检索结果-内蒙古大学图书馆

电子与信息学报 2024年第8期46卷 3363-3371页

作者：毛秀华张强阮航杨雨昂北京跟踪与通信技术研究所北京100094 天基综合信息系统全国重点实验室北京100094

利用语义分割技术提取的高分辨率遥感影像目标分割具有重要的应用前景。随着多传感器技术的飞速发展,多模态遥感影像间良好的优势互补性受到广泛关注,对其联合分析成为研究热点。该文同时分析光学遥感影像和高程数据,并针对现实场景中... 详细信息

利用语义分割技术提取的高分辨率遥感影像目标分割具有重要的应用前景。随着多传感器技术的飞速发展,多模态遥感影像间良好的优势互补性受到广泛关注,对其联合分析成为研究热点。该文同时分析光学遥感影像和高程数据,并针对现实场景中完全配准的高程数据不足导致两类数据融合分类精度不足的问题,提出一种基于多模态遥感数据的多任务协同模型(UR-PSPNet),该模型提取光学图像的深层特征,预测语义标签和高程值,并将高程数据作为监督信息嵌入,以提升目标分割的准确性。该文设计了基于ISPRS的对比实验,证明了该算法可以更好地融合多模态数据特征,提升了光学遥感影像目标分割的精度。

关键词：语义分割遥感影像多模态深度学习高程估计

来源：评论

学校读者我要写书评

暂无评论

基于自适应鲁棒模糊神经网络的MBR膜透水率软测量

引用

控制与决策 2025年第2期40卷 665-674页

作者：张祎邢刘峥韩红桂北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

针对膜生物反应器(MBR)污水处理工艺易受到进水水量、水质波动等外部干扰因素的影响导致膜透水率难以准确测量的问题,提出一种基于自适应鲁棒模糊神经网络(ARFNN)的膜透水率软测量模型.首先,构建一种对称抗噪损失函数,降低了模型对外部... 详细信息

针对膜生物反应器(MBR)污水处理工艺易受到进水水量、水质波动等外部干扰因素的影响导致膜透水率难以准确测量的问题,提出一种基于自适应鲁棒模糊神经网络(ARFNN)的膜透水率软测量模型.首先,构建一种对称抗噪损失函数,降低了模型对外部干扰的敏感度,提高了软测量模型的鲁棒性;然后,设计一种自适应梯度下降算法,动态优化模型参数,提升了软测量模型的检测精度;最后,利用李雅普诺夫函数验证了ARFNN的收敛性,分析了模型的鲁棒性,保证了模型的收敛速度和抗干扰能力.将所设计的基于ARFNN的膜透水率软测量模型应用于实际的污水处理过程中,实验结果表明,在有外部干扰的情况下,该模型不但能够实现膜透水率的在线检测,而且可以获得较高的检测精度.

关键词：模糊神经网络膜生物反应器膜透水率鲁棒性软测量梯度下降

来源：评论

学校读者我要写书评

暂无评论

乳腺近红外光谱断层成像系统研究进展

引用

中国激光 2024年第9期51卷 143-159页

作者：魏承朴冯金超栗雅轩胡婷孙中华贾克斌李哲北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124 先进信息网络北京实验室北京100876

近红外光谱断层成像是一种可以获得乳腺组织内部光学特性,弥补传统乳腺影像学检查方法的不足,具有无创无辐射、高特异性等特性,在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用... 详细信息

近红外光谱断层成像是一种可以获得乳腺组织内部光学特性,弥补传统乳腺影像学检查方法的不足,具有无创无辐射、高特异性等特性,在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用起着重要的作用。然而,近红外光谱断层成像系统的空间分辨率低,限制了其在乳腺成像中的应用。将连续波模式与频域或时域测量模式相结合,并融合临床用的数字乳腺断层摄影、超声或核磁共振成像等技术有助于解决上述问题。先对近红外光谱断层成像系统的测量模式、多模态系统和多模态融合技术进行梳理、对比,然后介绍了该技术在乳腺成像中的最新应用,进一步讨论了乳腺近红外光谱断层成像系统未来的发展方向。

关键词：成像系统生物光学近红外光谱断层成像乳腺成像多模态

来源：评论

学校读者我要写书评

暂无评论

融合元学习和PPO算法的四足机器人运动技能学习方法

引用

控制理论与应用 2024年第1期41卷 155-162页

作者：朱晓庆刘鑫源阮晓钢张思远李春阳李鹏北京工业大学信息学部北京100020 计算智能与智能系统北京市重点实验室北京100020

具备学习能力是高等动物智能的典型表现特征,为探明四足动物运动技能学习机理,本文对四足机器人步态学习任务进行研究,复现了四足动物的节律步态学习过程.近年来,近端策略优化(PPO)算法作为深度强化学习的典型代表,普遍被用于四足机器... 详细信息

具备学习能力是高等动物智能的典型表现特征,为探明四足动物运动技能学习机理,本文对四足机器人步态学习任务进行研究,复现了四足动物的节律步态学习过程.近年来,近端策略优化(PPO)算法作为深度强化学习的典型代表,普遍被用于四足机器人步态学习任务,实验效果较好且仅需较少的超参数.然而,在多维输入输出场景下,其容易收敛到局部最优点,表现为四足机器人学习到步态节律信号杂乱且重心震荡严重.为解决上述问题,在元学习启发下,基于元学习具有刻画学习过程高维抽象表征优势,本文提出了一种融合元学习和PPO思想的元近端策略优化(MPPO)算法,该算法可以让四足机器人进化学习到更优步态.在PyBullet仿真平台上的仿真实验结果表明,本文提出的算法可以使四足机器人学会行走运动技能,且与柔性行动者评价器(SAC)和PPO算法的对比实验显示,本文提出的MPPO算法具有步态节律信号更规律、行走速度更快等优势.

关键词：四足机器人步态学习强化学习元学习

来源：评论

学校读者我要写书评

暂无评论

一种基于Transformer架构的多层级自动睡眠分期模型

引用

电子学报 2025年第2期53卷 545-557页

作者：金峥贾克斌北京工业大学信息科学技术学院北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

睡眠是人体保持健康的重要生理过程,基于多导睡眠图(PolySomnoGraphy,PSG)的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题,采用深度学习模型有效表征PSG的自动睡眠分... 详细信息

睡眠是人体保持健康的重要生理过程,基于多导睡眠图(PolySomnoGraphy,PSG)的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题,采用深度学习模型有效表征PSG的自动睡眠分期法显现出广阔的研究前景.针对现有模型未充分考虑PSG片段内波形信息、通道间相关性信息、片段间睡眠转换信息的问题,本文提出一种基于Transformer架构的多层级睡眠分期网络模型(Hierarchical transFormer sleep staging model,HierFormer),采用Transformer编码器有效提取片段内波形特征、通道相关性特征、片段间转换特征,并结合注意力机制综合提升模型对于PSG片段内、通道间、片段间三种视角信号特性的可解释性.基于睡眠集-欧洲数据格式(sleep-European Data Format,sleep-EDF)扩展睡眠数据集开展的实验结果表明:本文模型利用更少的参数量取得优于多种现有基线模型的分期性能,分类准确率、宏平均精确率、宏平均召回率、宏平均F1分数、科恩卡帕系数分别可达到0.807、0.784、0.735、0.750和0.721.通过在三种视角下不同特征编码方式的性能对比和注意力分数的可视化,本文进一步证明了所提模型良好的编码能力和可解释性.本研究旨在为睡眠分期领域的深度学习应用提供新途径和新技术,从而辅助医生提升睡眠疾病诊疗效率.

关键词：多导睡眠图(PSG) 自动睡眠分期深度神经网络 Transformer架构注意力机制模型可解释性

来源：评论

学校读者我要写书评

暂无评论

基于权重偏置图注意网络的复杂场景中物体位置关系推理方法

引用

计算机学报 2025年第3期48卷 572-585页

作者：左国玉王子豪赵敏于双悦北京工业大学信息科学技术学院北京100124 计算智能与智能系统北京市重点实验室北京100124

在复杂环境中安全抓取目标物体对于机器人技术至关重要,这要求机器人能够准确理解目标物体与周围其他物体之间的空间位置关系。尽管卷积神经网络在关系推理方面展现出一定的潜力,但由于其主要关注像素级信息提取,导致对全局信息的理解不... 详细信息

在复杂环境中安全抓取目标物体对于机器人技术至关重要,这要求机器人能够准确理解目标物体与周围其他物体之间的空间位置关系。尽管卷积神经网络在关系推理方面展现出一定的潜力,但由于其主要关注像素级信息提取,导致对全局信息的理解不足,并忽略了关键的物体关系,从而限制了推理的准确性。为了解决这一问题,本文提出了一种基于端到端图注意网络的关系推理模型,旨在提升推理物体位置关系的准确性。该模型首先采用EfficientNet-B0与双向特征金字塔网络(BiFPN)进行RGB特征提取。其次,在构建图结构时,通过过滤缺乏上下位置关系的物体对,使图结构更加稀疏,从而降低计算负担。随后,利用带权重偏置的图注意网络来预测物体之间的位置关系。在视觉操纵关系数据集(VMRD)上对所提模型进行了训练和评估。结果显示,该模型在关系推理的图像准确率(IA)指标上达到了71.1%。此外,采用梯度加权类激活映射(Grad-CAM)进行了注意力可视化,进一步验证了模型在多物体无序堆叠场景中推断空间位置关系的有效性,使其适用于真实的机械臂抓取应用。最后,通过在实验室环境中对常见物体进行测试,成功地将模型应用于真实世界的机械臂抓取场景,证明了该模型在实际环境中的通用性和实用性。

关键词：复杂场景关系推理 BiFPN 图注意网络抓取顺序

来源：评论

学校读者我要写书评

暂无评论

基于策略蒸馏的四足机器人步态学习方法

引用

北京航空航天大学学报 2025年第2期51卷 428-439页

作者：朱晓庆王涛阮晓钢陈江涛南博睿毕兰越北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

以柔性动作评价(SAC)为代表的强化学习算法在机器人复现高等动物的运动技能中已取得成功,该框架将策略搜索和状态动作价值函数相结合。但智能体使用策略探索是贪婪的,评价网络估算的Q值函数却使用低估值。为使智能体采取更好的策略,将... 详细信息

以柔性动作评价(SAC)为代表的强化学习算法在机器人复现高等动物的运动技能中已取得成功,该框架将策略搜索和状态动作价值函数相结合。但智能体使用策略探索是贪婪的,评价网络估算的Q值函数却使用低估值。为使智能体采取更好的策略,将策略蒸馏(PD)与SAC算法相融合,提出一种PD柔性动作评价(PDSAC)算法,该算法让智能体使用混合策略进行探索,使强化学习得到的奖励函数收敛速度加快。为验证PDSAC算法的有效性,理论证明该算法能提升策略的探索效率,并在四足机器人步态学习任务中进行了验证。仿真实验结果表明:相比SAC算法,PDSAC算法在步态学习任务中可以使奖励函数值提高26.7%,同时收敛速度提升40%。

关键词：强化学习策略蒸馏混合策略好奇心探索策略步态学习

来源：评论

学校读者我要写书评

暂无评论

水位波动条件下不同类型内陆湿地动态范围的精准识别

引用

遥感学报 2023年第6期27卷 1348-1361页

作者：罗茗宫兆宁张园首都师范大学资源环境与旅游学院北京100048 三维信息获取与应用教育部重点实验室北京100048 资源环境与地理信息系统北京市重点实验室北京100048

湿地动态范围的精准识别是湿地生态系统保护和恢复的基础。为了发挥遥感技术的高时效性及大规模重复观测的优势,本研究针对湿地具有的高空间异质性和高时间动态性特征,基于Google Earth Engine (GEE)遥感云平台全部可获取的年内Landsat ... 详细信息

湿地动态范围的精准识别是湿地生态系统保护和恢复的基础。为了发挥遥感技术的高时效性及大规模重复观测的优势,本研究针对湿地具有的高空间异质性和高时间动态性特征,基于Google Earth Engine (GEE)遥感云平台全部可获取的年内Landsat OLI时序影像数据集,从湿地形成的发生学因素湿地水文要素出发,结合湿地发育成熟的诊断特征:湿地土壤和湿地植被,筛选用于湿地范围界定的水湿指数组合;采用图像合成法确定年内的高低水位;通过改进的模糊C均值(MFCM)算法弱化湿地背景的空间异质性,提高湿地与非湿地边界的对比度与区分性;选择最大类间方差法(OTSU)确定湿地消涨边界的自适应阈值;结合水湿指数组合方案叠加规则,进行年内时序湿地动态范围的识别,最终构建了一套基于“要素—指标—阈值”体系的湿地动态范围精准识别技术(简称EITS (Elements-Index-Threshold technology System))。从水库型湿地、沼泽型湿地、湖泊型湿地分别选取官厅水库、若尔盖湿地、鄱阳湖湿地作为典型内陆湿地的实验区,验证该套技术体系的适用性及精度。结果表明湿地范围的提取精度均高于94%,Kappa系数大于0.88,证明该套方法体系有效提高了湿地时空动态范围识别的精度和效率,以期为长时序、大范围湿地动态监测与制图提供可靠的技术支撑。

关键词：遥感湿地动态范围界定水湿指数动态变化过程水位波动时序数据集内陆湿地

来源：评论

学校读者我要写书评

暂无评论

基于迭代优化展开的Cherenkov激发的荧光扫描成像重建算法

引用

中国激光 2023年第15期50卷 50-60页

作者：耿梦凡张虎李哲胡婷贾克斌孙中华冯金超北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124 先进信息网络北京实验室北京100124

Cherenkov激发的荧光扫描成像(CELSI)是一种新型的光学成像技术,为监测体内恶性肿瘤的生物学特性提供了一种手段.为提高CELSI图像重建质量,本文提出了一种基于迭代优化展开的深度学习图像重建算法——ADMM-Net.在该算法中,交替方向乘子... 详细信息

Cherenkov激发的荧光扫描成像(CELSI)是一种新型的光学成像技术,为监测体内恶性肿瘤的生物学特性提供了一种手段.为提高CELSI图像重建质量,本文提出了一种基于迭代优化展开的深度学习图像重建算法——ADMM-Net.在该算法中,交替方向乘子法(ADMM)与卷积神经网络(CNN)相结合组成一个深度网络,网络中的所有参数通过端到端训练进行学习.实验结果表明:该算法可以有效提升重建图像的质量.当网络层数为5时,该算法重建的单荧光目标图像的平均峰值信噪比和结构相似性值分别可达到33.75dB和0.86.该算法不仅可以分辨出边沿距离最小为2 mm的双荧光目标,而且在多荧光目标和不同荧光量子产额比率下表现出了良好的泛化能力.

关键词：医用光学生物技术 Cherenkov激发的荧光扫描成像图像重建技术交替方向乘子法深度学习优化展开

来源：评论

学校读者我要写书评

暂无评论

重大传染病疫情下应急医疗物资需求预测和配置研究

引用

安全与环境学报 2024年第8期24卷 3201-3209页

作者：袁瑞萍杨阳王晓林多靖赟李俊韬北京物资学院信息学院北京101149 智能物流系统北京市重点实验室北京101149

为了科学合理地进行应急医疗物资配置,提高重大传染病疫情防控效率,根据疫情演化不同阶段的特点开展应急医疗物资需求预测和配置研究。首先,根据疫情数据特征,提出传染病模型SEIR(Susceptible Exposed Infectious Recovered)和长短期记... 详细信息

为了科学合理地进行应急医疗物资配置,提高重大传染病疫情防控效率,根据疫情演化不同阶段的特点开展应急医疗物资需求预测和配置研究。首先,根据疫情数据特征,提出传染病模型SEIR(Susceptible Exposed Infectious Recovered)和长短期记忆(Long Short-Term Memory,LSTM)网络相结合的模型(SEIR-LSTM)预测各需求点的应急医疗物资需求量,该方法利用LSTM对时间序列数据良好的学习能力预测感染率,输入SEIR模型提高预测准确率。然后,根据传染病疫情演化关键阶段的特点,考虑物资配送成本、需求紧迫度和分配公平性等因素构建分阶段多目标物资配置模型。最后,以上海新冠肺炎疫情进行实例分析,结果表明,基于SEIR-LSTM的应急物资需求量预测方法准确率较高,根据分阶段配置模型求出的方案能够满足各个阶段物资分配的要求,验证了提出的模型和算法的有效性。

关键词：公共安全重大传染病疫情需求预测应急物资配置传染病模型SEIR 长短期记忆(LSTM)

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：