成人99国产精品,久久免费精品国产72精品剧情,最新亚洲91在线视频

基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識別系統(tǒng)設(shè)計[通信與網(wǎng)絡(luò)][醫(yī)療電子]

為實現(xiàn)對心血管疾病的預(yù)警，及早發(fā)現(xiàn)以心率、心肺音惡性變化為代表的危險前兆，設(shè)計基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識別系統(tǒng)。利用物聯(lián)網(wǎng)技術(shù)融合心率傳感芯片、單片機、電子聽診器等設(shè)備，對心率進(jìn)行實時監(jiān)測、輔助預(yù)警；根據(jù)梅爾道普頻率系數(shù)對心肺音信號進(jìn)行特征提取，構(gòu)建基于CNN-LSTM算法的心肺音智能識別模型，對部分心肺音進(jìn)行智能檢測診斷，實驗結(jié)果顯示損失值為0.082，準(zhǔn)確率達(dá)0.908。開拓了人工智能技術(shù)在心血管疾病預(yù)警方面的應(yīng)用空間，前瞻性強、結(jié)構(gòu)框架完整，可有效避免醫(yī)療資源浪費，前置對心血管疾病的應(yīng)對措施，市場應(yīng)用前景廣闊，對于推動智慧醫(yī)療有重大作用。

發(fā)表于：3/23/2021 9:14:00 AM

一種基于噪聲點鄰域的形態(tài)學(xué)濾波算法研究[其他][其他]

以可疑噪聲點為中心構(gòu)建一定大小的鄰域，對可疑椒噪聲點鄰域進(jìn)行形態(tài)學(xué)閉濾波，對可疑鹽噪聲點鄰域進(jìn)行形態(tài)學(xué)開濾波，并以濾波后的該鄰域中心點的灰度值替換可疑噪聲點的灰度值，而非可疑噪聲點的灰度值保持不變。實驗表明，該方案切實可行，濾波后的圖像具有均方誤差小以及峰值信噪比高等優(yōu)點。其濾波性能相比標(biāo)準(zhǔn)中值濾波算法、形態(tài)開閉組合濾波算法、自適應(yīng)中值濾波算法等有一定程度的提高。

發(fā)表于：3/22/2021 9:10:00 AM

接觸式輪廓掃描儀系統(tǒng)標(biāo)定算法[其他][其他]

接觸式輪廓掃描儀其原理是利用編碼器返回的長度序列以及旋轉(zhuǎn)平臺的旋轉(zhuǎn)角度來確定被測物體的輪廓坐標(biāo)，由于檢測鉤的起始點與旋轉(zhuǎn)平臺中心不重合，導(dǎo)致直接利用所測數(shù)據(jù)繪制出的輪廓不準(zhǔn)確。為解決這個誤差，提出一種不需要建立系統(tǒng)的精準(zhǔn)誤差模型，而是利用測量尺寸已知的正方形標(biāo)定板所得到的數(shù)據(jù)去獲取系統(tǒng)參數(shù)，進(jìn)而對輪廓坐標(biāo)進(jìn)行在線標(biāo)定的方法。通過編程模擬仿真了測量過程，并將獲取到的參數(shù)與理想?yún)?shù)值進(jìn)行比較，模擬數(shù)據(jù)表明該算法可以使測量誤差控制在0.5 mm以下，角度誤差控制在0.1°以下，符合設(shè)備的精度要求，可以快速還原被測圖形的真實輪廓。

發(fā)表于：3/22/2021 9:03:00 AM

基于密集子圖挖掘的刷單團(tuán)伙識別方法[其他][其他]

隨著電商的不斷發(fā)展，如何發(fā)現(xiàn)刷單賬戶以維護(hù)市場秩序是亟待解決的問題。根據(jù)用戶的購買記錄構(gòu)建用戶關(guān)系網(wǎng)絡(luò)圖。根據(jù)電商刷單特性，提出通過計算用戶之間的關(guān)聯(lián)性來對抗偽裝，并提出了一種密集子圖可疑度量。根據(jù)關(guān)聯(lián)性和密集子圖可疑度量，實現(xiàn)了一種針對電商的刷單團(tuán)伙識別方法。實驗結(jié)果表明，在真實的天貓數(shù)據(jù)集上，所提出的方法能有效地捕捉刷單團(tuán)體, 結(jié)果與FRAUDAR算法相近，有較好的識別效果。

發(fā)表于：3/18/2021 5:51:41 PM

1553B總線電路冷備份使用情況下總線端口潛通路分析驗證[其他][其他]

航天系統(tǒng)單位在應(yīng)用1553B總線電路過程中，為了增加設(shè)備單機的可靠性，使用了兩組1553B總線單機，兩組單機總線輸出并聯(lián)在一起，一組單機上電使用，一組單機斷電處于冷備份狀態(tài)，兩組系統(tǒng)互為冷備份，正常工作時，要求互為冷備份的單機不能相互影響。針對該應(yīng)用詳細(xì)介紹了1553B總線電路內(nèi)部總線端口結(jié)構(gòu)，并對冷備份使用情況下總線端口的潛通路問題進(jìn)行了詳細(xì)測試驗證，通過測試數(shù)據(jù)分析，證明了兩組1553B總線電路在冷備份使用情況下是穩(wěn)定可靠的，兩組單機沒有相互影響。

發(fā)表于：3/18/2021 5:46:40 PM

基于區(qū)塊鏈的新能源充電樁共享管理方案[電源技術(shù)][智能電網(wǎng)]

近些年在國家大力推進(jìn)下，新能源充電樁和電動車領(lǐng)域發(fā)展迅猛，但也存在交易信息被泄露、企業(yè)間數(shù)據(jù)難以共享、用戶充電體驗感差等負(fù)面情況?；谝陨蠁栴}，提出了一套基于區(qū)塊鏈的新能源充電管理方案，利用區(qū)塊鏈去中心化、數(shù)據(jù)加密等特性，在區(qū)塊鏈底層上利用比特幣、聯(lián)合表征推薦算法等技術(shù)，建立聯(lián)盟鏈模塊、充電幣模塊、推薦模塊三個模塊，提出一套基于區(qū)塊鏈的分布式新能源電動車充電管理方案。實踐證明，該方案可以較好地解決上述問題。

發(fā)表于：3/18/2021 5:36:34 PM

基于LoRa的智能電表通信方案設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著建設(shè)國家智能電網(wǎng)概念的提出，智能電表開始成為人們關(guān)注的焦點。為了更加方便、準(zhǔn)確、及時地對用戶用電量進(jìn)行抄讀與管理，實現(xiàn)智能電表的自動化、網(wǎng)絡(luò)化，設(shè)計了一種基于LoRa的中繼多跳組網(wǎng)協(xié)議，并通過對智能電表和采集器的通信模塊進(jìn)行新型軟硬件設(shè)計，來實現(xiàn)此協(xié)議在智能電表通信方案中的移植和使用，進(jìn)行智能電表的新型通信方案設(shè)計。該方案從通信性能及適用場景出發(fā)，在LoRa通信的基礎(chǔ)上，通過中繼多跳組網(wǎng)協(xié)議進(jìn)一步提升LoRa通信的性能，實現(xiàn)了高容量、高可靠性的新型通信方案。

發(fā)表于：3/18/2021 5:30:46 PM

改進(jìn)的深度殘差網(wǎng)絡(luò)的混合氣體定量分析方法[其他][其他]

為了有效監(jiān)測室內(nèi)有害氣體，提出了一種改進(jìn)的深度殘差網(wǎng)絡(luò)的室內(nèi)有害氣體定量分析方法。該方法使用殘差網(wǎng)絡(luò)來提高深度學(xué)習(xí)方法學(xué)習(xí)干擾信號特征的能力，并提高混合氣體定量分析的準(zhǔn)確性以及模型的魯棒性。將軟閾值化用作非線性層，并將其嵌入到深度神經(jīng)網(wǎng)絡(luò)中，以消除非必要的噪聲特征。該方法結(jié)合了深度學(xué)習(xí)與傳統(tǒng)信號處理降噪算法的優(yōu)點，通過使用具有不同干擾水平的甲醛氣體樣本集進(jìn)行了驗證，實驗結(jié)果表明該模型在有干擾的場景下仍具有較高的準(zhǔn)確率。

發(fā)表于：3/18/2021 5:11:31 PM

一種基于改進(jìn)Mask R-CNN模型的遙感圖像目標(biāo)識別方法[其他][其他]

目標(biāo)識別技術(shù)作為機器視覺領(lǐng)域的一個重要分支，在各個領(lǐng)域有著重要的應(yīng)用。鑒于一般的目標(biāo)識別模型在遙感圖片中表現(xiàn)不佳，另外需要識別的目標(biāo)數(shù)量較多，尺寸大小不一，因此在經(jīng)典的目標(biāo)識別Mask R-CNN模型的基礎(chǔ)上，提出了一種融合了通道注意力機制和數(shù)據(jù)增強技術(shù)的模型Mask R-CNN模型。在輸入圖片數(shù)據(jù)時，首先通過Random-Batch images操作對數(shù)據(jù)進(jìn)行增強處理，提高模型對尺寸大小不一的目標(biāo)識別的準(zhǔn)確率；然后提取特征時，將原Mask R-CNN模型中的FPN改進(jìn)為BiFPN，使提取到的特征能更好體現(xiàn)原本的圖片信息；在最后的Mask階段，增加了通道注意力機制，使得模型更多地得到需要的信息。經(jīng)過實驗表明，此模型在遙感圖像的特殊目標(biāo)細(xì)粒度識別中有良好的表現(xiàn)。對于同一個數(shù)據(jù)集，其評價指標(biāo)在各個方面都要優(yōu)于其他對比算法。

發(fā)表于：3/18/2021 4:54:08 PM

用于自動視力檢測的手勢識別方法研究[測試測量][其他]

對于自動視力檢測系統(tǒng)，手勢識別是關(guān)鍵問題，但是采用傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型識別手勢存在過擬合、計算量大等問題。提出了一種GR-AlexNet模型，對AlexNet網(wǎng)絡(luò)模型進(jìn)行了適應(yīng)性修改和優(yōu)化：為了加快計算速度，用7×7、5×5、1×1的三個小卷積核替代原來的11×11的大卷積核，并刪除LRN層和一個全連接層；為了減輕過擬合效應(yīng)，在每次卷積后都加上一個Dropout優(yōu)化。對同一數(shù)據(jù)集分別使用LeNet模型、AlexＮet模型、VGG16模型與GR-AlexＮet模型進(jìn)行對比實驗。實驗表明GR-AlexＮet模型在識別準(zhǔn)確率上較傳統(tǒng)的模型有一定的提高，能抑制過擬合現(xiàn)象，并且具有更快的訓(xùn)練速度。

發(fā)表于：3/18/2021 4:40:51 PM