基于全U网络的混凝土路面裂缝检测算法

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。     

从《运动器械用材料》看器械材料对大众网球运动普及的影响研究

随着科学技术的不断进步,各类新型材料涌现出来且遍及各个行业,其中就包括体育行业.体育器械是人民大众参与体育运动的必备品,而其制作材料及工艺很大程度的影响着大众群体的体育运动体验感、获得感,新型材料在体育器械的使用,能够极大改良体育运动的参与方式,提升体育运动影响力,推动体育运动的发展进程.     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

《医学化学》课程教学质量提升策略研究

根据高校新时期教学发展理念,从优化课程内容体系、改革课程评价方式、强化各种教学手段、培养学生的实验创新能力、充分应用各种教学资源等方面改革《医学化学》课程。使其成为贴近学生、贴近课堂实际需求的一门高质量课程。提高生物信息学、生物医学工程等专业学生的学习能力及综合素质。为生物、医学、信息等相关专业构建起扎实、系统的基础知识体系,从而达到高校创新教育的目标。     

基于星座图对射频指纹识别方法的研究

针对星座图的射频(RF)指纹识别方案中,低信噪比环境下识别准确率低的问题,提出一种基于欧式距离与幅度距离的二维识别算法来进行RF指纹识别。该方案通过对星座图进行优化处理,可从优化后的星座图中提取识别性能更好的RF指纹,再通过二维识别算法来提高识别准确率。仿真结果表明:与仅用欧式距离作为判断依据的方法相比,所提出的二维识别算法的识别准确率最高可提升8%,在设备容量为50组的情况下识别准确率为77.8%,并且从优化后的星座图中所提取的RF指纹具有更好的唯一性和稳定性。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

AD HOC网络管理综述

由于AD HOC网络自身的特点，其网络管理很多方面与固定网络不同，如移动性管理和体系结构管理等。讨论了AD HOC网络管理的各个方面，并列举了各个方面的设计思路和已有的相关算法的简介。     

SFBC-OFDM系统在快衰落信道下的性能分析

在STBC—OFDM系统的基础上介绍了SFBC—OFDM系统的原理、编译码方案，并通过仿真做出了SFBC—OFDM系统在快衰落信道下的性能，同时与STBC—OFDM系统的性能进行比较。结果表明：SFBC—OFDM系统在室内环境即时间延迟缓慢的情况下性能与STBC—OFDM基本上达到一致，在室外环境快衰落情况下性能要比STBC—OFDM系统要好。