日本电影亚洲欧美精品素人 ,国产成人A∨激情视频厨房

基于YOLOX融合自注意力機制的FSA-FPN重構方法[人工智能][其他]

隨著目前目標檢測任務輸入圖像分辨率的不斷增大，在特征提取網(wǎng)絡的感受野不變的情況下，網(wǎng)絡提取的特征信息會越來越局限，相鄰特征點之間的信息重合度也會越來越高。提出一種FSA（Fusion Self-Attention）-FPN，設計SAU（Self-Attention Upsample）模塊，SAU內(nèi)部結構通過CNN與自注意力機制（Self-Attention）進行交叉計算以進一步進行特征融合，并通過重構FCU（Feature Coupling Unit）消除二者之間的特征錯位，彌補語義差距。以YOLOX-Darknet53為主干網(wǎng)絡，在Pascal VOC2007數(shù)據(jù)集上進行了對比實驗。實驗結果表明，對比原網(wǎng)絡的FPN，替換FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，預測框的位置也更為精準，在需要更高精度的檢測場景下有更為出色的使用價值。

發(fā)表于：3/28/2023 4:56:00 PM

基于深度學習的變壓器故障信號識別算法[人工智能][其他]

針對變壓器結構復雜、維護成本高等特點，提出一種基于深度學習的變壓器故障信號識別算法。首先分析變壓器工作狀態(tài)下的聲紋信號并進行二維圖像信號的轉(zhuǎn)換，利用VGG16神經(jīng)網(wǎng)絡在圖像中的優(yōu)勢，并在此基礎上提出一種MCA注意力機制，該注意力機制能夠同時保留背景信息和細節(jié)信息；其次對VGG16中的最大池化下采樣進行優(yōu)化，采用一種軟池化的采樣方法，減少圖像中最大池化下采樣帶來的特征損失；最后為避免過擬合現(xiàn)象的發(fā)生，將VGG16頂層結構中的激活函數(shù)進行優(yōu)化，引用可以自歸一化的SELU激活函數(shù)。實驗證明，廣義S變換是將一維時域信號轉(zhuǎn)換為二維圖像信號的最佳選擇，所提算法對于6類故障信號的平均識別率達到99.15%。

發(fā)表于：3/28/2023 4:50:00 PM

一種深度神經(jīng)網(wǎng)絡的分布式訓練方法[人工智能][數(shù)據(jù)中心]

深度神經(jīng)網(wǎng)絡在高維數(shù)據(jù)的分類和預測中取得了巨大成功。訓練深度神經(jīng)網(wǎng)絡是數(shù)據(jù)密集型的任務，需從多個數(shù)據(jù)源收集大規(guī)模的數(shù)據(jù)。這些數(shù)據(jù)中通常包含敏感信息時，使得深度神經(jīng)網(wǎng)絡的訓練過程容易泄露數(shù)據(jù)隱私。針對訓練過程中的數(shù)據(jù)隱私和通信代價問題，提出了一種深度神經(jīng)網(wǎng)絡的分布式訓練方法，允許基于多個數(shù)據(jù)源共同訓練深度神經(jīng)網(wǎng)絡。首先，提出了分布式訓練架構，由1個計算中心和多個代理組成。其次，提出了基于多代理的分布式訓練算法，允許代理在數(shù)據(jù)不出本地和減少通信代價的情況下，通過切割深度神經(jīng)網(wǎng)絡，實現(xiàn)分布式地共同訓練模型。然后，分析了算法的正確性。最后，實驗結果表明該方法是有效的。

發(fā)表于：3/28/2023 4:42:00 PM

計算機文本分析算法發(fā)展綜述[其他][其他]

計算機文本分析是自然語言處理領域的一個重要分支，是研究如何在文本數(shù)據(jù)中提取出給定語料的各類信息的計算機技術。目前，計算機文本分析已經(jīng)進入了新的歷史階段，一方面關鍵詞提取算法已經(jīng)逐漸完備，另一方面隨著BERT方法的出現(xiàn)，詞向量計算問題也取得了極大的進步。但是，無論是關鍵詞提取還是詞向量計算都仍存在一些有待解決的問題。另外，現(xiàn)有的許多適合使用文本分析的研究仍在使用早期的文本分析方法。因此在未來，如何更好地降低模型尺寸以促進學科融合、提升文本分析的綜合社會效益，成為文本分析算法發(fā)展的重要問題。

發(fā)表于：3/28/2023 4:37:00 PM

基于RISC-V的多路光電容積脈搏波監(jiān)測系統(tǒng)[測試測量][醫(yī)療電子]

針對光電容積脈搏波（Photoplethysmographic，PPG），基于RISC-V內(nèi)核設計了一款多通道、實時PPG監(jiān)測系統(tǒng)。該系統(tǒng)使用RISC-V架構的E203 IP作為低功耗內(nèi)核，通過ICB總線掛接模擬前端和藍牙控制模塊。AFE4400模擬前端控制模塊控制背靠背LED實現(xiàn)兩路PPG信號采集，復用該模塊分時處理來實現(xiàn)多路采集。藍牙控制模塊掛接到E203實現(xiàn)了通過藍牙外設下達系統(tǒng)控制指令，之后上傳PPG波至終端。該系統(tǒng)通過FPGA驗證了22位雙通道PPG信號物聯(lián)網(wǎng)終端應用。

發(fā)表于：3/28/2023 4:31:00 PM

基于圖形化彈性基底的細胞牽引力測量研究[其他][醫(yī)療電子]

細胞牽引力顯微鏡方法是測量細胞牽引力的主流工具之一，該方法一般使用熒光微珠作為標志點，通過測量細胞牽引力作用下熒光微珠的位移場，反演得出細胞牽引力場。由于熒光微珠在基底分布的深度不可控，但計算時候默認所有微珠分布在基底表面，一定程度上降低了細胞牽引力場的計算精度。針對熒光微珠深度不可控的問題，提出在彈性基底表面加工圖形陣列作為基底變形標志點，開展細胞牽引力測量的方法。在聚二甲基硅氧烷基底表面設計直徑3 μm，高度0.8 μm的凸臺陣列作為基底位移標志點。使用有限元仿真軟件在圖形化基底表面不同位置施加外力，仿真得到凸臺陣列的位移場，利用牽引力反演算法計算得到力場，與仿真過程中輸入的外力場相比較，結果一致。使用乳鼠心肌細胞在設計加工的圖形化彈性基底上開展了牽引力測量實驗，并計算得出牽引力場。仿真和實驗均表明圖形化彈性基底適用于細胞牽引力的測量，為心肌相關疾病病理研究提供了新的研究手段。

發(fā)表于：3/28/2023 4:24:00 PM

凝血功能物理檢測方法的研究進展[測試測量][醫(yī)療電子]

凝血功能的評估有助于診斷血液疾病，指導心腦血管疾病的治療，評估手術中出血的風險?；谖锢矸椒ǖ哪獧z測因其檢測時間快、靈敏度高、操作簡便等優(yōu)點備受臨床醫(yī)學的關注。近年來，隨著光學相干層析成像（Optical Coherence Tomography， OCT）技術的進步，OCT技術開始應用于凝血檢測中。對近年來物理方法在凝血檢測中的應用進行了綜述，重點分析了OCT技術在凝血檢測中的應用，并對未來凝血檢測方法的發(fā)展做出展望。

發(fā)表于：3/28/2023 4:16:00 PM

諧振微懸臂梁傳感器的工作原理及其在生化檢測中的研究進展[MEMS|傳感技術][醫(yī)療電子]

諧振微懸臂梁是一種可以將質(zhì)量變化轉(zhuǎn)換為頻率信號的微質(zhì)量型傳感器，因其分辨率高、靈敏度高、成本低、易于集成和小型化等優(yōu)點而備受關注。諧振微懸臂梁現(xiàn)已被廣泛應用于流量控制、生物醫(yī)學痕量檢測、氣態(tài)和液態(tài)分子分析等領域。近年來，隨著微機電系統(tǒng)（Micro-Electro-Mechanical System，MEMS）技術的快速發(fā)展，針對諧振式微懸臂梁傳感器的研究與應用越來越多，對近年來諧振式微懸臂梁傳感器在環(huán)境檢測、生物醫(yī)學等領域的具體應用進行了綜述，并對未來的發(fā)展方向做出了展望。

發(fā)表于：3/28/2023 4:02:00 PM

電子鼻技術檢測人呼出氣揮發(fā)性有機物的研究進展[其他][醫(yī)療電子]

揮發(fā)性有機化合物（Volatile Organic Compounds， VOCs）不僅存在于人類生活環(huán)境中，也會在人體代謝過程中產(chǎn)生，人體產(chǎn)生的VOCs的種類和峰度與人體健康和疾病狀態(tài)密切相關。近年來，通過無創(chuàng)檢測的方式分析人體呼出氣中VOCs的組分和濃度可以用來指示人體健康狀態(tài)，在臨床診斷和健康監(jiān)測領域得到廣泛關注。綜述了呼出氣VOCs的臨床檢測應用價值和常見檢測方法，描述了各種方法的利弊。詳細闡述了新型電子鼻技術給呼出氣VOCs檢測帶來的革命性進展，為呼出氣VOCs的高靈敏、高通量、智能化檢測帶來了更多可能。

發(fā)表于：3/28/2023 3:42:00 PM

試析美國主流媒體在推特平臺關于涉華疫情的發(fā)文特征[其他][其他]

在中國新冠疫情面臨新一輪攻堅戰(zhàn)的當下，美國媒體對涉華疫情話題的關注也呈持續(xù)態(tài)勢。以美國主流媒體在推特平臺發(fā)布的涉華疫情推文及其下評論轉(zhuǎn)發(fā)等數(shù)據(jù)為研究對象，媒體涵蓋美國有線電視新聞網(wǎng)、美聯(lián)社等10家美國主流媒體，時間跨度為2022年8月24日至2022年11月23日，共采集163條涉華疫情推文以及約8 788條評論轉(zhuǎn)發(fā)等數(shù)據(jù)。通過定量分析方法總結美國主流媒體對涉華疫情的推特發(fā)文特征，進一步明晰其報道偏向與手法，并就中國涉疫信息的對外傳播提出建議。

發(fā)表于：3/10/2023 6:20:00 PM