根据眼底图像对糖尿病视网膜病变（DR）进行分级已引起学术界和工业界越来越多的兴趣。大多数基于卷积神经网络（CNN）的算法通过图像级注释将DR分级视为一项分类任务。然而，这些算法并没有充分挖掘DR相关病变中有价值的信息。在本文中，我们提出了一个健壮的框架，该框架协同使用补丁级别和图像级别的注释，用于DR严重性分级。通过端到端的优化，该框架可以双向交换细粒度病变和图像级分级信息。 因此，它利用了更具辨别力的特征进行DR分级。该框架比最新的算法和三位拥有九年以上经验的临床眼科医生表现出更好的性能。通过对不同分布的数据集（如标签和相机）进行测试，我们证明了我们的算法在面对现实世界中普遍存在的图像质量和分布变化时是鲁棒的。我们通过广泛的消融研究来检查提议的框架，以表明每种动机的有效性和必要性。代码和一些有价值的注释现在可以公开获取。 指数项卷积神经网络，糖尿病视网膜病变，眼底图像，协作学习

宽带射频功率放大器的鲁棒增强的，降低复杂度的广义记忆多项式

本文提出了一种仅基于惯性测量单元（IMU）的自定位轮式机器人长期惯性导航的实时方法。该方法基于两个部分：1）一个稳健的检测器，使用递归深层神经网络动态检测各种感兴趣的情况，如零速度或无横向滑动；2）最先进的卡尔曼滤波器，将这些知识作为定位的伪测量值。对公开的汽车数据集的评估表明，在配备中等精度IMU（陀螺仪漂移率为10 deg/h）的情况下，对于21 km长的车辆行驶超过一小时的轨迹，拟议方案的最终精度可能达到20 m。据我们所知，这是第一篇将复杂的深度学习技术与用于轮式车辆纯惯性导航的最新过滤方法相结合的论文，因此为新型数据驱动惯性导航技术开辟了道路。此外，尽管我们的方法仅适用于基于IMU的定位，但我们的方法可作为配备更完整传感器套件的轮式机器人自定位的组件。 索引项惯性导航，深度学习，不变扩展卡尔曼滤波器，自主车辆，惯性里程计

针对传统狼群算法（WPA）存在易陷入局部最优解、计算资源耗费大、鲁棒性低等问题，提出一种基于差分进化的改进狼群算法（DWPA）。首先，通过引入探狼搜索因子、猛狼最大奔袭次数、自适应围攻步长、差分进化策略等对传统狼群算法进行了改进，在降低算法计算耗费的同时提高了算法的全局搜索能力；然后，运用马尔可夫链理论证明了DWPA的收敛性；最后，对13个测试函数进行寻优测试，并与WPA等四种算法进行对比分析。测试结果表明，DWPA具有良好的鲁棒性和全局搜索能力，在求解多峰、高维、不可分函数方面的寻优能力尤为突出。

针对传统鲁棒高斯混合模型EM算法存在模型成分参数难以精确获取最优解以及收敛速度随样本数量的增加而快速降低等问题，提出了一种基于鲁棒高斯混合模型的加速EM算法。该算法采用隐含参量信息熵原理对高斯模型分量个数进行挑选，以及使用Aitken加速方法减少算法的迭代次数，当接近最优解时，EM步长的变化极为缓慢，这时使用Broyden对称秩1校正公式进行校正，使算法快速收敛，从而能够在很少的迭代次数内精确获取高斯混合模型的模型成分数。该算法通过与传统鲁棒EM算法和无监督的EM算法的聚类结果进行比较，实验证明该算法对初始值的设定并不敏感（成分数c无须预先设定），并且能够降低算法运算时间，提高聚类模型成分数（类簇）的正确率。

RLMD是一种改进的局部均值分解，由一组优化策略支持。优化策略可以处理LMD中的边界条件、包络估计和筛选停止准则。它同时从混合信号中提取一组单分量信号（称为乘积函数）及其相关解调信号（即AM信号和FM信号），这是与其他自适应信号处理方法（如EMD）相比最吸引人的特征。RLMD可用于时频分析。

参考资料-全向移动足球机器人的鲁棒方差控制.zip

基于MATLAB和Yalmip的2变量机组组合调度算法

针对在解决某些复杂多目标优化问题过程中, 所得到的Pareto 最优解易受设计参数或环境参数扰动的影响, 引入了鲁棒的概念并提出一种改进的鲁棒多目标优化方法, 它利用了经典的基于适应度函数期望和方差方法各自的 优势, 有效地将两种方法结合在一起. 为了实现该方法, 给出一种基于粒子群优化算法的多目标优化算法. 仿真实例 结果表明, 所给出的方法能够得到更为鲁棒的Pareto 最优解.

内容包括 matlab-yalmip+cplex微电网两阶段鲁棒经济调度（刘） matlab-yalmip+cplex两阶段鲁棒微电网容量经济优化调度 两阶段鲁棒优化CCG列于约束生成和Benders代码，可扩展改编，复现自原外文论文 【赠送】虚拟储能单元电动汽车建模/基于Matlab-Yalmip-cplex 带虚拟储能单元（电动汽车）多目标优化调度 【赠送】发电机组经济运行问题_算例N=3(yalmip+cplex) 【赠送】机组组合优化