简介:举重过程人体肌肉等效力矩是分析其技术动作特征的重要指标。利用计算机和高速数字摄像技术拍摄举重过程序列图像,提取人体关节点坐标,计算人体各环节肌肉等效力矩、角速度等刚体力学参数并分析其特征。结果表明,运动员举起杠铃重量的能力在很大程度上取决于上臂和前臂的肌肉爆发力矩,上臂和前臂肌肉等效力矩均显著大于其它环节的数值,大腿肌肉的等效力矩大小仅次于上臂和前臂;运动员在杠铃抓举上肩阶段消耗的体力较大,其人体各环节肌肉等效力矩数值在该阶段要高于杠铃挺举上举阶段;举重过程杠铃应尽量贴近运动员身体,相对缩短人体对杠铃发力的阻力臂,降低举起同样杠铃重量所需的人体各环节肌肉的等效力矩。
简介:以硝酸和过氧化氢混合溶液为消解溶剂,利用微波消解法制备鲢鱼肌肉样品溶液,再应用全谱直读电感耦合等离子体发射光谱(ICP-OES)法对鲢鱼肌肉中所含的矿物元素进行较为全面的定性定量分析。定性结果显示,鲢鱼肌肉中含有19种矿物元素,分别是K、Ti、Al、Ga、B、Ba、Ca、Cd、Cr、Cu、Fe、Mg、Mn、Na、P、Pb、S、Sr、Zn等。定量结果显示,ICP-OES定量分析线性范围宽,可达2个数量级以上;工作曲线线性相关系数在0.999以上;样品测定相对标准偏差(RSD)在0.14%~11.8%;加标回收率测定结果在93.0%~113%;测定结果可为相关应用研究提供参考数据。
简介:本文通过构造Lyapunov函数和利用不等式分析技巧,研究了具有时滞的细胞神经网络的稳定性,给出了与时滞无关的网络渐近稳定的充分判据,该判据可用于时滞细胞神经网络的设计与检验,有重要的理论意义与应用价值。
简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。
简介:为了提高潜器导航定位精度,针对等值线算法在惯导系统初始误差较大时易发散的问题,提出基于概率神经网络调优的等值线改进方法。首先,在搜索区域内,利用概率神经网络算法对惯导系统航迹进行调优,并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹;在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析,得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论,然后在潜器行驶6h后,初始误差为5.438?的条件下进行仿真验证,结果表明,改进方法定位精度均值优于0.537?,从而证明改进方法是有效的,即使在大的初始误差下仍然能够达到较高的定位精度。
简介:为便于进行数据分析,首先将教据中的位点信息由原来字母编码方式转换为数值编码的方式.根据位点的编码信息和患病信息,采用Logistic回归的方法,找出某种疾病最有可能的一个或几个致病位,最.同时采用显著性检验进一步对建立的模型进行检验,证明了建立结果的合理性。此外,通过主成分分析,从原有的300个主成分中取出了225个主成分尽可能多地反映原来基因变量的信息。再通过主成分Logistic回归分析找出与疾病最有可能相关的一个或几个基因。最后,采用典型相关分析找出与相关性状有关联的基因位点。