BRIEF ANALYSIS ON THEORETIC EVIDENCE OF FOUR-GATE POINTS IN TREATMENT OF DISEASE

在现在的论文，作者在疾病和相关理论上的证据的治疗上详细说明四门的点的途径。分析和讨论在四门的点的起源和与主要 qi 的 four-gatepoints 的关系的方面被继续，运用顶点， qi 和血和顶点和担保的 biaoben qijie 的路线。是专业指在诊所，四门的点提供广泛的指示和好治疗学的效果，它被理论上的证据彻底地支持。

融合全局特征的时空网络兴趣点推荐算法

随着基于位置社交网络的迅速发展,兴趣点序列推荐逐渐成为近年来研究热点之一。针对现有推荐方法忽略签到数据中的全局信息,未充分考虑序列签到数据之间的时空间隔问题,提出一种融合全局特征的时空网络兴趣点推荐算法。该方法利用关系图神经网络获取签到数据异构网络图的全局特征,将时空门控融入传统门控结构中,融合全局特征对用户移动行为进行建模,再引入自注意力机制学习用户偏好向量表示。在两个真实数据集上进行实验比较与分析,实验结果表明所提方法推荐性能优于同类算法,验证了算法的有效性。

融合学科知识的数学习题知识点自动标注模型

习题知识点标注是构建结构化题库和实现个性化学习的关键任务。对于数学习题,由于其存在公式化、表达精炼化等特殊性,现有的标注模型无法很好地捕获关键信息,进而难以深入理解文本中蕴含的深层语义。此外,结合领域知识的知识点标注模型普遍存在引入的知识不够关键、融合的方式过于直接的问题,缺乏对信息的有效筛选,从而导致在特征融合时产生大量噪声,干扰模型最终的标注结果。为此,该文提出了一种融合学科知识的数学习题知识点自动标注模型MKA Gated。该模型首先利用预训练模型对原始习题和两种细化的学科知识文本进行初步的语义编码表示,然后利用注意力机制实现习题与两种学科知识的信息交互以获取两种学科知识的深层语义表征,最后通过门控机制连续地、隐式地融合两种深层语义表征的平均池化表示以保留原始习题表示中有利于最终分类的语义特征。模型在自建的初中数学习题知识点标注数据集上测试的三种指标micro-F_(1)、macro-F_(1)、weighted-F_(1)相较于基准模型分别提升了1.99%、2.99%、2.12%,实验结果表明,该文所提方法能有效提升数学习题知识点的标注。

一种铝合金壳体压铸模具设计

通过对壳体零件的结构和成形性分析,重点对模具设计的主要环节进行了详细的分析与研究;分析设计了模具的分型面位置、浇注和排溢系统的结构以及推出机构,采用在侧面厚壁处多点浇口的结构形式;对模具的型芯、型腔做了具体的结构设计,采用型腔在定模、型芯在动模的普通两板式结构形式;并且型芯和型腔部分制作成活动镶件,便于修理、更换,模具结构简单、实用,完全满足模具的设计要求。

基于FPGA误差可控的浮点运算加速器研究

浮点运算是高性能计算(HPC)领域的基础运算。在大数据与云计算的背景下,高性能计算平台需要处理的数据量与日俱增,而且浮点数的舍入误差在大规模、长时程的运算中会产生累积,因此,在提升浮点运算性能的同时保证计算结果的可靠性非常重要。利用现场可编程门阵列(FPGA)可编程、低功耗、灵活性强的特点,针对含复杂单项运算的浮点多项式设计一种浮点运算加速器。基于无误差变换的思想,通过计算得出舍入误差值,将其补偿到浮点数值上,从而实现误差可控。采用异步并行的方式实现运算加速,并通过构建CPU-FPGA平台最大化地利用计算资源,保证计算任务执行的高效性。数据测试结果表明:在不限制对称性下的数值相对论模拟运算中,该加速器在200 MHz的主频下可达到91.85 MFLOPs的峰值性能;与Intel i76700K CPU运行最大线程数的性能相比,该加速器实现了50.54的加速比,并在该条件下获得了平均53.6%的精确结果百分比以及更低的相对误差,表明其具备较高的可靠性。

浅析鬼门十三针

十三鬼穴是古代医家总结出用于医治精神情志类疾患的经验效穴,这些穴位是临床中治疗癫狂痫等精神疾病的常用处方,即现代医学中所说的抑郁症、精神分裂症、强迫症等。针刺鬼门十三穴可疏通经络、协调阴阳、调和气血,起到“阴平阳秘,精神乃治”的作用。临床中应用鬼门十三针的疗效颇佳,但对于此针法的系统性总结较少。作者通过阐述鬼门十三针的起源发展、组穴内涵及临床应用等方面,探究其治疗精神疾病的神奇之处,提供更好的临床指导。临床中可将鬼门十三针与其他疗法相结合运用,为今后的医学事业做出卓越的贡献。

基于多图超分辨率重建的精细导星仪星点质心定位精度提升方法

精细导星仪的星点质心定位精度决定了空间天文望远镜的视轴姿态解算精度,为了提升精细导星仪的星点质心定位精度,提出了一种基于深度小波循环神经网络的星图超分辨率重建方法。首先,借助微扫描技术获取亚像素错位低分辨率星图序列,采用小波编码器提取低分辨率星图的小波域特征,通过小波系数约束低分辨率星图的噪声,并将亚像素错位星图序列配准过程融入到网络学习中。其次,利用卷积门循环神经单元对所提取的多星图序列特征进行融合。最后,使用逆小波解码器对多特征融合模块输出的小波域特征进行解码,从而实现基于低分辨率星图序列的去噪与超分辨率重建。实验结果表明,分别采用平方加权质心法求取原始星图和超分辨率重建后星图中的各星点的质心位置,相比于前者,后者的各星点平均质心定位精度和稳定度在X方向分别提升了64.76%和19.15%,在Y方向分别提升了75.35%和26.14%。

一种新型卧倒式坞门用铰点与止水装置设计

为有效提高坞门开闭效率,延长其使用寿命,对基于传统卧倒式坞门的铰点与止水装置进行优化设计,并在此基础上设计一种新型的卧倒式坞门用铰点与止水装置。研究表明:新型的卧倒式坞门铰点及止水装置设计安装可靠、使用方便、开闭及拆装简便,止水效果显著。研究成果可为卧倒式坞门设计提供一定参考。

温控器面壳注塑模具设计

在分析温控器面壳工艺性能的基础上,设计了一套一模一腔的四面滑块抽芯三板式模具。详细介绍了模具主要结构设计,包括分型面、浇注系统、成型零件、抽芯、顶出与冷却系统的设计,绘制了模具结构图,阐述了模具工作过程。该模具采用了一模一腔布局,定模仁采用整体式,动模仁采用组合式,由型芯、小型芯杆、四面滑块、斜顶及推管组成,便于加工与维修;浇注系统采用主流道、分流道与单一点浇口的中心共线的设计,流道最短、无弯折,利于填充;顶出机构采用了斜顶、顶杆和顶管组成的复合结构,其先复位功能由复位开关、连接柱和注塑机控制;针对动模仁的型腔存有较深狭缝和四面倒扣的设计难点,设计了四面滑块外抽芯机构,由4个滑块复位围成的型腔来成型塑件侧壁的外表面及倒扣,巧妙地将模具动、定模的配合面沿Z向适当偏移分型面,斜导柱置于滑块尾部,使楔紧块由定模板挖槽形成。实践证明,该模具结构先进合理、运行平稳,批量生产的塑件质量良好,对同类塑件的模具设计具有参考价值。

卷扬式启闭机双吊点启门力平衡限差分析与调整实践

为解决卷扬式弧形闸门启闭机双吊点启门力不平衡产生的各种问题,根据规范要求的启闭机双吊点的吊轴中心高差限值,分析计算启闭机双吊点启闭力的偏差允许限值。以三河闸工程为例,采用绳索张力仪直接检测启闭机双吊点钢丝绳的受力情况,通过调节启闭机卷筒上钢丝绳自由段长度,使双吊点启门力偏差保持在理论计算的合理范围内。此次调整实践总结的经验可为类似设备平衡性检测及调整提供参考借鉴。

基于FPGA的Skynet网络结构优化及高时效实现

基于卷积神经网络(Convolutional Neural Network,CNN)的目标检测算法有着鲁棒性强、准确度高等优点,被广泛用于计算机视觉任务领域.然而,CNN参数量大、计算量大的特性使得其难以在边缘计算平台实时实现,为此,本文针对目标检测网络Skynet进行结构优化,并基于高效的层内并行流水的加速架构,在现场可编程门阵列(Field Programmable Gate Array,FPGA)上对其进行实时实现.该方法对Skynet进行剪枝,合并其卷积层与归一化层,利用(Kullback-Leibler,KL)相对熵及极大值量化方法对权重及特征图进行8 bit定点量化,同时将偏置参数及缩放系数定点化,并合并激活操作与饱和截断操作,在减少存储量和计算量的同时,加快前向推理速度.此外,以滑窗操作为基础,采用通道及像素并行计算,设计深度可分离卷积的流水策略,将串行的前向推理结构优化为并行流水的结构,极大减少了前向推理的时间.实验表明,在UA-DETRAC数据集上,本文实现的系统识别精度为0.752,在160×160的图像分辨率上,速度达到115FPS,与CPU相比,提速11倍,达到了GPU的75%,功耗分别为CPU的10.6%,GPU的7.43%,而且,与同类基于FPGA的CNN加速工作相比,本文方法在速度和能效比上均表现最优.

改性ABS观察孔盖多板模设计

某机床机油观察孔盖塑件需要使用高刚性阻燃工程塑料丙烯腈-丁二烯-苯乙烯塑料针对其注塑成型中模腔浇注和脱模设计都比较困难的生产实际难题,设计了1副一模四腔多板注塑模具用于该塑件的成型。模具中,单腔模腔使用点浇口流道供料给2个内壁潜伏式浇口供料,对模腔进行浇注,既保证了塑件外壁不留浇注痕迹,同时也保证了模腔能获得均衡充填。脱模设计中,重点针对塑件内螺纹的脱模设计了液压马达驱动型内螺纹抽芯机构,保证了塑件内螺纹的无损脱模。为配合塑件的自动脱模,模具分4步开模打开,前3步打开用于流道废料和塑件部分脱模的顺序进行,第4步用于配合螺纹型芯的转动,辅助实现塑件内螺纹及内壁的脱模。塑件最终在顶针将潜伏式流道废料顶出后实现完全脱模。模具结构布置合理,机构选用可靠恰当,有较好的模具结构设计参考意义。

融合注意力门控机制的大场景点云语义分割

室外大场景激光点云语义分割已成为3D场景理解、环境感知的关键性技术,在自动驾驶、智能机器人和增强现实(AR)等领域应用广泛。然而大场景的激光点云具有多目标、几何结构复杂,不同地物尺度变化大等特点,使得在稀疏的小目标点云(例如行人、摩托车等)上的分割性能较低。针对上述问题,本文提出一种融合注意力门控机制的室外点云语义分割算法,设计由注意力机制和多尺度上下文特征融合组成的注意力门控单元,提高对激光点云细粒度特征的表达,降低随机降采样过程中点云几何结构特征丢失程度,从而增强了网络对弱小目标的特征获取能力;同时设计基于共享MLP的平均池化单元,进一步简化自注意力局部特征聚合模块,有效地加速网络收敛,能高效地实现大场景点云的语义分割。本文方法在自动驾驶场景室外激光点云数据集SemanticKITTI上的实验表明,与文献RandLA-Net相比,收敛速度提升48.3%,平均交并比(mIoU)由53.9%提升至54.5%,提高0.6%,尤其是在小目标上交并比(IoU)均有明显提高,person类和motorcycle类的交并比分别提高0.8%和5.4%。

激光点云线性KNN算法FPGA实现及加速

针对三维激光点云线性K最近邻(K-nearest neighbor, KNN)搜索耗时长的问题,提出了一种利用多处理器片上系统(multi-processor system on chip, MPSoC)现场可编程门阵列(field-programmable gate array,FPGA)实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架;然后详细阐述了每个模块的设计思路及实现过程;最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台,完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明:基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下,减少邻近点搜索耗时。

指示灯固定架精密注射模设计

以指示灯固定架精密塑件为例,介绍了精密注射模设计的一般流程,分析了指示灯固定架的结构和所用ABS材料的成型工艺,使用MoldFlow软件分析成型过程中的塑料流动情况,使用Creo软件设计出模具结构,并生成模具二维工程图。模具采用一模两腔及点浇口进料结构,优化了模具设计过程和模具结构,缩短了模具设计周期,提高了经济效益。

GAN-CNN-GRU在光伏最大功率点跟踪中的应用

光伏阵列在复杂光照强度条件下,出现局部遮荫现象,导致输出特性曲线呈现多峰值状态,造成光伏系统能量转化率低下。本文提出一种基于生成对抗网络(GAN)、卷积神经网络(CNN)和门控循环单元(GRU)的混合预测模型,预先使用GAN对光伏发电原始环境数据进行数据扩充,再用CNN提取不同光伏太阳能板的环境数据特征,最后利用GRU进行最大功率点电压的预测。仿真结果表明,该混合预测模型可避免陷入局部极值的情况,可以有效提高复杂光照强度条件下的最大功率点跟踪效率。

PRA-UNet3+:全尺度跳跃连接CT肝脏图像分割模型

器官损伤死亡率高,严重威胁着人类的生命安全。人体内脏形态多样,解剖结构复杂,因此器官图像的准确分割有助于医生进行诊断。医学图像对高精度分割模型的需求很大,然而,大多数医学图像分割模型都是直接从一般的图像分割模型迁移过来的,常常忽略了浅层特征信息以及边界的重要性。为解决该问题,提出使用注意力门和点采样方法获得高质量分割边界的图像分割模型。在常用的肝脏医学图像数据集CHAOS上对该模型进行评估,平均Dice达到0.946 7,平均IoU达到0.962 3,平均F1 Score达到0.935 1,证明该模型可同时学习图像细节特征和全局结构特征,能更好地对肝脏图像进行分割。

带内螺纹的饮水瓶盖注射模设计

对饮水瓶盖的结构进行了分析,采用1模2腔三板模成型塑件,塑件上的内螺纹采用由液压缸、齿条、齿轮、螺纹、型芯组成的机构脱模,脱模时通过齿条和齿轮驱动内螺纹型芯旋转,内螺纹型芯一边旋转一边后退进行脱模。模具经批量生产验证:模具脱模机构运行稳定,成型的塑件合格率高,内螺纹没有损坏。

基于FPGA高速浮点控制算法的设计架构与应用

为满足控制系统对高速处理、高精度运算的需求,提出一种基于现场可编程门阵列(FPGA)的高速浮点控制算法的设计架构。利用System Generator工具设计浮点控制算法并生成其IP核;VHDL编写模/数(A/D)、数/模(D/A)转换芯片的驱动逻辑;而后顶层中按照时序逻辑关系连接各模块;最终在FPGA中实现硬件控制。将算法设计架构应用在快速反射镜的闭环控制中,实验结果表明:单精度浮点格式的PID算法执行时间为2~3个采样周期,整个控制算法最快执行仅需10个时钟周期,闭环控制周期为6.55μs。实验验证了提出的算法设计架构具有可行性;该架构设计的控制器具有高速的处理性能和高精度的控制效果。

多尺度特征融合的头影标志点检测

头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%,性能优于W-Net、IW-Net等模型。