简介:【摘要】:本项目为了对车辆轻量化中的无铆钉冲压连接进行优化,引入深度学习中的全连接神经网络,通过传感器传回的实时接头数据,对压力连接接头的力学性能进行实时检测,并传回控制主板经由神经网络的感知、处理、预测、优化、输出控制接下来的工艺参数。
简介:摘要:众所周知,我国目前处于一个重要信息化和智能化背景之下,各种智能技术已经在各个领域内进行运用,并且随着时间的推移,这些智能技术均起到了很好的效果和作用,人脸识别技术正是其中之一。在现代社会发展过程中,人脸识别系统和算法已经在信息验证、人物信息识别等等方面进行运用,而且现代国内的电子商务和网络银行开始广泛进行运用,因此人脸识别算法无论是在当前还是未来的发展进程中,均具有很好的发展和应用前景,因此,在后续的发展过程中,需要重视人脸识别技术的发展。在本文中主要介绍一种基于RBF神经网络的人脸识别算法,其主要目的在于促进国内人脸识别水平得到对应的提升。
简介:【摘要】目的:探究CT灌注成像在肝脏肿瘤诊断中的应用。方法:随机择取我院2019年1月-2020年10月期间收治的62例肝脏病变患者作为研究对象,36例良性肿瘤患者作为实验Ⅰ组,26例恶性肿瘤患者作为实验Ⅱ组。使用CT灌注成像影像检查并记录成像特征,以手术病理诊断结果为金标准,计算诊断准确性、特异性和敏感度。结果:和实验Ⅱ组相比,实验Ⅰ组血流量、肝脏灌注指数和血容量更低,前两项差异显著有统计学意义(P<0.05),后一项差异较小无统计学意义(P<0.05)。CT灌注成像诊断肝脏肿瘤良恶性病变准确率达到90.32%,诊断正确率较高。结论:CT灌注成像可用于鉴别肝脏肿瘤良恶性病变,可为临床诊断提供有参考价值信息,提倡在临床上应用。
简介:摘要:目的:在肿瘤护理中进行PICC技术的使用,并对其最终的应用效果进行深入的研究与分析。方法:选择100例符合本次调查研究各项指标的观察者,参与到本次调查研究当中来,这100例患者均为确诊的肛肠科肿瘤患者,其中50例患者将会使用普通的护理方式进行病症护理,另外50例患者将会进行
简介:摘要:目的研究神经内科中风险管理的应用。方法回顾性选取2016年11月—2019年11月我院患者100例,依据护理方法分为风险管理组(n=50)和常规管理组(n=50)两组,统计分析两组患者的护理效果、不良风险事件发生情况。结果风险管理组患者的基础护理、消毒卫生评分(94.3±15.8)分、(96.7±13.6)分均显著高于常规管理组(68.7±13.2)分、(76.4±13.2)分(P<0.05)。在不良风险事件发生率方面,风险管理组为2.0%(1/50),常规管理组为14.0%(7/50),前者显著低于后者(P<0.05)。结论神经内科中风险管理的应用效果较常规管理好,更能有效提升护理效果,降低良风险事件发生率,值得在临床推广应用。
简介:摘要 手写数字识别技术在近年来的应用逐渐广泛,人们对手写数字识别技术的要求也逐渐增高。卷积神经网络模型由于其良好的功能越来越广地被应用与手写数字识别领域,识别精度也在逐渐提高。本文首先针对卷积神经网络的构成结构进行简单的叙述,之后针对卷积神经网络技术在手写数字识别领域中各种形式的优化与其应用进行综述,最后分析了目前手写数字识别技术的主要优点以及还存在的不足,并进一步展望未来的研究发展方向。
简介:摘要:本文简述了人工神经网络的概况以及BP神经网络模型,通过分析BP神经网络对混凝土配合比、强度以及寿命的预测,表明BP神经网络预测精度较高,已经广泛的运用在混凝土预测中,具有实用价值。
简介:摘要:目的:分析耳鼻喉恶性肿瘤患者的临床医学资料,探讨恶性肿瘤的病理特征、规律和发展趋势,为恶性肿瘤的预防和临床治疗提供参考。该方法对2004年1月至2014年1月收治的耳鼻喉恶性肿瘤患者进行分析,比较前5年组和后5年患者的年龄、性别构成比、肿瘤部位、病理类型等。恶性肿瘤的发生规律和发展趋势。结果耳鼻喉恶性肿瘤发病率无显着个体差异,但45~55岁及≥55岁患者的肿瘤比例较高;肿瘤患病率低,喉部恶性变与良性肿瘤之比为23:13;耳鼻喉良性肿瘤的关键是鳞状乳头状瘤、内翻性乳头状瘤和神经纤维瘤,肿瘤的关键是鳞状上皮癌、腺癌、横纹肌瘤和纤维肉瘤。前5年的肿瘤比例小于后5年。结果耳鼻喉肿瘤有年轻化和恶性趋势,但肿瘤的病理类型无明显变化。
简介:摘要:基于卷积神经网络的隐写分析能够实现更高维特征的表达,提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状,然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后,详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁,并以此为基础,讨论了下一步隐写分析可能的研究方向。
简介:摘要:全球导航卫星系统(GNSS)是一种高度精确、连续、全天候和近实时微波技术,其中GPS的应用最为广泛,目前GPS已经能够达到毫米级的平面坐标定位精度,这种优势能够大大缩减人工测量的时间,提高效率,但是由于GPS所测高程和我国工程测量中使用的高程基准面不同使得GPS高程测量值的应用受到限制。针对将GPS高程测量值通过拟合方法转换为工程坐标下的正常高的研究有着广泛的实用价值。本文采用目前流行的BP神经网络法对测区范围内GPS所测得的大地高数据进行拟合,基于GPS测量得到已知点坐标和高程异常,建立两者之间的神经网络关系,并对网络进行训练,根据预测值和实际值之间的差异对网络中的权值和阈值进行重复计算修改,最后使得预测与实际值之间的误差满足要求,计算外符合精度并对未知点的高程异常值进行预测。通过MATLAB实现BP神经网络高程拟合并与多项式曲面拟合方法进行精度比较,最后得出BP神经网络拟合精度高且相比于多项式曲面拟合法具有准确性,可靠性和稳定性。