PRNet:渐进式消减不确定区域的息肉分割网络

由于息肉图像的自动分割病灶区域大小不一和边界模糊,从而导致分割精度较低.针对这两个问题,本文提出先定位后逐步精细的渐进式消减网络（Progressive Reduction Network,PRNet）.该网络采用Res2Net提取病灶区域特征,利用多尺度跨级融合模块将注意融合机制与跨级特征结合,有效应对病灶区域多尺度问题,提升定位准确度.在自上而下恢复图像分辨率的过程中,引入不确定区域处理模块和多尺度上下文感知模块.前者通过设定递减的阈值逐步挖掘息肉边缘信息,增强边缘细节特征的识别能力;后者则进一步探索病灶区域周围潜在的上下文语义,提升模型的整体表征能力.此外,本算法还设计了一个简单的特征过滤模块,用于筛选编码器特征中的有效信息.在Kvasir-SEG、CVC-Clinic和ETIS数据集上的实验结果表明,所提算法的Dice系数分别达到了92.09%、93.05%和74.19%,优于现有的息肉分割算法,展示出了较好的鲁棒性和泛化性.     

建筑工程项目施工中的风险管理及建筑施工企业风险管理措施分析

<正>0概述建筑工程项目施工环境复杂,工期长,露天作业多,建筑物与地质环境关系密切,所面临的不确定因素更多,更复杂,在施工中建筑物处于最薄弱状态,在施工中具有更大的风险。施工风险将对业主和承包商造成直接和间接损失。为此,须加强建筑工程项目施工阶段的风险管理工作,提高风险管理意识,掌握风险识别技术,开展风险评估与分析,及时防范和化解工程风险。     

累积法在经验公式确定中的应用

基于累积方法提出了一种物理中确定经验公式的新方法,该方法可从充分的各个物理量之间相互关系的实际状况,得出更准确的经验公式,该方法简单,实用,有一定的应用前景。     

执行器饱和的不确定时滞系统的镇定

针对控制系统中广泛存在的饱和问题,主要讨论了具有执行器饱和的连续线性常时滞不确定系统的镇定问题。由于饱和具有典型的非线性特性,在应用李雅普诺夫稳定性理论分析饱和系统时,必须对饱和非线性项进行处理。首先,根据扇形区域法引入无记忆状态反馈处理饱和项,并假设不确定项满足范数有界性条件,应用李亚普诺夫函数方法研究系统渐近稳定的充分条件,消除了不确定部分与时滞现象对系统带来的影响。其次,在闭环系统渐近稳定的条件下,将得到的非线性矩阵不等式转化为线性矩阵不等式,给出了无记忆状态反馈控制器的存在条件和设计方案。最后,通过一个二维数值仿真算例验证了所得结果的可行性和有效性。     

浅谈建筑工程造价控制

建筑工程造价,是指进行某项工程建设所花费的全部费用,本文主要从投资决策阶段、设计阶段、施工阶段和工程竣工结算阶段对建筑项目全过程的造价控制进行探讨。随着我国造价理论的进一步完善和发展将使合理确定与有效控制工程造价的地位更加重要。     

不确定离散时滞系统的H∞保性能预见控制

针对一类具有凸多面体不确定常参数的离散时间时滞系统,研究其H∞最优保性能预见控制器的设计方法。首先,与以往不同,本文的扩大误差系统仍然保留了时滞,以保证扩大误差系统的状态向量维数不随时滞的增加而增加。其次,针对所构造的扩大误差系统,设计有记忆的状态反馈控制器,并利用线性矩阵不等式方法,导出确保所求控制器存在的条件及该控制器设计的方法。最后,通过建立并求解一个含线性矩阵不等式约束的凸优化问题,给出扩大误差系统的鲁棒H∞保性能控制器,该控制器对于原系统来说就是鲁棒H∞保性能预见控制器。     

带有时滞的离散不确定系统的鲁棒稳定性

考虑了带有时滞的离散不确定系统的鲁棒D-稳定化问题,利用矩阵范数理论给出了系统稳定的充分条件,进而推广了该文的结果.对两类给定结构的控制器,得到了相应的不确定的离散闭环系统的鲁棒D-稳定的充分条件.基于这些条件,给出了相应的鲁棒D-稳定化控制器的设计方法,并举例说明了提出的方法的有效性.     

广义动态测量精度模型及不确定度研究

对采用数学方法逼近动态测量系统传输特性的传统理论所存在的问题进行了分析。基于全面考虑动态测量系统各误差因素的影响,提出包含所有误差对动态系统精度影响的广义动态测量精度模型的理论与建模方法,并给出了典型动态测量系统的精度模型及不确定度的评定方法。     

基于动平衡状态的不确定倒立摆系统跟踪控制

针对存在不确定摆杆质量、长度和外加干扰的倒立摆系统的稳定控制问题,提出了基于动平衡状态理论的鲁棒自适应控制策略.首先对台车位置和摆杆摆角规划了理想的动平衡状态参考轨迹,然后应用分段滑模和模糊逻辑系统设计了直接自适应模糊控制器实现对动平衡状态的实时跟踪.理论分析和仿真结果证明了不确定倒立摆系统是全局渐近稳定的,并具有很好的适应性和鲁棒性.     

基于正弦熵的均值-风险模型

就不确定环境下投资组合问题探讨了最小化正弦熵模型.基于收益服从不确定分布,从投资者利益出发建立带有收益和风险的投资组合模型.为求解在不确定环境下的模型,通过数值积分法设计了混合智能算法,最后通过数值例子验证模型和算法的有效性.