摘要：针对高速公路路面现有裂缝检测网络的精度差、效率低等问题提出一种基于改进YOLOX的裂缝检测网络(Crack-YOLOX).通过引入简单无参数的注意力机制加强网络对路面裂缝的感知能力;采用加权双向特征金字塔网络,增强网络对小尺寸路面裂缝特征的表现能力,并使用HardSwish激活函数,加快网络计算速度;引入EIoU和varifocalloss损失函数来提高网络回归精度.在公开数据集上进行测试,测试结果表明该网络在均值平均精度和每秒传输帧率上均优于对比网络.

摘要：利用合成孔径雷达(SAR)是实施大范围海上监控的主要手段之一.为减少检测范围,要对SAR图像进行海陆分割.根据SAR图像的灰度特性,论文提出一种基于图像复杂度自适应阈值的SAR图像SLIC超像素分割方法,采用像素间方差作为超像素聚类中心判断依据,并根据图像复杂度,自适应调整方差阈值,尽可能减少梯度计算的子域数量.研究结果表明,与传统超像素分割方法相比,基于图像复杂度自适应阈值的分割方法计算速度显著提高.

摘要：针对模型设计以及样本类别不平衡等问题,论文提出一种新型的脑肿瘤分割网络,即NFGAN.对于模型结构设计,基于全卷积网络的生成器模型实现分割网络的端到端输出,将预测图像和标签图像共同输入到判别卷积网络,通过对抗训练来加强学习数据的本质特征以提高分割模型的分割性能.此外,论文提出了基于加权交叉熵和广义骰子的组合损失函数,以此减轻类别不平衡的影响.实验结果表明,所提出的模型在BraTs2018数据集上的整体肿瘤,核心肿瘤和增强肿瘤分割精度分别为0.879、0.812和0.778,相较于传统U-Net模型的分割效果尤为显著.

摘要：谣言的存在可能会破坏市场秩序,导致严重的社会混乱.为了较准确地从微观机制上理解谣言的传播过程,有效减轻谣言对社会的危害,论文在无标度网络上构造基于群组传播的SIHR谣言传播模型,推导相应平均场方程,并进行稳态分析,通过下一代矩阵法计算模型在无标度网络中的基本再生数.在BA无标度网络和WS小世界网络中,采用Monte Carlo法对基于群组传播的SIHR谣言传播模型进行数值仿真,仿真结果表明,在相同的参数下,该模型在BA无标度网络的谣言传播时间小于WS小世界网络;群组传播加快了谣言传播的速度,增加了传播节点的规模.

摘要：深度强化学习能让六足机器人在复杂环境下通过训练得到一个最优避障策略,从而完成避障任务.然而,在环境中的障碍物发生变化后,通常需要花费大量的时间对六足机器人的避障策略重新进行训练.因此,六足机器人的动态避障仍是一个具有挑战性的任务.论文基于增量强化学习方法搭建了六足机器人的动态避障模型来实现六足机器人的动态避障.首先,通过策略松弛机制对已学到的避障策略进行松弛,避免策略陷入局部最优.其次,通过重要性加权机制给有效的状态赋予更高权重用于更新避障策略,从而加速避障策略的训练过程.所有的实验结果表明,论文提出的六足机器人动态避障模型相对于基线方法在障碍物发生变化后能更高效地完成六足机器人的避障策略调整.

摘要：一.总要求 为了帮助向本刊投稿的作者按规范著录参考文献,现将常见类型文献的著录格式作如下要求. 本刊要求双语参考文献,所有的中文参考文献均需附英文译文,示例如下: 示例1: [1]焦李成,杜海峰,等.免疫优化计算、学习与识别[M].北京:科学出版社,2006.

摘要：人体姿态估计通常需要对图像中人体的关节位置和姿态进行检测,但是由于遮挡、复杂的纹理、光照变化等因素的干扰,导致相关特征提取困难.因此,人体姿态估计仍是一个具有挑战性的难题.面对这一难题,论文在原始的Con-vNeXt V2网络模型基础上,提出了一种基于改进的ConvNeXt V2的人体姿态估计算法.将一个标准大核卷积拆解成深度卷积(depthwise convolution,DW-Conv)、深度扩张卷积(depthwise dilation convolution,DW-D-Conv)和1×1的通道卷积(1×1 Conv)三个卷积,在不改变感受野的基础上,不仅可以降低计算量,还可以捕获长距离相互依赖特征.另外,在网络中加入注意力机制,实现了空间维度和通道维度的自适应,提高了网络对特征提取的能力.最终实验结果表明,经改进的ConvNeXt V2网络在人体姿态估计上比原始的ConvNeXt V2网络以及其他网络有了一定程度的提高.

摘要：近年来,宽带卫星系统中随着通信任务需求的增多,时间窗口冲突等约束使得资源调度问题愈发复杂,因此论文提出了一种基于多策略改进蚁群算法(Multi-strategy improved ant colony algorithm,MIACO)的宽带卫星通信系统中异步时分复用(ATDM)前向链路资源受限条件下的最优资源调度模型.首先以系统吞吐量为优化目标,以调制编码模式、复帧数量和优先级等为约束,建立了卫星资源调度模型.然后为求解所提模型,并考虑ACO收敛速度过慢及易陷入局部最优等缺点,提出了一种基于Tent映射的业务生成策略,蚁群因子自适应更新策略和全局信息素更新策略相结合的MIACO.最后仿真实验表明,与GA和ACO相比,所提算法寻优精度和收敛效率优越性较强,所提模型已调度业务量及系统吞吐量提升较大.

摘要：针对自然场景下人脸图像进行人脸检测时易受到光照变化、部分遮挡、不同人脸姿态等复杂情况影响,该文提出一种复杂场景下快速检测遮挡人脸的新模型DDH-YOLOv3.首先,引入改进的多尺度DRFBs视野感受模块并且优化了网络结构来增大网络感受野并加强特征提取能力;其次,对CBAM模块做了针对性的改进,引入ECA模块替换通道域以降低模块复杂性并采用并行嵌入的方式进一步提高模型对遮挡人脸特征的提取能力;最后,为了降低模型对遮挡人脸的漏检率,改用了DIoU作为边界框损失函数,以及为了更好地适应实际场景的要求,自建了包含光遮挡、实物遮挡、自遮挡以及清晰的大量人脸照片的数据集.经实验验证:在自建遮挡人脸数据集上改进后模型比YOLOv3的平均精度(mAP)提升了5.69%,每秒检测帧数(FPS)提升了28.81 s.同时,提出的算法针与其他几种先进目标检测算法相比在自然场景下遮挡人脸快速检测任务更具有竞争力.最后,论文将改进后的算法移植到ZYNQ平台进行测试.

摘要：论文探讨气象因素对新冠肺炎(COVID-19)预测效果的影响.综合考虑日最高温度、日最低温度、日平均温度、日平均风速等气象因素和每日现有的新冠确诊病例数据,构建多变量长短期记忆神经网络(LSTM)预测模型.同时,为了能够提升预测模型的精度和运行效率,对多变量输入数据进行了降维处理,使用斯皮尔曼相关系数(Spearman)选取了与每日现有新冠确诊病例数相关度较高的的气象因素作为模型的输入.考虑相关度较高的气象因素和每日现有的新冠确诊病例数据作为模型输入的多变量LSTM模型的预测效果最佳.该实验建立的多变量LSTM预测模型能够较准确地对新冠确诊病例数进行预测,具有较强的泛化能力.

摘要：针对YOLOv5s原模型检测交通标志存在遮挡物体识别检测能力不强、精确度不高和远处的交通标志目标难识别等问题,提出一种基于改进YOLOv5s的交通标志的检测方法.首先通过融入卷积注意力模块(CBAM)和加权双向特征金字塔网络(BiFPN),强化YOLOv5s网络模型对交通标志的检测能力;其次添加小目标检测层,拼接较浅与深特征图,同时采用图像分割与极大值抑制算法,提高识别远处交通标志目标的精确度.实验结果表明,改进模型对比原始YOLOv5s模型不仅在精确度、召回率和mAP@0.5分别提升了8.0%、6.5%和2.7%,而且对较远处目标的交通标志和有物体遮挡的交通标志检测效果有大幅度的提升,改进后的YOLOv5s模型优于原模型且提高了对交通标志检测的准确性.

摘要：准确的分子图像识别对于理解化学的功能及其在各种生物过程中的作用,以及开发新的药物和治疗方法是必不可少的.针对传统的识别分子图像的方式效率低,准确率低等问题,提出了将EfficientNetV2网络和混合注意力机制的多层LSTM相结合,使用训练好的模型对图像进行文本生成,对分子图像进行高效的识别.同时进行了多组机器学习对照试验,更换不同的编码器及解码器以得到对比效果,实验证明,较传统机器学习模型,该模型在分子图像识别上训练时间短,有着更高的准确率,准确率达到93.1%.在分子图像识别领域,EfficientNetV2 和LSTM相结合为分子图像识别提供了一种有研究前景的方法,简化了分子图像识别工作,为未来的化学研究提供帮助.

摘要：使用基学习器梯度提升树(GBDT)和正则化贪心森林(RGF)替换深度森林级联层中的随机森林和完全随机森林,对全局参数进行动态迭代优化;同时,在级联层中引入自适应结构,将前层的分类结果按照正确率进行加权,更新下一层的输入数据,建立了自适应GBDT-RGF级联层深度森林模型.该模型在级联层训练时可加强前层分类正确特征,削弱错误特征,提高模型的分类精确度.另外,针对股票涨跌受多天走势的影响,将预测日之前的股票因子数据进行重组加权,使用加权后的数据预测股票涨跌.实验表明,自适应GBDT-RGF级联层深度森林的多因子量化选股模型,缓解了股票预测滞后性的问题,在2020年1月至2022年6月的沪深300股票池中取得了36.55%的年化收益率,累计收益率最高达到164%,超过深度森林、随机森林等模型收益率.

摘要：红外探测器响应特性漂移严重影响成像质量和系统性能,对其进行成像仿真有助于研究抑制响应特性漂移的方法,提高红外成像系统性能.然而已有的研究工作仅从某个方面进行,没有形成统一的红外探测器响应特性漂移模型,无法有效地用于成像仿真.针对上述问题,论文提出了一种红外探测器响应特性漂移的成像仿真方法.该方法综合了红外探测器成像过程中红外辐射、辐射传输、光电转换和读出电路等研究结果,建立了一个红外探测器响应特性漂移模型,设计了红外探测器响应特性漂移成像仿真处理步骤.仿真实验结果表明,该方法可以有效仿真红外探测器响应特性漂移序列图像.

摘要：为提升深度学习模型在藏文文本分类上的分类效果,文章提出了一种基于CBAt混合神经网络的藏文文本分类模型,对数据集中的14000篇藏文文本进行分类.该研究抛弃传统CNN模型中的池化层,将卷积后的结果直接作为BiL-STM模型的输入,并且引入Attention机制增加模型对藏文文本重要信息的特征提取,以此提高分类准确率.文章同样在此数据集上与传统的机器学习算法、单一以及混合神经网络模型进行对比,从实验结果表明该研究提出的改进混合神经网络模型在藏文文本分类上表现更优.

摘要：为了解决传统变压器状态评估参量的选取受到主观选择性和变压器指标不确定性影响严重的问题,提出了一种基于因子分析法和证据理论的变压器多源信息融合状态评估方法.其中,变压器参数指标通过主成分因子分析法进行提取,并通过方差极大化的方法加以专家组经验和人工巡检参量确定状态评估参量体系;再引入证据理论的电力变压器状态评估,确定隶属度函数,并对隶属度函数进行修正,通过模糊判断结果的反馈迭代优化数据.最终通过240 MVA、220 kV变压器实验验证了所提出的方法能够客观反映变压器运行的真实状态.

摘要：论文提出了一种新的混合粒子群算法来解决传统智能优化算法求解柔性车间调度问题时存在算法搜索前期全局搜索能力不足,后期收敛速度慢、易陷入局部最优的问题.首先使用余弦自适应策略动态调整粒子群算法的惯性权重,有效地改善了算法迭代初期和后期的搜索性能;其次,引入烟花算法的爆炸机制,对每个粒子的历史最优位置进行爆炸搜索,提高其局部精细搜索能力;最后,对每个粒子进行健康度检测,利用狼群算法的"优胜劣汰"思想,将低于健康度阈值的"懒惰粒子"淘汰出种群,并引入狼群更新机制随机生成相同数量粒子进入种群,提高了种群多样性,使算法具有较强的开拓能力.通过对FJSP算例进行仿真实验并对比其他算法,证明所提出的混合粒子群算法在解决FJSP时具有可行性、合理性和高效性.

摘要：特征点算法在图像处理领域有着重要的作用,ORB(Oriented FAST and Rotated BRIEF)特征点提取算法因具有旋转不变性、计算速度快等优点,被广泛使用.传统的ORB特征点算法在光照变换的场景中极易无法检测到特征点,且运行时间还是无法满足强实时系统.论文依据ORB特征点算法原理,使用减少检测区域面积、优化检测流程、优化三角函数求解、动态灰度阈值等方法,对原有的ORB算法进行改进,在提升ORB特征点检测算法速度的同时,提高ORB特征点检测算法在不同光照下的适用性.最后通过实验证明,改进后的ORB算法相比于OpenCV库中算法平均用时更少,且在亮度变化的场景中也可以提取到较多的特征点.改进后的算法可以更合适在视觉SLAM(Simultaneous Localization and Mapping)等实时性强,且使用环境光照易变换的系统中使用.

摘要：论文提出了一种改进鲸鱼优化算法求解柔性车间调度最大完工时间问题.通过ROV值映射将机器选择和工件排序映射到连续优化算法中,在初始化阶段通过Tent混沌策略初始化种群,在WOA的基础上引入非线性控制参数平衡全局搜索和局部搜索,引入Lévy飞行策略扩大种群探索空间,在WOA的更新阶段嵌入TS加强局部搜索能力.最后通过柔性车间标准实例测试算法验证改进鲸鱼优化算法能寻找到更好的解.

摘要：为解决庞大肺部CT数据给医生带来的巨大工作量的问题,论文提出了一种基于改进的U-Net网络的肺结节检测方法.论文方法以U-Net网络作为基本骨架,首先在编码部分加入残差模块,增加网络的深度;然后,在解码部分增加了深监督模块,使浅层能够得到更加充分的训练;最后,在编码和解码部分之间使用了注意力机制模块,使模型更加集中注意力学习有用的信息.实验结果表明,与其他检测方法相比,论文的方法性能更好,在公开的LUNA 16数据集上Dice系数、敏感度和特异度分别是0.8109、90.62%和98.97%.