基于Improved DR-Net算法的糖尿病视网膜病变识别与分级

针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题,本文提出一种基于DR-Net模型的改进识别算法,即Improved DR-Net.选用Kaggle失明检测竞赛数据集APTOS 2019 Dataset,采用多种数据增强策略扩充数据集,并引入Eye-PACS数据集进行无偏修正,同时采...     

中介代数

近年来,朱梧槚和肖奚安在研究中介逻辑演算和中介公理集合论时引进了被排斥在经典逻辑之外的模糊否定词“～”,讨论了反映模糊现象的“中介原则”。因此,中介逻辑是经典的二值逻辑的推广和发展。我们知道,Boole代数是对应于二值逻辑的代数结构。本文提出中介逻辑的代数抽象——中介代数。本文讨论了中介代数组成的等式类(即代数簇)的代数性质,证明了每个中介代数都是2和3的亚直积。本文还讨论了中介代数的余积,中介代数与Kleen代数、Post代数以及Boole代数之间的关系。     

基于深度学习的流场时程特征提取模型

特征识别是流体力学的重要研究方向,然而在中高雷诺数情况下物体的尾流流场复杂,难以通过传统方法实现特征的提取与识别.深度学习理论与技术的不断发展为复杂流场特征的识别提供了新方法.基于流场时程数据的深度学习模型,本文研究了4种模型对尾流场特征提取与识别的精度,得到了针对流场时程特征提取的高精度新方法.结果表明:所提出的模型能够识别尾流物理时程的不同特征,并通过流场时程实现了目标的外形识别,验证了方法的可行性;同时结果表明基于卷积运算的深度学习模型精度高,适用于流场时程数据的特征分析;深度学习网络结构更深、层间结构复杂的残差卷积网络识别精度最高,是尾流时程分析的高精度算法.本文所提方法从流场物理量时程的角度对流场特征进行了提取与识别,证明了深度学习方法具有较高的识别精度,是研究流场特征的重要途径.     

深度残差收缩网络的含噪微泄漏超声识别方法*

在利用声学信号进行泄漏检测时,复杂的背景噪声往往会淹没微弱的泄漏信号,导致误判率高。针对微小泄漏在含噪环境中识别困难的问题,提出了基于深度残差收缩网络（DRSN）的含噪微泄漏识别方法。在提出的方法中,添加不同强度高斯噪声,建立数据集,使用DRSN网络进行训练,验证DRSN对不同泄漏强度、不同噪声含量样本识别的有效性。实验结果表明：DRSN对于微弱泄漏可以达到较理想的识别率,即使在高度杂糅数据识别时仍能达到较理想的识别效果,而且噪声含量并不会对DRSN迭代次数产生明显的影响。将提出的方法与CNN识别方法对比,DRSN具有明显的优势。     

残差网络分层融合的高光谱地物分类

高光谱图像具有较高的空间分辨率,蕴含着丰富的空间光谱信息,近年来被广泛用于城市地物分类中。在高光谱图像分类过程中,空间光谱特征的提取直接影响着分类精度;传统的高光谱图像特征提取方法只利用了4或8邻域的像素进行简单卷积处理,因而丢失了大量的复杂、有效信息;卷积神经网络（CNN）虽然可以自动提取空间光谱特征,在保留图像空间信息的同时,简化网络模型,但是,随着网络深度增加,网络分类产生退化现象,而且网络间缺乏相关信息的互补性,从而影响分类精度。该工作引入CNN自动提取空间光谱特征,并且针对CNN深度增加所导致的退化问题,设计了面向地物分类的高光谱特征融合残差网络。首先,为了降低高光谱图像的光谱冗余度,利用PCA提取主要光谱波段;然后,为了逐级提取光谱图像的空间光谱特征,定义了卷积核为16,32,64的低、中、高3层残差网络模块,并利用64个1×1的卷积核对3层特征输出进行卷积,完成维度匹配与特征图融合;接着,对融合后的特征图进行全局平均池化(GAP)生成用于分类的特征向量;最后,引入具有可调节机制的Large-Margin Softmax损失函数,监督模型完成训练过程,实现高光谱图像分类。实验采用Indian Pines,University of Pavia和Salinas地区的高光谱图像来验证方法有效性,设置批次训练的样本集为100,网络训练的初始学习率为0.1,当损失函数稳定后学习率降低为0.001,动量为0.9,权重延迟为0.000 1,最大训练迭代次数为2×104,当3个数据集的样本块像素分别设置为25×25,23×23,27×27,网络深度分别为28,32和28时,3个数据集的分类准确率最高,其平均总体准确率（OA）为98.75%、平均准确率（AA）的评价值为98.1%,平均Kappa系数为0.98。实验结果表明,基于残差网络的分类方法能够自动学习更丰富的空间光谱特征,残差网络层数的增加和不同网络层融合可以提高高光谱分类精度;Large-Margin Softmax实现了类内紧凑和类间分离,可以进一步提高高光谱图像分类精度。     

广义δ规避策略下的两值期权定价研究

在离散时间场合和不存在交易成本假设下,提出了期权定价的平均自融资极小方差规避策略,得到了含有残差风险的两值看涨期权价格满足的偏微分方程和相应的两值期权定价公式。通过用数值分析来比较新的期权定价模型与经典的期权定价模型,发现投资者的风险偏好和标度对期权定价有重要影响。由此说明,考虑残差风险对两值期权定价研究具有重要的理论和实际意义。     

求解随机广义纳什均衡问题的样本均值方法

研究随机广义纳什均衡问题.给出了随机广义纳什均衡问题变分不等式形式的再定式.利用期望残差最小化方法,获得了求解该问题的一种新的模型.并通过拟蒙特卡罗方法给出了该模型的求解方法.     

试论高中数学复习课的选例原则

复习课的目的是巩固和加深对所学知识的理解与记忆 ,弥补过去学习过程中的知识缺漏 ,使学生平时所学的零碎知识系统化、条理化、形成知识结构 ,并且通过复习获取新知 ,提高能力 .笔者认为要提高复习效率 ,精心选编复习课的例题至关重要 .复习课的例题选取应遵循以下七条原则 .一、典型性原则选例的典型性原则 ,即要求所选例题应是最具有代表性、最能说明问题的题目 ,它应能突出教材重点、反映新课程标准中最主要而又最基本的要求 .例 1　如图 1 ,三个相同的正方形相接 ,求证 :α+β=45°.图 1这是一个典型的三角问题 .通过这一最基本题目的…     

修正的GM(1,1)残差模型在原煤销售量预测中的应用

本论研究的是提高灰色预测模型的一种方法。首先建立主模型进行预测，得到残差序列，然后对残差序列建模，对主模型进行修正，得到修正的GM(1，1)模型。将模型应用到原煤销售量的预测中，其精度明显提高。     

基于残差修正灰色预测模型的北京市道路交通事故预测分析

社会机动车使用量的增加带来的道路交通安全问题日益突出.对北京市道路交通事故预测进行了研究.采用灰色GM(1,1)预测模型对北京市城市道路交通事故进行了预测,并根据预测结果精度等级进行了残差修正,得出了具有科学性的预测结果.此外,通过灰色关联度分析对北京市交通事故的各相关因素进行了比较,为交通管理部门有效地控制交通事故的发生提供参考.