摘要：针对糖尿病数据特征冗余、类别数不平衡导致的预测困难问题,提出一种基于改进TabNet的糖尿病预测模型dTabNet(dual TabNet)。首先,通过dTabNet得到量化的特征全局贡献指标,同时构造3层全连接层替代特征转换器和注意力转换器中的单层全连接层,以增强对数据的表示能力;其次,设计特征选择模块,以去除糖尿病数据集中的冗余和无关特征,从而提高学习的效率;最后,根据特征选择模块输出的特征子集预测糖尿病。此外,引入Focal loss函数优化损失函数,以解决糖尿病数据类别数不平衡的问题;之后,利用贝叶斯优化算法对dTabNet进行超参数优化。在预处理后的真实糖尿病检测数据集上评估所提模型。实验结果表明,dTabNet针对糖尿病预测的准确率达到了90.9%,曲线下面积(AUC)值达到了94.7%,相较于TabNet的准确率和AUC值分别提高了4.0和2.2个百分点。这表明所提模型在数据冗余、类别数量不平衡的糖尿病数据上能有效地完成糖尿病预测。

摘要：针对道路病害区域小、类别数量不均衡导致检测困难的问题,提出基于YOLOv7-tiny的道路病害检测算法RDD-YOLO。首先,采用K-means++算法得到拟合目标尺寸更好的锚框。其次,在小目标检测支路上使用量化感知重参数化模块(QARepVGG),增强浅层特征提取,同时构建加强注意力模块(AM-CBAM)嵌入颈部的3个输入,抑制复杂背景干扰。然后,设计特征融合模块(Res-RFB),模拟人眼扩大感受野融合多尺度信息,提高表征能力;另外,构造轻量级解耦头(S-DeHead)提高小目标检测精确率。最后,采用归一化Wasserstein距离度量(NWD)优化小目标定位过程,并缓解样本不均衡问题。实验结果表明,与YOLOv7-tiny相比,RDD-YOLO算法在仅增加0.71×10^(6)参数量和1.7 GFLOPs计算量的成本下,mAP50提高6.19个百分点,F1-Score提高5.31个百分点,并且检测速度达到135.26 frame/s,满足道路养护工作中对检测精度和速度的需求。

摘要：西部从来就不是地理意义上的概念,而是一处太阳照耀下的闪现着神性的土地。这里的一草一木甚至一粒沙石都具有勃发的生命力。当画家们拾起画笔,用线条与色彩去描绘壮丽秀美的西部大地之时,这片土地上各民族同胞共同为中国特色社会主义建设而奋进的热烈场景似乎也活现在了眼前。2019年1月31日下午,由四川省古玩收藏协会组织实施、国家艺术基金2018年度传播交流推广资助的“西部绘画作品巡展”在四川美术馆四号展厅拉开帷幕。

摘要：2019年1月26日,四川省文联七届四次全委会在成都新华宾馆武担楼三楼雪域厅成功召开。省文联主席郑晓幸,省文联党组书记、常务副主席平志英,省文联党组副书记、副主席兼秘书长李兵,省文联主席团成员,七届全委会委员、特邀嘉宾,部分省级文艺家协会负责人,省文联机关各处室主要负责人以及省文联直属事业单位主要负责人等近150人出席会议。上午,省文联主席郑晓幸主持会议。会议第一项议程传达中国文联十届四次全委会精神和全省宣传部长会议精神。