基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病，视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心，只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据，设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度，并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示，本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884，Pearson相关系数r=0.885，决定系数R²=0.781；对于青光眼E_MA=15.108，r=0.872，R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。     

目标电磁散射的面中心立方体网格FDTD方法

基于面中心立方体(face-centered cube, FCC)网格的空间结构, 由麦克斯韦方程出发, 推导了基于FCC网格的单轴各向异性介质完全匹配层(uniaxial anisotropic media perfectly matched layer, UPML)吸收边界条件以及近-远场外推边界条件的三维迭代式。通过典型算例, 先后验证了基于面中心立方体网格的时域有限差分(FCC-finite difference time domain, FCC-FDTD)方法的UPML吸收边界条件和近远场外推边界条件的正确性。最后通过计算金属球的后向雷达散射截面(radar cross section, RCS)比较了FCC-FDTD方法与传统FDTD方法的计算精度, 结果显示FCC-FDTD方法具有更高的计算精度。     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者的双向认知中继网络的物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输。通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难。提出了一种基于可变网格优化和粒子群优化算法的混合优化算法。仿真结果表明此算法提高了次级网络的保密速率,提升了次级网络的安全性能。     

轧制道次间插入冷却对特厚钢板组织与性能的影响

使用实验轧机旁冷却装置配合轧机进行轧制实验，研究轧制道次间不同冷却工艺对特厚钢板组织和性能的影响规律.研究结果表明:采用道次间冷却工艺可以在全厚度方向获得组织细化及强韧性提高效果，采用强冷道次间冷却实验钢1/4处晶粒尺寸可细化至10μm，强度为376MPa，-40℃冲击功为169J;心部晶粒尺寸可细化至15μm，强度为360MPa，-40℃冲击功为123J.本工艺可形成470μm厚表层细晶层，晶粒尺寸可细化至5μm;粗轧道次间插入冷却工艺轧制钢板强度和冲击韧性优于中间坯冷却工艺;随冷却强度增加，钢板内部组织明显细化且强度大幅提高.     

富水砂层大断面暗挖隧道施工地层演化

对于施工环境复杂的暗挖隧道工程,科学合理掌握施工地层演化过程是安全施工的前提.以北京地铁12号线光熙门站—西坝河站区间富水砂层大断面暗挖隧道工程为研究背景,借助FLAC3D有限差分软件,对工程设计施工方案进行模拟,得到了施工过程中地层孔隙水压力、地层沉降损失演化过程,并与现场监测数据进行对比验证,为工程施工规避风险源提供参考.结果 表明:施工掌子面孔隙水压力集中位置主要在暗挖隧道上方注浆形成的"注浆拱"拱顶以及断面未注浆范围;隧道施工过程中,沿施工掘进方向在施工掌子面前、后10 m到掌子面位置范围内,是发生涌水关键位置;地层沉降值经历了由沿中轴线对称分布到集中在中轴线位置处的变化过程,最后沉降值沿中轴线对称分布,导洞1施工掌子面处地表沉降值稳定在12 mm左右;初期支护拱顶沉降以及拱脚水平收敛均分别在45、30 d达到稳定;现场反馈的施工信息与模型计算地层演化过程相吻合,计算结果可为富水砂层大断面暗挖隧道施工方案的选择提供参考.     

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

少控制参数的分层式骨干粒子群优化算法

针对传统粒子群优化易于早熟的缺点,提出一种少控制参数的改进骨干粒子群优化算法.该算法利用关于粒子全局和个体极值点的高斯分布更新粒子的位置,无需设置惯性权重和学习因子等控制参数;利用混沌扰动策略产生粒子的全局极值点,提高了粒子群的多样性;为改善算法的全局探索能力,依据收敛速度动态分配每个粒子的变异概率,设计了一种自适应跳离算子;为均衡算法的局部开发和全局探索能力,给出了一种分层式粒子更新公式.最后,将所提算法用于多个典型测试问题,并与三种典型算法进行对比,实验结果证明了它的有效性.     

基于MAC层协议的自适应退避算法

针对二进制指数退避算法传输时延较高、 信道利用率和吞吐量较低等问题, 提出一种基于MAC层协议的自适应退避算法. 先对比系统延迟中值及数据包传输时间, 得出退避因子的大小, 从而使退避窗口据此动态变化, 再由得到的最大退避时隙数建立多冲突以太网通信网络模型. 仿真实验结果表明, 该算法相比于二进制指数退避算法在多冲突以太网场景中, 传输时延较低, 吞吐量和信道利用率均较高, 从而提高了传输实时性.     

网络入侵中的模糊区域判断算法

针对当前网络入侵中模糊区域判断算法未考虑算法的自适应及容错性, 判断效率和稳定性均较差的问题, 提出一种基于多层逻辑结构 的网络入侵中模糊区域判断算法. 首先采用基于多层逻辑结构的模糊区域判断算法, 以自适应和容错性作为约束条件, 通过求取算法不同层反馈解, 得到网络入侵中的模糊区域判断结果； 然后基于判断结果, 采用警报合成算法将较多雷同警报合成为一条警报, 以防止形成警报洪流, 获取最佳模糊区域判断结果. 实验结果表明, 该算法的检测率和误报率总平均值分别为9313%和097%, 平均时间为10.13 s, 表明该算法具有显著的网络入侵模糊区域判断优越性.     

减小信道编码安全间隙的两次加扰方案

安全间隙是衡量安全信道编码保密性能的重要参数,目前相关研究主要考虑误比特率(bit error rate, BER)安全间隙,未考虑误字率(word error rate, WER)安全间隙。为同时减小安全信道编码BER和WER安全间隙,提出一种两次加扰方案。在发送端信道编码器前后各设置一个加扰器,相应在接收端信道译码器前后各设置解扰器,同时增大低信噪比区域的接收BER和WER,减小BER和WER安全间隙。对方案的差错概率进行了理论分析,并对信道编码采用BCH码时系统的性能进行了仿真。理论和仿真结果表明,相较于采用相同信道编码和外扰码器的方案,所提方案在减小WER安全间隙的同时也减小了BER安全间隙。