激光实验诊断集成管控系统中人工智能技术应用

针对激光聚变实验中诊断系统种类多、原理各异、排布变换频繁等特点，发展了基于流程驱动的诊断集成管控系统。对控制节点中依赖经验以及人工判读的测量系统参数配置、系统瞄准、多诊断系统空间干涉等操作流程，开展基于深度学习技术的示波器量程智能化设置、自动瞄准以及空间干涉预警技术等诊断系统智能化控制方法的初步探索。     

基于卷积神经网络的HL-2A装置H模辨识研究

基于HL-2A装置的放电实验数据，利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法，得到了可靠的高成功率的高约束模时段识别结果。算法中，选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习，得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验，高约束模识别的正确率达到了98.17%。     

以自变量的和差为定值统领抽象函数的对称性和周期性

以“定值”的视角分析了函数具有对称性和周期性时所具备的特点,发现对称性和周期性的表达式在结构上高度相似.通过分析抽象函数的对称性和周期性的表达式,最后将对称性和周期性进行结合,阐述了双对称性与周期性的关系.通过揭示知识间的联系,帮助学生更好地掌握知识间的联系,促进学生的深度学习,亦为教师设计探究型作业提供一定的参考.     

数学深度解题教学探析——2021年全国乙卷理科第12题为例

为促使数学解题教学走向深入,本文基于2021年全国乙卷理科第12题,从深度应用、深度联结和深度拓展这三个维度进行探究,分析该题解决过程中所涉及的数学思维,挖掘数学思维在数学深度教学中的价值.     

基于毛竹叶片理化参数的刚竹毒蛾危害检测研究

虫害检测算法研究是开展虫害快速、准确监测，制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度，基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结，选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66~898.56 nm值(ρ_{733.66~898.56})、一阶微分光谱的562.95~585.25 nm值(ρ′_{562.95~585.25})与706.18~725.41 nm值(ρ′_{706.18~725.41})等理化参数，随机划分实验组(63组)和验证组(37组)并设计5次重复实验；分别运用Fisher判别分析、BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型，从检测精度、Kappa系数及R2等指标对模型的检测效果予以分析和比较。结果显示，Fisher判别分析、BP神经网络、随机森林的检测精度分别为69.19%，65.41%，83.78%，Kappa系数分别为0.576 9，0.532 4和0.778 8，R2分别为0.722 2，0.582 6和0.870 9，总体而言，三种方法均具备刚竹毒蛾危害的检测能力，随机森林的检测效果最优，Fisher判别分析次之，再次为BP神经网络；从分等级来看，随机森林的检测精度亦优于Fisher判别分析与BP神经网络，但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考，并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

星载海洋激光雷达最佳工作波长分析

星载激光雷达是实现海洋垂直剖面探测的有效工具,也是目前迫切需求的海洋光学遥感手段。对星载海洋激光雷达的波长参数进行评估对保证探测有效性具有重要意义。本文从探测深度和信噪比两方面分析了星载海洋激光雷达探测全球海洋的最佳波长。利用MODIS 10个波段的水体光学特性数据,估算全球海水探测深度及相应的最优波长;并根据太阳夫琅禾费暗线特性,对信号信噪比进行优化。结果表明:在探测深度方面,最优探测波长在488 nm波段的海洋占全球海洋面积的70%左右,并且全球95%以上的海域在488 nm波段的探测深度优于0.8倍的真光层深度;在信噪比方面,相对于488 nm波段,486.134 nm夫琅禾费暗线处采用0.1 nm带宽的滤光片可以将背景光强度降低70%,相应地回波信噪比整体提升了约5.0%。就全球海洋探测来说,使用486.134 nm作为探测波长可以提高探测深度,有效抑制太阳背景光,提高信噪比,因此,486.134 nm是星载海洋激光雷达的最佳工作波长。     

皮肤组织容积脉搏波400~1000 nm光谱特性仿真研究

根据皮肤组织解剖结构特性建立了六层层状模型,并给出了皮肤组织各层的特性参数;考虑了氧合血红蛋白和还原血红蛋白的吸收特性,依据皮肤组织各层的水、血、脂肪、血氧饱和度含量以及血管大小给出了皮肤组织各层的光谱吸收系数;对不同波长散射系数做了适当简化,给出了皮肤组织各层的光谱散射系数。利用蒙特卡罗方法仿真血管组织在收缩与舒张两种状态下, 400~1 000 nm波长光在皮肤组织多层模型中的传输过程,并通过统计大量光子的分布特性,获得了皮肤组织光谱反射系数,并利用模拟所得的两种状态下的反射系数计算得到了光谱容积脉搏波幅度。仿真结果表明,当入射光强一定时,绿光的容积脉搏波幅度优于红光和蓝光。通过计算不同波长光沿皮肤组织深度方向光能流率衰减为1/e时对应的皮肤组织深度,获得了皮肤组织光谱穿透深度。结果显示,血管舒张状态下蓝光和绿光的穿透深度较小,蓝光大部分只能达到表皮层,绿光能到达微循环层,红光可直达真皮层。考虑到光在皮肤组织中传播包含了一个从收缩到舒张的动态过程,基于此,根据穿透深度定义了脉搏波信号产生深度,利用血管舒张与收缩两种不同状态下的穿透深度计算得到了光谱产生深度。结果表明,不同波长光产生深度大于其穿透深度,蓝光产生深度较浅,且其受到的血液吸收调制较小,因而其获得的脉搏信号易受噪声干扰;红光的容积脉搏波产生深度较大,但是相比于绿光其受血液吸收调制较小,且绿光产生深度足够达到真皮血管层,因而红光容积脉搏波的幅度小于绿光。上述仿真结果明确了皮肤组织部分光谱特性,为皮肤组织多光谱容积脉搏波的精确获取及其他相关研究提供了一定的理论基础。     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高，以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题，本文提出了一种基于级联卷积神经网络（Convolutional Neural Network，CNN）和磁共振图像的前列腺癌（Prostate Cancer，PCa）自动分类诊断方法，该网络以Faster-RCNN作为前网络，对前列腺区域进行提取分割，用于排除前列腺附近组织器官的干扰；以基于ResNet改进的网络结构CNN40_bottleneck作为后网络，用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成，其中使用批量标准化（Batch Normalization，BN）、全局平均池化（Global Average Pooling，GAP）进行优化.实验结果证明，本文方法对前列腺癌诊断结果较好，而且缩减了训练时间和参数量，有效降低了训练成本.     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。