卷积神经网络发展

卷积神经网络作为深度学习的重要代表算法之一,被应用到人脸识别、行为识别、字符识别和图像处理等多个领域,推动着人工智能的快速发展.本文在分析整理大量文献后,总结了卷积神经网络的发展阶段,介绍了卷积神经网络的基本结构和关键技术,选取LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等几种具有代表性的网络进行分析对比,并指出各个网络的应用场景和优缺点,最后提出卷积神经网络未来的研究发展方向.     

基于深度学习的牙刷姿态识别方法

针对牙刷分拣中的定位问题,在确定牙刷位置的基础上采用深度学习实现牙刷姿态识别.对牙刷图像进行去噪增强,通过阈值分割提取感兴趣区域,计算图像的几何矩获得牙刷的方向角和外接矩形,以外接矩形的中心作为牙刷位置.用矩形框内的牙刷图像训练残差网络模型,当模型正确率达到要求时保存该模型,用于判断图像中牙刷的姿态.测试结果表明,该方法可以快速准确地实现牙刷的位置确定与姿态识别,为机器人分拣提供牙刷位姿信息.     

富则思安了吗？创新期望顺差、冗余资源与企业研发国际化

研发国际化在企业提升技术实力、创新绩效等方面发挥着举足轻重的作用。基于企业行为理论，探究了创新期望顺差、冗余资源两种“富有”状况对企业研发国际化决策的影响，以及企业政治关联和国际经验在其间的调节作用。利用2008~2016年中国A股上市公司的经验数据，究发现：创新期望顺差和冗余资源对企业研发国际化具有显著的正向影响；企业政治关联通过帮助企业获取更多的“走出去”优势，最终强化创新期望顺差和冗余资源对企业研发国际化的正向影响；企业国际经验则会通过帮助企业获取更多的“走进去”优势，最终强化创新期望顺差和冗余资源对企业研发国际化的正向影响。本研究不仅增强了企业行为理论对企业战略性决策的解释力，对企业更好地推进研发国际化也具有启示意义。     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康，及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断，但由于胸部疾病的多样性以及病理特征的复杂性，现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题，提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络，在不显著增加网络模型尺寸的前提下，增强网络对多尺度信息的特征提取能力，在提升分类准确度的同时保持高效推理；使用Meta-ACON改进ReLU(rectified linear units)激活函数，通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数，从而增强网络的泛化能力；提出加权焦点损失函数，在焦点损失函数的基础上加入权重调整因子，使网络依据分类的难易程度为每种疾病合理分配权重，增大较难分类疾病的损失占比以提高其分类准确度，进而优化整体性能；对数据加载方式进行优化，增大批数据处理量以提升批归一化效果；在测试阶段使用测试时数据增强策略，综合分析多个维度的分类结果，提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明，在密集连接网络中...     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量，提高手术成功率，因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果，该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net，CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作，解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题；通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积，能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征，从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明，CSDResU-Net比基线方法的Dice系数指标提升了1.3%，同时发现空洞率对分割网络的性能表现影响较大。     

领导授权行为和下属授权期望匹配对工作绩效的影响

以往绝大多数研究探讨了领导授权行为对下属的影响，却忽略了下属视角期望的影响。为此，基于内隐领导理论和期望理论，从二元的视角探究了“领导授权行为”和“下属授权期望”匹配状况对下属工作绩效的影响，并构建了领导授权行为和下属授权期望通过工作投入影响下属工作绩效的理论模型，以试图弥补现有研究忽略下属作用的不足。通过多项式回归与响应面分析，对来自4个城市6家公司收集的168对领导-下属配对数据进行分析，研究表明：①领导授权行为和下属授权期望有4种匹配情况，领导授权行为和下属授权期望一致时，对下属工作绩效的积极影响高于匹配不一致的情形。②当匹配一致时，“领导高-下属高”比“领导低-下属低”时对下属工作绩效的积极作用更显著。③当匹配不一致时，“领导低-下属高”比“领导高-下属低”时对下属工作绩效的积极影响更大。④工作投入在领导授权行为和下属授权期望匹配和工作绩效之间起中介作用。     

基于深度卷积神经网络的脑电图异常检测

为解决EEG自动检测的错误率非常高的问题，提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先，对多个异构数据源按标准进行重构和预处理，生成了有118 716个样本的训练集和有12 022个样本的测试集；然后，构建有快捷连接的深层CNN模型，以自动化学习ECG特征并进行分类识别; 接着，将模型在训练集上进行试验与调参，保存了性能最好的模型参数; 最后，在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析，能够自动提取EEG特征并进行异常识别，从而达到快速检测与辅助诊疗的目的.