期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
受检者个体差异与放射剂量的相关性研究:参数自动优化模式在全数字平板乳腺摄影中的应用 被引量:1
1
作者 殷福花 唐继来 +4 位作者 李海歌 王梅 朱建国 叶芹 田俊 《医学影像学杂志》 2016年第10期1817-1820,共4页
目的讨论基于参数自动优化模式的全数字平板乳腺摄影技术能否根据受检者乳腺厚度和腺体分型的差异,自动选择不同的靶面/滤线栅组合,形成不同曝光条件,降低乳腺平均腺体剂量。方法 390例女性受检者纳入本次研究,根据曝光时不同的靶面/滤... 目的讨论基于参数自动优化模式的全数字平板乳腺摄影技术能否根据受检者乳腺厚度和腺体分型的差异,自动选择不同的靶面/滤线栅组合,形成不同曝光条件,降低乳腺平均腺体剂量。方法 390例女性受检者纳入本次研究,根据曝光时不同的靶面/滤线栅组合分为三组,每组均为130例。观察受检者乳腺压迫厚度、乳腺腺体分型与靶面/滤线栅组合,曝光条件、平均腺体剂量的相关性。分析在不同靶面/滤线栅组合下曝光条件、平均腺体剂量差异性。结果乳腺压迫厚度、腺体分型和靶面/滤线栅组合的选择相关,相关系数分别为0.732和0.109;不同靶面/滤线栅组合,产生的摄影条件存在统计差异,并决定平均腺体剂量。结论参数自动优化模式的全数字平板乳腺摄影技术能够根据受检者个体差异(乳腺压迫厚度、腺体分型),自动选择曝光条件,降低乳腺平均腺体剂量。该技术值得临床推广使用。 展开更多
关键词 参数自动优化模式 全数字平板乳腺摄影 靶面/滤线栅组合 乳腺压迫厚度 腺体分型 平均腺体剂量
在线阅读 下载PDF
新安江模型参数自动优化率定的SCE-UA算法应用研究 被引量:7
2
作者 张超 姜景山 《三峡大学学报(自然科学版)》 CAS 北大核心 2020年第6期18-23,共6页
为了探索概念性流域水文模型参数自动优化率定和预报精度问题,本文基于三水源新安江模型,以沿渡河流域为研究对象,在给定理想径流资料定义的基础上,应用SCE-UA算法分别就理想径流资料和实际径流资料的情况下,资料长度选择对新安江模型... 为了探索概念性流域水文模型参数自动优化率定和预报精度问题,本文基于三水源新安江模型,以沿渡河流域为研究对象,在给定理想径流资料定义的基础上,应用SCE-UA算法分别就理想径流资料和实际径流资料的情况下,资料长度选择对新安江模型参数优选的影响进行研究.结果发现,理想资料情况下,资料长度对模型参数优选没有影响,同时发现SCE-UA算法参量p的取值依赖于待优化问题的维数;实际资料情况下,参数优化结果随资料长度增加有向最优值靠拢趋势,说明输入、输出观测误差和模型结构误差是导致算法不能搜索到参数真值和寻优过程不稳定的重要原因. 展开更多
关键词 SCE-UA算法 新安江模型 参数自动优化 全局优化算法
在线阅读 下载PDF
一种基于RBF算法的裂缝预测参数自动优化方法与应用 被引量:1
3
作者 杨敬雅 李相文 +4 位作者 李磊 刘永雷 陶春峰 朱冬辉 王茂 《复杂油气藏》 2018年第4期7-11,共5页
随着国内外各大油田勘探开发的深入,宽方位高密度三维地震得到广泛应用。在计算机处理能力快速发展的驱动下,OVT域偏移处理技术进一步推广应用于油藏描述领域,特别是螺旋道集在碳酸盐岩缝洞型油气藏连通性分析方面的应用越来越广泛。本... 随着国内外各大油田勘探开发的深入,宽方位高密度三维地震得到广泛应用。在计算机处理能力快速发展的驱动下,OVT域偏移处理技术进一步推广应用于油藏描述领域,特别是螺旋道集在碳酸盐岩缝洞型油气藏连通性分析方面的应用越来越广泛。本文提出一种基于OVT道集的裂缝预测模板自动优化方法,通过道集品质分析、方位角与炮检距初分析、裂缝预测模板自动优化等一系列流程,快速迭代并自动优化最优方位角与炮检距参数方案,提供后续裂缝计算。该方法大大缩减了对比分析不同参数方案计算结果的所耗机时,同时使得求取较好裂缝预测结果的繁琐工作流程得到简化。 展开更多
关键词 参数模板自动优化 OVT道集 裂缝预测 缝洞型碳酸盐岩 塔里木盆地
在线阅读 下载PDF
无线网络自动参数优化解决方案
4
作者 李德强 宋高飞 王永玲 《移动通信》 2012年第1期150-155,共6页
文章基于RRM参数优化存在的问题,提出了自动参数优化解决方案,并详细阐述自动参数优化实现机制及应用,最后通过案例说明,显著体现了该方案的实施效果和效率。
关键词 自动RRM参数优化 地理环境 2G/3G 4G互操作优化 半动态仿真
在线阅读 下载PDF
基于词嵌入与卷积神经网络的建筑能耗预测 被引量:7
5
作者 季天瑶 王挺韶 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第6期40-48,共9页
在对建筑能耗进行回归预测时需要利用到时序特征与分类特征,而传统模型只能处理其中一种特征。针对该问题,文中提出了一种融合一维卷积与词嵌入的神经网络新构架,其中,一维卷积核能提取连续的时间序列特征,词嵌入模型能对离散的分类特... 在对建筑能耗进行回归预测时需要利用到时序特征与分类特征,而传统模型只能处理其中一种特征。针对该问题,文中提出了一种融合一维卷积与词嵌入的神经网络新构架,其中,一维卷积核能提取连续的时间序列特征,词嵌入模型能对离散的分类特征进行嵌入计算,从而建立能同时处理时序特征与分类特征的建筑能耗预测模型。通过与梯度提升决策回归树和长短时记忆网络的比较,证明所提出的模型在效率与准确率上都有良好的表现。在超参数调节上,采用基于贝叶斯优化的超参数自动优化算法,该算法能在树搜索空间上寻找最优超参数,相比于人工调参,超参数自动寻优算法能在较快的时间内提升模型本身的性能。最后进行了算例仿真,结果表明,文中提出的模型在性能上要优于集成学习模型与长短时记忆网络。 展开更多
关键词 建筑能耗预测 一维卷积网络 词嵌入模型 梯度提升决策回归树 长短时记忆网络 贝叶斯优化 参数自动优化算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部