首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

脑影像中的深度学习研究:前景与挑战

深度学习(DL)在应用于自然图像分析时非常成功。相比之下,将其用于神经影像学数据分析时则存在一些独特的挑战,包括更高的维度、更小的样本量、多种异质模态以及有限的真实标签(ground truth)。在本文中结合神经影像学领域的四个不同且重要的类别讨论了DL方法:分类/预测、动态活动/连接性、多模态融合和解释/可视化。本文重点介绍了这些类别中每一类的最新进展,讨论了将数据特征和模型架构相结合的益处,并依据这些内容提出了在神经影像学数据中使用DL的指南。对于每一个类别,还评估了有希望的应用和需要克服的主要挑战。最后讨论了神经影像学DL临床应用的未来方向。

03

MBSE基于模型的系统工程

根据国际系统工程协会(INCOSE)在 2007 年发布的《SE 愿景 2020》中的定义,MBSE 是建模方法在系统工程中的形式化应用,用以支持在系统全生命周期内开展需求、设计、分析、验证和确认相关的活动。从定义可以看到,MBSE 是基于文档的传统系统工程工作模式的演进,力求以多视角的系统模型做为桥梁,将跨学科/领域的模型关联起来,实现跨学科/领域的模型追溯,从而驱动大型复杂系统生存周期内各阶段的工程活动,最终实现以模型驱动的方法来采集、捕获和提炼数据、信息和知识。 《INCOSE 系统工程手册》、《NASA 系统工程手册》、《FAA 系统工程手册》以及《中国商用飞机有限责任公司系统工程手册》中对系统工程实践有完善的描述,如果需要深入了解系统工程相关概念和具体实践,请参阅这些手册。 MBSE 是采用模型驱动的方式对系统工程的实践,本文就从系统工程要做的几个典型任务入手,介绍 MBSE 都做什么,帮助大家理解MBSE的内涵,并进一步开展 MBSE 的实践。

03

度量是这样炼成的,中国农业银行度量平台建设的思考与实践

随着软件工程实践的不断深入,人们逐步认识到软件质量和软件生产过程密切相关。像传统制造业一样,只有提高软件生产过程能力才是企业长期、稳定地开发高质量软件产品的保障。那么,对于软件过程的现状和改进的效果如何进行检查?答案是只有通过度量。 软件度量是对软件开发项目、过程及其产品进行数据定义、收集以及分析的持续性定量化过程,能够解决软件项目中很多问题,是软件研发中重要的一环。通过研发度量建立有效的控制、监督、分析和反馈机制,“数”说研发,让目标更明确、现状更清晰、改进更精准。 一、农行研发度量面临的挑战 1、数据量

02
领券