基于改进DETR模型的输电线路工程车辆检测研究

针对人工检测大型工程车辆频繁进出施工现场容易出现漏检或误检的问题,文章提出一种改进DETR(基于Transformer的端到端目标检测网络)模型对输电线路工程车辆进行检测识别。首先在原始的DETR主干网络中,引入空洞卷积法获取更多深层次的特征,扩大感受野;其次加入特征金字塔网络(FPN),融合不同尺度的特征,增强特征的健壮性;最后将损失函数GIOU改为CIOU,使模型在训练的过程中达到更快和更好的收敛效果。实验结果显示,改进后的DETR模型在自制数据集中AP50(IOU阈值取0.5)和AP50-95(IOU阈值取0.5~0.95)分别达到了92.1%和61.3%,说明该改进模型在识别输电线路工程车辆场景中具有较高的应用价值。

基于联合对抗训练的鲁棒度量迁移

迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移的源域度量,然后设计了一种通用的深度异质迁移算法来进行高效的迁移学习.值得注意的是,将源域度量以联合对抗学习的方式进行训练,再以深度神经网络的方式将其参数化表示并对其进行迁移.迁移中通过表征模仿的方式来学习源域度量中的知识,这种方式允许源域和目标域中的知识来自于异质域.此外,严格限制目标度量网络的大小,使得目标网络更够进行高效的推理计算.在人脸识别数据集上的实验展现了本方法的有效性.

基于深度强化学习与自学习的多无人机近距空战机动策略生成算法

为解决多无人机近距空战机动决策问题,提出一种基于参数共享Q网络与虚拟自我对局的多无人机近距空战机动策略生成算法.首先,设计一种适用于不同无人机编队规模的混合马尔可夫博弈模型与多无人机机动决策策略生成强化学习框架—参数共享Q网络,并通过自编码器对状态空间进行压缩以提高策略学习效率.然后,使用虚拟自我对局方法使机动策略收敛至纳什均衡策略.最后对自编码器的参数选择、策略生成算法的训练过程与机动策略的合理性与迁移性进行了仿真实验.通过仿真结果表明,引入自编码器可以有效地提高策略学习效率,并且使用该算法生成的多无人机近距空战机动策略具有合理性与良好的迁移性.

基于LightGBM及SHAP对1055例新型冠状病毒肺炎重型患者中西医结合及西医治疗的多中心回顾性研究

目的通过回顾性分析,比较中西医结合治疗与单纯西医治疗新型冠状病毒肺炎(COVID-19)重型的疗效,寻找影响COVID-19重型患者预后的风险预测因子,评价中医药在COVID-19重型患者治疗中的意义并指导临床诊疗方案。方法利用可解释性机器学习方法回顾性分析华中科技大学同济医学院附属同济医院主院区、光谷院区及中法院区先后收治的共1 055例COVID-19重型患者的临床诊疗过程。根据治疗方案分为中西医结合-中药组(以下简称"中药组")、中西医结合-中成药组(以下简称"中成药组")和西药组。西药组仅基于COVID-19诊疗方案予以抗病毒、氧气支持及对症等常规治疗,中药组、中成药组分别在西医常规治疗基础上加中药汤剂、中药汤剂联合中成药治疗。比较3组患者的临床疗效指标(总住院天数、危重转化率、插管死亡率)及实验室相关指标。结果白蛋白与球蛋白比值、白细胞计数、淋巴细胞计数较低的患者,中药组或中成药组相较于西药组可降低插管死亡率。中药组或中成药组的插管死亡率、转危重率低于西药组;中药组、西药组的总住院天数低于中成药组。结论在西医常规治疗的基础上加用中药汤剂或中成药治疗COVID-19重型患者,可通过提升患者免疫功能,达到降低插管死亡率、改善预后的效果。