检索结果-内蒙古大学图书馆

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

基于点云多维特征联合的三维目标跟踪方法

引用

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

基于遗传模糊神经网络的植物病斑区域图像分割模型

引用

农业机械学报 2010年第11期41卷 163-167页

作者：关海鸥许少华谭峰黑龙江八一农垦大学信息技术学院大庆163319 东北石油大学计算机与信息技术学院大庆163318

针对植物病斑区域图像边界的模糊性和不确定性因素,利用模糊逻辑的推理规则和神经网络的自适应性,提出全规则的自适应模糊神经网络模型作为植物病叶图像像素归属的决策系统,并利用遗传算法对系统的可调整参数初始值进行全局优化,提高了... 详细信息

针对植物病斑区域图像边界的模糊性和不确定性因素,利用模糊逻辑的推理规则和神经网络的自适应性,提出全规则的自适应模糊神经网络模型作为植物病叶图像像素归属的决策系统,并利用遗传算法对系统的可调整参数初始值进行全局优化,提高了网络训练速度,避免了传统BP算法的局部最小值。通过对马铃薯早疫病病斑图像分割的实验表明,该模型速度快且稳定,精度高且鲁棒性好,简单易于实现。

关键词：植物病害遗传算法模糊神经网络病斑图像

来源：评论

学校读者我要写书评

暂无评论

点云空间与反射强度融合的非结构化道路可行驶区域检测

引用

控制理论与应用 2024年第5期41卷 847-854页

作者：周越洋徐江钟珊龚声蓉东北石油大学计算机与信息技术学院黑龙江大庆163319 常熟理工学院计算机科学与工程学院江苏苏州215500

可行驶区域检测旨在检测和提取智能车辆在道路上可行进的区域,目前主流的检测方法主要基于三维激光雷达的空间特征实现,难以处理路面边缘无清晰空间特征的非结构化道路.为此,本文提出了一种基于点云空间和反射强度融合的非结构化道路可... 详细信息

可行驶区域检测旨在检测和提取智能车辆在道路上可行进的区域,目前主流的检测方法主要基于三维激光雷达的空间特征实现,难以处理路面边缘无清晰空间特征的非结构化道路.为此,本文提出了一种基于点云空间和反射强度融合的非结构化道路可行驶区域检测方法.首先,通过融合反射强度因子改进了基于空间特征的柱坐标系检测模型;然后,使用强度和降维空间检测对检测精度较低的环形检测模型进行优化,并将其与柱坐标系检测模型联合使用以提高方法检测准确率;最后,在自录实际道路数据集上进行对比实验.实验结果表明本文方法显著提高了非结构化道路可行驶区域检测的成功率与精确率,在结构化道路上也具有良好效果.

关键词：智能驾驶非结构化道路三维激光雷达反射强度空间分布区域检测

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

基于CUR矩阵分解的多核学习正则化路径近似算法

引用

数据采集与处理 2020年第3期35卷 381-391页

作者：王梅李董薛成龙东北石油大学计算机与信息技术学院大庆163318

多核学习在解决不规则、大规模数据问题时表现出良好的优越性。正则化路径是一种多次求解多核学习,选择最优模型的措施。针对多核学习正则化路径算法处理大规模数据时,核矩阵规模较大,计算代价高,影响优化模型效率的问题,提出一种基于CU... 详细信息

多核学习在解决不规则、大规模数据问题时表现出良好的优越性。正则化路径是一种多次求解多核学习,选择最优模型的措施。针对多核学习正则化路径算法处理大规模数据时,核矩阵规模较大,计算代价高,影响优化模型效率的问题,提出一种基于CUR矩阵分解的多核学习正则化路径近似算法(Multiple kernel learning regularization path approximation algorithm with CUR,MKLRPCUR)。该算法首先采用CUR算法获得核矩阵的低秩近似矩阵的多个分解矩阵,然后在求解过程中利用低维的分解矩阵相乘替代核矩阵,调整相关矩阵计算的顺序,从而简化算法中核矩阵和拉格朗日乘子向量乘积的计算。MKLRPCUR算法降低了矩阵的计算规模,优化了矩阵计算,提高了精确算法的计算效率。从理论上分析低秩近似矩阵的相对误差和算法的时间复杂度,验证了近似算法的合理性。同时,在UCI数据集、ORL和COIL图像数据库上的实验结果表明,本文提出的近似算法不仅保证了学习的准确率,并且降低了算法的运行时间,提高了模型的效率。

关键词：多核学习正则化路径核矩阵矩阵近似抽样方法 CUR算法

来源：评论

学校读者我要写书评

暂无评论

基于改进PointPillars的激光雷达三维目标检测

引用

激光与光电子学进展 2024年第8期61卷 225-234页

作者：田枫刘超刘芳姜文文徐昕赵玲东北石油大学计算机与信息技术学院黑龙江大庆163318

针对目前基于点云的三维目标检测算法中小目标检测效果差的问题,提出了基于改进PointPillars模型的三维目标检测方法。首先,改进了PointPillars模型中的pillar特征网络,提出了一个新的pillar编码模块,在编码网络中引入了平均池化和注意... 详细信息

针对目前基于点云的三维目标检测算法中小目标检测效果差的问题,提出了基于改进PointPillars模型的三维目标检测方法。首先,改进了PointPillars模型中的pillar特征网络,提出了一个新的pillar编码模块,在编码网络中引入了平均池化和注意力池化,充分考虑了每个pillar模块的局部详细几何信息,提高了每个pillar模块的特征表示能力,从而提升了模型的小目标检测性能。其次,基于ConvNeXt改进了骨干网络中的二维卷积下采样模块,使模型在网络特征提取阶段能够提取丰富的上下文语义信息和全局特征,从而增强了算法的特征提取能力。在公开数据集KITTI上进行验证,实验结果表明,所提方法具有更高的检测精度,相较于原网络,改进后的算法的平均检测精度提升了3.63个百分点,证明了该方法的有效性。

关键词：三维目标检测 PointPillars 小目标检测注意力池化 ConvNeXt

来源：评论

学校读者我要写书评

暂无评论

一种轻量化油田危险区域入侵检测算法

引用

智能系统学报 2022年第3期17卷 634-642页

作者：田枫白欣宇刘芳姜文文东北石油大学计算机与信息技术学院黑龙江大庆163318

油田危险区域入侵是油田安防领域的核心问题,以目标检测的方式捕获实时发生的危险是区域入侵任务的重点。为了提高模型的实时性,本文提出结合跨阶段线性瓶颈模块和通道注意力机制的轻量化YOLO检测算法。首先以轻量化卷积模块与跨阶段局... 详细信息

油田危险区域入侵是油田安防领域的核心问题,以目标检测的方式捕获实时发生的危险是区域入侵任务的重点。为了提高模型的实时性,本文提出结合跨阶段线性瓶颈模块和通道注意力机制的轻量化YOLO检测算法。首先以轻量化卷积模块与跨阶段局部残差模块级联的跨阶段线性瓶颈模块搭建特征提取网络,大大减少了模型的参数量。在特征金字塔的特征融合模块前使用改进的通道注意力机制,增强特征的表达能力与特征的全局的关联性。在特征推理模块,使用中心归一化非极大值抑制方法进行输出优化,避免了对邻近目标的错误抑制。本算法在VOC2007数据集实验,精确率可达74.9%,优于大多轻量化检测算法,已在冀东油田部署应用,有效保证了油田作业人员的生命财产安全。

关键词：油田危险区域入侵目标检测深度可分离卷积轻量化通道注意力深度学习特征融合特征提取

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：