基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

北斗星历解析及实时卫星位置解算实现

利用 C 语言编程进行北斗卫星星历数据的实时读取，更新结构体的卫星轨道参数， 从而实现北斗卫星位置的解算，并与武汉大学数据中心提供的北斗精密星历作比较，对解算的卫星位置结果进行评估，最大误差不超过 3.5 米，满足实际应用需要。     

外军地面无人装备发展现状与趋势研究

随着通信、计算机、人工智能和传感器等技术的飞速发展与广泛应用，地面无人装备日趋活跃在作战、搜救和消防等多种军民用任务场景中。对于军事领域而言，地面无人装备是陆军和其他地面作战部队迈向无人化、智能化战场的核心装备，将在未来陆战场各类作战任务中发挥不可替代的作用。通过对外军各类典型地面无人装备发展现状进行深入分析，总结出该装备领域的发展特点与趋势，对地面无人装备发展有一定的借鉴意义。     

“电工学”国家级一流课程建设与实践

根据新时代新工科人才需求特点和电工学课程特点,分析非电专业学生的电类实践需求,提出构建电工学课程为核心的电工电子实践创新能力培养新体系。通过优化教学内容、开展教学模式和考核模式改革、构建教学资源体系和进行教师队伍建设,使我校电工学课程教学质量提升、学生工程实践和创新能力提高、学生满意度增加、一流课程建设成效显著。     

锁紧机构防脱落保持架设计与分析

针对锁紧机构保持架在恶略环境下,反复振动过程中保持架上钢球脱落问题,提出了一种新型防脱落保持架设计方案,重点介绍了锁紧机构中保持架的工作形式,通过ANSYS进行有限元仿真分析,得出新型保持架结构满足刚强度要求以及热变形要求,且在随机振动6.06 g条件位移小,能有效免锁紧机构直线运动时钢球从外部脱落的可能,提高了锁紧机构工作过程中的可靠性与安全性.