平面波超声成像中的波束合成方法研究进展

平面波成像通过单次全孔径发射-接收即可获取整幅图像,将成像帧频显著地提升至1000帧/秒以上.然而,平面波成像过程中发射的非聚焦波束将导致回波信号信噪比降低,进而使图像的分辨率和对比度变差.通过多角度相干复合成像技术可以改善平面波成像的图像质量,但是会以牺牲帧频为代价.因此研究人员们开始将新型波束合成技术引入平面波成像...     

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.     

活用情境，巧设问题，生成发展

二次函数的概念教学,以生成性教学理论为指导,依据学生原有的知识基础和学习经验确定学习目标,通过创设问题情境,实行课堂灵动对话,让学生自然获得研究二次函数概念要素之间关系的方法,自然生成二次函数概念,形成研究数学概念的思维能力,发展数学直观、数学抽象等素养.     

雅砻江锦屏水电站工程区活动构造研究及地壳稳定性评价

北东向的锦屏山-小金河断裂带从北东到南西斜穿整个锦屏水电站工程区。在它的东南和西北分别有北北西走向的羊坪子-纸厂沟断层组和北西走向的前波、高牛场等断层。锦屏山-小金河断裂带的马山头-周家坪断层组、瓦科断层组和北西向前波断层等晚第四纪继续活动, 但活动强度很弱。工程区新构造运动以整体抬升为主, 兼水平滑移和旋转运动。历史至今, 工程区地震活动微弱, 是地壳相对稳定的地区。     

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。     

融合故障录波和保护动作的输电线路迁移学习故障分析及定位

针对高比例分布式电源并入导致电网规模增大且结构复杂,使传统输电线路故障分析及定位时依赖人工对录波数据进行分析判别容易造成误判、效率低下等问题,根据迁移学习理论方法,基于输电线路故障录波数据建立输电线路故障类型特征提取模型;利用保护动作信息和故障量判别信息,建立输电线路故障位置范围。将故障录波数据、保护动作信息作为深度学习的输入、故障类型和故障位置作为输出进行训练,将训练模型应用至某实际电网中进行测试,结果表明所提方法能够有效辨识出故障线路类型和位置。     

基于机器学习的地基云图分类研究进展

基于机器学习的地基云图分类是光伏发电功率预测的关键技术。该技术主要通过传统机器学习和深度学习方法对地基云图特征提取提升地基云图分类准确率。全文归纳了地基云图分类标准和云图采集设备;简要介绍了地基云图分类数据集;从传统机器学习和深度学习两方面详细论述了典型的地基云图分类方法;比较了不同方法在Kiel F和MGCD地基云图分类数据集上的性能;最后对现有地基云图分类方法进行了总结,并针对目前地基云图分类面临的挑战进行了展望。     

生成式对抗网络在自然语言处理中的应用

生成式对抗网络(Generative Adversarial Networks,GAN)是一种非常简单易行的生成式模型,不依赖任何先验假设,通过采样的方式生成似真数据,且生成速度快.近年来,生成式对抗网络在图像处理及自然语言处理任务中得到了广泛的应用.但是,生成式对抗网络同样存在缺点,比如训练过程中不稳定、生成数据过程...     

氢化物发生-原子荧光光谱法测定人血液中铅砷汞镉

现代社会的人类活动使环境受到一定的污染，其中重金属污染对人体健康有一定影响。本法采用氢化物发生一原子荧光光谱法（HGAFS）测定铅、砷、汞和镉，方法具有检出限低、精密度好等优点。     

化学学习中“电解质”概念相异构想的跨年级研究

运用自编的二段式诊断测验,对10到12年级的529名中学生进行了“电解质”概念相异构想的问卷测查。对测查数据运用Rasch模型进行分析,结果显示不同年级中学生有关“电解质“的相异构想存在着差异。依据SOLO分类标准对中学生“电解质”的相异构想进行了分类,并借助课堂观察和访谈对不同年级中学生“电解质”相异构想的来源进行了分析。