基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

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.     

盾构隧道施工物料无人运输发展现状及关键技术

盾构隧道施工物料无人运输有助于提升运输效率、降低运输成本、减少运输安全事故率。与公路汽车无人驾驶、港口车辆无人驾驶、轨道交通无人驾驶等逐步成熟的无人驾驶技术不同，在隧道场景下实施施工物料无人运输存在运输物料种类繁多、运输调度困难、地下定位信号拒止、狭窄车道频繁会车、行车路面工况复杂、地上地下联动响应慢等诸多挑战。从实现盾构隧道施工物料无人运输的关键问题分析入手，综述当前盾构隧道施工物料运输方式、运输需求、无人运输发展现状及存在的挑战，提出盾构隧道施工物料无人运输的五大关键技术：多种类物料智能货控能效管理技术，无人化垂直装卸门机控制技术，多传感器融合同步定位与地图构建技术，隧道复杂环境路径规划与自主避障技术，隧-地一体化联动响应的高可靠性无线通信技术。     

Increasing Probability of Detecting Acoustic Emission Sources Using Artificial Neural Networks

Russian Journal of Nondestructive Testing - We study the possibilities of reducing the location error of acoustic emission (AE) sources for cases where AE sources are located near AE receiving...     

Engineering A-site cation deficiency into LaCoO3 thin sheets for improved microwave absorption performance

Journal of Materials Science - Rationally designing microwave absorption materials with highly efficient and tunable bandwidth is in great demand but remains a huge challenge. In this study,...     

An Efficient Approach for Nodal Water Demand Estimation in Large-scale Water Distribution Systems

Water Resources Management - Real-time modeling of a water distribution system (WDS) is a critical step for the control and operation of such systems. The nodal water demand, as the most important...