检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第1期61卷 24-41页

作者：山显英张琳李泽慧北京建筑大学电气与信息工程学院北京102616

近年来,深度学习在GPU高性能计算能力的加持下得到了迅速推广,并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高,从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用,极大地节省了人... 详细信息

近年来,深度学习在GPU高性能计算能力的加持下得到了迅速推广,并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高,从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用,极大地节省了人力物力。通过参考大量文献,按照两阶段脉络梳理了目标检测的发展历程以及近年深度学习在目标检测领域内的研究进展,对比了在不同数据集上模型网络的性能,总结不同方法的优势与不足,并对领域内重要数据集作了归纳,还对目标检测算法的落地效果做了总结,特别是生活与科技中的实际应用(无人驾驶、医学图像、遥感等)。最后,还对深度学习驱动下目标检测在未来研究上的机遇和挑战作了展望。

关键词：目标检测卷积神经网络单阶段两阶段目标检测应用

来源：评论

学校读者我要写书评

暂无评论

三维卷积神经网络方法改进及其应用综述

引用

计算机工程与应用 2025年第3期61卷 48-61页

作者：李泽慧张琳山显英北京建筑大学电气与信息工程学院北京102616

三维卷积神经网络作为一种深度神经网络,在计算机视觉领域,特别是视频动作识别方面展现了优异的效果。然而三维卷积神经网络仍存在一些问题,针对这些问题,对现有的基于三维卷积的视频动作识别改进方法进行了总结和分析。在轻量化、特征... 详细信息

三维卷积神经网络作为一种深度神经网络,在计算机视觉领域,特别是视频动作识别方面展现了优异的效果。然而三维卷积神经网络仍存在一些问题,针对这些问题,对现有的基于三维卷积的视频动作识别改进方法进行了总结和分析。在轻量化、特征提取、计算效率、组合模型等方面对三维卷积神经网络的改进进行归纳,并介绍了三维卷积神经网络的实际应用,总结了流行的数据集,并对这些改进方法的实验结果进行了比较和分析。展望了视频动作识别未来的发展方向。

关键词：三维卷积神经网络(3DCNN) 行为识别深度学习

来源：评论

学校读者我要写书评

暂无评论

基于残差空间网络的建筑图像编辑

引用

计算机辅助设计与图形学学报 2025年

作者：朱成赵光哲林本旺王雪平北京建筑大学电气与信息工程学院

建筑图像层次结构的复杂性给图像编辑带来了一定的挑战. 虽然部分工作结合重建和编辑的方法进行建筑图像编辑，但由于图像编码到的空间维度较低，容易丢失空间信息，导致编辑后的建筑图像发生扭曲，难以保持结构一致性. 为了解决上... 详细信息

建筑图像层次结构的复杂性给图像编辑带来了一定的挑战. 虽然部分工作结合重建和编辑的方法进行建筑图像编辑，但由于图像编码到的空间维度较低，容易丢失空间信息，导致编辑后的建筑图像发生扭曲，难以保持结构一致性. 为了解决上述问题，提出一种基于StyleGAN的建筑图像编辑模型ABEditor. 首先提出多层次结构的残差空间网络，用于学习多层空间特征和风格特征，并连接到StyleGAN对应维度的高维特征空间，通过逐层校正对输入图像进行精确重构，表达丰富的空间信息，在合成网络更接近于输出的后期层，使用编码器将图像映射到低维隐空间，保证图像的颜色细节; 为了更准确地评估编辑效果，提出一种基于语义分割的平均像素编辑距离（APEDS）评价指标. 在LSUN Church数据集上与相关方法进行实验的结果表明， ABEditor在保留建筑图像细节和空间结构方面有所提升，在SSIM， FID， L2， LPIPS， PSNR和APEDS定量分析指标中，分别提升28.64%， 20.74%， 13.67%， 1.67%， 10.01%和21.26%.

关键词：建筑图像编辑生成对抗网络反演残差空间学习

来源：评论

学校读者我要写书评

暂无评论

低资源环境下的语音唤醒研究综述

引用

计算机工程 2025年第2期51卷 35-53页

作者：王月昊周若华北京建筑大学电气与信息工程学院北京100044

语音唤醒作为实现人机交互的关键技术,一直是语音领域的研究热点。随着深度学习技术的发展,其研究方法的重心已从传统的大词汇连续语音识别(LVCSR)技术逐渐转向基于神经网络的技术,然而如何在小型设备上实现高效唤醒并利用有限的样本数... 详细信息

语音唤醒作为实现人机交互的关键技术,一直是语音领域的研究热点。随着深度学习技术的发展,其研究方法的重心已从传统的大词汇连续语音识别(LVCSR)技术逐渐转向基于神经网络的技术,然而如何在小型设备上实现高效唤醒并利用有限的样本数据进行模型训练仍是低资源语音唤醒系统设计面临的挑战。首先,定义了语音唤醒中的低资源概念,区分了语音唤醒和语音识别以及相关术语,介绍了经典的语音唤醒模型及其适配场景,阐述了低资源语音唤醒的国内外研究现状。其次,从语音唤醒系统的结构组成的角度分别说明了声学特征提取与声学模型的主流技术和优化策略。然后,对语音唤醒模型的轻量化方法展开分析并对其优缺点进行比较,总结了数据低资源语音唤醒中常见的小样本学习、零样本学习、迁移学习等解决方法,并介绍了常见语音唤醒数据集和评价指标。最后,探讨并展望了低资源语音唤醒技术未来的研究方向。

关键词：语音唤醒低资源模型量化小样本学习人机交互

来源：评论

学校读者我要写书评

暂无评论

SAR三维成像中的模糊问题研究

引用

雷达科学与技术 2025年

作者：赵春萌肖宁刘慧史洪印黎芳北京建筑大学电气与信息工程学院

SAR三维成像中，基线分布对成像结果有很大的影响。最长基线决定成像系统的分辨率，最短基线决定了成像系统的最大不模糊高度。本文分析了基线分布对三维成像的影响，并针对高程模糊问题，提出了一种基于相位解缠技术的解模糊方法。该... 详细信息

SAR三维成像中，基线分布对成像结果有很大的影响。最长基线决定成像系统的分辨率，最短基线决定了成像系统的最大不模糊高度。本文分析了基线分布对三维成像的影响，并针对高程模糊问题，提出了一种基于相位解缠技术的解模糊方法。该方法首先利用SAR幅度图像和相干系数图实现建筑提取，获得建筑位置所对应的干涉条纹；然后利用多基线迭代相位解缠方法获得最长基线的对应的高分辨率真实相位图；最后，对长基线的干涉相位反演高程得到解模糊的高程点云。本文分别利用仿真实验和来自空天信息创新研究院发布的运城机载数据以及天津临港商务大厦小型无人机载数据，对高程模糊进行了实验分析，也验证了解模糊方法的可行性。

关键词：合成孔径雷达三维成像高程模糊相位缠绕多基线相位解缠

来源：评论

学校读者我要写书评

暂无评论

基于特征可视化探究跳跃连接结构对深度神经网络特征提取的影响

引用

计算机工程 2025年第4期51卷 149-157页

作者：郭佩林张德王怀秀北京建筑大学电气与信息工程学院北京100044

由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,... 详细信息

由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,这些模型仍然被认为是黑盒。为了分析跳跃连接结构对深度神经网络特征提取的影响,从特征可视化的角度,以基于扰动的方法为切入点,提出一种在保持图像总体颜色分布和轮廓特征基本不变的前提下弱化图像细节特征的扰动方法,并将其命名为网格乱序模糊(GSB)方法。同时,研究结合特征可视化中的激活最大化(AM)方法和所提出的GSB扰动方法,分析了拥有不同程度跳跃连接结构的经典图像分类深度神经网络模型VGG 19, ResNet 50和DenseNet 201。实验结果表明,没有跳跃连接结构的深度神经网络只提取了图像中较强的特征,提取的特征数量比较少,而拥有跳跃连接结构的深度神经网络提取了图像中更多的特征,但是这些特征相对较弱;跳跃连接结构使模型更关注图像的局部颜色分布和全局总体轮廓,而不过多依赖图像细节特征,并且跳跃连接结构越密集,这种趋势越强。

关键词：深度神经网络跳跃连接结构特征可视化激活最大化扰动方法可解释性

来源：评论

学校读者我要写书评

暂无评论

多层级用户兴趣与多意图融合的下一篮推荐算法

引用

计算机科学与探索 2025年第3期19卷 749-763页

作者：魏楚元袁保杰王昌栋北京建筑大学电气与信息工程学院北京100044 中山大学计算机学院广州510275

下一篮推荐旨在根据用户历史交互的篮子序列,为用户推荐下一篮可能感兴趣的商品。针对现有下一篮推荐算法未能较好解离篮子内的多意图以及仅从单一层面考虑用户的兴趣或意图,导致推荐效果受限等问题,提出了一种多层级用户兴趣与多意图... 详细信息

下一篮推荐旨在根据用户历史交互的篮子序列,为用户推荐下一篮可能感兴趣的商品。针对现有下一篮推荐算法未能较好解离篮子内的多意图以及仅从单一层面考虑用户的兴趣或意图,导致推荐效果受限等问题,提出了一种多层级用户兴趣与多意图融合的下一篮推荐模型(MLIMI),从多个层级分别考虑用户兴趣与多意图,构建全局级的用户-项目交互图。考虑到用户行为会随时间发生变化,设计一种长短期时间衰减权重平衡交互项的重要性,通过图卷积网络学习用户的动态兴趣;构建局部级篮子-项目图,通过图解离网络学习解离化的篮子内多意图,随后通过一个多头自注意力层对多意图进行编码,得到最终的意图表示。设计一个跨层级的对比学习范式,结合来自不同层级的项目表示,以增强不同层级项目之间的语义信息。在预测层中融合来自不同层级的用户兴趣和意图,进行下一篮预测。在两个公共基准数据集Ta Feng和Dunnhumby上与MITGNN、TAIW、MINN等主流模型进行了对比实验,结果表明MLIMI的性能优于当前许多基线模型。

关键词：下一篮推荐图解离网络多意图学习对比学习多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

扰动信息未知的永磁同步电机自适应滑模控制

引用

电子测量技术 2025年第1期48卷 76-83页

作者：王俊凯张晓宇柳向斌郭蓉北京建筑大学电气与信息工程学院北京100044 北京交通大学电子信息工程学院北京100044

扰动信息未知时,永磁同步电机(PMSM)终端滑模控制中的抖振加剧。为了减弱未知不确定和扰动对控制性能的影响,本文提出了一种改进的基于干扰观测器的自适应快速终端滑模控制方法。首先,建立包含参数化不确定性及负载扰动的PMSM数学模型,... 详细信息

扰动信息未知时,永磁同步电机(PMSM)终端滑模控制中的抖振加剧。为了减弱未知不确定和扰动对控制性能的影响,本文提出了一种改进的基于干扰观测器的自适应快速终端滑模控制方法。首先,建立包含参数化不确定性及负载扰动的PMSM数学模型,采用非奇异快速终端滑模面设计滑模控制器,以提高系统的响应速度。接着,利用干扰观测器估计系统的不确定性和未知扰动,并在滑模控制器中引入新的自适应增益以补偿估计误差,实现了无需扰动上界条件的自适应鲁棒控制。改进的自适应控制策略能够实现动态补偿,增强了系统对未知扰动的适应性。仿真和实验结果表明,扰动信息未知时,所提出的方法有效抑制了滑模控制引起的抖振现象,增强了PMSM系统的鲁棒性,显著提升了控制精度和动态性能。

关键词：永磁同步电机自适应控制快速终端滑模控制鲁棒控制

来源：评论

学校读者我要写书评

暂无评论

基于一维深度卷积神经网络模型的脑肿瘤组织拉曼光谱分类

引用

分析试验室 2025年第2期44卷 223-232页

作者：刘晨曦魏东冉义兵周柳营马川北京建筑大学电气与信息工程学院北京100044 建筑大数据智能处理方法研究北京市重点实验室北京100044

采用深度学习进行正常脑组织与肿瘤组织边缘诊断,对算法效率和准确率均有较高要求,为此提出一种1D-RamNeXt脑肿瘤组织拉曼光谱分类方法。首先,针对样本类别不均衡问题,设计一维数据再平滑数据增强方法,以扩充原光谱数据集;为提升诊断准... 详细信息

采用深度学习进行正常脑组织与肿瘤组织边缘诊断,对算法效率和准确率均有较高要求,为此提出一种1D-RamNeXt脑肿瘤组织拉曼光谱分类方法。首先,针对样本类别不均衡问题,设计一维数据再平滑数据增强方法,以扩充原光谱数据集;为提升诊断准确率,通过堆叠残差网络(ResNet)块并增加通道数量,构建卷积神经网络(CNN)模型,对光谱数据特征进行提取及整合,并在网络中引入并行拓扑结构残差模块,以解决深度神经网络中层数过多导致的模型退化问题,并减少超参数及算法计算量。针对所提取的小鼠脑部组织实验结果表明,与线性判别分析(LDA)、 K最邻近(KNN)和支持向量机(SVM)类传统算法相比,本文方法准确率提升6%;与AlexNet, VggNet和ResNet一维CNN模型相比,本文方法在准确率提升2%的前提下运行速度提升16%。

关键词：拉曼光谱卷积神经网络脑肿瘤残差结构

来源：评论

学校读者我要写书评

暂无评论

新时代教育背景下“双培计划”大学生培养的研究与实践——以北京建筑大学电气与信息工程学院为例

中国建设教育

引用

中国建设教育 2022年第4期 111-114页

作者：蒋丹谢雨刘畅苏德健北京建筑大学电气与信息工程学院北京建筑大学教务处

北京建筑大学电气与信息工程学院在计算机科学与技术专业、自动化专业、电气工程及其自动化专业、建筑电气与智能化专业实施“双培计划”的学生培养，通过连续7年与不同部属高校之间的交流合作，丰富了教学管理模式，并在交叉培养专业... 详细信息

北京建筑大学电气与信息工程学院在计算机科学与技术专业、自动化专业、电气工程及其自动化专业、建筑电气与智能化专业实施“双培计划”的学生培养，通过连续7年与不同部属高校之间的交流合作，丰富了教学管理模式，并在交叉培养专业人才、学生教育管理以及“双培”学生的管理服务等方面进行了深入的研究与探索，为市属高校“双培计划”积累了经验、提供了参考。

关键词： “双培计划” 大学生教育管理培养方案

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：