简介：摘要：近年来，社会进步迅速，我国的现代化建设的发展也有了进步。随着现在经济水平的提升，越来越多的人注重身体的体检。CT体检对于病变尤其是对早期病变的筛查体现的尤为重要。身体康健的人群的体检相比于门诊患者的检查，他们更注重检出的阳性病变，并且体检人群的检查具有一定的周期性，大幅度的剂量辐射很容易给身体带来无法逆转的损伤。近年来随着螺旋CT检查的普及和其对于微小病灶检出的敏感性，螺旋CT在胸部疾病的检查中越来越广泛，可是由于CT的辐射剂量相较于普通X线摄影要高出很多，在检查出微小病变的同时，较高的放射剂量也成为了诱发人体疾病的潜在危险因素。于是，在保证图像质量满足临床要求的前提下减少放射剂量已经成为当下热门的研究热点。降低辐射剂量的方法有很多如降低管电压、减低管电流、自动管电流调制技术、增加螺距等等，但都会出现图像噪声大的特点。

简介：对于离散非线性系统迭代学习控制,在最优迭代因果学习律的存在性条件算法收敛性条件基础上,针对实际应用,提出了一种近似迭代算法,证明了近似迭代控制收敛于最优控制.

简介：针对常见的PD型迭代学习控制算法收敛速度慢、收敛精度低的问题,提出了一种具有自适应学习的开环PD型迭代学习控制算法。该算法融合自适应学习和开环PD型学习律,采用自适应因子来优化学习率,通过数学方法证明了其收敛性,并通过仿真验证了算法的有效性。

简介：通过对一类离散系统的迭代学习控制问题的讨论提出了一种新的迭代学习控制算法，证明了新算法的收敛性。该算法与目前的算法具有完全不同的形式，可通过调节参数提高算法的收敛速度。

简介：摘要 随着人工智能技术的不断发展，深度学习正在迅速崛起.它可以把复杂的信息结构转换成更加简单易懂的模型，并且可以根据不同的模型结构，快速地提取出更多的信息，这使得它可以更好地帮助人类理解和预测未来的行业，比如图像处理、语音处理和自动驾驶。因此，将深度学习算法应用于推荐系统具有十分重要的意义。

简介：提出了求解线性规划（LP）问题的一种新方法-筛选迭代算法。它通过筛选n维LP问题的n个控制约束方程（不添加驰变量）的方法求得LP问题的最优解。

简介：由于天然河流复杂水力特性,传统水面曲线计算存在诸多不足.本文从非均匀流能量方程入手,推演出了以水深为变量,成果精确且操作简便的水面曲线计算的迭代形式,进而对迭代收敛性进行了简要分析,结合算例定量比较了各类河段流量模数公式造成水面曲线成果的偏离情况.

简介：为了求解非线性方程f（x）=0,本文给出一个新的迭代算法,即xn+1=xn-(xn-xn-1)/(3f（xn）-4f((xn+xn-1/2)+f(xn-1)f（xn）这个新方法集弦割法和抛物线法的优势于一身,具有更快的收敛速度,已经证明:这个新方法的收敛阶至少是二阶的。

简介：摘要：行人检测一直是计算机视觉领域的研究热点，本文指出了行人检测的问题和遇到的难点，并对传统的行人检测方法进行了研究，最后讨论了基于深度学习方法的行人检测算法。

简介：

简介：摘要：基于内容的图像检索(CBIR)自90年代初期就已成为计算机视觉领域中一个具有挑战性的问题。其目的是根据查询图像的语义信息从具有海量图片的数据集中找到与查询图像在语义上相似的图像。CBIR方法可以分为两个不同的任务，即类别图像检索(CategorylevelImageRetrieval,CIR)和实例图像检索(InstancelevelImageRetrieval,IIR),也称为实例检索。CIR的任务是找到与查询目标相同类别的任意图像，而IIR的任务是找到与包含特定实例相同实例的查询图像。

简介：摘要：深度学习已经在目标检测领域取得了显著的进展，通过自动学习特征表示和端到端的训练方式，提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述，包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测，具有实时性和高效性，但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位，但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来，深度学习目标检测算法将进一步发展，结合单阶段和两阶段的优势，以提高性能和效果。

简介：摘要：深度学习技术在视频监控系统中的应用已经成为当前研究的热点之一。本文介绍了基于深度学习算法的视频监控系统的设计与实现。首先，对现有的视频监控系统中存在的问题进行了分析，然后提出了使用深度学习算法来实现视频内容的实时识别和分析。接着介绍了系统的整体架构，包括视频数据的采集、预处理、深度学习模型的训练以及实时监控与报警系统的设计。在系统实现方面，采用了卷积神经网络（CNN）进行视频内容的识别和分析，结合GPU加速实现了高效的实时处理。最后，通过实验验证了系统在人脸识别、行为分析等方面的性能，结果表明基于深度学习算法的视频监控系统在实际应用中具有较高的准确性和效率。

简介：针对目前网络安全中，数据加密技术存在加密强度、运算量大等缺陷，提出了一种基于迭代置换的MD5改进算法。首先将MD5以512位的分组来处理输入的信息，然后每一分组又被划分成为16个32位的子分组，经过了填充尧加长、分块、迭代、置换5个步骤，输出由8个64位的分组，最后将这8个64位的分组结合后映射生成一个256位散列值。改进后的MD5算法与已有的算法对比，更加有效地保证了用户的密码安全。

简介：本文讨论Hilbert空间上具有强单调、上半Lipschitz连续性质的多值算子方程的求解方法，构造了迭代格式并证明迭代过程是收敛的；同时给出它在求解多值微分方程边值问题中的应用。

简介：摘 要：本文主要研究了天眼反射面板拟合抛物面过程，建立以刚体空间运动原理与抛物面的性质的工作态球面拟合模型，利用牛顿迭代法、梯度下降法、优化模型进行求解。

简介：摘要：本文探讨了深度学习与机器学习算法在通信网络中的应用。首先介绍了通信网络的基本架构，包括通信设备、传输介质和通信协议等。随后，分析了深度学习与机器学习在通信网络中的多个应用场景，包括信道估计与均衡、调制识别与解调、资源分配与功率控制等方面。在信道估计与均衡方面，深度学习算法能够准确建模复杂信道特性，提高信号接收质量。在调制识别与解调方面，深度学习通过学习大量信号样本，实现准确识别和解调调制信号。资源分配与功率控制方面，深度学习算法能够智能优化资源利用，提高系统效率。接着，讨论了机器学习算法在通信网络中的应用，包括监督学习算法在网络优化、无监督学习算法在资源管理、强化学习算法在网络控制等方面的应用。

简介：摘要：电网规模随着我国经济的增长也随之出现不断扩大的态势，而且其结构也由简单变得复杂，所以这也就会使很多大型大网因此原因出现互联并引起低频振荡等问题，从而使电力设备或者电力系统出现损坏并影响正常的运行状态。所以，以确保电网安全运行为目标，本文基于深度学习算法对电力系统低频振荡进行了分析，以期可以证明深度学习算法在低频振荡模式中的辨识有效性。

简介：摘要：本文针对图像处理与分析领域中的问题，提出了基于深度学习的算法研究。通过深入研究深度学习算法在图像处理与分析中的应用，探讨了其在图像分类、目标检测和图像生成等方面的优势和挑战。实验结果表明，基于深度学习的图像处理与分析算法在准确性和鲁棒性方面具备良好的表现，能够广泛应用于各个领域。

简介：