检索结果-内蒙古大学图书馆

中国电子科学研究院学报 2023年第5期18卷 450-454页

作者：姜宗梁李昂赵康军徐凯宏东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 临沭县工业和信息化局山东临沂276799

随着数字孪生技术的兴起和发展,数据快速传输应用的需求得到了极大的关注。在工业应用领域,存在因复杂环境下传感器无法在适当位置安装,造成孪生体数据不完整的情况出现。针对管道流体状态这类不易实测的信息,常使用有限元仿真的方法获... 详细信息

随着数字孪生技术的兴起和发展,数据快速传输应用的需求得到了极大的关注。在工业应用领域,存在因复杂环境下传感器无法在适当位置安装,造成孪生体数据不完整的情况出现。针对管道流体状态这类不易实测的信息,常使用有限元仿真的方法获取物体各监测点的变化数据,但传统的有限元仿真分析需要耗费大量的时间成本和计算机资源,无法适用于对数据实时传输有高要求的管道数字孪生系统。文中将多组条件下获得的仿真结果作为先验知识建立仿真数据库,运用K近邻的思想在库中查找与测试集最相似的仿真结果,以该条件下的仿真结果为基准对测试集进行完整数据预测,得到测试条件下的完整仿真数据。实验结果表明,文中所提方法与传统有限元仿真结果精度相一致,仿真效率得到巨大提升,可适用于有数据快速反应需求的管道数字孪生场景。

关键词：先验知识管道流体仿真 K近邻数据预测

来源：评论

学校读者我要写书评

暂无评论

基于OBE的高等农林院校计算方法类课程教学方法改革与实践——以东北林业大学为例

引用

林业机械与木工设备 2024年第10期52卷 118-122页

作者：张健张韬王宇航贾娜袁峰东北林业大学机电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

针对高等农林院校计算方法类课程在教学实践中面临的课程目标过于侧重数学理论而忽视工程实践应用、基础知识与高级算法之间衔接不足、教学时间有限以及学生自主学习动力不足等问题,引入了成果导向教育教学理念。通过实施以行业相关案... 详细信息

针对高等农林院校计算方法类课程在教学实践中面临的课程目标过于侧重数学理论而忽视工程实践应用、基础知识与高级算法之间衔接不足、教学时间有限以及学生自主学习动力不足等问题,引入了成果导向教育教学理念。通过实施以行业相关案例为核心的教学方法改革,构建了一个全面的课程教学改革框架。从课程目标、教学内容、教学方法到教学评价的各个角度,详细分析了课程改革的实施过程。研究旨在为计算方法类课程提供一个明确的路径,以培养学生在农林工程领域解决问题的实际计算能力和综合素质,为同类课程改革提供实证参考和理论支持。

关键词：成果导向教育计算方法课程教学方法改革农林工程教育

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合的食用葡萄细粒度分类方法

引用

智能计算机与应用 2024年第4期14卷 146-150页

作者：黄晓文胡峻峰朱昊李柏聪贾梦实东北林业大学计算机与控制工程学院哈尔滨150040 东北林业大学家居与艺术设计学院哈尔滨150040

中国葡萄种植规模逐年扩大,但由于混种、串粉等导致了葡萄品种混杂,葡萄的分类筛选工作成为限制农业生产效率的重要因素。为了提高生产中葡萄品种分类精度,本文基于计算机视觉技术和深度学习理论,设计了多尺度特征融合网络(Multi-Scale ... 详细信息

中国葡萄种植规模逐年扩大,但由于混种、串粉等导致了葡萄品种混杂,葡萄的分类筛选工作成为限制农业生产效率的重要因素。为了提高生产中葡萄品种分类精度,本文基于计算机视觉技术和深度学习理论,设计了多尺度特征融合网络(Multi-Scale Feature Fusion Network,MSFF-Net)。首先通过混合注意力模块改进ResNet34残差模块,提高模块关键特征提取能力;然后采用双线性结构,改进网络提取葡萄图像的二阶特征;最后通过融合二阶特征和交叉双线性特征,建立了一种基于多尺度特征融合网络的食用葡萄分类模型。在葡萄分类试验中,达到了96.97%的识别精度,相较于对照模型,取得了更高的精度。

关键词：卷积神经网络葡萄注意力机制细粒度分类特征融合

来源：评论

学校读者我要写书评

暂无评论

基于实体信息增强及多粒度融合的多文档摘要

引用

中文信息学报 2023年第7期37卷 42-50页

作者：唐嘉蕊刘美玲赵铁军周继云东北林业大学计算机与控制工程学院黑龙江哈尔滨150006 哈尔滨工业大学计算机科学系黑龙江哈尔滨150001 约翰斯·霍普金斯大学利伯研究所 USA Baltimore MD21218

研究发现对大规模的数据进行预训练可以更好地从自然语言文本中捕捉更丰富的语义信息,目前很多的多文档摘要的工作也应用了预训练模型并取得了一定的效果。但是这些预训练模型没有考虑到结构化的实体-关系信息。不能更好地从文本中捕获... 详细信息

研究发现对大规模的数据进行预训练可以更好地从自然语言文本中捕捉更丰富的语义信息,目前很多的多文档摘要的工作也应用了预训练模型并取得了一定的效果。但是这些预训练模型没有考虑到结构化的实体-关系信息。不能更好地从文本中捕获事实性知识。该文提出了基于实体信息增强和多粒度融合的多文档摘要模型MGNIE,该方法将实体关系信息融入预训练模型ERNIE中,增强知识事实以获得多层语义信息,解决摘要生成的事实一致性问题,进而从多种粒度进行多文档层次结构的融合建模,以词信息、实体信息以及句子信息捕捉长文本信息摘要生成所需的关键信息点。该文设计的模型在国际标准评测数据集MultiNews上的实验证明,所提模型对比强基线模型效果和竞争力获得较大提升。

关键词：实体信息增强预训练语言模型多粒度融合

来源：评论

学校读者我要写书评

暂无评论

果蔬采摘机器人系统设计

引用

电子测试 2023年第3期 6-10页

作者：黄志豪宋其江韩猛郝一诺江华李芷怡东北林业大学计算机与控制工程学院哈尔滨150040

由于中国果蔬生产规模越来越大,采摘的人力成本提高,劳动力减少,因而利用机器人等技术实现果蔬的自动采摘已经成为热点研究问题。本文提出基于树莓派和STM32单片机控制实现果蔬自动采摘机器人系统,通过STM32单片机控制机器人底板的运动... 详细信息

由于中国果蔬生产规模越来越大,采摘的人力成本提高,劳动力减少,因而利用机器人等技术实现果蔬的自动采摘已经成为热点研究问题。本文提出基于树莓派和STM32单片机控制实现果蔬自动采摘机器人系统,通过STM32单片机控制机器人底板的运动和稳定,并通过树莓派完成果蔬的图像识别和定位,完成机械臂规划运动路径,使用六自由度的机械手臂以及柔性手爪,获得了相当大的抓取空间并能承受一定数值的抓取质量。本设计完成了原型实物,该采摘机器人通过运行测试验证具有很好的准确性和稳定性,为实现真正自动化农业采摘打下必要的实验基础。

关键词：果蔬采摘 STM32 树莓派柔性手爪图像识别

来源：评论

学校读者我要写书评

暂无评论

基于PSO-LSTM-Attention算法的液压管路压力预测

引用

中国电子科学研究院学报 2023年第12期18卷 1094-1099页

作者：李昂徐梓敬徐凯宏谈子所东北林业大学计算机与控制工程学院黑龙江哈尔滨150040 东北林业大学家居与艺术设计学院黑龙江哈尔滨150040 上海望源测控仪表设备有限公司上海200301

在液压系统中,液压管路是实现压力传导功能的重要组成部分,其压力值的变化不容忽视。在环境误差等因素的影响下,液压管路的压力变化呈现非线性和不稳定性。为解决该问题,提出基于粒子群优化算法(PSO)改进的基于注意力机制(Attention)的... 详细信息

在液压系统中,液压管路是实现压力传导功能的重要组成部分,其压力值的变化不容忽视。在环境误差等因素的影响下,液压管路的压力变化呈现非线性和不稳定性。为解决该问题,提出基于粒子群优化算法(PSO)改进的基于注意力机制(Attention)的长短期记忆神经网络(LSTM)的液压管路压力预测方案。用某飞机液压管路的压力检测值作为输入数据,实现液压管路某支路位置的压力预测,并完成预测结果的可视化。实验结果表明,该模型预测平均误差为1.78%,符合液压管路压力预测要求。

关键词：液压管路粒子群算法 LSTM 压力预测注意力机制

来源：评论

学校读者我要写书评

暂无评论

多模型融合的对抗网络图像去雾研究

引用

计算机科学与应用 2023年第10期13卷 1807-1816页

作者：尹思源王行建东北林业大学计算机与控制工程学院黑龙江哈尔滨

为了应对单一网络模型在雾天场景下去雾效果不理想的,去雾后图像颜色失真等问题,提出一种基于循环生成对抗网络(CycleGAN)的多去雾模型融合的去雾算法。首先,在整体去雾模型上,针对不同雾气浓度,将传统的单一模型改为多去雾模型,分别将... 详细信息

为了应对单一网络模型在雾天场景下去雾效果不理想的,去雾后图像颜色失真等问题,提出一种基于循环生成对抗网络(CycleGAN)的多去雾模型融合的去雾算法。首先,在整体去雾模型上,针对不同雾气浓度,将传统的单一模型改为多去雾模型,分别将不同浓度的雾气图像传入对应的去雾网络,接着在生成器模块中引入CBAM注意力机制,帮助模型可以更好的考虑通道上和空间上的影响,赋予重要特征以更多的权重,最后针对生成的无雾图像颜色失真问题,提出一种基于Lab色彩空间的新的色彩损失函数。实验结果表明,与传统的CycleGAN模型相比,本文算法在公共合成数据集和真实世界的图像上取得了更好的性能和更好的视觉效果。

关键词：图像去雾循环生成式对抗网络信息融合

来源：评论

学校读者我要写书评

暂无评论

融合ReFPN结构与混合注意力的小目标检测算法

引用

哈尔滨理工大学学报 2022年第2期27卷 85-91页

作者：赵一鸣王金聪任洪娥赵龙东北林业大学信息与计算机工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040 黑龙江省林业智能装备工程研究中心哈尔滨150040

基于深度学习的小目标检测研究对于如小人脸识别、遥感图像检测等任务的优化与提升都具有极为重要的意义。但由于图像中的小目标所占像素较少,分辨率低,包含的特征信息不明显,现有方法对小目标的检测效果并不理想。针对此问题,提出一种... 详细信息

基于深度学习的小目标检测研究对于如小人脸识别、遥感图像检测等任务的优化与提升都具有极为重要的意义。但由于图像中的小目标所占像素较少,分辨率低,包含的特征信息不明显,现有方法对小目标的检测效果并不理想。针对此问题,提出一种基于反馈的特征融合网络ReFPN用于YOLOv4算法,两次利用骨干网络提取的原始特征层,加强小目标特征信息,对其进行更精确的位置回归。同时提出混合注意力机制Co-AM充分提取小目标的细节特征信息,抑制无效特征,进一步提高小目标的检测精度。实验结果表明,此文提出的方法使YOLOv4算法在MS COCO数据集上平均精度AP提高了1.9%,小目标平均精度AP_(S)提高了3.3%,检测效果优于现有小目标检测算法,证明了此文提出方法的有效性。

关键词：深度学习小目标检测特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于小波域的图像超分辨率重建方法

引用

液晶与显示 2021年第2期36卷 317-326页

作者：董本志于明聪赵鹏东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

传统的基于CNN的方法在对低分辨率图像进行重构处理过程中,并未将图像中的低频结构信息和高频细节信息进行区别处理,且网络的层与层之间缺乏信息交流,从而造成高分辨率重建图像结果中出现信息缺失。为获取更多图像各层次特征的结构与细... 详细信息

传统的基于CNN的方法在对低分辨率图像进行重构处理过程中,并未将图像中的低频结构信息和高频细节信息进行区别处理,且网络的层与层之间缺乏信息交流,从而造成高分辨率重建图像结果中出现信息缺失。为获取更多图像各层次特征的结构与细节信息,本文构建了基于小波域的残差密集网络(WRDSR)。该网络在二维离散小波变换形成的小波域内,利用密集连接和残差连接对图像不同频率的信息进行充分提取后,将融合后的特征输入到亚像素卷积层生成高分辨率图像的小波子带图像,最后通过二维离散小波逆变换生成高分辨率图像。与Bicubic、SRCNN、VDSR、LapSRN、DWSR、SDSR等算法相比,WRDSR在评价指标PSNR/SSIM上平均提高了2.824 dB/0.0595、0.747 dB/0.0168、0.016 dB/0.0024、0.025 dB/0.0043、0.21 dB/0.0047和0.20 dB/0.0057,在更高效地利用原始图像信息的同时,解决了信息缺失的问题,使得重建图像的纹理更清晰,细节更丰富,视觉效果更佳。

关键词：图像超分辨率重建小波域密集连接残差网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的遥感图像地物分割方法

引用

液晶与显示 2021年第5期36卷 733-740页

作者：沈言善王阿川东北林业大学信息与计算机工程学院黑龙江哈尔滨150000

针对传统方法难以同时有效地进行多目标分割,现有基于全卷积神经网络的地物分类方法在复杂场景下分类精度不高的问题,提出了一种基于U-net改进的全卷积神经网络DL-Unet,实现了对遥感图像不同类别地物的有效分割。该网络改进了传统的卷... 详细信息

针对传统方法难以同时有效地进行多目标分割,现有基于全卷积神经网络的地物分类方法在复杂场景下分类精度不高的问题,提出了一种基于U-net改进的全卷积神经网络DL-Unet,实现了对遥感图像不同类别地物的有效分割。该网络改进了传统的卷积方式,引入扩张卷积,在不增加网络参数的同时增大感受野。针对遥感影像中地物类别不均衡的问题,使用带权重的交叉熵作为模型的损失函数,有效克服了模型的选择偏好。对预测结果采用了相对多数投票策略进一步提高了各个地物类别的像素准确率(PA)。实验结果表明,该模型在各地物类别的平均像素准确率(MPA)和均交并比(MIoU)上相较于经典U-net网络分别提高了5.94%和9.45%,实现了对地物信息的有效分割。

关键词：深度学习扩张卷积加权交叉熵集成学习语义分割图像处理

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：