外部注意力機制的PointLSTM網(wǎng)絡(luò)實現(xiàn)三維點云在時序的分類。通過MIMO體制的毫米波雷達芯片采集人體動作的回波信號，利用集成雷達基帶處理器的微控制器實現(xiàn)信號處理的部分，可將原始數(shù)據(jù)實時轉(zhuǎn)換成三維點云，并提高點云處理中的計算速度及雷達硬件的整體性能。

PointLSTM網(wǎng)絡(luò)可實現(xiàn)點云在時空中的提取特征和分類識別，網(wǎng)絡(luò)改進了PointLSTM幀間點信息的流失問題，并在信息提取中對所有數(shù)據(jù)實現(xiàn)特征聯(lián)系，外部注意力機制通過獨立的可學習參數(shù)優(yōu)化了網(wǎng)絡(luò)復雜度和識別精確率。

拓撲結(jié)構(gòu)是miRNA-疾病預測算法的重要組成部分，然而當前算法并未有效利用拓撲結(jié)構(gòu)導致預測結(jié)果并不理想。與此同時，如何有效地融合多源數(shù)據(jù)也是當前的研究趨勢。

一種自適應融合異質(zhì)節(jié)點結(jié)構(gòu)信息算法（MMTP），通過利用節(jié)點的一階鄰居和元路徑誘導網(wǎng)絡(luò)學習結(jié)構(gòu)特征，并利用度量學習和拓撲傳播自適應地融合異質(zhì)節(jié)點結(jié)構(gòu)信息，以提升miRNA-疾病預測精度。

5折交叉驗證實驗結(jié)果表明，MMTP在HMDD v3.2數(shù)據(jù)集上的受試者操作曲線下面積（AUC）為94.81，高于其他模型。并且在基于腎癌的案例研究中，該模型所預測的前30個miRNAs全部得到證實。

使用Top-Hat變換加強圖像中的缺陷區(qū)域，最后將Top-Hat變換前后的圖像進行融合，得到最終的圖像。實驗結(jié)果表明，在擦傷、劃痕、孔洞這三類缺陷中，增強后的圖像信息熵分別提升了10.51%、5.29%、2.89%，與其他圖像增強算法相比，所提算法能夠有效抑制銅板表面缺陷的反光，提升圖像的質(zhì)量并增強圖像中的缺陷區(qū)域。

針對銅板表面缺陷圖像容易受到非均勻光照影響，出現(xiàn)反光和亮度失真，導致圖像難以運用到檢測中的問題，提出了一種非均勻光照場景下銅板表面缺陷圖像的增強方法。

深圳市恒凱威科技開發(fā)有限公司http://szhkwkj.51dzw.com