检索结果-内蒙古大学图书馆

激光与光电子学进展 2024年

作者：田枫张思睿刘芳韩卓翰张孟阳卢羿州马贵宝常欢赵玲韩玉祥东北石油大学计算机与信息技术学院

三维目标跟踪是自动驾驶领域的研究热点之一，目前大多数三维目标跟踪方法仅使用交并比或运动特征作为依据进行数据关联，忽略了目标的3D形态特征与位置特征，导致匹配误差较大。针对此问题本文提出了基于点云多维特征联合的三维目标跟... 详细信息

三维目标跟踪是自动驾驶领域的研究热点之一，目前大多数三维目标跟踪方法仅使用交并比或运动特征作为依据进行数据关联，忽略了目标的3D形态特征与位置特征，导致匹配误差较大。针对此问题本文提出了基于点云多维特征联合的三维目标跟踪方法。首先，基于3D检测骨干网络构建对象嵌入匹配模块来提取目标3D特征，得到更有判别性的特征。其次，添加了运动预测模块以捕获运动特征，结合目标历史轨迹预测目标位置，提高目标在帧间的一致性。最后，构建多维特征联合亲和矩阵，结合距离目标3D形态特征、运动特征和中心点位置特征等多维特征进行数据关联，增加轨迹和检测关联的可靠性。在公开数据集nuScenes上的验证结果表明，所提出的三维目标跟踪方法在跟踪性能方面表现更优，AMOTA(Averagemulti-objecttrackingaccuracy)提升了4.4%,IDS(IdentitySwitches)降低了322，在ID切换次数上有较好的抑制效果，证明了该方法的有效性。

关键词：三维目标跟踪对象嵌入匹配运动预测多维特征联合亲和矩阵数据关联

来源：评论

学校读者我要写书评

暂无评论

基于BERTGAT-Contrastive的语义匹配模型

引用

吉林大学学报(工学版) 2024年

作者：袁靖舒李武赵兴雨袁满东北石油大学计算机与信息技术学院

仅使用 BERT 最后一层信息进行预测会导致丢失一些文本的词法、句法和语义信息。针对这一问题，本文首先提出了一种基于BERT与图注意力网络（Graph Attention Networks，GAT）的BERTGAT模型。通过利用 BERT 多个中间层的隐藏状态矩阵和... 详细信息

仅使用 BERT 最后一层信息进行预测会导致丢失一些文本的词法、句法和语义信息。针对这一问题，本文首先提出了一种基于BERT与图注意力网络（Graph Attention Networks，GAT）的BERTGAT模型。通过利用 BERT 多个中间层的隐藏状态矩阵和注意力矩阵分别作为对应数量 GAT 的节点特征矩阵和邻接矩阵，并采用动态权重策略对不同的 GAT 层进行加权，再应用激活函数判断句子间的相似性。其次，为了使BERTGAT模型能够更好地学习到句子对之间的语言表征，在BERTGAT的基础上引入了对比学习方法，提出了BERTGAT-Contrastive模型，增强了模型对文本之间语义相似性的识别能力。最后，通过在LCQMC和BQ数据集上进行实验，结果表明，本文提出的模型及其对比学习方法效果显著，准确率和F1值均有明显提升。

关键词：深度学习语义匹配 BERT 图注意力网络对比学习

来源：评论

学校读者我要写书评

暂无评论

由交换测试和相位估计构建的量子神经网络

引用

计算机科学与探索 2024年

作者：李盼池刘广硕东北石油大学计算机与信息技术学院

针对量子计算和神经计算的融合问题，研究了一种基于交换测试和相位估计的量子神经网络模型及算法。首先提出了一种采用多比特控制的交换测试量子线路，在此基础上结合相位估计提出了一种量子神经元模型，该模型的输入、权重、输出均为... 详细信息

针对量子计算和神经计算的融合问题，研究了一种基于交换测试和相位估计的量子神经网络模型及算法。首先提出了一种采用多比特控制的交换测试量子线路，在此基础上结合相位估计提出了一种量子神经元模型，该模型的输入、权重、输出均为量子比特，其中权重比特的相位为模型参数。然后基于量子神经元构建了量子神经网络模型，并在该模型的输出端执行测量，以获得网络的实值输出。文中详细设计了与网络模型相关的各种量子线路，根据量子计算理论导出了网络各层的输入输出关系，根据梯度下降算法，详细设计网络参数的调整方法。最后，在经典计算机上，以平面点集识别和手写体数字二分类问题为仿真对象，虽然不能验证量子计算的并行性，但能验证模型的执行效果。仿真结果表明，该模型的分类能力相较于同等参数规模的经典BP神经网络有明显优势，从而揭示出基于多比特交换测试和相位估计方法构建量子神经网络模型的研究方案是有效的可行的，可为量子神经网络研究提供一种新思路。

关键词：量子线路交换测试相位估计量子神经元量子神经网络

来源：评论

学校读者我要写书评

暂无评论

正则化路径上三步式SVM贝叶斯组合

引用

计算机研究与发展 2013年第9期50卷 1855-1864页

作者：王梅廖士中天津大学计算机科学与技术学院天津300072 东北石油大学计算机与信息技术学院黑龙江大庆163318

模型组合旨在整合并利用假设空间中多个模型提高学习系统的稳定性和泛化性.针对支持向量机(support vector machine,SVM)模型组合多采用基于样本采样方法构造候选模型集的现状,研究基于正则化路径的SVM模型组合.首先证明SVM模型组合Lh-... 详细信息

模型组合旨在整合并利用假设空间中多个模型提高学习系统的稳定性和泛化性.针对支持向量机(support vector machine,SVM)模型组合多采用基于样本采样方法构造候选模型集的现状,研究基于正则化路径的SVM模型组合.首先证明SVM模型组合Lh-风险一致性,给出SVM模型组合基于样本的合理性解释.然后提出正则化路径上的三步式SVM贝叶斯组合方法.利用SVM正则化路径分段线性性质构建初始模型集,并应用平均广义近似交叉验证(generalized approximate cross-validation,GACV)模型集修剪策略获得候选模型集.测试或预测阶段,应用最小近邻法确定输入敏感的最终组合模型集,并实现贝叶斯组合预测.与基于样本采样方法不同,三步式SVM贝叶斯组合方法基于正则化路径在整个样本集上构造模型集,训练过程易于实现,计算效率较高.模型集修剪策略可减小模型集规模,提高计算效率和预测性能.实验结果验证了正则化路径上三步式SVM模型组合的有效性.

关键词：模型组合正则化路径支持向量机一致性贝叶斯组合

来源：评论

学校读者我要写书评

暂无评论

一种量子衍生神经网络模型算法及应用

引用

电子学报 2014年第12期42卷 2401-2408页

作者：杨淑云李盼池东北石油大学招生就业处黑龙江大庆163318 东北石油大学计算机与信息技术学院黑龙江大庆163318

为提高神经网络的逼近和预测能力,提出一种各维输入为离散序列的量子衍生神经网络模型及算法.该模型为三层结构,隐层为量子衍生神经元,输出层为普通神经元.量子衍生神经元由量子旋转门和多位受控旋转门组成,利用多位受控旋转门中目标量... 详细信息

为提高神经网络的逼近和预测能力,提出一种各维输入为离散序列的量子衍生神经网络模型及算法.该模型为三层结构,隐层为量子衍生神经元,输出层为普通神经元.量子衍生神经元由量子旋转门和多位受控旋转门组成,利用多位受控旋转门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用受控旋转门输出中多位量子比特的纠缠获得量子衍生神经元的输出.基于量子计算理论设计了该模型的学习算法.该模型可从宽度和深度两方面获取输入序列的特征.仿真结果表明,当输入节点数和序列长度满足一定关系时,该模型明显优于普通神经网络.

关键词：量子计算量子旋转门受控旋转门量子神衍生经元量子衍生神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Bloch球面搜索的量子蚁群优化算法

引用

高技术通讯 2013年第7期23卷 663-670页

作者：李盼池王海英东北石油大学计算机与信息技术学院大庆163318

为提高蚁群算法的优化效率,提出一种基于Bloch球面搜索的量子蚁群优化算法。该算法用Bloch球面描述的量子比特对蚂蚁位置编码,用信息素强度和启发式信息构造的选择概率选择蚂蚁的移动目标,用量子比特在Bloch球面上的绕轴旋转实现蚂蚁移... 详细信息

为提高蚁群算法的优化效率,提出一种基于Bloch球面搜索的量子蚁群优化算法。该算法用Bloch球面描述的量子比特对蚂蚁位置编码,用信息素强度和启发式信息构造的选择概率选择蚂蚁的移动目标,用量子比特在Bloch球面上的绕轴旋转实现蚂蚁移动,用Hadamard门实现变异以避免早熟收敛,在移动后的新位置完成信息素和启发式信息的更新。仿真结果表明该方法的搜索能力和优化效率优于其他量子智能优化算法。

关键词：蚁群优化量子蚁群优化 Bloch球面坐标 Bloch球面搜索算法设计

来源：评论

学校读者我要写书评

暂无评论

储油罐液位时序数据模式发现

引用

重庆大学学报（自然科学版） 2020年第3期43卷 88-99页

作者：文必龙马强李菲东北石油大学计算机与信息技术学院黑龙江大庆163318

储油罐液位时序数据模式发现对油田生产管理、灾害预警有重要意义,由于目前油气田领域的数据体系繁杂,并未对这些数据加以分类和标识。已有方法借助图形化工具进行人工筛选与检查,这样的方法不适用于长时间不间断生产的石油工业。面对... 详细信息

储油罐液位时序数据模式发现对油田生产管理、灾害预警有重要意义,由于目前油气田领域的数据体系繁杂,并未对这些数据加以分类和标识。已有方法借助图形化工具进行人工筛选与检查,这样的方法不适用于长时间不间断生产的石油工业。面对上述问题及已有方法的不足,针对储油罐液位时序数据的特点,提出基于层叠分段与层次聚类模式发现的处理方法。将观测序列转换为离散的线性分段序列,并对各线性分段进行基于DTW距离的无监督层次聚类,可自动发现时序模式并分配标识符标注时序序列。以储油罐液位时序数据进行实验,发现了隐含的变化模式和变化规律。方法对液位时序变化模式有很好的识别及分类能力,无需人工筛选与检查,并可根据需要,查看不同粒度的变化模式,可为时序数据模式识别,异常检测提供参考和途径。

关键词：层叠线性分段形态相似度量时间序列分析模式发现

来源：评论

学校读者我要写书评

暂无评论

利用多道相似组稀疏表示方法压制随机噪声

引用

石油地球物理勘探 2017年第3期52卷 442-450页

作者：张岩任伟建唐国维东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学电气信息工程学院黑龙江大庆163318

针对目前地震数据随机噪声压制方法采用的稀疏表示方法中单一的正交基无法根据地震数据特征自适应调整基函数,基于数据分块的自适应超完备学习字典方法通常忽略块之间相似性的问题,提出基于多道相似组稀疏表示模型的去噪算法。由于地震... 详细信息

针对目前地震数据随机噪声压制方法采用的稀疏表示方法中单一的正交基无法根据地震数据特征自适应调整基函数,基于数据分块的自适应超完备学习字典方法通常忽略块之间相似性的问题,提出基于多道相似组稀疏表示模型的去噪算法。由于地震记录波形在邻近记录道存在较强的相似性,首先在训练窗口内计算与目标地震数据块所包含的多道记录的波形相似度,利用相似度最高的一组数据块构造多道相似组;然后采用自适应超完备字典学习算法完成基于多道相似组的字典构建与稀疏编码;最后通过迭代阈值收缩算法求解L1范数最小优化问题,逐步提高编码系数的稀疏程度,保留地震数据主要特征,压制随机噪声。与现有随机噪声压制算法对比,本文算法具有更高的峰值信噪比(PSNR),并且能更好地保持复杂区域地震数据同相轴的局部特征。

关键词：地震数据去噪稀疏表示多道相似组字典学习迭代阈值收缩

来源：评论

学校读者我要写书评

暂无评论

远程台仿真系统的自适应稳态回馈控制方法

引用

系统仿真学报 2017年第2期29卷 387-392,401页

作者：马瑞民张文晶张方舟孙瑞雪李强东北石油大学计算机与信息技术学院黑龙江大庆163318

在钻井过程中为了有效保护和正确控制井控设备,同时确保井控安全,需要钻井从业人员进行井控仿真培训。为了给培训人员创造真实的钻井环境并客观反映培训人员的技能水平,设计了井控远程台实物仿真系统。为了在与真实相近的环境下模拟操... 详细信息

在钻井过程中为了有效保护和正确控制井控设备,同时确保井控安全,需要钻井从业人员进行井控仿真培训。为了给培训人员创造真实的钻井环境并客观反映培训人员的技能水平,设计了井控远程台实物仿真系统。为了在与真实相近的环境下模拟操作井控设备,将自适应稳态回馈控制应用到井控远程台仿真系统中。根据系统特性,结合PID自适应控制,提出自适应井控远程台压力油制备仿真的稳态回馈控制算法。为验证方法的可行性,选取以某油田钻井公司的实际项目为背景进行仿真设计。试验结果表明,此方法能够实现远程控制台的检查与运行等内容的真实操作训练功能。

关键词：井控远程台压力油制备实物仿真自适应稳态回馈

来源：评论

学校读者我要写书评

暂无评论

多模态融合的三维目标检测方法研究

引用

计算机工程与应用 2024年第13期60卷 113-123页

作者：田枫宗内丽刘芳卢圆圆刘超姜文文赵玲韩玉祥东北石油大学计算机与信息技术学院黑龙江大庆163318

针对点云稀疏性与无序性导致基于纯点云的检测算法容易出现远小目标漏检和误检的问题,提出一种融合图像特征与点云体素特征的多模态三维目标检测算法。在图像特征提取阶段,提出一种轻量级深度残差网络,减少图像特征通道数,使其与点云体... 详细信息

针对点云稀疏性与无序性导致基于纯点云的检测算法容易出现远小目标漏检和误检的问题,提出一种融合图像特征与点云体素特征的多模态三维目标检测算法。在图像特征提取阶段,提出一种轻量级深度残差网络,减少图像特征通道数,使其与点云体素特征相一致,提高点云和图像特征的融合能力;在体素特征与图像特征融合阶段,提出一种双次特征融合网络,在保留原始体素特征结构信息的基础上将图像特征和体素特征进行融合,使点云具备丰富的语义信息,提高远小目标检测精度。在KITTI数据集上实验结果显示,与基线模型相比,对小汽车、骑行者与行人的3D平均检测精度分别提高了0.76个百分点、2.30个百分点、3.43个百分点。实验结果验证了所提方法对于解决远小目标误检和漏检问题的有效性。

关键词：三维目标检测深度残差网络体素特征图像特征特征融合双次特征融合网络

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：