国产精品V日韩精品V在线观看,免费黄色网址入口

一種乳腺X線影像腫塊的多特征融合檢測算法[人工智能][醫(yī)療電子]

針對在單視圖的乳腺腫塊檢測算法中漏檢率和假陽性率較高的問題，提出了一種改進(jìn)的自動(dòng)檢測算法。將擴(kuò)張殘留網(wǎng)絡(luò)（Dilated Residual Network，DRN）結(jié)合重新設(shè)計(jì)的特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN）用于對乳腺腫塊的檢測。首先利用DRN中的膨脹卷積，減少對圖像的下采樣次數(shù)；再擴(kuò)充網(wǎng)絡(luò)的深度，使其輸出滿足FPN所需的輸入；在FPN結(jié)構(gòu)中，采用注意力機(jī)制降低不同特征圖直接融合所造成的信息損失，同時(shí)采用密集連接代替原有的橫向連接，充分融合淺層特征中目標(biāo)的位置和細(xì)節(jié)信息。仿真實(shí)驗(yàn)顯示，所設(shè)計(jì)的模型在CBSI-DDSM數(shù)據(jù)集上的檢測精度相比于基準(zhǔn)模型提升了7.1%。

發(fā)表于：7/11/2023 3:53:02 PM

基于Hammerstein-Wiener模型的CSTR反應(yīng)器辨識(shí)[人工智能][其他]

針對化工過程中廣泛應(yīng)用的連續(xù)攪拌反應(yīng)釜（CSTR）反應(yīng)器，提出一種新的基于極限學(xué)習(xí)機(jī)的Hammerstein-Wiener模型的辨識(shí)建模方法。其中，Hammerstein-Wiener模型的兩個(gè)非線性環(huán)節(jié)采用兩個(gè)不同的極限學(xué)習(xí)機(jī)逼近，線性環(huán)節(jié)采用自回歸ARX模型。因極限學(xué)習(xí)機(jī)的特殊結(jié)構(gòu)，此模型可以表示成線性回歸的形式，最終利用廣義最小二乘法求解模型的參數(shù)。此方法辨識(shí)過程簡單，辨識(shí)過程的計(jì)算量較小。最后對CSTR的辨識(shí)結(jié)果表明，在相同條件下與基于多項(xiàng)式的Hammerstein 模型和ARX-LSSVM Hammerstein 模型相比，該方法具有較高辨識(shí)精度，表明了該方法的有效性。

發(fā)表于：7/11/2023 3:46:03 PM

一種小型化可復(fù)用的接收前端的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][航空航天]

設(shè)計(jì)了一款衛(wèi)星通信領(lǐng)域的小型化可復(fù)用的接收前端，將950 MHz~2 150 MHz射頻信號(hào)經(jīng)過預(yù)選濾波、放大、混頻等過程，下變頻至720 MHz中頻輸出。首先介紹了電路的設(shè)計(jì)方案，并對主要技術(shù)指標(biāo)進(jìn)行了分析。接收前端的尺寸為105 mm×55 mm×9.5 mm。實(shí)現(xiàn)了小型化、通用化設(shè)計(jì)，可以復(fù)用在多種衛(wèi)星通信設(shè)備。

發(fā)表于：7/11/2023 3:33:59 PM

鈮酸鋰晶片間的太赫茲無線傳能[微波|射頻][工業(yè)自動(dòng)化]

太赫茲無線傳能在空間應(yīng)用具備潛力。介紹了現(xiàn)階段主要的太赫茲產(chǎn)生和接收方法，針對太赫茲波可以在亞波長鈮酸鋰晶片間的無線傳輸?shù)默F(xiàn)象，分析了利用片上微結(jié)構(gòu)增強(qiáng)晶片表面倏逝場的可能，從而能夠增加片間太赫茲無線傳能的距離，為太赫茲無線能量傳能的應(yīng)用提供了一種可行性方案。

發(fā)表于：7/11/2023 3:22:55 PM

基于銑削式加工的140 GHz矩形波導(dǎo)帶通濾波器[微波|射頻][工業(yè)自動(dòng)化]

利用現(xiàn)代計(jì)算機(jī)數(shù)控機(jī)床（Computer Numerical Control，CNC）銑削技術(shù)實(shí)現(xiàn)了中心頻率為140 GHz的矩形波導(dǎo)帶通濾波器?；陔姶欧抡孳浖﨟FSS對該濾波器進(jìn)行了優(yōu)化設(shè)計(jì)和容差分析。采用CNC銑削技術(shù)完成了該濾波器的加工制備。測試結(jié)果與仿真結(jié)果吻合良好，表明該濾波器具備優(yōu)越的性能：其中心頻率為 140.2 GHz、3 dB相對帶寬為10.1%，插入損耗小于0.5 dB，帶內(nèi)回波損耗優(yōu)于25 dB，距中心頻率±20 GHz處帶外抑制大于30 dB。該結(jié)果進(jìn)一步驗(yàn)證了利用CNC銑削技術(shù)加工140 GHz波段濾波器的可行性。

發(fā)表于：7/11/2023 3:10:00 PM

W頻段波導(dǎo)氣密結(jié)構(gòu)的功率合成放大器設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對3 mm頻段功率合成的需要，設(shè)計(jì)了一種波導(dǎo)氣密結(jié)構(gòu)的4合1放大器，用來實(shí)現(xiàn)W頻段瓦級的氣密功率合成輸出。本設(shè)計(jì)引入硅基結(jié)構(gòu)實(shí)現(xiàn)了W頻段組件的氣密，解決了傳統(tǒng)3 mm頻段波導(dǎo)組件難以氣密的難題。本設(shè)計(jì)基于波導(dǎo)合路原理，運(yùn)用高頻結(jié)構(gòu)仿真軟件對氣密波導(dǎo)合路結(jié)構(gòu)進(jìn)行了建模與仿真。通過對比模型的仿真結(jié)果與樣機(jī)實(shí)測數(shù)據(jù)，表明該W頻段波導(dǎo)氣密功率合成放大器的指標(biāo)可滿足設(shè)計(jì)要求。

發(fā)表于：7/11/2023 3:05:11 PM

S頻段500 W高穩(wěn)相固態(tài)功放設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

介紹了一種S頻段500 W高穩(wěn)相固態(tài)功放的工程實(shí)現(xiàn)。根據(jù)實(shí)際工程需求，采用4片功率芯片進(jìn)行大功率合成，在2 025 MHz~2 120 MHz頻率范圍內(nèi)實(shí)現(xiàn)輸出功率大于600 W的固態(tài)功率放大器。采用了低附加相移電路設(shè)計(jì)、微波板材模塊化設(shè)計(jì)、功率回退等措施，實(shí)現(xiàn)了在0℃~30℃的環(huán)境溫度條件下，輸出功率在1 W~500 W功率范圍內(nèi)，功放輸出端相位變化小于11.5°，滿足了厘米級擴(kuò)頻測控系統(tǒng)對S頻段固態(tài)功放的工程技術(shù)要求。

發(fā)表于：7/11/2023 2:32:09 PM

基于渦旋電磁波的大容量傳輸天饋設(shè)計(jì)[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

渦旋電磁波不同軌道角動(dòng)量（OAM）模態(tài)的正交性可以作為新的信息復(fù)用維度進(jìn)一步提升系統(tǒng)通信容量。設(shè)計(jì)了一種基于雙環(huán)圓形陣列的渦旋電磁天饋系統(tǒng)，可同時(shí)產(chǎn)生±1、±2四模態(tài)渦旋電磁信號(hào)。暗室測試及系統(tǒng)聯(lián)試結(jié)果表明，設(shè)計(jì)的天饋系統(tǒng)模態(tài)間隔離度好，可完成4路同頻BPSK數(shù)傳信號(hào)的同時(shí)傳輸且無誤碼，實(shí)現(xiàn)了系統(tǒng)通信容量的提升。

發(fā)表于：7/11/2023 2:19:25 PM

基于隨機(jī)森林的命令混淆繞過檢測研究[通信與網(wǎng)絡(luò)][信息安全]

運(yùn)維安全管理設(shè)備中的“命令過濾”功能只能過濾黑名單中的惡意代碼，而無法有效識(shí)別并阻止使用特殊方法繞過該功能的行為。針對這一問題，提出了一種基于隨機(jī)森林的算法，可以準(zhǔn)確識(shí)別含有惡意代碼的命令執(zhí)行語句。首先，介紹了四種命令混淆繞過方法，它們用來規(guī)避黑名單中的關(guān)鍵詞并進(jìn)行命令執(zhí)行。然后，為了解決這些風(fēng)險(xiǎn)，在模型的特征選擇階段將命令混淆代碼納入考慮范圍，利用多種特征對模型進(jìn)行訓(xùn)練并調(diào)整特征權(quán)重，以提高模型檢測中對使用命令混淆攻擊的識(shí)別率和準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明，該方法能夠及時(shí)識(shí)別并應(yīng)對命令混淆攻擊，從而更好地保證服務(wù)器安全運(yùn)行。

發(fā)表于：6/28/2023 2:55:18 PM

基于EMD和ELM相結(jié)合的門診量預(yù)測模型研究[其他][醫(yī)療電子]

針對門診量波動(dòng)幅度較大的時(shí)間序列預(yù)測問題，先采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)將非線性較強(qiáng)的原始數(shù)據(jù)進(jìn)行分解，然后通過極限學(xué)習(xí)機(jī)(ELM)將分解后的各個(gè)序列分量進(jìn)行建模，最后將各個(gè)分量的預(yù)測值相加得出最終結(jié)果。將BP神經(jīng)網(wǎng)絡(luò)、ELM兩個(gè)單一模型與EMDELM組合模型進(jìn)行對比驗(yàn)證，實(shí)驗(yàn)結(jié)果表明組合模型的精準(zhǔn)度明顯好于兩個(gè)單一模型。

發(fā)表于：6/21/2023 4:33:10 PM