4、人工智能在咳嗽声音疾病检测与粉煤灰地质聚合物抗压强度分析中的应用

人工智能在咳嗽声音疾病检测与粉煤灰地质聚合物抗压强度分析中的应用

咳嗽声音疾病检测的现状与挑战

在新冠疫情的大背景下，利用人工智能技术通过咳嗽声音来检测疾病成为了研究热点。然而，当前的模型存在一定局限性，在不同数据集上的泛化能力较差。例如，使用剑桥数据集进行测试时，模型在区分新冠阳性和阴性类别方面表现不佳。

进一步研究发现，数据预处理可能是影响模型性能的关键因素。一些常用的数据预处理方法，如文献中提到的方法，在规范音频数据中的咳嗽模式方面效果甚微。同时，像SpecAugment这样的数据增强方法也存在问题，它通过对时间和频率轴进行掩码操作，会导致咳嗽信号的信息丢失。而且，对咳嗽信号进行统一长度处理，如零填充和修剪音频信号，可能会改变咳嗽的模式。

粉煤灰地质聚合物抗压强度分析的背景与意义

随着全球建设的发展，对混凝土的需求日益增长，普通硅酸盐水泥（OPC）的产量也随之增加，但OPC的生产会释放大量二氧化碳。地质聚合物作为一种替代材料，有望解决这一环境问题。它被用作生产混凝土的粘结剂，与传统混凝土相比，在相同体积材料比例下，28天的抗压强度更高，且微观结构更致密。

地质聚合物混凝土的抗压强度受到多种因素的影响，包括碱性激活剂的摩尔浓度、水 - 粘结剂比例以及激活剂的类型。近年来，人工智能算法在工程领域得到了广泛应用，人工神经网络因其能够建模非线性关系，成为解决分类、聚类等问题的有效工具。因此，本研究旨在使用机器学习方法分析粉煤灰地质聚合物混凝土的抗压强度数据集。

实验方法

样本制备

在制备地质聚合物混凝土时，材料的选择至关重要。本研究选用的材料符合ASTM C618 F级分