摘要：皮肤是人体最大的器官,很多内脏疾病会直接体现在皮肤上,准确分割皮肤病灶图像具有重要的临床意义。针对皮肤病灶区域颜色复杂、边界模糊、尺度信息参差不齐等特点,本文提出一种基于密集空洞空间金字塔池化(DenseASPP)和注意力机制的皮肤病灶图像分割方法。该方法以U型网络(U-Net)为基础,首先重新设计新的编码器,以大量残差连接代替普通的卷积堆叠,在拓展网络深度后还能有效保留关键特征;其次,将通道注意力与空间注意力融合并加入残差连接,从而使网络自适应地学习图像的通道与空间特征;最后,引入并重新设计的DenseASPP以扩大感受野尺寸并获取多尺度特征信息。本文所提算法在国际皮肤影像协会官方公开数据集(ISIC2016)中得到令人满意的结果,平均交并比(mIOU)、敏感度(SE)、精确率(PC)、准确率(ACC)和戴斯相似性系数(Dice)分别为0.9018、0.9459、0.9487、0.9681、0.9473。实验结果证明,本文方法能够提高皮肤病灶图像分割效果,有望能为专业皮肤病医生提供辅助诊断。

摘要：经网络的全局渐近稳定性．得出了保证神经网络平衡点稳定的几个充分条件，所得到的结论对于具有时滞的连续双向联想记忆神经网络的设计和应用都是很有意义的．

摘要：研究具有可变时滞的细胞神经网络的全局指数稳定性问题 ,得出了可变时滞的细胞神经网络全局指数稳定性的几个充分条件 .在实际应用中 ,设计验证满足这些条件很方便 ,甚至无须知道时滞的具体形式 .因而具有重要的理论意义和应用价值 .

摘要：研究具有时滞的细胞神经网络（ＤＣＮＮ）的稳定性问题，利用构造Ｌｙａｐｕｎｏｖ泛函、常数变易法及不等式分析技巧，给出了时滞细胞神经网络全局指数稳定性和全局渐近稳定性的充分判据，这些条件可用于设计出全局稳定的网络，因而具有重要的理论意义和应用价值．

摘要：小核糖核酸(miRNA)在基因表达和转录等过程中具有重要作用,与疾病的产生有着密切关联。对于疾病miRNA关联识别,生物鉴定方法代价高、耗时长和效率低。为快速自适应提取疾病和miRNA构成的异质网络信息,该文基于通道型注意力设计变分门图自编码器和门多层感知器,构建一种深度变分门神经网络模型(VGAEN)并用于疾病miRNA关联预测任务。该模型整合miRNA及疾病的多种相似度信息得到miRNA和疾病的整合相似性特征,然后基于多数据融合的整合相似性网络和疾病miRNA邻接信息,利用变分门图自编码器提取miRNA和疾病网络的拓扑信息和语义信息;其次基于疾病miRNA关联矩阵,利用非负矩阵分解提取miRNA和疾病的低维线性去噪特征;最后,利用门多层感知器融合miRNA和疾病特征,预测其关联关系。实验结果表明VGAE-N模型能更有效地预测疾病miRNA关联,可为生物实验提供可靠的技术支撑。

摘要：利用线性“与或”门与高速ＥＣＬ开关电路设计了一种ＪＫ触发器电路，并讨论了应用线性“与或”门设计超高速数字电路的准则以及有关的组合和时序电路设计实例．

摘要：为有效去除真实图像噪声,提出一种基于注意力机制和残差块的图像去噪算法。采用通道和空间注意力机制相结合的双重注意力模块给不同的特征赋予权重,并与残差块合并于编解码结构;应用增大感受野模块,在保护图像结构的同时增大感受野;整体架构采用密集特征融合保留更多细节。实验结果表明,该算法在SIDD和DND数据集的峰值信噪比分别达到了39.59 dB和39.73 dB,结构相似性分别达到了0.911%和0.953%,具有最佳视觉效果。所提算法在去噪的同时能够保留更多图像细节信息。

摘要：本文利用 Ｌｙａｐｕｎｏｖ泛函方法和一些分析技巧得到了一类时延细胞神经网络ＤＣＮＮ全局渐进稳定性的若干新的判据；这些判据可用于设计出全局稳定的各种动态网络，且在信号处理，特别是动态图象处理中具有重要的意义．

摘要：　利用Liapunov泛函方法,结合矩阵不等式技巧,分析了时滞细胞神经网络(DCNNs)的平衡点存在的唯一性和全局渐近稳定性,保证DCNNs的全局稳定性的一个新的充分判据被得到·　所得判据提供了一些参数来适当地弥补了反馈矩阵与时滞反馈矩阵之间所需要的平衡关系·　这些判据可以容易被使用来设计和检验全局稳定的网络·　此外,所得判据是与时滞参数无关。

摘要：针对多尺度分解医学图像融合时信息损失、分解复杂的问题,提出一种医学图像融合方法。源图像经过图像分解框架分解为高频部分和用于局部拉普拉斯滤波分解的低频部分:第一次高频部分采用感兴趣信息,第二次高频部分采用最大值融合规则,低频部分采用局部能量融合规则,逆局部拉普拉斯滤波重构得到的重构图像和高频融合部分采用加法运算融合得到最终融合结果。实验结果表明,对比几种经典算法,所提方法在客观和主观评价方面显示出其优越性。