2006年度"中国基础研究十大新闻"评选揭晓

2007年2月15日,由科技部基础研究管理中心和中国科学技术协会学会学术部共同举办的2006年度“中国基础研究十大新闻”评选活动在京揭晓,10项具有重大原创性和新闻性的代表性基础研究成果入选。     

基于双向循环U-Net模型的脑卒中病灶分割方法

脑卒中具有极高致残率和致死率,研究脑卒中病变的自动识别和分割方法具有重要的临床意义。提出一种基于双向循环U-Net(BIRU-Net)模型的病灶分割方法。首先,引入循环神经网络结构,将改进的注意力卷积门递归单元(ACGRU)替代U-Net中的部分卷积层,使分割模型既适用于小规模标注的医学影像数据集,又具有长时记忆特性;其次,采用双路融合训练机制,将单一视面的正向、反向的切片数据同时输入BIRU-Net,并在模型前向传播过程实现双向特征融合,有效利用了切片序列的双向依赖特性。最后,将各单一视面的分割结果进行再融合,有效利用了数据的空间上下文信息。对于ATLAS数据集的实验结果表明,所提方法的DSC值达到了62.58%,与现阶段的其他方法相比,本文的方法能较为准确地分割出病灶区域。     

利用深度卷积神经网络算法识别传统篆体书法的应用研究

利用先进的数字化和智能化技术对我国古代文化遗产进行数字化应用和有效保护,以更快捷、更高效的方式解决凭借人力无法解决的问题,具有重要的现实意义.通过研究深度卷积神经网络在书法文字检测识别任务上的应用,设计了一个篆体书法文字检测识别的完整系统,包括数据采集、数据扩充、算法训练与测试和算法模型部署等流程.整个系统以YOLOv...     

计算机基础教学中实践教学模式的探索

1实践教学模式的提出 计算机基础教育是一项基础文化教育和人才素质教育,是一项知识性和技能性相结合的基础性学科教育.然而,纵观我国高校计算机基础教育,由于这样那样的原因,计算机课堂教学效率低下,学生缺乏动手实践能力和创造能力.     

基于LSTM模型对印度新冠肺炎疫情的预测

自2019年新冠肺炎疫情暴发持续到现在,无论对国家、社会、还是个人都产生了巨大的影响。部分国家及时采取了一些应对措施,但是依然无法完全控制住疫情的传播。目前,机器学习算法被用来预测新冠肺炎疫情的发展。使用长短期记忆(long short-term memory, LSTM)模型对收集到的印度累计确诊病例数据进行分析并预测印度疫情的变化趋势。使用适应性矩估计(adaptive moment estimation, ADAM)算法优化模型使模型参数达到最优值,将均方误差(mean square error, MSE)作为损失函数,不断训练模型后最终得到其准确度为87.49%。使用支持向量机(support vector machine, SVM)模型预测新冠肺炎疫情发展的研究比较广泛,将其与LSTM模型进行对比,利用相同的数据集得出SVM模型预测的准确度为73.25%,对比2组数值发现,在预测印度新冠肺炎疫情上LSTM模型的准确度更高。该方法在一定程度上为预测印度新冠肺炎确诊病例数的研究提供了帮助,有助于人们实时监控印度疫情。     

奶牛生产性能测定(DHI)在奶牛生产中的应用

<正>1奶牛生产性能测定(简称DHI)的概念DHI为英文Dairy Herd Improvement的缩写,实际意义是奶牛牛群改良。DHI是通过个体产奶牛的     

海上风电基础结构灌浆连接段研究综述

海上风电场是发展清洁低碳能源和优化能源结构的重要组成部分,系统研究海上风电结构基础理论对于促进海上风电的发展至关重要。灌浆连接段作为海上风电基础的重要连接结构,在传递结构内力方面起到了不可替代的作用。灌浆连接段是海上风电结构中受力最复杂的传力结构,该文详细阐述灌浆连接段的应用情况,并通过分析国内外关于灌浆连接段的受力机理、承载力计算方法等方面的研究成果,系统说明了灌浆连接段的研究现状。分析已有试验参数的统计结果发现,依照现有灌浆连接段设计理论进行灌浆连接段的设计和施工具有一定局限性。最后结合现有灌浆连接段的应用条件和场景,展望了灌浆连接段未来的研究领域。     

经济语境中开放科学价值基础的框架构建研究——从米洛斯基的观点谈起

开放科学价值基础的论析场域包括弱资本逻辑和知识商品性,科学建制的动态发展,数字时代的网络生态.米洛斯基将资本与开放科学的关系延伸到科学内容、社会建制、知识价值和科学家伦理领域,其视域、观点在概念逻辑、历史实践方面有待完善.结合知识与经济活动的显性、隐性关系和开放观念的共时性双重逻辑,开放科学价值基础包括合理知识的价值判...     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。     

基于Arc-LSTM的人职匹配研究

提出了一种基于改进的长短时记忆神经网络(Arc-LSTM)和词嵌入(Word2Vec)模型相结合的自动匹配方法.首先采用连续词袋(continuous bag of words,CBOW)模型提取中文简历文本特征,从而构建词向量,提出一种基于ArcReLU激活函数和LSTM深度神经网络优化的Arc-LSTM网络,利用该...