最新設(shè)計(jì)資源

基于遺傳算法的輸變電設(shè)備數(shù)據(jù)補(bǔ)全*[電源技術(shù)][智能電網(wǎng)]

在數(shù)字孿生技術(shù)的發(fā)展下，我國(guó)電網(wǎng)行業(yè)也在由原來(lái)的物理電網(wǎng)逐步向數(shù)字電網(wǎng)發(fā)展。輸變電設(shè)備作為電網(wǎng)中的電能輸送和傳輸?shù)臉屑~設(shè)備，其運(yùn)行的可靠性直接關(guān)系到電網(wǎng)的安全穩(wěn)定運(yùn)行。因此，及時(shí)掌握輸變電設(shè)備當(dāng)前的運(yùn)行狀態(tài)以及未來(lái)一段時(shí)間的運(yùn)行趨勢(shì)，實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行狀態(tài)的準(zhǔn)確評(píng)估，對(duì)于保證設(shè)備安全可靠運(yùn)行具有重要意義。然而，在目前的實(shí)際應(yīng)用過(guò)程中，受限于傳感裝置穩(wěn)定性差、現(xiàn)場(chǎng)運(yùn)行環(huán)境惡劣、電磁環(huán)境復(fù)雜等原因，輸變電設(shè)備的狀態(tài)量數(shù)據(jù)會(huì)出現(xiàn)數(shù)據(jù)缺失造成獲得的數(shù)據(jù)質(zhì)量較差，這會(huì)直接影響設(shè)備狀態(tài)評(píng)估模型的準(zhǔn)確性。提出一種基于遺傳算法的輸變電設(shè)備缺失數(shù)據(jù)補(bǔ)全方法，首先對(duì)變換域隨機(jī)賦值，然后通過(guò)實(shí)現(xiàn)稀疏域中系數(shù)向量最小化達(dá)到缺失點(diǎn)恢復(fù)的效果。實(shí)驗(yàn)證明，該算法能夠準(zhǔn)確地恢復(fù)缺失數(shù)據(jù)。

發(fā)表于：9/22/2023

基于多尺度注意力融合網(wǎng)絡(luò)的胃癌病理圖像分割方法*[人工智能][醫(yī)療電子]

近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于編解碼的圖像分割方法在病理圖像自動(dòng)化分析上的研究與應(yīng)用也逐漸廣泛，但由于胃癌病灶復(fù)雜多變、尺度變化大，加上數(shù)字化染色圖像時(shí)易導(dǎo)致的邊界模糊，目前僅從單一尺度設(shè)計(jì)的分割算法往往無(wú)法獲得更精準(zhǔn)的病灶邊界。為優(yōu)化胃癌病灶圖像分割準(zhǔn)確度，基于編解碼網(wǎng)絡(luò)結(jié)構(gòu)，提出一種基于多尺度注意力融合網(wǎng)絡(luò)的胃癌病灶圖像分割算法。編碼結(jié)構(gòu)以EfficientNet作為特征提取器，在解碼器中通過(guò)對(duì)多路徑不同層級(jí)的特征進(jìn)行提取和融合，實(shí)現(xiàn)了網(wǎng)絡(luò)的深監(jiān)督，在輸出時(shí)采用空間和通道注意力對(duì)多尺度的特征圖進(jìn)行注意力篩選，同時(shí)在訓(xùn)練過(guò)程中應(yīng)用綜合損失函數(shù)來(lái)優(yōu)化模型。實(shí)驗(yàn)結(jié)果表明，該方法在SEED數(shù)據(jù)集上Dice系數(shù)得分達(dá)到0.806 9，相比FCN和UNet系列網(wǎng)絡(luò)一定程度上實(shí)現(xiàn)了更精細(xì)化的胃癌病灶分割。

發(fā)表于：9/22/2023