面向复杂系统运动仿真的信息物理融合建模

传统运动仿真的虚拟建模缺少针对复杂系统中信息子系统与物理子系统的动态性融合建模。融合传统运动学虚拟建模与信息计算的优势,针对运动仿真的精度和实时性难以满足实际工业制造需求的问题,提出面向复杂系统运动仿真的信息物理融合建模方法,并以机械臂的运动学控制为仿真案例进行验证,解决了实际环境中机械臂的驱动与仿真环境虚拟机械臂运动不一致的问题。搭建了复杂系统运动仿真虚实映射平台,集成了虚拟建模环境CoppeliaSim,融合实际机器人的运动反馈,和虚实映射计算模型,确定工业机器人运动方程的唯一位姿解。实验结果表明本文提出的方法实现了工业机器人的虚实映射实时运动仿真。     

基于Monte Carlo法与GA算法的复杂系统可靠度求解

复杂系统可靠性问题是可靠性工程中丞待解决的问题。提出了基于可靠性框图的复杂系统蒙特.卡罗仿真方法,给出了各种基本可靠性模型系统与其组成单元的失效时间关系,解决了含有旁联模型的复杂系统仿真问题。以可靠性仿真数据为寿命样本,待估计参数的置信区间为编码空间,以经验分布与所求分布误差倒数为适应度函数,建立了基于遗传算法的寿命分布参数点估计模型,求得了复杂系统可靠度函数。最后以两个实例表明该方法比传统方法具有更高的精度。     

基于汽车系统动力学的虚拟驾驶仿真模型研究

基于汽车系统动力学建立了一种包括发动机模型、传动系模型、离合器模型、制动系模型、汽车行驶速度模型、转向系模型的仿真模型.基于以上模型开发的汽车虚拟驾驶仿真系统可以准确地模拟汽车在起步、加速、转向以及制动等各种行驶工况的状态以及汽车的各种动力学响应.以上模型为汽车虚拟驾驶仿真系统提供了完整的汽车系统动力学模型,同时,该模型也可进一步应用于汽车的数字化设计,检验汽车的动力学性能.     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。     

“虚拟仿真+模型评估”在牙体牙髓病学实验教学中的应用

实验课是口腔医学专业学生学习临床操作技术必不可少的教学环节,是理论到实践能力养成之间的桥梁,传统实验教学难以满足“新医科”对人才培养的要求.在硬件改善的基础上,口腔医学实验教学尝试用“虚拟仿真实验+模型评估”的实验体系逐步取代传统实验.“虚拟仿真+模型评估”的线上、线下教学模式,能有效调动学生的学习主动性,培养学生的创新思维、观察能力和操作能力,是“新医科”背景下完成卓越口腔医生计划的重要抓手.     

GARCH-Jump模型对跳行为捕捉能力的讨论

讨论了GARCH-Jump模型的自回归结构对跳行为的影响,阐述了该模型在两种情况下由跳引发的数据失真.分析了模型跳部件与连续路径部件之间不能等同视之原因,得出GARCH模型不能适用于处理带跳金融数据的结论.最后提出了TGARCH-Jump模型的思想修正由无条件跳带来的数据失真.     

Two-parameter logistic模型的Gibbs抽样敏感度分析——基于Pólya-Gamma分布

项目反应理论（item response theory,IRT）在教育与心理测量中有着重要的应用价值,其主要针对被试者的能力及被试者对测试项目的“正确作答概率”进行建模。主要讨论了两参数logistic项目反应理论模型（two-parameter logistic item response model,2PL）下基于PólyaGamma分布的Gibbs抽样方法的贝叶斯估计效果。针对2PL模型,通过Monte Carlo模拟研究了基于Pólya-Gamma抽样方法的估计效果,并讨论了该抽样方法针对不同先验的敏感度。在模拟实验中,具体讨论了测验长度、被试样本及先验分布等因素,最终汇报了2个统计量——偏差（BIAS）和均方根误差（root mean squared error,RMSE）来检验参数的估计效果。模拟分析表明,基于Pólya-Gamma的抽样方法的参数估计结果是比较准确的。     

基于SVGG16的乳腺肿块图像识别

针对基于深度学习的乳腺X线摄片肿块识别过程中的特征冗余问题,对VGG16进行了改进,减少模型中卷积层和卷积核的个数,提出一种精简的卷积神经网络模型SVGG16,用于感兴趣区域中肿块的识别.同时,为避免网络模型受小样本量限制出现过拟合现象,通过旋转与翻转操作对感兴趣区域进行数据增强.通过实验对网络模型的性能进行评估,结果...