Dual-Path Vision Transformer用于急性缺血性脑卒中辅助诊断

急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分类智能模型DPVF。为了提高辅助诊断速度,基于EdgeViT的轻量化设计思想进行了模型的构建;为了使模型保持轻量化的同时具有较高的精度,提出空间-通道自注意力模块,促进Transformer模型捕获更全面的特征信息,提高模型的表达能力;此外,对于DPVF的两分支的特征融合,构建交叉注意力模块对两分支输出进行交叉融合,促使模型提取更丰富的特征,从而提高模型表现。实验结果显示DPVF在测试集上的准确率达98.5%,满足实际需求。

Multi-Behavior Fusion Based Potential Field Method for Path Planning of Unmanned Surface Vessel

The problem of the unmanned surface vessel (USV) path planning in static and dynamic obstacle environments is addressed in this paper. Multi-behavior fusion based potential field method is proposed, which contains three behaviors: goal-seeking, boundary-memory following and dynamic-obstacle avoidance. Then, different activation conditions are designed to determine the current behavior. Meanwhile, information on the positions, velocities and the equation of motion for obstacles are detected and calculated by sensor data. Besides, memory information is introduced into the boundary following behavior to enhance cognition capability for the obstacles, and avoid local minima problem caused by the potential field method. Finally, the results of theoretical analysis and simulation show that the collision-free path can be generated for USV within different obstacle environments, and further validated the performance and effectiveness of the presented strategy.

新质生产力驱动下的数字经济与民营经济融合研究

新质生产力是以科技创新为核心所带来的新的生产能力。在数字经济中,数字技术是科技创新的重要内容。数字经济与民营经济融合是当代经济发展的重要趋势,对民营经济的高质量发展影响深远,主要体现在市场机遇、运营效率和竞争格局等方面。为促进数字经济与民营经济的高质量融合,可以执行一系列策略和措施,如强化政策支持与引导、构建健康的数字生态系统、推动产业创新集群发展、培养与吸引数字化人才、提高企业数字化水平、促进政府和企业间协作等,助力民营企业在全球化和数字化浪潮中实现可持续发展和竞争力提升,为我国经济高质量发展提供重要支持。

以ChatGPT为代表的AI技术与高等教育的深度融合

随着人工智能技术飞速发展,以ChatGPT为代表的人工智能技术已经逐渐成为人们关注的焦点。旨在探讨ChatGPT技术与高等教育的深度融合研究,分析其对高等教育的影响和挑战,并提出相应的解决方案。首先,介绍了ChatGPT技术的基本原理和特点,包括其语言生成模型的构建、预训练和优化等;然后,通过分析ChatGPT技术在高等教育中的应用场景,如智能教育、在线教学、个性化推荐等,探讨了其对高等教育的影响和挑战;最后,提出了一些解决方案,比如加强ChatGPT技术与高等教育的深度融合、建立完善的教育监管机制等,以应对ChatGPT技术在高等教育中面临的挑战。

基于IMU-LiDAR紧耦合的煤矿防冲钻孔机器人定位导航方法

防冲钻孔机器人是冲击地压矿井卸压的关键设备,其在复杂卸压巷道的精确地图构建和的稳定导航是实现钻孔作业智能化的基础和前提。在分析激光雷达点云畸变成因和同步定位与地图构建(SLAM)算法缺陷的基础上,设计了基于惯性测量单元(IMU)连续时间轨迹的点云畸变矫正方法,建立了激光雷达和IMU的数据融合模型,提出了基于IMU-LiDAR紧耦合的防冲钻孔机器人定位建图方法。根据煤矿卸压巷道特点建立了密闭坡道模型,开展了建图效果仿真分析,结果表明,所提算法在定位精度、轨迹误差方面均优于现有常用算法。在此基础上,设计了基于改进人工势场法和快速扩展随机树的动态路径规划方法,建立了适用于防冲钻孔机器人的路径规划与导航融合方案,并设计了2种仿真运动场景,结果表明,所提路径规划方法在全局路径规划和动态路径规划的平均路径长度、平均运行时间、平均生成节点数等方面均具有较好的综合性能。为了进一步验证防冲钻孔机器人定位导航方法的实用性,在校内模拟巷道、地面实验基地和井下卸压巷道等场景下开展了多组对比实验,结果表明:将IMU数据与LiDAR数据紧耦合后,所提方法的定位建图精度明显提高,在特征退化场景中具有优越的定位建图性能,且规划路径的运算效率和路径代价方面均具有良好的表现,验证了所提定位导航方法在多种场景中的可行性和优越性。

基于长短路融合及数据平衡的SAR船舶检测算法

针对SAR图像检测船舶任务中的目标小、近岸样本目标检测困难等问题,文章提出一种名为长短路特征融合网络(Long and Short path Feature Fusion Network,LSFF-Net)的船舶检测网络。该网络通过长短路特征融合模块有效协调了大目标与小目标检测,避免小目标特征信息的丢失。网络中应用结构重参数化结构提高了模块学习能力。为了满足多尺度目标检测,加入特征金字塔网络,融合多尺度特征。为了应对近岸样本目标检测,设计数据重分配算法,提高了对近岸样本目标的检测精度。实验结果表明:在公开数据集检测时,算法的平均精度(Average Precision,AP)达到97.50%,优于主流目标检测算法。该方法为提高SAR图像中小目标和近岸样本目标检测精度提供了新的实现方案。

拉普拉斯卷积的双路径特征融合遥感图像智能解译方法

由于遥感图像存在多尺度变化和目标边缘模糊等问题,对其进行智能解译仍然是一项极具挑战性的工作。传统的语义分割方法在处理这些问题时存在局限性,难以有效捕捉全局和局部信息。针对上述问题,文中提出一种双路径特征融合分割方法 DFNet。首先,使用Swin Transformer作为主干提取全局语义特征,以处理像素之间的长距离依赖关系,从而促进对图像中不同区域相关性的理解;其次,将拉普拉斯卷积嵌入到空间分支,以捕获局部细节信息,加强目标地物边缘信息表达;最后,引入多尺度双向特征融合模块,充分利用图像中的全局和局部信息,以增强多尺度信息的获取能力。在实验中,使用了三个公开的高分辨率遥感图像数据集进行验证,并通过消融实验验证了所提模型不同模块的作用。实验结果表明,所提方法在Uavid数据集、Potsdam数据集、LoveDA数据集的mIoU达到了71.32%、85.58%、54.01%,提高了语义分割的性能,使分割结果更为精细。

基于改进A^(*)蚁群融合算法的路径规划研究

随着智能化技术的发展,无人车路径规划技术在未来无人战场上将发挥重要的作用。针对A^(*)算法易发生碰撞障碍物的问题,提出通过改进转弯机制进行避碰。针对路径较长和不够平滑的问题,提出一种改进A^(*)蚁群融合算法。仿真结果表明,使用改进A^(*)蚁群融合算法得到的路径长度和平滑度更优,简单地图中路径长度减少2.34%,总转弯角度减小5.62%;复杂地图中路径长度减少2.62%,总转弯角度减小26.3%。因此,该算法在保证无人车避障的基础上,有利于其快速完成相应任务。

融合改进A^(*)算法与动态窗口法的移动机器人路径规划

为解决移动机器人在随机障碍物环境的导航过程中,使用A星(简称A^(*))算法出现碰撞导致路径规划失败的问题,设计了一种融合改进A_(*)算法和动态窗口法(dynamic window approach,DWA)的全局动态路径规划方法。首先,从以下两方面改进传统A^(*)算法:混合使用4邻域和8邻域A^(*)搜索算法,与通过删除冗余路径点和转折点来提高路径的平滑性;接着将改进A^(*)算法与DWA融合,利用融合算法使移动机器人进行全局实时动态路径规划。Matlab仿真试验结果表明,改进后的A^(*)算法较传统A^(*)算法不会使机器人穿越障碍物及其顶点,这有效减少了碰撞,从而提高了安全性;融合DWA后,在获得全局最优路径的基础上,能避开静态随机障碍物和动态障碍物,这证明了融合算法有良好的路径规划能力。

融合改进Bi-RRT和DWA算法的无人机动态路径规划

为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。

基于专利异构数据融合的技术演化路径识别方法

[研究目的]针对目前技术演化分析中多关注专利文本,忽略专利引文信息的问题,提出一种基于专利异构数据融合的技术演化路径识别方法。[研究方法]首先,使用Sentence-BERT模型提取专利文本语义特征;其次,使用图卷积神经网络模型将文本语义特征与引文结构特征融合,实现异构数据融合构建专利向量;最后,划分时间窗,使用k-means算法对各时间窗进行技术主题聚类,基于相邻时间窗技术主题相似度构建技术演化路径。[研究结论]以人工智能领域为例进行实证研究,共发现4条技术演化路径。与相关权威报告进行比对,结果表明识别结果与人工智能技术领域的发展现状一致,验证了模型的有效性和科学性。

改进遗传算法的移动机器人避障路径规划

为解决复杂多变环境下,常规路径规划算法生成路径长、不连贯、存在多余转折点和大转折角度、容易碰撞障碍物等问题,提出一种改进遗传算法的动态避障算法.结合行间随机选择策略和A*算法插入中间点策略改进初始化算法;在传统遗传算法中设置障碍物安全距离,引入删除和优化算子,优化适应度函数;采用动态窗口法结合改进遗传算法得到路径最优解.结果表明:改进后算法生成的路径平滑,与A*算法、某改进遗传算法相比,路径更短、碰撞次数更少,在复杂动态环境下具有良好的避障性能,为移动机器人在现实场景中的安全、高效导航提供了可行的解决方案.

基于人工智能技术的机器人运动控制系统设计

设计一种基于人工智能技术的机器人运动控制系统,确保机器人更好地理解人类的意图,并提供更加人性化的服务。该系统通过运动数据采集与传输组件连接机器人的轴电机,采集机器人当前运动数据后,将其传输到控制器组件内,控制器组件依托X86架构工控机,使用PIC总线将采集到的机器人当前运动数据发送到基于人工智能技术的机器人运动路径规划模块内。该模块运用人工智能技术中的A*算法获取机器人轨迹路径规划结果后,依据该路径规划结果,将人工智能技术中的神经网络和模糊B样条基函数相结合,建立模糊B样条基函数神经网络控制器。该控制器输出机器人运动控制指令,并发送给伺服驱动器组件,伺服驱动器负责驱动机器人轴电机,控制机器人运动。实验结果表明:所设计系统具备较强的机器人路径规划能力,可在复杂路径情况下实现机器人运动控制,且控制精度和控制阶跃响应能力均较强。

植物学教学与课程思政教育有机融合的探索——以山西农业大学为例

在简述植物学教学开展课程思政必要性的基础上,以山西农业大学为例,从深度开发思想政治教育资源、改进教学方式以及实施实践教学等多个角度出发,通过构建植物学课程思政资源库、构建植物学课程思政教育路径、增强课程的人才培养内涵、拓宽学生课外学术视野等,探讨了植物学课程教学中实施思想政治教育的路径,为提高学生的全面技能水平,培育出“了解农业、理解农业、热爱农业”的专业人才提供支撑。

劳动教育和研学旅行的融合提升研究——以蚌埠禾泉小镇研学基地为例

劳动教育与研学旅行在总体目标、课程性质、实践方式、实践场所以及评价机制等方面存在共性特点,二者融合发展具有可行性。以劳动教育为主题、研学旅行为载体、校外实践基地为主阵地,从课程融合、资源融合和场地融合角度出发,探索劳动教育与研学旅行的融合路径。以蚌埠禾泉小镇研学基地为例,提出优化劳动教育主题研学课程设置、加快劳动研学专兼职人才培养、教育化改造劳动研学场地、健全劳动保障措施机制等策略,进一步提升两者的融合水平,为落实劳动教育、发展研学旅行、助力乡村振兴提供参考借鉴。

基于改进蝙蝠算法的无人机路径规划研究

针对蝙蝠算法在处理无人机路线规划问题时出现的前期迭代缓慢、容易进入局部最优等情况。论文将遗传因子算法与蝙蝠算法相结合,提出一种融合遗传因子的蝙蝠算法(Genetic-Bat Algorithm,GBA)。算法首先引入遗传算法的交叉和变异操作进行选择融合,提高前期迭代收敛速度;然后在蝙蝠算法中使用分阶段局部搜索,增加对最优解局部域的检索;最后加入删除操作,以减少路径冗余度。通过建立地图模型的仿真,结果表明该算法在路径规划和迭代速度上和其他算法相比能够实现快速收敛和快速迭代,不易陷入局部最优解,选择的路径更优。

基于多传感器融合的模糊PID采煤机截割路径自适应控制方法

截割路径自适应控制是提高采煤机生产效率和质量的重要手段,但现行方法控制精度较低,在实际中,截割路径RMSE、MAE均比较高。针对现行方法存在的不足和缺陷,提出基于多传感器融合的模糊PID采煤机截割路径自适应控制方法。采用多传感器融合技术感知采煤机截割运动学模型中位置及状态信息,并对多传感器数据融合处理,根据采煤机截割运动学规律得到采煤机截割路径,模糊化截割路径偏差,利用PID控制器调控比例、积分、微分3个参数,修正采煤机截割路径偏差,实现基于多传感器融合的模糊PID采煤机截割路径自适应控制。实验证明,设计方法应用下的采煤机截割路径RMSE和MAE得到了明显降低,为采煤机截割路径自适应控制提供了一定参考。

当代艺术设计与数字媒体技术的融合路径研究

数字媒体技术的加入,让艺术设计不再局限于传统的展览空间,而是可以通过互联网等平台被更多人所了解。数字媒体技术成为推动当代艺术设计创新的重要力量。数字媒体技术为艺术创作提供了更多可能性,使艺术作品更具互动性、感知性和体验性。深入研究当代艺术设计与数字媒体技术的融合路径,探索二者之间的关联性和互动性,对于促进数字时代艺术创作的创新与发展具有重要意义。

基于双向A^(*)-APF算法的船舶路径规划研究

为解决目前船舶路径规划算法中存在的全局非最优解和局部最优解等问题,在双向A^(*)算法的基础上加入了优化函数PathOptimization和IsClear,以去除冗余拐点,缩短全局路径距离;在人工势场法(artificial potential field,APF)的基础上,设定离散化步长函数、斥力感应阈值和临时终点,以避免局部最优解和震荡问题;实现两种算法的融合算法(双向A^(*)-APF算法),在MATLAB模拟的相同栅格图中,对比算法改进前后的模拟试验数据。结果表明,融合算法平均减少了50%的冗余拐点,平均减少了47.5%的算法搜索时间,平均缩短了7%的路径距离,能够同时安全规避动态障碍物和静态障碍物。研究表明,双向A^(*)-APF算法可用于解决船舶路径全局非最优解和局部最优解等问题。

适用于图像超分辨率的多路径融合增强网络

卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进。然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实。为了解决该问题,设计了一种轻量级的图像超分辨率重建网络——多路径融合增强网络(Multi-path Fusion Enhancement Network,MFEN)。具体来说,提出了一个新颖的融合注意力增强模块(Fusion Attention Enhancement Block,FAEB)作为多路径融合增强网络的主要构建模块。融合注意力增强模块由一条主干分支和两条层级分支构成:主干分支由堆叠的增强像素注意力模块组成,负责对特征图实现深度特征学习;层级分支则负责提取并融合不同大小感受野的特征图,从而实现多尺度特征学习。层级分支的融合方式则是以相邻的增强像素注意力模块输出为分支输入,通过自适应注意力模块(Self-Adaptive Attention Module,SAAM)来动态地增强不同大小感受野特征的融合程度,进一步补全特征信息,从而实现更全面、更精准的特征学习。大量实验表明,该多路径融合增强网络在基准测试集上具有更高的准确性。