基于神经网络的三维宽场显微图像复原研究

提出一种利用BP神经网络进行三维宽场显微图像复原的非线性映射方法,将三维图像转化为二维图像进行处理,利用神经网络的学习能力,通过训练,建立含有散焦信息的二维模糊图像与二维清晰图像之间的映射关系,然后对切片堆叠进行逐幅复原,从而实现显微图像的三维复原.得到的复原图像在视觉上和定量分析上都获得了很好的效果.由于采用小规模神经网络,训练时间短,计算量小,使实时复原成为可能.     

用神经网络鉴别退化图像的模糊类型

提出了一种用神经网络鉴别退化图像的模糊类型的方法。由于采用不同降质方法得到退化图像的频谱差异较大,以此作为判别依据,用概率神经网络实现了对四种模糊类型:离焦,矩形,运动和高斯模糊的鉴别。根据神经网络的鉴别结果决定点扩散函数的初始估计值,可大大地提高盲解恢复算法的复原质量和系统点扩散函数的估计精度,扩大了算法的实用范围。     

微观粒子双方势垒遂穿研究

讨论具有确定能量的一维微观粒子对双方势垒的遂穿问题,计算其透射系数,发现双方势垒的透射系数并不等同于两个单方势垒紧挨在一起时的透射系数,但在一定条件下两者相等;同时也导出了微观粒子遂穿双方势垒时发生共振遂穿的条件,并对计算结果进行了讨论。     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

基于神经网络的钞票真假识别研究

利用神经网络与光电检测的技术研制了钞票真假识别系统.介绍了系统的结构组成、工作原理、软件系统、神经网络的优化设计、实验及测试结果.经实践验证,其识别结果稳定可靠,可应用于金融智能防伪点钞机与ATM机中.     

基于卷积神经网络的蛋胚活性精准检测方法研究

孵化的蛋胚是生产禽流感疫苗的载体,蛋胚的活性检测是疫苗生产中的关键环节,通过光电容积脉搏法检测蛋胚活性是提高蛋胚活性检测准确率的关键.为了提高蛋胚活性检测效率和检测准确率,采用滑动功率谱方法(PSD)将蛋胚脉搏波可视化,基于卷积神经网络对蛋胚活性进行精准分类.实验结果显示,采用卷积神经网络对单个蛋胚信号的计算时间仅为1...     

基于深度学习的3D分子生成模型研究进展

分子生成作为药物设计领域的一个基本问题,旨在以低成本和高效率的方式设计出具有理想生物活性和药代动力学属性的新颖分子.近年来深度生成模型在药物设计中得到了广泛应用,大量的模型结构和优化策略得到探索,其中大多是生成一维或二维的分子结构.随着深度学习在处理几何图形数据上的快速发展,面向3D分子的生成模型被提出,因其在直接生成3D分子构象和基于结构的药物设计上的优势和潜力而越来越受到关注.本文对近年来国内外学者在3D分子生成上取得的成果进行了系统的总结和分析,从3D分子生成算法输入的角度将其分为基于隐变量的生成、基于2D分子图的生成和基于3D分子构象的生成;接着从3D分子生成算法输出的角度将其分类为定向生成和非定向生成;随后总结了相关生成模型在主要的公开数据集上的性能,以探究各种生成模型的优缺点;最后对未来可能的研究方向进行了展望.     

准一维电荷密度波材料Ta2NiSe7 的转角及变温拉曼光谱研究

近年来, 低维过渡金属硫族化合物Ta2NiSe7 因其独特的电荷密度波和特殊的拓扑能带结构而引起广泛关注. 本文利用拉曼光谱技术对准一维电荷密度波材料Ta2NiSe7 的声子模式进行了系统研究. 角度依赖的偏振拉曼光谱实验表明室温下可以观测到19 个拉曼峰, 且所有观察到的拉曼模式强度随样品旋转呈周期性变化, 这意味着Ta2NiSe7 具有较高的面内各向异性. 通过群论分析, 我们确定了拉曼峰的具体模式为Ag 和Bg 两种原子振动模式. 在温度依赖的偏振拉曼光谱测量中, 我们在低温下还观察到了新的声子峰, 推测与电荷密度波结构调制引起的晶格畸变有关. 本研究提供了对Ta2NiSe7 声子振动的全面理解, 这可能为进一步研究电荷密度波与声子振动之间的关联提供参考意义.     

无机二元氢化物酸性的径向基函数神经网络研究

用径向基函数神经网络(RBF-Network)构建了一个无机二元氢化物酸性强度pKa与结构参数的非线性关联模型。13个样本的pKa计算值与实验值相关系数R达到0·9998,平均偏差0·315,显著优于文献报道的结果。交互预测的结果也非常理想,Rcv达到0·9984。参数试验的结果显示,以键合氢原子数m表征的构型因素和以键长rA—H等表征的分子大小因素是影响无机二元氢化物酸性强弱的主要影响因素。     

卷积神经网络辅助激光诱导击穿光谱鉴别37类铁矿石

采用激光诱导击穿光谱快速鉴别铁矿石种类有利于保障贸易双方合法权益,是防止贸易欺诈的有效措施。采用卷积神经网络辅助激光诱导击穿光谱鉴别澳大利亚、哈萨克斯坦、巴西、南非、越南、毛里塔尼亚、伊朗和印度等8个国家37类铁矿石。642批铁矿石3 852条激光诱导击穿光谱经t分布随机邻域嵌入算法降维后,二维散点图表明,随着铁矿石种类增加,鉴别难度增大。对前期16类品牌铁矿石卷积神经网络鉴别模型进行了优化,增加了卷积层和批量归一化层,优化了卷积层中卷积核大小和个数,全连接层中神经元个数等超参数,并对激活函数进行对比和选择。优化模型训练集、验证集、测试集的准确率分别为100%±0.00%,99.54%±0.22%,96.16%±0.43%。采用10倍交叉验证评价了模型稳定性,以测试集准确率和损失函数作为评价指标,获得了最优应用模型。方法有助于推动激光诱导击穿光谱在铁矿石分析测试领域的实际应用。