基于卷积神经网络的新奇检测技术在结构损伤识别中的应用

针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的特征向量;然后,以结构健康时的特征向量作为训练数据,建立健康模式下的基于卷积神经网络的新奇检测模型;接着,将结构实时输出的特征向量输入到新奇检测模型,所得输出与健康状态的输出进行对比,并将输出和输入的欧氏距离作为新奇指标;最后,根据新奇指标的变化识别结构损伤时刻和损伤位置。数值模拟和实验室试验验证了该方法的有效性。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

我国新型研发机构政策注意力与政策工具探析——基于长三角与珠三角地区的政策量化研究

新型研发机构逐步上升为中国创新驱动发展的主力军。利用文本挖掘、共词语义网络分析等方法,全面剖析长三角和珠三角地区新型研发机构政策的注意力焦点和政策工具,为支持高水平新型研发机构建设与发展提供参考。研究发现：政策类型以“通知”和“意见”为主,体现了政府的弹性管理机制,但执行力度较弱;政策注意力与新型研发机构的使命、功能内涵密切相关,鼓励政产学研高度融合,突出企业主体地位,强调体制机制创新;政策工具运用存在结构性失衡,注重供给型政策工具,环境型和需求型政策工具使用不足。     

基于抗炎和促红细胞生成作用的九味补血口服液改善血虚证小鼠造血功能的机制研究

为探讨九味补血口服液改善血虚证小鼠造血功能的作用及机制,采用超高效液相色谱串联四级杆飞行时间质谱(UPLC-Q-TOF-MS/MS)技术鉴定九味补血口服液中的化学成分;利用蛋白互作和网络分析手段筛选九味补血口服液治疗贫血的关键网络靶点,并对关键网络靶点进行基因本体(GO)分析、京都基因与基因组百科全书(KEGG)通路富集分析;同时采用分子对接技术将潜在活性成分与关键网络靶点对接,评估活性分子与靶点的结合能力。在动物实验中,采用环磷酰胺建立小鼠血虚模型,设立对照组和模型组,复方阿胶浆口服液组(30 mL/kg)及九味补血口服液高、中、低剂量组(10.0、5.0、2.5 mL/kg),每天灌胃给药1次,连续32 d。检测全血中红细胞(RBC)、血红蛋白(HGB)和红细胞压积(HCT)水平,并利用qRT-PCR法和免疫印迹法对关键靶点及通路在血虚证小鼠肾脏的表达进行验证。结果显示,在91种鉴定的九味补血口服液化学成分中,满足口服生物利用度(OB)≥30%和药物相似性(DL)≥0.18的条件,且具有相应靶点的潜在活性成分共计15个。分析九味补血口服液成分-血虚疾病靶点网络,获得九味补血口服液治疗贫血的关键靶点15个,主要富集于核因子-κB (NF-κB)信号通路(NF-κB signaling pathway)、代谢通路(Metabolic pathway)、缺氧诱导因子-1(HIF-1)信号通路(HIF-1 signaling pathway)、Toll样受体信号(Toll-like receptor signaling pathway)通路等。分子对接结果显示,甘草苷、橙皮素与Toll样受体4(TLR4)具有强烈的结合能力。动物实验结果显示,与对照组相比,血虚证小鼠RBC、HGB和HCT水平明显降低,TLR4/NF-κB p65介导的炎性信号增强,缺氧诱导因子-1α (HIF-1α)/促红细胞生成素(Erythropoietin,EPO)介导的促红细胞生成信号受抑制(P<0.05或P<0.01)。与模型组相比,九味补血口服液各剂量组可显著升高血虚证小鼠RBC、HGB和HCT水平,不同程度地逆转TLR4、NF-κB p65变化,并上调HIF-1α、EPO mRNA或蛋白的表达水平(P<0.05或P<0.01)。因此,九味补血口服液可以改善血虚证小鼠的贫血状态,其机制可能与促进肾脏中HIF-1α/EPO介导的促红细胞生成作用、减少TLR4/NF-κB p65介导的肾脏炎症反应相关。     

Yolov7-pose识别运动员姿态时关键点异常的消除方法

本研究首先构建了深度聚合网络（deep layer aggregation,DLA）,用于替换Yolov7-pose算法中原有的特征融合网络,增强了特征的表达;其次,将高效聚合网络（efficient layer aggregation Net, ELAN）和尺度感知注意力网络（scale-aware attention Net, SAAN）融合在一起,引入到Yolov7-pose算法中;然后,引入尺度因子到Yolov7-pose算法的损失函数中,并通过实验确定尺度因子最佳值。实验结果表明,经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时,不再出现关键点异常现象,姿态识别的精度达到95%以上,运行效率达到24 FPS以上,综合性能显著优于原始Yolov7-pose算法等算法。     

基于LVQ神经网络的水果图像分割研究

由于传统边沿检测算子在水果颜色多样、亮度不均匀时,难以分割得到完整、无噪声的二值图像且依赖优化的阈值,本研究提出了一种基于LVQ神经网络的水果图像分割方案。首先将彩色图像转变为灰度图像;然后对Canny算子获得的边沿图像随机选取一些像素作为网络的学习监督信号,仅以灰度图像中相同位置像素3×3邻域的Kirsch算子梯度值作为输入,训练权值;最后重新将原灰度图像的Kirsch算子梯度值输入到训练好的网络中,获得封闭的边沿并填充得到二值图像。考察了14幅像素为640×480的水果图像,结果表明：网络在很宽广的阈值范围内（0.001 ~ 0.99）分割得到完整、一致的二值图像;面积误差最小为0.9%,最大为8.83%,不依赖于优化的阈值,不需要对原始图像滤波预处理。与没有阈值及滤波的算法相比,本方案的误差和时间复杂度均更低;与设置了阈值和/或滤波的算法相比,本方案与之相当,甚至效果更优。     

FWNN for Interval Estimation with Interval Learning Algorithm

ＦＷＮＮｆｏｒＩｎｔｅｒｖａｌＥｓｔｉｍａｔｉｏｎｗｉｔｈＩｎｔｅｒｖａｌＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍＷａｎｇＬｉｎｇ,ＬｉｕＦａｎｇ＆ＪｉａｏＬｉｃｈｅｎｇＳｔａｔｅＫｅｙＬａｂｏｆＲＳＰａｎｄＮＮＲｅｓｅａｒｃｈＣｅｎｔｅｒ,Ｘｉｄｉａｎ...     

城市快速轨道交通接运公交路线网规划

合理的接运公交线网规划是城市快速轨道交通系统充分发挥作用的保证,其关键环节是接运站点的选取和接运路线的优化。接运站点以它可能为轨道路线接运的最大客运周转量来选取;接运路线以接运效率最大为目标搜索优化     

基于神经网络和微分对策理论的制导律

根据微分对策制导律目前面临的困境,本文尝试将神经网络引入微分对策制导律。采用ＢＰ模型,将微分对策的定量和定性分析结合起来。以导弹与飞机格斗为例,探讨其实现的可能性和优点,为将来发展基于微分对策理论的智能制导律提供了一定的思路。     

用神经网络实现线性系统状态估计

本文研究了一种用神经网络解决线性动态系统状态估计问题的方法。使用了动态优化技术设置Ｈｏｐｆｉｅｌｄ网络的加权矩阵。仿真结果显示本文研究的方法具有广泛的适用性。此方法对于大型系统实时估计具有很大的应用潜力。