基于深度学习的抗菌药物耐药性分析研究

细菌耐药性的日益加剧,以及目前的耐药性检测方法周期长等问题,给临床第一时间准确用药带来极大的挑战和困境.为此,本文将探索深度学习技术在抗菌药物耐药性预测中的应用,提出一种融合注意力机制的双通道卷积神经网络模型,通过上下两个通道对建模后的送检数据做不同粒度的特征提取,每个通道经过卷积和池化后引入注意力机制,聚焦重要的特征信息,而后将两个通道的特征进行融合,从而完成分类输出.将模型在某三甲医院细菌药敏检测历史数据集上,与多种不同方法进行对比实验,结果表明,本文所提出方法在分类准确度F值指标中平均实现20.35％的提升,同时在小样本分类上表现出更好的效果.     

基于深度学习的竹笛吹奏技巧自动分类

提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breath1d和Breath2d，并针对此数据集的不同分类任务给出了最佳方法。将Breath数据集划分成子集，以多层感知机为性能评价基准方法，先用Breath1d和Breath2d模型对子集进行训练和预测，再用长短期记忆网络模型进行辅助测试，最后得出了最适合子任务的分类参考模型。对全数据集进行分类时，将Breath2d与Breath1d模型进行融合，并采用数据增强方法使全集分类准确率达到0.913。与传统音频分类任务相比，该工作扩展了音乐分类的研究领域，对民族音乐现代化发展有着良好的推动作用。     

基于区块多源时空数据的道路网密度预测模型

城市化进程与人口增速的不协调导致了城市蔓延现象,为科学合理地统筹引导道路建设,缓解城市蔓延引发的交通拥堵和环境污染,需要对建成区的道路网指标进行精细化管理.以道路网密度为例,考虑道路建设进度和政策实施惯性,构建基于深度学习的区块化时空数据预测模型Bi-Convlstm2DNet,与之对应地构造基于区块的多源数据融合流程,并以某市为例进行实验.将该市时序的土地覆盖、人口和道路网拓扑结构融合为时空多源数据集,而后在数据集上将本模型同其他经典预测模型进行参数标定和对比.研究结果表明,BiConvlstm2DNet在该数据集上得到的准确率为91.5％,较支持向量回归和随机森林回归等模型的准确率平均提升了8.0％,是一种分区块预测建成区道路网指标的可靠模型.     

基于Android的智能化拍照姿势推荐软件

本文提出并开发基于Android的智能化拍照软件"美姿"APP,研究专业摄影图像并进行分类,采用卷积神经网络构建专业拍照姿势数据集,实现了基于用户历史偏好的标签化姿势推荐与构图推荐。     

基于深度学习的脑微观结构重建

为了研究脑运行机制以实现类脑智能,我们引入深度学习工具系统解决突触级脑微观重建中大数据自动分析的难题,包括:密集神经元重建、单根神经元追踪、关键细胞器检测和重建.其中我们使用带有候选区域(region proposal network,RPN)的全卷积网络(fully convolutional networks,FCN)检测线粒体和突触,结合SPPUnet(spatial pyramid pooling U-net)网络框架和MultiCut算法进行神经元的重建,各部分在量化分析和视觉上取得了较好的结果.重建工作为学术界开展高通量的突触尺度脑微观结构重建提供有效支持.     

深部复杂金矿体充填开采对地表建筑物稳定性影响

为研究深部复杂矿体开采对地表建筑物稳定性的影响，借助概率积分法计算安全开采深度;采用3D Mine-Rhinoceros-FLAC^3D耦合构建矿区三维模型，进行地表安全性及变形规律研究.结果表明:①采用充填法进行深部矿体开采，地表产生均匀沉降变形，最大主应力随回采步骤增加呈多项式增长趋势，最小主应力呈线性增长趋势，扰动高度沿矿体走向呈正态分布趋势;②矿体的开采使其正上方产生“盆地式变形”，并依据安全性参数进行地表扰动边界圈定;③当下沉变形值小于10mm、变化率大于0.5时和下沉变形值大于10mm而小于20mm、变化率大于1.5时，地表均为整体下沉现象，稳定性不受影响.     

基于GAN的体系能力图谱生成方法

体系能力图谱是体系能力的一种可视化表现形式,是从体系视角对整体能力的刻画,是体系能力分析的一种重要方法。本文提出利用生成对抗网络的方法完成从体系特征到体系能力图谱的预测,设计合理的网络框架和损失函数,并利用体系实验床平台获取体系特征和能力图谱样本对来训练模型。所提方法相比于传统实验方法,不仅可以快速得到能力图谱,还可以根据体系的改变直接得到多维度的能力图谱,为作战提供实时辅助分析。     

600MW机组深度调峰设备危险点研究

为提高新能源的消纳能力,火电机组检修深度调峰势在必行。现有火电机组需进行精细化调整和改造,以具备深度调峰和快速启停能力。本文对未进行改造的600MW亚临界机组进行深度调峰分析。研究发现,很多因素影响机组深度调峰的安全稳定运行,如燃煤特性、制粉系统、汽轮机末级叶片安全。机组深度调峰期间机组设备参数,大幅偏离设计值,容易引起设备异常。为避免深度调峰影响机组安全,运维人员需从锅炉、汽轮机、协调控制和环保设备等方面考虑,深入分析深度调峰期间的危险点,通过运行调整手段或设备改造解决深度调峰难题。