基于角膜图像的人体死亡时间推断模型初探

目的尸体角膜随死后时间延长发生的形态学变化是规律性较好的指标,常用来判断死亡时间(postmortem interval,PMI)。本文尝试用机器视觉代替人的肉眼主观判断,收集尸体样本以建立通过人体角膜图像推断PMI的模型。方法收集实际案例建立包含505例人体死后角膜图像的数据库,PMI范围为0.24h(约死后14min)至492h(约死后20.5d),大致分为三类(依次为:0~<6h、6~<20h、20h及以上)或二类(0~<15h、15h及以上);使用由华盛顿大学陈天奇博士提出的Xgboost模型分别进行二分类与三分类分析;使用多种卷积神经网络模型分别进行分类和回归学习,并通过比较最终选择了由微软研究院提出的ResNet模型进行分析。结果Xgboost在三分类时预测准确率依次为71.8%、40.7%、65.7%,二分类时为90%、48.5%。ResNet分类模型中,精准率、召回率在三分类时分别依次为:81%、75%,30%、50%,61%、71%,二分类时为:70%、92%,76%、38%。ResNet回归模型中,比较整个模型的预测结果,0~6h内的预测值与真实值较为接近,均值误差为0.5616,均方误差为0.5873,6h之后开始出现较大误差。结论分类和回归模型都在0~6h之内得到了很好的结果,说明在此时间段内,角膜图像噪声较低,可预测性强。     

新股上市首日成交价格预测及分析

为研究新股申购投资策略,选取影响新股申购收益主要因素对新股上市首日成交价格进行建模。针对影响价格的各因素以复杂非线性隐性传导的特点,本文选择广义回归神经网络(GRNN)建立价格预测模型,并用遗传算法对网络进行优化训练。影响新股上市首日成交价格主要因素的相对重要性分析结果表明:新股上市首日开盘价是最主要的决定因素,超额认购倍数和发行价格也是重要的影响因素,而发行市值和市盈率的影响较小。采用这些重要影响因素为输入变量,以成交价格为输出变量,预测模型实证分析结果显示出较好的拟合优度和外推预测精度,对新股上市首日买入卖出具有重要参考意义。     

神经网络与遗传算法在土钉支护优化设计中的应用

近年来,由于智能化方法———人工神经网络和遗传算法所具有的种种优点,其理论和应用研究受到了越来越多学者的关注,针对目前土钉支护优化设计中计算工作量大和求解时间长的问题。文章提出了将神经网络与遗传算法结合进行求解的思想,该方法具有仿生模型的非线性处理优势和遗传进化功能,克服了传统方法容易陷入局部最优解的缺点,是一种全局最优解。经算例研究结果表明,该法可大大减少求解时间,而且具有良好的寻找效果。     

LVQ模式识别技术在社会治安视频监控中应用的研究

社会治安视频监控在公安办案为锁定目标、提供线索、固定证据、辅助审讯等方面提供了有力的技术支撑,已经成为公安机关战斗力的新的增长点。公安办案所采集的视频监控图像多发生在复杂环境(昏暗,烟,雾,阴雨,电磁干扰等)下,为能够从中提取更加有效的信息和数据,本文提出一种基于LVQ神经网络的模式识别方法,来改进视频监控图像效果,通过matlab仿真在理论上验证方法的可行性。     

温州出了个“开房处长”

领导秘书前途无量频繁开房被找谈话蔡峰在担任处长之前,是温州市领导的秘书.只要不出意外,将来必定前途无量.可惜,“开房处长”的帽子戴上之后,他在一夜之间,从天堂掉进了地狱.2013年4月,网友“有事扣我BP机”发帖称,温州市社保局某处长公款开房200多次被查,起因是有关部门在审计中查出了问题.据传,他多次受贿,有七个情人,其中三个是医药代表.还说他一年开房200多次,七个情人轮流伺候.     

一种加强区分的深度人脸识别训练方法

作为AI+公安视频分析落地应用最具代表性的技术之一,得益于深度卷积神经网络算法和海量的人脸训练数据,人脸识别技术水平近年来得到了快速提升。在众多的卷积神经网络技术中,大多使用SoftMax损失函数作为监督信号来训练深度模型。为了能够增强特征的区分性,受到中心损失函数的启发,结合类内和类间距离,提出中心扩散损失函数。该方法在学习深度特征的同时,不仅能够压缩同一类内不同特征之间距离,而且还可以增大类与类之间的距离,从而使学习到的特征具有高度的区分性。通过将SoftMax损失函数与中心扩散损失结合使用,该方法在不同的权重下,不仅压缩类内特征的距离还扩散类间的距离,保证类与类之间的可分性。使用CASIA~[15]以及FaceScrub~[17]对模型进行训练,并在LFW~[16](Label Faces in the Wild)数据库上进行测试,该方法可以达到99.4%的准确率。在公安检查站的人脸证件照验证实战数据集上进行测试,在错误接受率为0.1%时可以达到94.9%的正确接受率。相比现有深度学习人脸识别算法,本方法在复杂监控环境下具有更强的环境适应能力和相似人员区分能力。     

浅谈BP人工神经网络

人工神经网络有很多模型,但是目前应用最广泛的、基本思想最直观、最容易理解的是前馈神经网络中的误差逆传播学习算法(Error Back Propagation),简称为BP神经网络。它是前馈神经网络中的核心部分,也是最精华的部分。     

羊水栓塞猝死法医学鉴定1例

1案例 1.1一般资料 死者王某,女,26岁,第一胎孕39周。于2006年1月21日10：00入住某医院待产。当晚20：40经阴道分娩一男婴,20：50胎盘娩出,检查胎盘完整、胎膜欠完整,宫腔出血不止；给予宫缩剂（米索400mg、催产素20u）加强宫缩；21：00行清宫术，清宫时感宫腔内壁粗糙并清出少量血凝块及胎膜，术后仍流血不止，且为不凝固血液，20：50诉头晕、胸闷；测BP 106／60mmHg，HR92次／min，烦躁。     

机械手RBF神经网络滑模迭代学习控制

在机械手的轨迹控制的迭代学习控制中,迭代学习的学习律难以选择.本文结合RBF神经网络滑模变结构控制和遮代学习控制的基本思想,提出采用RBF神经网络滑模变结构控制确定学习律的方法.并运用Matlab软件Simulink对该方法应用于机械手轨迹跟踪控制的情况进行了仿真研究,结果表明该方法具有学习速度快、跟踪精度高、鲁棒性强等优点.     

基于BP神经网络的非致命武器研发费用预测

装备的研发费用预测是装备全寿命周期费用估算的重要组成部分.本文针对非致命武器的自身特点,引入BP神经网络,用此模型对非致命武器的研发费用进行估算和预测.通过分析,BP神经网络模型具有较高的建模精度,预测方法和结果对非致命武器的研发费用具有一定的参考作用.