GRU和GBDT混合模型在早产风险预测中的应用

早产是新生儿死亡及病残的首要原因, 且影响新生儿的远期健康. 然而早产的准确预测一直是医学上的一个难题. 目前医学上早产的早期筛查多基于特殊检查, 但因成本核算等问题难以大规模临床应用, 而电子病历的普及和人工智能技术的发展, 为产科疾病的早期风险评估提供支持. 本文利用产科电子病历的诊疗信息, 构建GRU和GBDT的...     

基于书法文字统计结构混合模型的笔顺提取

离线手写体的笔顺提取中用到的相邻笔段间最小曲率的假设,对于中文书法文字的笔顺提取并不完全适用,为此提出基于书法统计结构混合模型,通过该模型获得笔顺的新方法,其步骤是:(1)按照书法文字模型提取样本的相关特征,(2)按照输入样本使用粗糙选择获得候选样本集,(3)使用条件密度传播算法从已知笔顺的候选样本集中搜索出和输入样本最佳匹配的样本.对100个书法文字中的15个常用部首进行笔顺提取,基于最小曲率的Kalman滤波和新方法的准确率分别为42%和91%.     

CAD技术与工业设计的发展

主要介绍目前的工业设计软件系统对工业设计发展所起的促进作用，并论述了它们的不足之处，提出了中国工业设计软件的发展方法和方向。     

CAD技术与工业设计的发展

主要介绍目前的工业设计软件系统对工业设计发展所起的促进作用，并论述了它们的不足之处，提出了发展中国工业设计软件的发展方法和方向     

基于多因素线索长短期记忆模型的血压分析预测

高血压是危害健康的重要因素，为了预防血压突然升高造成严重后果，在传统长短期记忆（LSTM）网络基础上，提出一种多因素线索LSTM模型，适用于血压的短期预测和长期预测，能够对血压的不良变化提前作出预警。模型中用到的多因素线索包括时序数据线索和上下文信息线索（包括个人基本信息和环境信息）两大类，使得血压预测不仅提取血压数据本身的特征，还提取与血压相关联的时序数据变化特征和其他关联属性的数据特征。模型首次将环境因素加入血压预测，并采用多任务学习方式，能够更好地捕捉数据之间隐藏的关联性，提高模型泛化能力。实验结果表明，所提模型相较于传统LSTM模型和添加了上下文信息层的LSTM（LSTM-CL）模型在舒张压的预测误差与预测偏差方面分别降低2.5%，3.8%和1.9%，3.2%，在收缩压的预测误差和预测偏差分别降低0.2%，0.1%和0.6%，0.3%。     

基于变长时间间隔LSTM方法的胎儿异常体重预测

孕妇的产前体检是围产医学的重要组成部分,产前预测胎儿体重可以为判断胎儿健康发育提供准确的参考.孕妇的多次体检记录在孕周时间上有不均匀时间间隔分布的特点.本研究对不均匀时间间隔的处理提出了LSTM模型的变种——变长时间间隔的LSTM模型（Variable Time Interval LSTM,VTI-LSTM）.本研究数据来源于2015~2018年多家妇产科医院的10 473个孕妇的122 462条体检记录.实验比较了传统的公式估算法以及GBDT,MLP,SVR,RNN,LSTM,VTI-LSTM等机器学习方法的胎儿体重预测结果,其中,VTI-LSTM在低体重和巨大儿的预测上取得良好的预测结果.     

基于网络的纺织品印花流行图案创新设计探讨

利用网络、图像数据库、CAD等先进信息技术，建立纺织品印花流行图案创作与交流共享平台，是增强产品创新设计能力和提升行业竞争力的有效途径。文中介绍了具体做法。     

CAD技术与工业设计的发展

主要介绍目前的工业设计软件系统对工业设计发展所起的促进作用，并论述了它们的不足之处，提出了中国工业设计软件的发展方法和方向。