《测试与检测技术基础》课程电子教案（PPT教学课件）测试技术（10/28）

通过低氧实验提出一种快速识别人体低氧状态的方法.通过搭建深层神经网络训练实验数据识别氧气体积分数(16%~21%)与人体可耐受极端低氧气体积分数(15.5%~16%)条件下光电容积脉搏波(photoplethysmography, PPG)信号, 获得人体生理状态的模式识别网络.经测试该网络的识别正确率可达92.8%.利用混淆矩阵及接受者操作性能(receiver operating characteristic, ROC)曲线分析, 混淆矩阵的训练集、验证集、测试集、全集识别正确率分别达到97.9%、94.8%、92.8%和96.3%, AUC (area under curve)值接近1, 认为该网络分类性能优良, 并且可在4 s内完成整个识别过程

对比研究了两种AISI 420型钢球化组织的平均粒径和圆整度，并对两种钢材进行了不同淬火和回火处理工艺.然后通过硬度测试、扫描电子显微镜（SEM）和X射线衍射仪（XRD）来比较球化组织对淬回火特性的影响，同时借助动电位极化曲线测试和质量分数3.5% NaCl溶液浸泡腐蚀来分析耐蚀性能的差异.结果表明：细小弥散的球化组织在淬火时可以提高AISI 420型钢的C元素的固溶量，提高了其淬硬性，但是会提高残留奥氏体的含量；尺寸更小的退火态碳化物可以使AISI 420型钢的基体在奥氏体化过程中溶解更多的Cr元素，从而使得其在淬回火后基体Cr含量更高，减小贫Cr区产生几率，最终显示出更好的点蚀抗力；更少的大尺寸的未溶碳化物在腐蚀环境中降低了点蚀形核几率，提高了AISI 420型钢的耐蚀性能.所以在250℃回火时，AISI 420型钢耐蚀性好且硬度高，在480℃回火后，耐蚀性最差

研制了一种无机材料构成的验电标识,放置在导线周围,通过电场驱动电子的运动,促进载流子复合,进而使材料发光,从而判断带电情况,其作为验电标识使用非常便捷.选取了氮化镓GaN材料进行研究,以GaN、InGaN等材料为基础,通过溶胶凝胶法、气相外延等方法制备接触层、基片层、材料层等结构,进而获得了验电标识,该验电标识的发光层是具有多量子肼结构的纳米棒阵列.然后对其进行了电学光学性能参数测试,获得了有关特性曲线,通过Ansoft-maxwell有限元软件进行仿真,分析材料在特高压输电线路周围的电场分布,通过试验分析验电标识发光所需求的电磁环境.最后模拟导线现场进行测试.研究表明,该低场致发光特性的验电标识具有发光功耗低,发光明显等优点,其处于所在区域的电场强度达到1.2×106V·m-1以上时,可激发发光,此时所注入电流约为1.1 mA.通过仿真和试验分析可知带电特高压输电线路周围的空间电场强度满足验电标识发光指示的要求,同时空间杂散电流和材料本身的电容效应提供注入电流.该验电标识通过材料本身发光特性来指示带电状态,安装在距离特高压导线轴线13 cm及以内的范围即可实现验电,通过封装具有较好的耐候性能,同时避免了复杂的电路装置验电存在易受电磁干扰,可靠性差等问题

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

6.1软件测试 6.2/调试 6.3系统实施 6.4系统维护 6.5实验五

《测试与检测技术基础》课程电子教案（PPT教学课件）Fundamentals of Measurement Technology（23/28）

《测试与检测技术基础》课程电子教案（PPT教学课件）Fundamentals of Measurement Technology（25/28）

《测试与检测技术基础》课程电子教案（PPT教学课件）Fundamentals of Measurement Technology（28/28）

《线性代数》课程教学资源（考题及答案）2000年春季考题及答案测试1答案