真钱游戏-澳门线上赌场_百家乐正品_sz全讯网网站xb112(中国)·官方网站

線性規(guī)劃問題在實際生活中有著廣泛的應(yīng)用，隨著經(jīng)濟和計算機技術(shù)的發(fā)展，作為最優(yōu)化方法的一個重要分支，非線性規(guī)劃方法在經(jīng)濟、工業(yè)、國防等國民經(jīng)濟和社會發(fā)展的各領(lǐng)域都有廣泛的應(yīng)用。但是在非線性規(guī)劃中，有一些理論問題沒有解決，有些新的方法有待進一步完善，特別在當前大數(shù)據(jù)背景下，傳統(tǒng)的算法已經(jīng)不能適應(yīng)新的需求（如問題的數(shù)據(jù)量龐大且?guī)в刑厥饨Y(jié)構(gòu)，Jacobian矩陣計算困難等）。因此，一方面需要對原有的算法理論進一步完善，另一方面，需要研究在大數(shù)據(jù)背景下的優(yōu)化算法的理論和實際計算效果。 本項目考慮把NCP函數(shù)和濾子方法相結(jié)合，利用對偶信息，減弱收斂的條件，提高計算效果。其次，針對濾子方法、SQP方法各自的不足之處，考慮將其同其它算法結(jié)合并利用數(shù)值代數(shù)技術(shù)，如與序列線性方程組方法相結(jié)合，以減少其計算量，可以克服原約束優(yōu)化算法的一些缺點。最后，考慮一些帶有特殊結(jié)構(gòu)的大規(guī)模優(yōu)化問題，如約束Jacobian計算困難或Jacobian結(jié)構(gòu)特殊，利用數(shù)值代數(shù)技術(shù)對模型降階并設(shè)計合適的優(yōu)化算法。簡言之，在現(xiàn)有的濾子方法的研究結(jié)果基礎(chǔ)上，擬利用數(shù)值代數(shù)（如Krylov子空間方法）和濾子技術(shù)提出一些解決約束非線性規(guī)劃問題的新方法，完善它們的收斂性分析和其它理論分析，提高它們的計算效果。這不僅在濾子方法等數(shù)學規(guī)劃理論與算法方面有所貢獻，而且在經(jīng)濟、工程、科學計算領(lǐng)域也具有重要的應(yīng)用價值。 該項目已獲國家自然基金項目立項支持。

本項目聚焦于鋰電池管理系統(tǒng)在智能化監(jiān)測與預(yù)測中的關(guān)鍵痛點，尤其擬面向電池容量衰減預(yù)測、SOC/SOH估計不準、電池剩余時間不準確、MAP/SOP估算等方面。通過引入人工智能算法，構(gòu)建融合機器學習與深度學習的電池狀態(tài)預(yù)測模型，擬實現(xiàn)高精度SOC（荷電狀態(tài)）與SOH（健康狀態(tài)）估計的優(yōu)化，提升電池管理系統(tǒng)的智能水平與安全性。 解決方案方面，項目基于實地檢測磷酸鐵鋰電池充放電數(shù)據(jù)構(gòu)建訓練集，采用輕量級線性回歸模型及改進型人工神經(jīng)網(wǎng)絡(luò)進行建模優(yōu)化，并結(jié)合特征工程技術(shù)提高預(yù)測精度。同時，設(shè)計適用于邊緣計算的部署方案，使模型可在BMS嵌入式硬件平臺實時運行，降低對計算資源的依賴。 在競爭優(yōu)勢方面，項目成果具備算法輕量化、部署便捷、預(yù)測準確度高、兼容性強等特點，特別適用于電力儲能、電動汽車等對安全性和可靠性要求高的場景。相比傳統(tǒng)BMS方案，該AI算法可顯著提升電池使用效率與壽命，精準估算SOC/SOH，降低維護成本。 目前項目成果已在合作企業(yè)內(nèi)部儲能設(shè)備中開展應(yīng)用測試，初步反饋表明荷電狀態(tài)預(yù)測準確度提升40%左右，電池健康度準確度提升40%左右，系統(tǒng)響應(yīng)及時，具備較高實用性和推廣價值。專家評審一致認為，該項目在智能電池管理系統(tǒng)方向具有較強的創(chuàng)新性和實際應(yīng)用前景。

北京體育大學沈燕飛科研團隊使用人體姿態(tài)估計算法，對擊劍比賽過程中兩名選手的身體各環(huán)節(jié)和關(guān)節(jié)的運動進行的智能識別。工手動標記數(shù)據(jù)等方法，更為高效，可應(yīng)用于海量體育視頻數(shù)據(jù)的分析和未來的體育大數(shù)據(jù)的構(gòu)建。

簡介： 抗體藥物是生物制藥中復(fù)合增長率最高的，2019年全球研究抗體市場規(guī)模為34億美元，預(yù)計在預(yù)測期內(nèi)復(fù)合年增長率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細胞因子藥物研發(fā)的突破口。人工智能技術(shù)廣泛應(yīng)用在靶點篩選、分子進化、臨床各階段研究、產(chǎn)品上市后的活動中。 我們開發(fā)的智能抗體設(shè)計平臺，包括 抗體序列注釋分析、抗體翻譯后修飾位點的預(yù)測、抗原線性表位預(yù)測、抗體結(jié)構(gòu)的預(yù)測與優(yōu)化、 抗體-抗原相互作用的預(yù)測、抗體分子的設(shè)計與改造。高效的完成抗體親和力成熟、穩(wěn)定性優(yōu)化和人源化改造等。  優(yōu)勢： 1、研發(fā)成本節(jié)約3-5倍，時間節(jié)省5倍，篩選成功率提升6倍 2、可以幫助指導(dǎo)、設(shè)計實驗，減少消耗，加快速度，提高準確率 3、計算方法已經(jīng)得到了實驗從正、反兩方面的驗證。 圖1：深度學習算法預(yù)測蛋白質(zhì)相互作用時界面氨基酸配對:成功率72.1% 圖2：計算相互作用得到了實驗從正、反兩方面的驗證

抗體藥物是生物制藥中復(fù)合增長率最高的，2019年全球研究抗體市場規(guī)模為34億美元，預(yù)計在預(yù)測期內(nèi)復(fù)合年增長率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細胞因子藥物研發(fā)的突破口。人工智能技術(shù)廣泛應(yīng)用在靶點篩選、分子進化、臨床各階段研究、產(chǎn)品上市后的活動中。我們開發(fā)的智能抗體設(shè)計平臺，包括 抗體序列注釋分析、抗體翻譯后修飾位點的預(yù)測、抗原線性表位預(yù)測、抗體結(jié)構(gòu)的預(yù)測與優(yōu)化、 抗體-抗原相互作用的預(yù)測、抗體分子的設(shè)計與改造。高效的完成抗體親和力成熟、穩(wěn)定性優(yōu)化和人源化改造等。 優(yōu)勢：1、研發(fā)成本節(jié)約3-5倍，時間節(jié)省5倍，篩選成功率提升6倍2、可以幫助指導(dǎo)、設(shè)計實驗，減少消耗，加快速度，提高準確率3、計算方法已經(jīng)得到了實驗從正、反兩方面的驗證。

技術(shù)分析(創(chuàng)新性、先進性、獨占性)挖掘了蛋白質(zhì)分子結(jié)構(gòu)的幾何特征，開發(fā)了新穎的優(yōu)化設(shè)計算法，準確識別結(jié)合位點，準備預(yù)測抗體結(jié)構(gòu)和抗體-抗原相互作用復(fù)合物結(jié)構(gòu)，可以顯著提高藥物設(shè)計效益。自主獨立開發(fā)。已經(jīng)在國際競賽中取得第一名的好成績，也應(yīng)用在生物和醫(yī)學實驗中，算法和程序代碼完整。

技術(shù)分析(創(chuàng)新性、先進性、獨占性) 挖掘了蛋白質(zhì)分子結(jié)構(gòu)的幾何特征，開發(fā)了新穎的優(yōu)化設(shè)計算法，準確識別結(jié)合位點，準備預(yù)測抗體結(jié)構(gòu)和抗體-抗原相互作用復(fù)合物結(jié)構(gòu)，可以顯著提高藥物設(shè)計效益。自主獨立開發(fā)。 已經(jīng)在國際競賽中取得第一名的好成績，也應(yīng)用在生物和醫(yī)學實驗中，算法和程序代碼完整。

機器人在煤礦救援領(lǐng)域發(fā)揮著越來越重要的作用，但仍存在無法精確識別災(zāi)后環(huán)境、無法適應(yīng)井下復(fù)雜地形以及難以檢測、定位井下生命體等問題。 一、項目進展 創(chuàng)意計劃階段 二、負責人及成員 姓名 學院/所學專業(yè) 入學/畢業(yè)時間 柳佳樂 自動化18-2 2018-2022 劉浩峰 計算機科學與技術(shù)18-7 2018-2022 石少勇 測控技術(shù)與儀器18-2 2018-2022 欒廣鑫 電氣工程及其自動化18-5 2018-2022 李明晶 測控技術(shù)與儀器18-1 2018-2022 三、指導(dǎo)教師 姓名 學院/所學專業(yè) 職務(wù)/職稱 研究方向 楊洪濤 機械工程學院 教授 精密測試技術(shù)、儀器精度理論及應(yīng)用、自動化測控系統(tǒng) 凌六一 電氣與信息工程學院 教授 智能信息處理、光電檢測及環(huán)境光譜探測技術(shù) 蘇樹智 計算機科學與工程學院 副教授 人工智能、模式識別、機器視覺、信息融合、深度學習等領(lǐng)域 四、項目簡介 目前，機器人在煤礦救援領(lǐng)域發(fā)揮著越來越重要的作用，但仍存在無法精確識別災(zāi)后環(huán)境、無法適應(yīng)井下復(fù)雜地形以及難以檢測、定位井下生命體等問題。為此，本團隊充分利用六足機器人高穩(wěn)定性和多地形適應(yīng)性的優(yōu)勢，應(yīng)用激光雷達、深度相機和其他輔助傳感器，設(shè)計仿生六足煤礦救援機器人，結(jié)合SLAM、A*、ROS等先進技術(shù)，實現(xiàn)礦井災(zāi)后局部復(fù)雜環(huán)境的三維地圖構(gòu)建、地形障礙物識別以及機器人自主路徑規(guī)劃。機器人所獲信息實時無線傳輸至上位機，幫助救援人員快速制定科學有效的救援方案。

簡介： 1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫(yī)學CT圖像出發(fā)，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯(lián)分割網(wǎng)絡(luò)，從病人腹部的CT圖像中將胰腺器官分割出來。級聯(lián)分割網(wǎng)絡(luò)比之前的層級分割網(wǎng)絡(luò)結(jié)果提升10各點。之后建立多模態(tài)分類網(wǎng)絡(luò)，針對CT圖像的特性，將多切片多造影劑時期多區(qū)域的數(shù)據(jù)進行融合，在胰腺腫物分類中取得了較好的結(jié)果。 層級分割模型示意圖  分類模型可視化熱圖   2、現(xiàn)有的乳腺癌腋窩淋巴轉(zhuǎn)移的醫(yī)療診斷措施為病理活檢，是一種過度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測手段能夠有效避免過度醫(yī)療。我們構(gòu)造了基于乳腺鉬靶圖像的深度卷積神經(jīng)網(wǎng)絡(luò)模型來處理乳腺癌腋窩淋巴轉(zhuǎn)移問題。我們對乳腺鉬靶數(shù)據(jù)進行了預(yù)處理和數(shù)據(jù)集的整理、劃分。我們構(gòu)造了三個不同的深度卷積神經(jīng)網(wǎng)絡(luò)，患病側(cè)單體位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)和雙側(cè)雙體位四視圖網(wǎng)絡(luò)。其中，患病側(cè)單體位網(wǎng)絡(luò)分為 CC 位網(wǎng)絡(luò)和 MLO 位網(wǎng)絡(luò)。在乳腺鉬靶數(shù)據(jù)的測試集上，患病側(cè) CC 位網(wǎng)絡(luò)、患病側(cè) MLO 位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)、雙側(cè)雙體位四視圖網(wǎng)絡(luò)的結(jié)果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側(cè)雙體位四視圖網(wǎng)絡(luò)具有更好的預(yù)測效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測任務(wù)。對于雙側(cè)雙體位四視圖網(wǎng)絡(luò)，我們不僅使用了雙側(cè)測試集 1，還使用了額外的雙側(cè)測試集 2 進行測試。 鉬靶乳腺圖像預(yù)處理   雙側(cè)雙體位深度學習網(wǎng)絡(luò)   優(yōu)勢：從客觀的醫(yī)學圖像數(shù)據(jù)出發(fā)，結(jié)果可重復(fù)，而且高效快捷，提高識別準確率的同時，便于臨床推廣。  

1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫(yī)學CT圖像出發(fā)，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯(lián)分割網(wǎng)絡(luò)，從病人腹部的CT圖像中將胰腺器官分割出來。級聯(lián)分割網(wǎng)絡(luò)比之前的層級分割網(wǎng)絡(luò)結(jié)果提升10各點。之后建立多模態(tài)分類網(wǎng)絡(luò)，針對CT圖像的特性，將多切片多造影劑時期多區(qū)域的數(shù)據(jù)進行融合，在胰腺腫物分類中取得了較好的結(jié)果。層級分割模型示意圖 分類模型可視化熱圖 2、現(xiàn)有的乳腺癌腋窩淋巴轉(zhuǎn)移的醫(yī)療診斷措施為病理活檢，是一種過度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測手段能夠有效避免過度醫(yī)療。我們構(gòu)造了基于乳腺鉬靶圖像的深度卷積神經(jīng)網(wǎng)絡(luò)模型來處理乳腺癌腋窩淋巴轉(zhuǎn)移問題。我們對乳腺鉬靶數(shù)據(jù)進行了預(yù)處理和數(shù)據(jù)集的整理、劃分。我們構(gòu)造了三個不同的深度卷積神經(jīng)網(wǎng)絡(luò)，患病側(cè)單體位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)和雙側(cè)雙體位四視圖網(wǎng)絡(luò)。其中，患病側(cè)單體位網(wǎng)絡(luò)分為 CC 位網(wǎng)絡(luò)和 MLO 位網(wǎng)絡(luò)。在乳腺鉬靶數(shù)據(jù)的測試集上，患病側(cè) CC 位網(wǎng)絡(luò)、患病側(cè) MLO 位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)、雙側(cè)雙體位四視圖網(wǎng)絡(luò)的結(jié)果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側(cè)雙體位四視圖網(wǎng)絡(luò)具有更好的預(yù)測效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測任務(wù)。對于雙側(cè)雙體位四視圖網(wǎng)絡(luò)，我們不僅使用了雙側(cè)測試集 1，還使用了額外的雙側(cè)測試集 2 進行測試。鉬靶乳腺圖像預(yù)處理 雙側(cè)雙體位深度學習網(wǎng)絡(luò) 優(yōu)勢：從客觀的醫(yī)學圖像數(shù)據(jù)出發(fā)，結(jié)果可重復(fù)，而且高效快捷，提高識別準確率的同時，便于臨床推廣。