简介：如果拥堵费阻力过大,采用上海等城市采用的牌照拍卖制度也能有效避免车辆购置权分配与实际需求不匹配的浪费问题。6月15日,北京市交通委公布了新的对外地牌照汽车进行进一步限行的通告。原本外地牌照车辆除了不允许上二环路和长安街主路以外,只是工作日早晚高峰不允许进入五环内部行驶,其他时间只要在手机上办理进京证,就可以在绝大部分路段行驶。推行新政后,不但限行区域从

简介：神经调控技术作为一种不破坏神经组织的可逆性神经外科疗法,在疼痛、帕金森病、癫痫、强迫症等功能性神经疾病和精神疾病的治疗上有显著疗效,应用前景广泛。文中介绍了脊髓刺激器、脑深部刺激器,迷走神经刺激器和骶神经刺激器为代表的神经刺激器技术和应用现状,结合脑深部刺激器,迷走神经器和骶神经刺激器的国产化进程,分析了神经刺激器的未来发展趋势。

简介：人脸关键点定位是计算机视觉的一部分,在人脸识别、人脸表情识别、人脸动作捕捉等工作中有重要的作用.非约束条件下人脸关键点定位,其难点在于人脸关键点位置在复杂环境下呈现非线性变化,影响人脸关键点定位的精准性.现提出基于级联卷积神经网络的人脸关键点定位方法,分析了级联深度模型全局回归阶段多尺度特征融合对人脸关键点定位的影响;同时提出了一种具有可学习参数的人脸关键点定位损失函数.经过大量实验表明,这里提出的人脸关键点定位算法能够有效的提高针对非约束条件下人脸关键点定位精确度.

简介：2018年10月18日,中国计量大学迎来了40周年华诞.国家市场监督管理总局副局长、国家标准化管理委员会主任田世宏,浙江省人民政府副省长成岳冲,浙江省政协副主席马光明,国际法制计量组织(OIML)顾问工作组主席、中国计量测试学会理事长、原国家质检总局副局长蒲长城,国际标准化组织(ISO)原主席张晓刚,中国工程院院士、中国计量大学名誉校长庄松林,中国工程院院士周立伟,中国工程院院士徐磊,中国科学院院士张泽,中国工程院院士庞国芳,中国科学院院士王立军,中国工程院院士杨华勇,中国工程院院士王锐等领导和嘉宾出席庆祝大会.国际标准化组织(ISO)、国际计量局(BIGPM)和国际电工委员会(IEC)等国际计量标准机构发来了贺信,祝贺中国计量大学在引领全球标准化教育,推动计量学发展,培养计量、标准、质量人才方面取得的巨大成功.

简介：重症监护室(IntensiveCareUnit,ICU)的监护种类繁多,然而许多监测大多都是有创监测,研究表明有创监测可能会增加患者出现并发症(如出血、感染)的风险,因此在重症监护病房(ICU)发展非侵入性的、连续的智能监控技术势在必行。深静脉血栓形成(DeepVeinThrombosis,DVT)可能引起严重发病率,常见于住院患者,尤其是术后人群。休克可能导致急性血流量减少,代谢异常,无氧代谢,细胞和器官功能障碍,如果时间延长,可能导致不可逆转的损害和死亡。ICU的患者基本都是危急重症,生命体体征不稳定,随时都可能会出现生命危险,需要医护人员24小时全天候监护,因此对ICU中医护人员进行疲劳监测很有必要。我们采用近红外光谱(Near-InfraredSpectroscopy,NIRS)这种非侵入性的、有效的、以及非电离测量的实时技术开发了一系列设备对DVT、休克、疲劳以及水分、深部组织温度和血流动力学参数的监测。与此同时,心电(EEG)、光学体积描记术(PPG)、压力脉搏波(PPW)等参数也是ICU监护中必不可少的,我们设计了一种无创、低成本监测系统,对系统中信号的稳定性进行了测试并验证了设备的可靠性。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。