基于遗传注意力机制的DLSTM电力系统混沌预测

提出一种基于遗传算法优化注意力机制的深度长短期记忆网络(DLSTM)方法,用于电力系统的混沌预测。通过传递共享参数,将遗传算法优化的注意力机制加入DLSTM模型中,可以挖掘时间序列中潜在特征,同时避免陷入局部优化。该方法是一种受进化计算方法启发的寻优方法,可以很好地学习注意力层中的参数。电力系统混沌预测实验表明所提模型比其他参考模型具有更高的预测精度和长期预测能力。     

基于注意力和角度间隔损失的高光谱目标跟踪北大核心CSCD

随着计算机技术的发展,基于深度学习的目标跟踪方法已成为计算机视觉领域中重要的研究方向;但跟踪环境的复杂多变使得跟踪算法在背景干扰、颜色相近等问题上仍面临巨大挑战。相比于传统彩色图像,高光谱图像包含丰富的辐射、空间和光谱信息,能够有效提升目标跟踪的准确率。提出了将注意力机制(attention mechanism)和加性角度间隔损失(additive angular margin loss, AAML)相结合的方法来进行针对高光谱图像的目标跟踪。通过融合多域神经网络对不同波段组合进行特征提取,同时设计了融合的注意力机制模型,使得来自不同波段组合之间的相似特征进行整合和强化,在目标背景颜色相近的情况下,网络会更多地注意目标物体,使得跟踪结果更为准确。在此基础上为了使目标和背景的区分更具有判别性,网络使用加性角度间隔损失作为损失函数,在训练过程中可以有效减小同类样本的类内距离,增大正负类样本的类间距离,从而提高网络的准确性和稳定性。实验结果表明,本文方法可使两种跟踪精度评价指标精确率和成功率分别提升1.3%和0.3%,相较于其他方法更具优势。     

双路注意力循环网络的轻量化语音分离

提出了双路注意力循环网络的轻量化语音分离方法。首先,该方法使用基于“双路注意力机制”和“双路循环网络”的可选择分支结构对语音信号进行建模,从而提取深层特征信息并降低模型的参数量。其次,引入子带处理技术,从而降低模型的计算量。在LibriCSS数据集上的实验结果表明,该方法取得的平均词错误率为8.6%,且参数量和计算量分别仅为0.15 MiB和15.2 G/6s,与当前主流方法相比,分别减小了3.3～391.3倍和1.1～3.2倍。这表明,所提方法在取得高语音分离性能的同时,能有效地降低模型的参数量和计算量。     

基于模糊标签和深度学习的TOF-MRA影像脑动脉瘤自动检测

脑动脉瘤破裂造成的蛛网膜下腔出血致死致残率极高，借助深度学习网络辅助医生实现高效筛查具有重要意义．为提高基于时间飞跃法磁共振血管造影（Time of Flight-Magnetic Resonance Angiography，TOF-MRA）的脑动脉瘤自动检测的精度，本文基于模糊标签方式，提出一种基于变体3D U-Net和双分支通道注意力（Dual-branch Channel Attention，DCA）的深度神经网络DCAU-Net，DCA模块可以自适应地调整通道特征的响应，提高特征提取能力．首先对260例病例的TOF-MRA影像预处理，将数据集分为174例训练集、43例验证集和43例测试集，然后使用处理后的数据训练和验证DCAU-Net，测试集实验结果表明DCAU-Net可以达到90.69%的敏感度，0.83个/例的假阳性计数和0.52的阳性预测值，有望为动脉瘤筛查提供参考．     

某型瞄准线稳定测试系统RS232串行通信的研究

某型瞄准线稳定测试系统是用于测试和检验班组武器系统、轻型低空反导转管机枪等武器系统中的光电跟踪子系统瞄准线独立性能的专用设备;介绍利用LabWindows/CVI实现上位机与下位机之间的通信,设计了瞄准线稳定测试系统,分析了下位机需要实时检测的物理量信息;为了提高系统的可视性和实现对下位机的控制,通过RS232串行通信技术向上位机传输数据;对上位机利用LabWindows/CVI的控件实现数据采集,数据显示和存储进行了研究;实验结果表明,基于LabWindows/CVI的RS232串行通信的上位机数据采集与显示系统具有可视性强、操作简单等特性。     

基于非正交多址接入的室内可见光通信系统EI北大核心CSCD

白光发光二极管(LED)的窄调制带宽限制了可见光通信(VLC)的系统容量。非正交多址接入(NOMA)技术通过功率复用可提高系统通信容量。结合直流偏置光正交频分复用(DCO-OFDM)和NOMA技术,设计了NOMA-DCO-OFDM系统。基于递归法给出了单个LED时VLC多径信道建模方法。在考虑限幅噪声影响时,推导了用户的信干噪比。采用分数阶功率分配、增益比功率分配和静态功率分配方法,研究系统平均和速率随LED半功率角、光电检测器的视场角(FOV)和功率分配因子的变化规律。仿真结果表明,系统平均和速率随着半功率角、FOV和功率分配因子的变化而变化,可以通过优化半功率角、FOV和功率分配因子达到系统平均和速率最大化。     

基于改进Faster R-CNN的红外目标检测算法

为提升红外目标的检测精度,提出了一种引入频域注意力机制的Faster R-CNN红外目标检测算法。首先,针对红外图像边缘模糊和噪声问题,设计了一种并行的图像增强预处理结构;其次,在Faster R-CNN中引入频域注意力机制,设计了一种新型红外目标检测主干网络;最后,引入路径增强金字塔结构,融合多尺度特征进行预测,利用底层网络丰富的位置信息,提升检测精度。在红外飞机的数据集上进行实验,结果表明,改进后的Faster R-CNN目标检测框架比以ResNet50为主干的算法的AP提升了7.6%。此外,与目前主流算法对比,本文算法提高了红外目标的检测精度,验证了算法改进的有效性。     

采用自注意力机制的OCT图像AMD亚型分类研究

目前基于卷积神经网络(CNN)的视网膜光学相干层析成像(OCT)图像分类方法存在对于小范围病变区域识别不清的问题,导致在判断年龄相关性黄斑变性(AMD)疾病干湿性、脉络膜新生血管形成(CNV)的活动性时准确率不高,而正确判断病变类型对于眼科医生制定治疗方案至关重要。为此本文提出了一种基于自注意力机制的CNN模型MobileX-ViT,将传统卷积层和自注意力模块结合,同时提取浅层网络的特征信息并获取图像的全局信息,以提高模型分类准确率。实验证明,相比于经典CNN分类模型Inception-V3、ResNet-50、VGG-16和MobileNeXt,文章提出模型在分类准确率上分别提高了5.6%、5.3%、4.5%和2.8%,证明了模型的有效性,为解决目前视网膜OCT图像分类中对于小范围病变区域识别不清的问题提供了新的方法。     

初中生数学课堂上的注意力失焦问题研究

注意力对于个体的智力培养和身心发展起着决定性作用,课堂注意力更是决定学生学习效果的关键因素.数学是揭示事物在数量关系和空间形式上的本质的科学,学好数学要求学生必需注重知识之间的内在联系、拥有完整的思维以及对知识体系的整体把握能力.聚焦注意力不仅是确保学生课堂学习效率的重要前提,也是对教师教学的基本要求.然而,当前不少初中生在数学课堂上存在注意力失焦问题.本文将结合相关的教育学和心理学原理重点探讨如何解决这个问题.