电消纳,减少系统碳排放量,降低运行成本。

基于深度学习和双域融合的红外成像制导系统复杂背景噪声去除方法

红外成像制导系统受到严苛运行环境影响,其成像过程伴随复杂背景噪声干扰,严重影响系统制导跟踪精度。为减少复合噪声对红外成像效果的影响,在分析多种常见噪声的成因和特性的基础上,提出一种基于加性成分和乘性成分的噪声特性先验设定,结合空间域和变换域的双域融合去噪思想,设计了一种基于深度卷积神经网络的多类型噪声去除方法。该方法将富梯度流卷积模块引入UNet++结构以缩减梯度信息冗余并提升多感受野特征提取能力;针对噪声形态特性提出维度注意力机制以实现双域噪声估计;引入高阶双树复小波变换作为域变换方法,提升在不同尺度和方向上对噪声成分的识别能力。通过消融实验验证了噪声先验设定以及双域融合去噪思想的有效性和优越性,通过对比实验证明了所提方法对多种类型噪声均具有优秀的去噪能力。所提方法对高斯噪声的去噪峰值信噪比和结构相似度指标分别达到29.57和0.85,优于其他典型噪声抑制方法;对多类型混合噪声则分别达到27.84和0.82,达到良好的去噪水平。此外,也验证了所提方法对真实图像噪声具有优秀的去噪能力。