检索结果-内蒙古大学图书馆

现代计算机 2024年第18期30卷 77-82页

作者：马鹏涛高钰皓陈昱东北林业大学计算机与控制工程学院哈尔滨150040

针对当下课堂评价具有主观性和延后性的问题,在完善人脸表情识别技术的基础上,探寻人脸表情与课堂评价之间的关系,构建出切实可行的课堂评价模型。借助神经网络软件PyTorch,将MobileNetV2与三种不同的神经网络模型在FER2013上进行测试... 详细信息

针对当下课堂评价具有主观性和延后性的问题,在完善人脸表情识别技术的基础上,探寻人脸表情与课堂评价之间的关系,构建出切实可行的课堂评价模型。借助神经网络软件PyTorch,将MobileNetV2与三种不同的神经网络模型在FER2013上进行测试以便对比分析。结果表明,综合准确率和模型大小,MobileNetV2在数据集表现最好。再对模型在MMAFEDB数据集训练后得到准确率更佳的模型后,在现存课堂评价体系上设置多种模式对应上课时不同状态。由此,提供一种新的课堂评价模型。

关键词：人脸表情识别技术 MobileNetV2 课堂评价

来源：评论

学校读者我要写书评

暂无评论

基于定子错位的轴向磁通反凸极永磁同步电机齿槽转矩削弱方法研究

引用

微电机 2025年第1期58卷 45-50页

作者：赵晓坤邹新鹏郭启超朱良宽东北林业大学计算机与控制工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

轴向磁通永磁同步电机具有结构紧凑、重量轻和轴向尺寸小等优点,但存在调速范围窄和转矩波动大的问题。为拓宽恒功率调速范围,将永磁体和磁桥交替排列,提出一台8极48槽轴向磁通反凸极永磁同步电机。针对轴向磁通反凸极永磁同步电机齿槽... 详细信息

轴向磁通永磁同步电机具有结构紧凑、重量轻和轴向尺寸小等优点,但存在调速范围窄和转矩波动大的问题。为拓宽恒功率调速范围,将永磁体和磁桥交替排列,提出一台8极48槽轴向磁通反凸极永磁同步电机。针对轴向磁通反凸极永磁同步电机齿槽转矩大的问题,首先利用磁场能量法对电机齿槽转矩进行解析计算,然后根据计算结果分析上下定子错位前后齿槽转矩的影响,并通过调整错位角度对电机结构进行优化。有限元仿真结果表明,优化后电机气隙磁密基波幅值基本不变,齿槽转矩下降了66.81%。有限元仿真结果验证了上下定子错位对齿槽转矩削弱的有效性。

关键词：轴向磁通反凸极永磁同步电机齿槽转矩磁场能量法定子错位

来源：评论

学校读者我要写书评

暂无评论

植物染色质可及性深度学习预测研究综述

引用

现代计算机 2024年第20期30卷 8-13页

作者：吴昭瑞王舒宇赵玉茗于洋魏金寒东北林业大学计算机与控制工程学院哈尔滨150000

高通量测序技术的发展推动了染色质可及性检测方法的进步,但受限于湿实验的高成本、复杂性,以及植物细胞特性,植物染色质可及性研究相对滞后。研究人员尝试将植物染色质可及性与生物信息学方法相结合,来探讨生物信息学方法在染色质可及... 详细信息

高通量测序技术的发展推动了染色质可及性检测方法的进步,但受限于湿实验的高成本、复杂性,以及植物细胞特性,植物染色质可及性研究相对滞后。研究人员尝试将植物染色质可及性与生物信息学方法相结合,来探讨生物信息学方法在染色质可及性数据和预测分析的优势和局限性。

关键词：染色质可及性深度学习 OCR分类预测

来源：评论

学校读者我要写书评

暂无评论

基于耦合神经网络反应扩散模型的图像增强方法研究

引用

现代计算机 2024年第10期30卷 55-59,64页

作者：周嵩松李平赵文博王行建东北林业大学计算机与控制工程学院哈尔滨150040

随着人工智能技术的迅速发展,图像处理已经广泛应用于交通、医疗、农林、航空航天等领域,并且对图像质量要求也越来越高。针对图像增强问题,提出了一种利用神经网络模型,将FitzHugh-Nagumo反应扩散模型转变为微分动力系统的方法,来改进... 详细信息

随着人工智能技术的迅速发展,图像处理已经广泛应用于交通、医疗、农林、航空航天等领域,并且对图像质量要求也越来越高。针对图像增强问题,提出了一种利用神经网络模型,将FitzHugh-Nagumo反应扩散模型转变为微分动力系统的方法,来改进耦合神经网络,引入自适应的阈值,得到耦合神经元的非线性动力学模型,利用此模型可使图像对比度得到提升,起到增强图像的效果。该模型的适用面更广,图像对比度拉伸效果更好,视觉增强效果更为明显。

关键词：耦合神经网络反应扩散模型 FitzHugh-Nagumo 图像增强

来源：评论

学校读者我要写书评

暂无评论

基于F-DFCC融合特征的语音情感识别方法

引用

现代电子技术 2024年第6期47卷 131-136页

作者：何朝霞朱嵘涛罗辉长江大学文理学院湖北荆州434023 东北林业大学计算机与控制工程学院黑龙江哈尔滨150040

结合神经网络、并行多特征向量和注意力机制,有助于提高语音情感识别的性能。基于此,从前期已经提取的DFCC参数入手,提取I-DFCC和Mid-DFCC特征参数,利用Fisher比选取特征参数构成F-DFCC;再将F-DFCC特征参数与LPCC、MFCC特征参数进行对... 详细信息

结合神经网络、并行多特征向量和注意力机制,有助于提高语音情感识别的性能。基于此,从前期已经提取的DFCC参数入手,提取I-DFCC和Mid-DFCC特征参数,利用Fisher比选取特征参数构成F-DFCC;再将F-DFCC特征参数与LPCC、MFCC特征参数进行对比并融合,输入到含双向LSTM网络及注意力机制的ECAPA-TDNN模型中;最后,在CASIA和RAVDESS数据集上验证F-DFCC融合特征参数的有效性。实验结果表明:与单一的F-DFCC特征参数相比,F-DFCC融合特征的准确率WA、召回率UA、F1-score在CASIA数据集上分别提高0.035 1、0.031 1、0.031 3;在RAVDESS数据集上分别提高0.024 5、0.035 8、0.033 2。在两个数据集中,surprised情感的识别准确率最高,为0.94;F-DFCC融合特征参数的6种和8种情感识别率与其他特征参数相比均有所提升。

关键词：语音情感识别 DFCC F-DFCC 融合特征特征提取 Fisher比 ECAPA-TDNN

来源：评论

学校读者我要写书评

暂无评论

基于高光谱成像技术和自适应增强网络的水蜜桃产地溯源

引用

食品安全质量检测学报 2024年第23期15卷 77-87页

作者：王昳昀马芸芸杨冕清赵庆典陈国良刘大洋东北林业大学计算机与控制工程学院哈尔滨150000

目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信... 详细信息

目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信息,并利用提取的光谱信息进行建模。分别比较在3种预处理方法下的AdaBoost、随机森林、长短期记忆网络、径向基函数神经网络产地分类模型,并选出最优模型。随后,利用连续投影算法(successive projections algorithm,SPA)和无信息变量剔除进行特征波长的提取,以进一步优化模型。结果实验结果表明,全光谱下基于标准正态变量(standard normal variate,SNV)预处理的AdaBoost模型分类效果最好,训练集和测试集的准确率分别达到100.0%和98.7%,召回率和F1值分别为95.8%和97.9%。在对AdaBoost模型采用SPA提取9个特征波长后,SPA-SNV-AdaBoost模型训练集和测试集准确率都达到了100.0%,召回率和F1值也达到100.0%。结论本研究基于高光谱成像技术和AdaBoost算法,构建了一种全新的水蜜桃不同产地分类模型,经过预处理和特征提取,该模型获得了较高的精度,能够有效地进行水蜜桃产地溯源,为水蜜桃品牌鉴别真伪打下了坚实的基础。

关键词：高光谱成像技术自适应增强网络算法水蜜桃产地溯源机器学习

来源：评论

学校读者我要写书评

暂无评论

基于BERT-BiGRU的影评情感识别

引用

数字化用户 2024年第11期 284-285页

作者：李涛涛朱鹏昊唐丽娜周禹泽白羽东北林业大学计算机与控制工程学院黑龙江哈尔滨 150040 东北林业大学计算机与控制工程学院黑龙江哈尔滨 150040 东北林业大学计算机与控制工程学院黑龙江哈尔滨 150040 东北林业大学计算机与控制工程学院黑龙江哈尔滨 150040 东北林业大学计算机与控制工程学院黑龙江哈尔滨 150040

为帮助电影公司、导演等相关人员监测和分析社交媒体和在线论坛等平台上的舆情变化,了解观众对电影等其它媒体作品的情感反应并对以往基于词向量的深度学习方法实现的情感识别存在的相关问题加以改进,提出基于BERT-BiGRU的影评情感识别... 详细信息

为帮助电影公司、导演等相关人员监测和分析社交媒体和在线论坛等平台上的舆情变化,了解观众对电影等其它媒体作品的情感反应并对以往基于词向量的深度学习方法实现的情感识别存在的相关问题加以改进,提出基于BERT-BiGRU的影评情感识别方法.由于BERT是基于多头注意力机制实现,故具有较强的上下文理解能力.基于BERT-BASE预训练模型获取预处理后的文本词向量,与word2vec等以往方法相比,能够很好的解决一词多义、高度依赖分词准确率等问题.之后,利用BiGRU提取上下文相关特征进行学习.因BiGRU从正向和逆向两个方向上提取,与单向GRU相比能够更全面地捕捉到序列中的上下文关系.最后通过分类器,识别出影评的情感极性,包括5星好评、4星好评、3星中评、2星差评、1星差评.通过对豆瓣影评数据集进行分析,此模型的准确率达到91.9％,比起基于BiLSTM的情感识别准确率73.76％和基于GRU的情感识别准确率73.14％,有显著提升.

关键词：影评情感识别 BERT BiGRU

来源：评论

学校读者我要写书评

暂无评论

基于互引导条件耦合的小样本语义分割

引用

计算机辅助设计与图形学学报 2024年

作者：刘胜男姜璐璐郑宛露王少荣汪国平北京林业大学信息学院北京市虚拟仿真与可视化工程技术研究中心北京大学计算机学院

针对现有的小样本语义分割方法普遍采用简单的融合策略来实现跨分支信息传递，难以捕获复杂的特征交互信息的问题，提出一个实现支持-查询分支高效融合的互引导条件耦合网络. 所提网络设计了一个耦合信息生成模块，该模块聚焦于支持... 详细信息

针对现有的小样本语义分割方法普遍采用简单的融合策略来实现跨分支信息传递，难以捕获复杂的特征交互信息的问题，提出一个实现支持-查询分支高效融合的互引导条件耦合网络. 所提网络设计了一个耦合信息生成模块，该模块聚焦于支持特征中与查询特征高度相似的区域，以使查询特征中的每个像素能够自适应地融合支持特征的像素级信息. 同时，为了减少查询图像背景对融合效果的负面影响，设计了一个条件耦合模块. 在该模块中，生成的条件可用于抑制查询图像背景区域的信息吸收，从而有效避免了背景信息对结果的干扰. 所提网络在PASCAL-5i以及COCO-20i进行了大量的实验验证和分析，实验结果相对于基线方法有显著改进.

关键词：语义分割小样本学习小样本语义分割特征融合

来源：评论

学校读者我要写书评

暂无评论

基于多尺度空间特征的冠状动脉CT血管造影图像分割网络

引用

计算机应用 2024年

作者：陈盈涛方康康张金敖梁浩然郭焕斌邱兆文东北林业大学计算机与控制工程学院中共山西省高平市委员会社会工作部

针对冠状动脉血管形态结构的复杂性以及由于计算机断层扫描（CT）血管造影图像的采集条件差异，导致图像灰度分布不均匀、运动伪影和噪声等图像质量问题，进而产生冠状动脉结构分割时的漏判、误判的问题，提出一种基于多尺度空间特征的... 详细信息

针对冠状动脉血管形态结构的复杂性以及由于计算机断层扫描（CT）血管造影图像的采集条件差异，导致图像灰度分布不均匀、运动伪影和噪声等图像质量问题，进而产生冠状动脉结构分割时的漏判、误判的问题，提出一种基于多尺度空间特征的冠状动脉CT血管造影图像分割网络——三维多尺度并行网络（3D Multi Scale Parallel Net, MSP-Net）。首先，针对冠状动脉在空间跨度大、局部占比小的特点，采用多尺度网络分别提取冠状动脉CT血管造影图像的全局特征和局部特征进行融合，保证冠状动脉结构特征完整性的提取。其次，冠状动脉重建采用由粗到细的思维，增强图像特征冗余性，确保冠脉边界分明，后利用不同尺度特征度融合方法重建冠状动脉结构以加强分割结果的准确率，减少漏判和误判；最后，为加快网络的训练过程，采用深监督策略，在不同网络层级引入监督信号，从而提高训练效率。实验结果表明，所提网络在冠状动脉自动分割任务中的平均Dice相似系数（DSC）达到87.16%，比nnU-Net提高4.04个百分点，比Swin UNETR提高了2.31个百分点，平均95%的豪斯多夫距离（HD95）达到3.69mm，比nnU-Net降低了14.43mm，比Swin UNETR降低了13.75mm。该网络能有效提高冠状动脉结构分割精度，有助于临床医生更准确地解患者冠状动脉结构，从而更有效地评估病情。

关键词：冠状动脉分割计算机断层扫描血管造影计算机辅助诊断多尺度融合语义分割

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的轻量级葡萄目标检测融合算法

引用

河南农业科学 2024年第9期53卷 150-158页

作者：胡峻峰李松青黄晓文刘大洋李柏聪东北林业大学计算机与控制工程学院黑龙江哈尔滨150040 比亚迪股份有限公司广东深圳518000

针对农业自动采摘机械对目标检测模型准确率、实时性及轻量化的需求,提出了一种轻量级葡萄目标检测网络YM-GDM(YOLOv5s-MobileNetV3 grape detection model)。使用MobileNetV3代替CSPDarknet53作为YOLOv5s的主干网络,以实现模型的轻量化... 详细信息

针对农业自动采摘机械对目标检测模型准确率、实时性及轻量化的需求,提出了一种轻量级葡萄目标检测网络YM-GDM(YOLOv5s-MobileNetV3 grape detection model)。使用MobileNetV3代替CSPDarknet53作为YOLOv5s的主干网络,以实现模型的轻量化;引入Res2Net_C2f模块和BiFPN(Bi?directional feature pyramid network)结构,以提高模型的多尺度特征融合能力;同时,改用VariFocalLoss损失函数对模型进行训练,以减少正负样本不均带来的影响。使用包含5类食用葡萄的自制数据集与包含5类酿酒葡萄的公开数据集(WGISD)作为试验数据集进行测试。结果表明,YMGDM网络对10个品种葡萄的目标检测平均精度均值(mAP50)达到90.8%,比YOLOv3-tiny、YOLOv5s分别提升6.2、2.2百分点;模型体积为9.72 MB,相比YOLOv3-tiny、YOLOv5s分别缩小44.4%、32.8%。此外,进一步减少参数量得到了轻量特化模型YM-GDM-tiny,模型体积缩小到4.73 MB,mAP50达到86.8%,以部署于算力更低的移动设备。

关键词：葡萄目标检测 YOLOv5s 轻量化网络特征融合

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：