“数字图像处理”理论与实践相结合的教学模式

"数字图像处理"是一门理论与实践、原理与应用紧密结合的课程,在课堂教学上需要增加理论实现技术的教学环节。本文提出一种面向理论与实践相结合的教学模式,将教学模式从理论灌输教育转向更为务实的专业素质教育,进一步阐述提高课程教学质量的若干思路与举措,为提高学生的实践能力奠定坚实的基础。     

人工智能视听感知机器人虚拟仿真实验平台设计与应用

针对实体机器人价格昂贵、应用困难等问题,文中设计一种人工智能视听感知机器人虚拟仿真实验平台。该平台旨在培养学生运用人工智能技术去设计与开发基于视听觉感知信息控制机器人的能力,拓展学生跨学科知识,提升多专业综合应用能力和自主编程创新能力。通过将自主学习元素融入平台实验设计过程,教会学生运用汉字、语音、手势等方法控制虚拟与实体机器人,实现人工智能技术“理解-部署-调试-应用”一体化。文中对实验平台在实际教学中的应用进行详细介绍,并通过学生反馈给出实验平台的综合评价。     

基于遗传算法的图像聚类设计

遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的搜索最优解方法。作为一种新的全局优化搜索算法,遗传算法以其简单通用、适于并行处理以及高效、实用等显著特点,在各个领域得到了广泛应用。遗传算子的实现方法如选择算子、交叉算子和变异算子以及评估函数、适应度函数的设定方法等是遗传算法的重要组成部分,运用遗传算法可以进行问题求解,从而可以运用遗传算法解决聚类问题。因此,在图像处理、自动控制等方面可以充分利用遗传算法有效地解决图像聚类设计问题。     

FCCU分馏塔产品质量预测系统的设计

为了解决单纯采用正系统模型无法确保预估计值的准确性问题,以神经网络的内模控制预测系统为基础,对对象-正模型-逆系统进行逆变换,建立了输入可测而输出无法测量的预测系统,实现了FCCU分馏塔轻柴油凝固点、粗汽油干点实时在线测量.以实时采集的数据作为检测标准,结果表明,该模型可对生产提供在线的可靠指导,对稳定油品质量、避免质量事故的发生和提高经济效益具有重要的价值.     

仿真手语翻译系统开发

为便利听障人士的正常社会生活,提高其社会融入度,设计开发了基于B/S模式的仿真手语翻译系统.此系统包含语音识别模块、文本分词模块和虚拟人控制模块.采集到的语音经过Mel尺度的小波包分解提取语音声学特征,并进行快速语音识别得到对应文本,使用jieba完成对应的文本分词;同时创建仿真虚拟人模型并为其添加关键帧手语动作,使用...     

模糊推理与神经网络在催化裂化分馏塔装置中的应用

介绍了采用神经网络模型对催化裂化分馏塔的产品质量进行在线预测分析，采用模糊推理的方法，开发基于网络环境下实时在线的故障诊断专家系统。这两种技术相结合，克服了各自的缺陷，实现了优势互补。结果表明该模型具有较高的精度，与化验值的拟合程度较好，给予了在线操作指导，减少质量事故，提高经济效益。     

CLIPS专家系统与神经网络在FCCU分馏塔装置的应用

论文采用神经网络模型对催裂化分馏塔的产品质量进行在线预测分析,采用CLISP与VisualC++语言混合编程的方法,开发基于网络环境下实时在线的故障诊断专家系统。这两种技术相结合,克服了各自的缺陷,实现了优势互补。结果表明该模型具有较高的精度,与化验值的拟合成度较好,给予了在线操作指导,减少了质量事故,提高了经济效益。     

虚拟人引导的脑电信号重要性选择与识别

为了在缺失数据和噪声数据的脑电信号中保持较好的鲁棒性,并揭示脑电信号多通道之间相互作用关系,利用随机森林算法挑选出具有相互作用的重要通道,去除不相关和冗余的通道;利用状态空间模型描述多通道之间的内部运动规律,反映输入输出与内部状态之间的关系;采用EM算法实现状态空间模型的参数辨识作为识别特征;将提取的特征通过SE-GRU模型进行识别,增加了重要特征的权重.上述方法在公共数据集和虚拟人引导的脑电信号数据集上有效提高了分类准确率,相比不进行通道选择的方法取得了更好的效果,并通过最终训练模型实现了对虚拟人的控制.     

基于邻近相点聚类分析的多变量局域多步预测*

针对高维混沌复杂系统的多步预测问题,提出了一种基于邻近相点聚类分析的多变量局域多步预测模型。首先对于多变量邻近相点的选取,结合邻近相点多步回溯后的演化规律和变量间的关联信息对演化轨迹的影响,提出了一种新的多变量演化轨迹相似度综合判据;然后针对选取全局最优邻近相点耗时长的缺点,提出了一种基于邻近相点聚类分析的新方案,来降低多步预测时间,提高预测效率。最后通过Lorenz混沌数据仿真实验,实验结果表明该模型具有优良的预测性能。     

改进Faster R-CNN模型的CT图磨玻璃密度影目标检测

目的 针对Faster R-CNN （faster region convolutional neural network）模型在肺部计算机断层扫描（computed tomography，CT）图磨玻璃密度影目标检测中小尺寸目标无法有效检测与模型检测速度慢等问题，对Faster R-CNN模型特征提取网络与区域候选网络（region proposal network，RPN）提出了改进方法。方法 使用特征金字塔网络替换Faster R-CNN的特征提取网络，生成特征金字塔；使用基于位置映射的RPN产生锚框，并计算每个锚框的中心到真实物体中心的远近程度（用参数“中心度”表示），对RPN判定为前景的锚框进一步修正位置作为候选区域（region proposal），并将RPN预测的前景/背景分类置信度与中心度结合作为候选区域的排序依据，候选区域经过非极大抑制筛选出感兴趣区域（region of interest，RoI）。将RoI对应的特征区域送入分类回归网络得到检测结果。结果 实验结果表明，在新冠肺炎患者肺部CT图数据集上，本文改进的模型相比于Faster R-CNN模型，召回率（recall）增加了7%，平均精度均值（mean average precision，mAP）增加了3.9%，传输率（frames per second，FPS）由5帧/s提升至9帧/s。特征金字塔网络的引入明显提升了模型的召回率与mAP指标，基于位置映射的RPN显著提升了模型的检测速度。与其他最新改进的目标检测模型相比，本文改进的模型保持了双阶段目标检测模型的高精度，并拉近了与单阶段目标检测模型在检测速度指标上的距离。结论 本文改进的模型能够有效检测到患者肺部CT图的磨玻璃密度影目标区域，对小尺寸目标同样适用，可以快速有效地为医生提供辅助诊断。