基于CNN与Transformer的医学图像分割

医学图像对疾病的诊断、治疗和评估均有所帮助,准确分割医学图像中的器官对于辅助医生的诊断具有重要的实际意义.由于医学图像中各器官部位与周围组织的图像对比度低,不同器官的边缘和形状也会存在很大差异,从而增加了分割的难度.针对这些问题,本文提出了一种基于卷积神经网络和Transformer的医学图像语义分割网络,有效提高了医学图像语义分割的精度.特征提取部分使用ResNet-50网络结构,在特征提取后使用Transformer模块来扩大感受野.在上采样过程中加入多个跳跃连接层,充分利用各阶段的特征提取信息,来恢复至与输入图像相近的分辨率.在胃肠道医学图像分割数据集上的实验结果证明本文的方法可以有效分割医学图像中的器官组织,提升分割准确率.     

分层网格划分实现海量地图标记物聚散可视化

在传统的地图可视化中,面对海量地图标记物展示会采用点聚合的方式,但是各类点聚合算法都是运行时计算,没有分层机制,在海量点的散开展示时,对于地图标记物堆叠没有过滤机制。针对这一问题,提出了分层的网格划分实现海量地图标记物聚散一体化解决方案。该方法对分层网格中心点构建K-D树索引,对海量点构建四叉树索引,通过索引和存储技术,实现了聚合的高效查询。对海量点散开时增加网格过滤,消除堆叠问题。在实验案例数据集上进行对比,结果表明,与传统的点聚合方案相比,在数据量大的情况下,计算性能显著提高,对海量标记物散开展示增加过滤算法,有效提升了用户体验。     

深度学习屈光检测方法研究

屈光不正是一种非常常见且对视功能发育有严重危害的眼科问题。准确与方便的屈光检测技术,对于及时发现屈光不正问题以及采取相应措施进行干预具有非常重要的意义。目前的屈光筛查设备虽然能较快进行屈光检测,但主要存在两个问题：检测准确度较低,对被测者配合度要求较高。因此,提出一种新的屈光检测方法,此方法使用基于偏心摄影验光原理的光学系统获取人脸面部近红外图像,使用图像处理技术对面部近红外图像进行处理,得到左右瞳孔图像和瞳孔位置信息,使用提出的结合了深度可分离卷积和SE模块的混合数据多输入神经网络模型进行训练与屈光度的计算。与传统偏心摄影验光原理的屈光检测方法相比,此方法有望随着数据集的扩增而达到更高的准确度,并且此方法将瞳孔位置信息作为模型的输入,可以解决传统算法对被测者配合度要求较高的问题。该研究是对屈光检测新方法的一种有益探索,使用此方法有利于屈光筛查更便利地进行,为实现非接触自助式的屈光筛查提供基础。     

一种3D眼镜虚拟试戴系统的实现

针对人脸图像试戴3D眼镜过程中存在的镜腿遮挡人脸问题,文中提出一种基于人脸图像的3D眼镜虚拟试戴技术。利用构建的人脸形状的三维模型,使其在虚拟试戴中对镜腿起到消隐作用,解决镜腿的遮挡问题。文中对输入的人脸图像进行关键点检测,结合Graham扫描法求得人脸形状的凸多边形,利用平移扫描构建人脸形状的三维模型。此外,文中根据定位人脸图像上的关键点以及姿态估计后对三维眼镜模型的变换,将眼镜模型佩戴到人脸图像上。实验结果表明,该方法对于多视角的人脸图像实现了虚拟试戴效果,解决了多种视角下人脸图像试戴过程中镜腿的遮挡问题,虚拟试戴中镜腿遮挡平均准确率为94.5%,遮挡精度较高。     

Elsa:一种面向跨区域架构的无协调分布式键值存储系统

作为具备高性能和高可伸缩性的分布式存储解决方案,键值存储系统近年来被广泛采用,例如Redis、MongoDB、Cassandra等.分布式存储系统中广泛使用的多副本机制一方面提高了系统吞吐量和可靠性,但同时也增加了系统协调和副本一致性的额外开销.对于跨域分布式系统来说,远距离的副本协调开销甚至可能成为系统的性能瓶颈,降低系统的可用性和吞吐量.提出分布式键值存储系统Elsa,这是一种面向跨区域架构的无协调键值存储系统. Elsa在保证高性能和高可拓展性的基础上,采用无冲突备份数据结构(CRDT)技术来无协调的保证副本间的强最终一致性,降低了系统节点间的协调开销.在阿里云上构建了跨4数据中心8节点的跨区域分布式环境,进行了大规模分布式性能对比实验,实验结果表明:在跨域的分布式环境下,对于高并发争用的负载, Elsa系统的性能具备明显的优势,最高达到MongoDB集群的7.37倍, Cassandra集群的1.62倍.     

阶段化改进的海洋捕食者算法及其应用

针对海洋捕食者算法自适应能力有限、局部桎梏概率高等不足,提出阶段化改进的海洋捕食者算法.在高速度比阶段实施差分演化,在原始猎物群体的变异与交叉中扩大全局探索范围,遍历优化个体质量;引入正余弦算法等概率波动等速度比阶段的并行架构,提升莱维飞行群体与布朗运动群体的灵活性,促进群体间渗透,同节奏优化算法的开发能力与探索能力;融合柯西变异策略与反向学习策略改进低速度比阶段捕食者,生成具备自我调节能力的柯西镜像捕食者,避免迭代末期种群同化过度,强化算法反早熟能力.通过基准函数对比寻优实验及Wilcoxon符号秩检验来评估改进算法的性能,实验结果验证了阶段化改进策略对算法整体表现力的提升.利用改进算法优化在线序列极限学习机参数并应用于变压器故障诊断,进一步验证阶段化改进策略的有效性及工程实用性.     

MAML2: meta reinforcement learning via meta-learning for task categories

Meta-learning has been widely applied to solving few-shot reinforcement learning problems, where we hope to obtain an agent that can learn quickly in a new task. However, these algorithms often ignore some isolated tasks in pursuit of the average performance, which may result in negative adaptation in these isolated tasks, and they usually need sufficient learning in a stationary task distribution. In this paper, our algorithm presents a hierarchical framework of double meta-learning, and the whole framework includes classification, meta-learning, and re-adaptation. Firstly, in the classification process, we classify tasks into several task subsets, considered as some categories of tasks, by learned parameters of each task, which can separate out some isolated tasks thereafter. Secondly, in the meta-learning process, we learn category parameters in all subsets via meta-learning. Simultaneously, based on the gradient of each category parameter in each subset, we use meta-learning again to learn a new meta-parameter related to the whole task set, which can be used as an initial parameter for the new task. Finally, in the re-adaption process, we adapt the parameter of the new task with two steps, by the meta-parameter and the appropriate category parameter successively. Experimentally, we demonstrate our algorithm prevents the agent from negative adaptation without losing the average performance for the whole task set. Additionally, our algorithm presents a more rapid adaptation process within re-adaptation. Moreover, we show the good performance of our algorithm with fewer samples as the agent is exposed to an online meta-learning setting.     

考虑电能交互共享的虚拟电厂集群多时间尺度协调运行策略

虚拟电厂(virtual power plant,VPP)作为整合“源-荷-储”多环节资源的新一代智能控制技术,能够打破地域限制,实现广域范围内的能源互联共享。为应对同一区域内不同VPP“源-荷”资源差异性,解决分布式可再生能源(distributed renewable energy,DRE)波动性与用电行为不确定性造成的功率实时平衡问题,引入集群服务商对包含多类型VPP的集群进行合理管控,构建包含多异质DRE、可控机组、储能、电动汽车以及可控负荷的VPP集群系统架构。对VPP集群内部电能互济进行独立定价以激励VPP参与联合调度,针对随机变量可预测性和累积误差随决策时间推进逐步增加的特性,建立包含日前协调调度与日内滚动优化的两阶段联合优化模型,日前阶段侧重于多VPP集群参与外部市场交易和内部电能互济,日内阶段侧重于VPP功率平衡降低偏差,形成多VPP间电能共享交互的多时间尺度调度策略;最后,以整合不同分布式能源的多VPP集群系统为例进行仿真分析,结果表明,通过多VPP协调互动和多时间尺度滚动优化,有效改善VPP集群系统电能均衡问题,显著提升整体运行经济性。     

考虑多重因素的空调负荷聚合响应潜力评估及控制策略研究

空调负荷已成为电力系统重要的需求响应资源,但由于其类型差异性、接入分散性,造成调度中心难以直接获取其聚合功率并开展调度控制,限制了响应潜力发挥。对此,提出考虑空调负荷聚合响应潜力多类型资源协同调度与精准控制相结合的双层调控框架。在日前调度层,基于近似聚合模型获取空调负荷聚合功率,考虑用户热舒适度、意愿度及可控度等多重因素,建立空调负荷聚合响应潜力评估模型,获取其聚合响应潜力,并结合基础柔性负荷响应特性建立联合调度模型,充分挖掘负荷侧多类型资源参与系统调节的潜力;在日内控制层,针对执行降负荷调温控制策略中空调群组功率跌落现象,为引导其有序参与电网需求响应,建立变状态数的状态队列模型,并引入准备时间对参数异质空调集群进行分组控制,使空调负荷跟随调度计划,提升控制精度,缓解功率跌落对系统运行产生的影响。最后,通过某简化配网系统进行仿真分析,结果表明:所提双层调控框架在调度层可深度挖掘并引导利用空调负荷响应潜力,在控制层实现精准控制并削弱功率跌落负面影响,工程应用价值显著。     

单边限幅参与的并网VSC系统次同步振荡近似分析

针对电力电子设备引起的次同步振荡问题,现有研究集中在无法计及限幅的小信号模型分析或考虑限幅对称的近似分析,但极少考虑不对称的单边限幅的影响。针对不对称的单边d轴电流限幅(AU-d-CL,或上电流饱和限幅)参与的并网电压源换流器(voltage source converter,VSC)系统的次同步振荡现象,采用单边限幅的描述函数和广义Nyquist判据进行近似分析。具体地,首先,建立了并网VSC系统的简化模型,分析了其小扰动稳定性,并分析了AU-d-CL参与的负阻尼振荡现象。其次,给出了VSC系统的频域模型和AU-d-CL的描述函数。最后,结合AU-d-CL的描述函数和广义Nyquist判据,近似计算了不同参数和限幅值时的振荡幅值和频率,结果表明计算结果和仿真结果基本一致,可解释次同步振荡在限幅值改变时,频率基本不变,振荡幅值变化的现象。