一种基于卷积神经网络的区域调光技术

由于光线串扰,像素补偿算法难以根据提取出的背光信息进行准确补偿,同时,单一补偿曲线难以适应具有不同亮度特点的图像内容,导致补偿图像的平均质量不高.为了提高像素补偿算法对复杂图像内容的适应性,本文引入神经网络中的编码和解码思想,通过编码网络提取图像深层特征,在解码网络中利用浅层特征的信息对深层特征进行解码,提出了一种联合...     

Polling Strategy for Wireless Multimedia LANs

Introduction There is an increasing demand for wireless multimedia networks to communicate using any type of media without any geographical restrictions. Therefore, wire- less networks are expected to support multimedia ser- vices with guaranteed quality …     

Investigation Driven by Network Pharmacology on Potential Components and Mechanism of DGS,a Natural Vasoprotective Combination,for the Phytotherapy of Coronary Artery Disease

Phytotherapy offers obvious advantages in the intervention of Coronary Artery Disease (CAD), but it is difficult to clarify the working mechanisms of the medicinal materials it uses. DGS is a natural vasoprotective combination that was screened out in our previous research, yet its potential components and mechanisms are unknown. Therefore, in this study, HPLC-MS and network pharmacology were employed to identify the active components and key signaling pathways of DGS. Transgenic zebrafish and HUVECs cell assays were used to evaluate the effectiveness of DGS. A total of 37 potentially active compounds were identified that interacted with 112 potential targets of CAD. Furthermore, PI3K-Akt, MAPK, relaxin, VEGF, and other signal pathways were determined to be the most promising DGS-mediated pathways. NO kit, ELISA, and Western blot results showed that DGS significantly promoted NO and VEGFA secretion via the upregulation of VEGFR2 expression and the phosphorylation of Akt, Erk1/2, and eNOS to cause angiogenesis and vasodilation. The result of dynamics molecular docking indicated that Salvianolic acid C may be a key active component of DGS in the treatment of CAD. In conclusion, this study has shed light on the network molecular mechanism of DGS for the intervention of CAD using a network pharmacology-driven strategy for the first time to aid in the intervention of CAD.     

应用人工神经网络方法预测M-EDTA配位稳定常数

应用人工神经网络法预测金属离子的M-EDTA配位稳定常数,并通过计算54种金属离子的M-EDTA配位稳定常数,确定了金属离子的基本参数与M-EDTA配位稳定常数的定量关系.通过对网络结构和参数的优化,提高了预报的准确度.     

基于RBF网络的漏磁检测缺陷定量分析方法

为了正确评估油气管道的使用寿命和安全状况,需根据漏磁检测信号特征对缺陷进行准确的定量分析。提出一种基于径向基函数(RBF)神经网络、用于定量分析油气管道缺陷的迭代方法,给出了具体的算法步骤,并采用自适应学习机制来训练网络,既加快了该算法的收敛速度,又避免了陷入局部最小值问题。仿真结果表明:该方法不仅训练速度明显快于普通反向传播(BP)网络,而且最大量化误差仅为0.26%。该方法有助于提高漏磁检测的准确度,可为油气管道的安全评估提供可靠的依据。     

一种基于强化学习的CDN流量调度系统设计方法

针对传统的CDN流量调度系统大多采用启发式方法或规划方法,存在维护成本高,实时性不足等缺点,提出一种基于深度强化学习的CDN流量调度系统设计框架.该框架基于马尔科夫链设计了故障告警网络来触发调度,建立了基于stacking模型的质量评估奖励函数,并在此基础上对流量调度进行定义和建模,构建了基于DQN的深度强化学习模型....     

基于RBF神经网络的非线性电子器件的建模方法研究

针对当前电路仿真中存在的复杂非线性电子器件的建模问题,利用RBF神经网络在函数逼近时所具有的速度快、精度高的特点,提出了根据RBF网络学习器件的输入输出特性,将得出的网络结构用Pspice中的电路描述语言进行描述,建立了非线性电子器件模型的方法,并验证其有效性.结果表明该方法可作为一种用于非线性器件建模的通用方法.     

基于精准k核的复杂网络节点重要性评估方法

由于k核存在破坏网络整体结构信息、忽略邻居节点影响力等缺点,导致每个节点难以量化区分.为了提高关键节点的识别精度,首先改进了k核的分解过程,提出了精准k核Ak.考虑到网络中局部特征信息和全局结构信息对节点的影响,将精准k核应用到重力中心性中,并提出了精准重力中心性AGC.信息学中的香农熵在网络关键节点识上具有良好的扩展性,通过结合邻域度中心性、邻域精准k核以及精准重力中心性三者的香农熵,最终提出了混合中心性MC对节点重要性进行多元评估.在7种真实网络下,对MC和其他节点评估指标分别从单调性和准确性上进行了一系列实验,实验结果表明MC具有更好的关键节点识别性能.     

高校制订本科生培养方案的成本分析

从相对微观的角度,分析了高校制定本科生培养方案应考虑的成本效益等原则,认为高校虽不是以盈利为目的组织,但在教学管理中也应重视教学成本问题。论述了制订培养方案应考虑的最低毕业学分等成本要素,并在此基础上对高校制订或修订本科生培养方案提出了建议。     

国际经济与贸易专业实践教学体系的构建与实施

实践教学是提高学生动手能力,培养分析和解决问题能力,将知识内化的最有效手段。提出在高校教学培养方案中构建理论与实践并重的高校人才培养模式,构建国际经济与贸易专业实践教学体系,从专业实践教学的改革、方法与途径等方面阐明了实践教学的实施方法。