检索结果-内蒙古大学图书馆

高电压技术 2023年第8期49卷 3346-3353页

作者：赵振兵熊静徐厚东张凌浩华北电力大学电子与通信工程系保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003 国网四川省电力公司成都610000 国网四川省电力公司电力科学研究院成都610000

准确的实现金具及其缺陷的自动化巡检是保证输电线路正常运行的一项重要任务。为了缓解现有各种金具及其缺陷检测方法缺乏上下文信息,导致误检、重检的问题,提出一种基于上下文结构推理的输电线路金具及其缺陷检测方法,在检测模型输出... 详细信息

准确的实现金具及其缺陷的自动化巡检是保证输电线路正常运行的一项重要任务。为了缓解现有各种金具及其缺陷检测方法缺乏上下文信息,导致误检、重检的问题,提出一种基于上下文结构推理的输电线路金具及其缺陷检测方法,在检测模型输出检测结果后加入结构知识,以提高模型的准确率。首先将图片输入到目标检测模型中;之后把检测模型输出的结果送入结构推理模块:将检测结果映射到序列X中,形成一个向量,包括检测框类别、bbox坐标和检测置信度,然后将向量送入双向门控循环单元和自注意力中进行处理,利用输电线路金具及其缺陷的结构知识,提高正确正样本的置信度、降低错误正样本的置信度,最后通过回归器得出最终的输出结果,来达到提高平均精确度的目的。实验结果表明:在加入结构推理模块之后,基线模型的P值均有提高,其中P_(50)相较于基线模型最高提升了6%,为提高输电线路金具及其缺陷检测精度提供了新的思路。

关键词：金具及其缺陷深度模型目标检测结构推理自注意力

来源：评论

学校读者我要写书评

暂无评论

深度模型预训练和压缩算法研究

深度模型预训练和压缩算法研究

引用

作者：施梦楠中国科学院大学

学位级别：博士

随着深度学习技术的快速发展，搭载计算机视觉算法的深度模型已经进入大规模工业应用阶段。具体而言，研究人员在通用或者专用的数据集上训练深度模型，使其学习具有表示力的视觉特征，然后应用到不同的任务场景。目前，大规模预训练的... 详细信息

随着深度学习技术的快速发展，搭载计算机视觉算法的深度模型已经进入大规模工业应用阶段。具体而言，研究人员在通用或者专用的数据集上训练深度模型，使其学习具有表示力的视觉特征，然后应用到不同的任务场景。目前，大规模预训练的深度模型，简称大模型，成为计算机视觉领域的主流研究方向。大模型以自监督的方式从海量的无标注图像数据中学习具有泛化能力的表示特征，然后在任务限定的数据集上微调权值，以满足实际需求。　　尽管大模型潜力巨大，但高质量、高效率地训练和使用它们仍存在诸多障碍。一方面，预训练阶段和微调阶段的学习目标存在领域差距。如何与下游的任务目标匹配，使模型在预训练阶段学习到关键的视觉表征，提升任务表现，是亟待解决的问题。另一方面，大模型往往通过扩大规模来提升学习效果，反而限制了实践应用。如何在不降低性能的同时压缩模型规模，适配资源受限的边缘设备，提升运行效率，也是一大挑战。　　为解决上述问题，本文同时研究预训练算法和压缩算法，兼顾深度模型在任务限定场景的性能与效率。本文的主要贡献如下:　　(1)提出了一种基于掩码与放大图像复原的自监督代理任务。该代理任务对图像使用空间掩蔽与空间变换的复合算子，以退化图像质量。模型通过处理退化图像中的信息缺失和空间错位进行视觉表征学习。该模型兼具语义和空间表征能力，可以适应包含多尺度、多分辨率目标的下游任务。　　(2)提出了一种任务限定知识蒸馏算法，旨在处理模型中随着任务复杂度扩展的冗余表征。据此，定义并构造不同复杂度的子任务以及学生模型，并通过优化任务限定知识蒸馏目标函数来适配目标任务及模型，以去除冗余表征。学生模型可以满足计算量与精度的约束，适应资源受限的前端系统。　　(3)提出了一种特征一门控耦合动态剪枝网络。针对动态剪枝的门控卷积层中特征与门控分布不一致的问题，提出了特征一门控耦合方法，规范特征和门控空间的实例邻域关系，避免门控特征的失真，以减少实例级别的冗余表征。实验结果表明该剪枝网络在图像分类、目标检测、语义分割等任务上均取得了优于基线的压缩效果。　　本文研究成果表明，设计更适合下游任务的代理任务可以提升深度模型的表征能力，去除基于任务复杂度和实例复杂度的冗余表征可以缩小深度模型的规模。本文从预训练和压缩两方面为深度模型在实际应用场景的落地提供了方法指导和理论启发。

关键词：计算机视觉深度模型自监督预训练知识蒸馏动态剪枝网络

来源：评论

学校读者我要写书评

暂无评论

移动平台上的深度模型压缩和优化问题研究

移动平台上的深度模型压缩和优化问题研究

引用

作者：刘思聪西安电子科技大学

学位级别：博士

目前第三次人工智能热潮、第五代移动通信技术(5G)和不断拓展的边缘计算网络催生出智能物联网(AIoT)[中国智能物联网(AIoT)白皮书]这一新的计算范式。并且逐渐兴起了一种将智能服务从云端向产生数据的移动平台卸载的趋势，称作移动终端... 详细信息

目前第三次人工智能热潮、第五代移动通信技术(5G)和不断拓展的边缘计算网络催生出智能物联网(AIoT)[中国智能物联网(AIoT)白皮书]这一新的计算范式。并且逐渐兴起了一种将智能服务从云端向产生数据的移动平台卸载的趋势，称作移动终端智能(on-device intelligence)。这一趋势引起了学术界和工业界的关注，提出了多种适用于移动平台的轻量级深度计算方案。移动平台上的多样化感知和计算情境为深度学习模型引入更多挑战。首先，成熟的深度模型设计(如VGG和ResNet)大多来自于图片处理领域(如ImageNet图片识别任务)，没有考虑移动平台上的多样化数据模态;其次，现有工作大多提出统一的模型压缩方案，对多种移动平台应用和设备资源约束的适应性差;而模型压缩技术组合对非专家的移动开发者是一个黑盒，而且不支持用户定义标准。再次，面向一些移动平台特有的应用情境，现有模型设计无法完全满足需求。最后，如何为移动平台上的深度模型添加隐私保护机制仍是一个开放性问题。针对上述挑战，本文围绕移动平台上深度模型压缩和优化问题展开了深入研究：　　1.移动平台自适应的深度学习模型压缩技术选择框架。本文将压缩技术定义为一种新的粗粒度超参数，并将模型压缩问题看作是带约束的超参数优化问题。并在模型架构自动化研究的启发下，设计了基于深度强化学习的自适应模型压缩技术选择框架(AdaDeepv1);并提出压缩技术与模型相关性能(如精度)以及平台相关性能(如存储、能耗、时延)的关联函数，用于量化用户定义标准。　　2.移动平台逐层自动化的深度学习模型压缩与优化框架。本文进一步将模型压缩技术选择和超参数优化同时集成到超参数调优框架(AdaDeepv2)中，以逐层自动化的方式探索用户自定义性能需求和平台资源约束的最佳平衡。该框架采用了一个新颖的两阶段优化器，分别采用不同深度Q网络和确定性策略梯度实现逐层自动化的压缩技术选择和超参数搜索。　　3.面向移动平台声音感知情境的深度学习模型研究。在面向聋哑人群的移动端环境噪音无关声音感知情境中，本文研究如何将深度模型压缩策略融入到卷积神经网络的设计中，通过采用多个并列小卷积核替代大卷积核以及采用卷积层和全局池化操作替代全连接层的方式实现模型轻量化，并有助于模型提取环境噪音无关的高泛化性特征。并设计麦克风间歇性采样、声音端点检测等一系列机制与基于深度模型的声音识别模块相协作实现了端到端的移动声音感知和提醒系统，UbiEar。它能满足低延迟(20ms~40ms)和低存储(199KB)的同时达到较高的泛化精度(＞95%)。　　4.面向移动平台数据隐私问题的深度学习模型研究。针对移动平台数据(如UbiEar中收集的原始音频)隐私问题，本文提出新颖的隐私对抗神经网络模型，PAN，通过模拟一个特佂编码器模块、一个试图重构原始数据隐私和一个试图识别隐私属性的攻击者以对抗的方式在特征上找到更好的可用性-隐私性折中;并研究将模型压缩技术融入编码器设计降低编码器规模并提高特佂隐私性和可用性的原理。并提出流形学习理论证明：与忽略隐私的传统判定模型相比，PAN是隐式的正则化。

关键词：深度模型压缩方案优化设计移动平台

来源：评论

学校读者我要写书评

暂无评论

基于简化内波方程的光学隐蔽深度模型建立与分析

引用

舰船科学技术 2024年第21期46卷 124-128页

作者：朱海荣蔡鹏张春磊宗敬文王旺海军潜艇学院山东青岛266000

非均匀海水条件下,光学隐蔽深度模型(OCD_LAYER)建立在海水按照垂直线上分割成光学特性近似的相似层的基础之上,为了研究海洋内波条件下OCD_LAYER模型的适用性,根据对比度和两层流体内孤立波KDV方程,通过构造内波垂向结构,计算出位移均... 详细信息

非均匀海水条件下,光学隐蔽深度模型(OCD_LAYER)建立在海水按照垂直线上分割成光学特性近似的相似层的基础之上,为了研究海洋内波条件下OCD_LAYER模型的适用性,根据对比度和两层流体内孤立波KDV方程,通过构造内波垂向结构,计算出位移均方根最大层为内波简化两层界面,并依此建立内波简化模型条件下光学隐蔽深度模型(OCD_KDV)。计算并分析了水下航行体表面反射比、海水衰减系数、观察天顶角、空气消光系数变化对内波简化模型条件下光学隐蔽深度模型的影响。结果表明,在最高探测概率下,特征尺度为36m的水下航行体光学隐蔽深度在深远海海水中数值为36.79m;在近海海水中数值为22.08m;在沿岸海水中数值为11.04m。实验结果为水下航行体光学隐蔽性提供了重要理论参考。

关键词： KDV方程深度模型内波

来源：评论

学校读者我要写书评

暂无评论

一种深度模型行人检测方法

引用

实验室研究与探索 2016年第8期35卷 121-126页

作者：郭秋滟李欣西昌学院汽车与电子工程学院四川西昌615013 清华大学深圳研究生院广东深圳518055

提出一种新的深度模型,通过多个阶段的后向传播来联合训练多阶段分类器实现行人检测。该模型可将分类器的得分图输出存储在局部区域中,并将其作为上下文信息来支持下一阶段的决策。通过设计具体的训练策略,深度模型可对硬性样本进行挖... 详细信息

提出一种新的深度模型,通过多个阶段的后向传播来联合训练多阶段分类器实现行人检测。该模型可将分类器的得分图输出存储在局部区域中,并将其作为上下文信息来支持下一阶段的决策。通过设计具体的训练策略,深度模型可对硬性样本进行挖掘来分阶段训练网络,进而模拟串联分类器。此外,每个分类器可在不同的难度水平上处理样本,并通过无监督预训练和专门安排的各阶段有监督训练来对优化问题正规化,提高了行人检测的可靠性。理论分析表明该训练策略有助于避免过拟合。基于3个数据集(Caltech,ETH和TUD-Brussels)的实验结果也验证了该方法优于当前其他最新算法。

关键词：串联式分类器行人检测深度模型上下文信息

来源：评论

学校读者我要写书评

暂无评论

基于改进的堆叠降噪自动编码器深度模型的转子-转轴系统故障诊断方法

引用

机床与液压 2020年第21期48卷 182-188,196页

作者：姜万录李金虎李振宝姜安琦燕山大学先进锻压成型技术与科学教育部重点实验室河北秦皇岛066004 河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械... 详细信息

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入Dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无Dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。

关键词：故障诊断深度模型堆叠降噪自动编码器 Dropout机制

来源：评论

学校读者我要写书评

暂无评论

基于深度模型迁移的细粒度图像分类方法

引用

计算机应用 2018年第8期38卷 2198-2204页

作者：刘尚旺郜翔河南师范大学计算机与信息工程学院河南新乡453007 "智慧商务与物联网技术"河南省工程实验室(河南师范大学) 河南新乡453007

针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题,提出深度模型迁移(DMT)分类方法。首先,在粗粒度图像数据集上进行深度模型预训练;然后,使用细粒度图像数据集对预训练模型logits层进行不确切监督学习,使其特征分... 详细信息

针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题,提出深度模型迁移(DMT)分类方法。首先,在粗粒度图像数据集上进行深度模型预训练;然后,使用细粒度图像数据集对预训练模型logits层进行不确切监督学习,使其特征分布向新数据集特征分布方向迁移;最后,将迁移模型导出,在对应的测试集上进行测试。实验结果表明,在STANFORD DOGS、CUB-200-2011、OXFORD FLOWER-102细粒度图像数据集上,DMT分类方法的分类准确率分别达到72.23%、73.33%和96.27%,验证了深度模型迁移方法在细粒度图像分类领域的有效性。

关键词：深度模型迁移学习细粒度图像分类不确切监督学习特征分布

来源：评论

学校读者我要写书评

暂无评论

肺部电阻抗成像深度模型构建方法研究

肺部电阻抗成像深度模型构建方法研究

引用

作者：卢仁贵天津工业大学

学位级别：硕士

在现代社会中，肺气肿、肺癌、肺损伤等疾病的发生，严重影响了人们的日常生活。目前检查肺部疾病的方法以传统影像学为主，对组织病变初期不敏感，且不能满足临床长期连续监护的需要。电阻抗层析成像（ElectricalImpedanceTomography，... 详细信息

在现代社会中，肺气肿、肺癌、肺损伤等疾病的发生，严重影响了人们的日常生活。目前检查肺部疾病的方法以传统影像学为主，对组织病变初期不敏感，且不能满足临床长期连续监护的需要。电阻抗层析成像（ElectricalImpedanceTomography，EIT）是医学成像技术中的一个新方向，具有无创伤、多次测量、重复使用、可视化等优点，适于长期连续监护，在肺部疾病早期检测以及肺功能动态监测方面具有很好的应用前景。由于EIT逆问题呈现出高度的非线性和病态性，导致在求解过程中极易陷入局部极小解，使重建图像存在伪影、精度不高。本文针对肺部EIT图像重建，结合深度神经网络对于非线性映射强大的自主学习能力，设计了一维卷积神经网络（One-DimensionalConvolutionalNeuralNetwork，1D-CNN）模型，提高了EIT图像重建映射网络的泛化能力和成像速度，对于肺部疾病可视化监测具有重要的理论意义和应用价值。本文主要工作如下：　　(1)根据EIT数据的特点，提出基于1D-CNN的EIT图像重建方法，采用一维卷积将边界电压序列的约束关系引入特征提取，基于局部感知和权值共享机制，降低网络计算复杂度，提高EIT图像重建质量。　　(2)根据肺部疾病监测需求，构建丰富的仿真样本集，在网络模型中使用dropout技术、加入正则项来提高网络的泛化能力。除此之外，仿真参数完全按照实验系统设置来满足仿真样本训练模型用于实验的需要。　　(3)本文提出的1D-CNN与传统的深度神经网络、二维卷积神经网络进行对比，证明了本网络模型的有效性，用加噪样本、鲁棒样本以及实验样本在圆形水槽模型中分别验证了网络的抗噪能力、泛化能力以及实用性。　　(4)将本文提出的方法应用到实际肺部模型中，提高了肺目标物体的图像重建质量，减少了成像时间，证明了该方法对肺部疾病监测的可行性。

关键词：电阻抗层析成像深度模型一维卷积神经网络图像重建肺部成像

来源：评论

学校读者我要写书评

暂无评论

基于LDA和深度模型的专利主题演化

引用

数学的实践与认识 2024年第4期54卷 68-81页

作者：关菁华毛子凡王婷谭梦琪大连外国语大学软件学院辽宁大连116044 大连东软信息学院图书馆辽宁大连116023

将基于深度模型的命名实体识别方法与基于LDA模型的主题挖掘方法相结合进行专利技术主题演化分析,满足用户和企业从众多专利中快速找到主要技术方法和热门研究领域的需求.以环氧树脂专利为例,进行基于深度学习的相关化合物及制备技术实... 详细信息

将基于深度模型的命名实体识别方法与基于LDA模型的主题挖掘方法相结合进行专利技术主题演化分析,满足用户和企业从众多专利中快速找到主要技术方法和热门研究领域的需求.以环氧树脂专利为例,进行基于深度学习的相关化合物及制备技术实体识别,采用半自动化方式构建领域词典,再使用改进的LDA模型进行主题建模,从主题强度及内容两个角度分析演化过程.半自动化领域词典的构建,能使主题挖掘结果更加准确,改进的LDA模型有助于主题内容的解释,为主题演化提供新的思路与方法.

关键词： LDA 深度模型主题演化专利

来源：评论

学校读者我要写书评

暂无评论

基于问题分类和深度模型的答案选择算法

引用

计算机工程与设计 2023年第5期44卷 1412-1418页

作者：何丽张家铭徐丽闪王昊李欣北方工业大学信息学院北京100144 北方工业大学CNONIX国家标准应用与推广实验室北京100144

为解决问答系统中问答句之间语义信息交互较少的问题,增强模型对问题分类信息的应用,提出一种将问题分类和预训练模型BERT相结合的答案选择模型。通过问题分类获取问句的期望答案类型,根据问句的期望答案类型遮蔽候选答案句中无关的单词... 详细信息

为解决问答系统中问答句之间语义信息交互较少的问题,增强模型对问题分类信息的应用,提出一种将问题分类和预训练模型BERT相结合的答案选择模型。通过问题分类获取问句的期望答案类型,根据问句的期望答案类型遮蔽候选答案句中无关的单词,利用BERT模型更深层次的融合问题句和答案句中句法和语义特征,计算问答对的语义相似度。实验结果表明,采用融合问题分类信息的答案选择模型,在TrecQA Clean和WikiQA数据集上的MAP和MRR指标都有明显提升。

关键词：问答系统问题分类深度模型答案选择期望答案类型语义交互 BERT模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：