检索结果-内蒙古大学图书馆

工程科学学报 2025年第1期47卷 91-100页

作者：刘娅汐李旭龙霍佳皓皇甫伟北京科技大学计算机与通信工程学院北京100083 北京市融合网络与泛在业务工程技术研究中心北京100083

无人机时空众包资源分配是工业物联网能源管理中的重要任务之一.尽管现有方法考虑了联合反映时间敏感性和公平性的信息新鲜度指标,但忽略了无人机禁飞区和窃听者对数据新鲜度的影响.本文提出了一种基于深度强化学习的无人机时空众包资... 详细信息

无人机时空众包资源分配是工业物联网能源管理中的重要任务之一.尽管现有方法考虑了联合反映时间敏感性和公平性的信息新鲜度指标,但忽略了无人机禁飞区和窃听者对数据新鲜度的影响.本文提出了一种基于深度强化学习的无人机时空众包资源分配方法,在考虑无人机禁飞区约束和对窃听者发送干扰信号以保障数据安全的情况下,最小化平均信息新鲜度和物联网设备能耗,从而得到最优无人机轨迹、发射干扰信号功率和物联网发射功率.然而,无人机时空众包中的资源分配复杂且存在挑战,主要表现为决策变量类型多且与考虑服务质量要求的系统性能指标关系复杂.本文将该问题建模为马尔可夫决策过程并使用先进的深度强化学习算法求解该问题,即软演员–评论家(SAC)算法.在多无人机场景下验证了所提出算法在解决无人机时空众包资源分配任务中的有效性和正确性.另外,SAC算法相较于其他两种先进的深度强化学习算法,即深度确定性策略梯度算法和双延迟深度确定性策略梯度算法,具有更快的收敛速度和更优的解.最后,分析了最优无人机数目的选择方案.

关键词：无人机工业能源管理时空众包资源分配深度强化学习

来源：评论

学校读者我要写书评

暂无评论

热疗机器人在网络病治疗中的应用

引用

工程科学学报 2025年第4期47卷 837-849页

作者：殷雪艳石飞飞王进强宁焕生北京科技大学计算机与通信工程学院北京100083 新疆煤炭资源绿色开采教育部重点实验室乌鲁木齐830023

网络病指的是因过度使用互联网或电子设备,导致身体和心理上的一系列问题,例如眼睛疲劳、焦虑症等.随着互联网的普及和移动设备的广泛使用,长时间使用电脑屏幕和手机导致的网络病已成为影响人们健康的一大问题.热疗法作为治疗网络病的... 详细信息

网络病指的是因过度使用互联网或电子设备,导致身体和心理上的一系列问题,例如眼睛疲劳、焦虑症等.随着互联网的普及和移动设备的广泛使用,长时间使用电脑屏幕和手机导致的网络病已成为影响人们健康的一大问题.热疗法作为治疗网络病的重要方法之一,精准控制热疗温度是关键,但受医师经验差异的限制,其推广受到制约.热疗机器人基于深度学习技术精准识别热疗区域,通过温控系统实时调节温度,具有操作稳定、精准和高效等优点,能够提高热疗法的安全率,并能够避免一些人为因素带来的风险.本文围绕国内外热疗机器人在网络病治疗中的应用现状进行分析,在此基础上,阐述了热疗技术、目标区域导航与定位技术、机器人结构设计和安全保护技术等四方面关键技术,并分析目前存在的不足,系统展望了该技术在网络病治疗中的发展趋势.

关键词：网络病热疗机器人导航与定位安全保护

来源：评论

学校读者我要写书评

暂无评论

基于物理信息变分自编码器的计算流体动力学修复

引用

北京邮电大学学报 2024年第4期47卷 29-35,43页

作者：王佳敏颜哲熙王笑琨张雅斓郭宇北京科技大学智能科学与技术学院北京100083 北京科技大学顺德创新学院佛山528300 北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学计算机与通信工程学院北京100083

为修复噪声干扰或局部缺失的流体流动数据,实现精确的流体动力学分析,提出了一种基于物理信息的变分自编码器模型。首先,利用变分自编码器学习流体流动的潜在表示;其次,将时空坐标信息与流体流动的潜在表示结合,通过自动微分技术获得解... 详细信息

为修复噪声干扰或局部缺失的流体流动数据,实现精确的流体动力学分析,提出了一种基于物理信息的变分自编码器模型。首先,利用变分自编码器学习流体流动的潜在表示;其次,将时空坐标信息与流体流动的潜在表示结合,通过自动微分技术获得解码后的流场信息关于时空坐标输入的偏导数;最后,引入流体动力学的物理先验信息,构造物理约束损失项,使得生成的数据同时符合流动关键特征和底层物理定律,从而增强了流体流动的物理一致性和重建精度,并且提供了一定的可解释性。实验结果表明,所提模型在处理流场噪声和数据缺失问题方面比现有方法具有更高的精度,并且在二维和三维复杂涡旋流场中都证明了其有效性。

关键词：人工智能计算流体动力学物理先验数据去噪流场重建

来源：评论

学校读者我要写书评

暂无评论

深度神经网络模型量化方法综述

引用

工程科学学报 2023年第10期45卷 1613-1629页

作者：杨春张睿尧黄泷遆书童林金辉董志伟陈松路刘艳殷绪成北京科技大学计算机与通信工程学院北京100083 北京科技大学自动化学院北京100083 北京科技大学−亿智电子人工智能联合实验室北京100083

近年来,利用大型预训练模型来提高深度神经网络在计算机视觉以及自然语言处理等具体任务下的泛化能力和性能,逐渐成为基于深度学习的人工智能技术与应用的发展趋势.虽然这些深度神经网络模型表现优异,但是由于模型的结构复杂、参数量庞... 详细信息

近年来,利用大型预训练模型来提高深度神经网络在计算机视觉以及自然语言处理等具体任务下的泛化能力和性能,逐渐成为基于深度学习的人工智能技术与应用的发展趋势.虽然这些深度神经网络模型表现优异,但是由于模型的结构复杂、参数量庞大与计算成本极高,使得它们仍然难以被部署在如家电或智能手机等资源受限的边缘及端侧硬件平台上,这很大程度上阻碍了人工智能技术的应用.因此,模型压缩与加速技术一直都是深度神经网络模型大规模商业化应用推广的关键问题之一.当前在多种模型压缩与加速方案中,模型量化是其中主要的有效方法之一.模型量化技术可以通过减少深度神经网络模型参数的位宽和中间过程特征图的位宽,从而达到压缩加速深度神经网络的目的,使量化后的网络能够部署在资源有限的边缘设备上,然而,由于量化会导致信息的大量丢失,如何在保证模型任务精度条件下实现模型量化已经成为热点问题.另外,因硬件设备以及应用场景的不同,模型量化技术已经发展成为一个多分支的研究问题.通过全面地调研不同角度下模型量化相关技术现状,并且深入地总结归纳不同方法的优缺点,可以发现量化技术目前仍然存在的问题,并为未来可能的发展指明方向.

关键词：深度神经网络模型压缩与加速模型量化量化感知训练后训练量化混合精度量化

来源：评论

学校读者我要写书评

暂无评论

TVM_(T):基于TVM的高性能神经网络训练编译器

引用

中国科学：信息科学 2023年第12期53卷 2458-2471页

作者：曾军寇明阳郑惜元姚海龙孙富春清华大学计算机科学与技术系北京100084 北京科技大学计算机与通信工程学院北京100083 北京信息科学与技术国家研究中心北京100084

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了... 详细信息

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了提升神经网络训练的性能,编译器的效率亟待提升,而这主要取决于计算图的优化、算子级别的优化和代码生成.主流的神经网络训练框架(如TensorFlow,PyTorch)使用了供应商特定的、通过手工设计算子获得的算子库.然而,手工设计算子浪费了大量的算子级别的优化空间,因此研究人员提出了TVM.作为一个端到端的编译器,TVM实现了算子级的自动优化,比现有框架进一步提高了性能.此外,TVM支持从多种神经网络框架中导入神经网络模型,并在不同主流硬件后端上部署.然而,TVM的注意力集中于提升神经网络推理任务的性能,并不支持神经网络的训练.本文提出了TVM_(T),第一个基于TVM、支持神经网络训练的端到端编译器.为了支持神经网络训练,本文提出了以下方法.(1)合并损失函数到现有的计算图中,以支持前向和后向传播;(2)在训练过程中采用设备到主机的机制来更新权重参数;(3)集成了最先进的张量程序调优器,以自动优化神经网络训练程序.实验结果表明,与PyTorch相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高4.88倍的提升;与TensorFlow相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高11.5倍的提升.

关键词：神经网络编译器神经网络训练算子自动优化参数更新反向传播

来源：评论

学校读者我要写书评

暂无评论

深度强化学习及其在工业场景的应用与展望

引用

工程科学学报 2025年第4期47卷 768-779页

作者：谭靖杨利刚李潇睿袁兆麟崔允端姚超王宗杰班晓娟北京科技大学计算机与通信工程学院北京100083 北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学材料领域知识工程北京市重点实验室北京100083 北京科技大学土木与资源工程学院北京100083 北京科技大学智能科学与技术学院北京100083 中国科学院深圳先进技术研究院深圳518055 辽宁材料实验室材料智能技术研究所沈阳110004

工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(... 详细信息

工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(Deep reinforcement learning,DRL)结合了深度学习与强化学习的优势,在工业智能控制领域展现出巨大潜力.本文综述了DRL在工业智能控制中的应用现状和研究进展.首先介绍了DRL的基本原理及相关算法,并简述工业控制的背景,分析智能控制的应用需求与现存挑战.随后,详细综述了DRL在工业领域的应用,并对当前研究进行了总结,最后对未来研究方向提出了展望.

关键词：深度强化学习在线强化学习离线强化学习工业控制系统智能控制

来源：评论

学校读者我要写书评

暂无评论

深度神经网络在人体姿态估计中的应用综述

引用

计算机工程与应用 2025年第9期61卷 41-60页

作者：郝鹤菲张龙豪崔洪振朱宵月彭云峰李向晖北京科技大学计算机与通信工程学院解放军总医院第八医学中心呼吸与危重症医学部

人体姿态估计是计算机视觉领域的重要研究方向，在教育教学、临床诊断、人机交互等多场景均有重要应用。随着深度神经网络提出及发展，其以强大的特征学习能力、大规模并行处理等优势，广泛应用于人体姿态估计，并大幅提高了估计结果准... 详细信息

人体姿态估计是计算机视觉领域的重要研究方向，在教育教学、临床诊断、人机交互等多场景均有重要应用。随着深度神经网络提出及发展，其以强大的特征学习能力、大规模并行处理等优势，广泛应用于人体姿态估计，并大幅提高了估计结果准确度和识别效率。以人体姿态估计为研究对象，梳理近5年相关领域100篇包含RNN、CNN、GAN、前沿网络模型等深度神经网络及其变体架构的代表性文献；此外，汇总梳理近5年常用数据集，并阐释了模型常用评估指标。最后，总结现阶段人体姿态估计领域面临的挑战，并展望未来研究，以进一步探讨深度神经网络在人体姿态估计中的应用潜力。

关键词：人体姿态估计计算机视觉深度神经网络评价指标

来源：评论

学校读者我要写书评

暂无评论

Dual-Path Vision Transformer用于急性缺血性脑卒中辅助诊断

引用

电子科技大学学报 2024年第2期53卷 307-314页

作者：张桃红郭学强郑瀚罗继昌王韬焦力群唐安莹北京科技大学计算机与通信工程学院北京100083 河池学院广西高校人工智能与信息处理重点实验室广西546300 首都医科大学宣武医院北京100053

急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分... 详细信息

急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分类智能模型DPVF。为了提高辅助诊断速度,基于EdgeViT的轻量化设计思想进行了模型的构建;为了使模型保持轻量化的同时具有较高的精度,提出空间-通道自注意力模块,促进Transformer模型捕获更全面的特征信息,提高模型的表达能力;此外,对于DPVF的两分支的特征融合,构建交叉注意力模块对两分支输出进行交叉融合,促使模型提取更丰富的特征,从而提高模型表现。实验结果显示DPVF在测试集上的准确率达98.5%,满足实际需求。

关键词：急性缺血性脑卒中视觉Transformer 双分支网络特征融合

来源：评论

学校读者我要写书评

暂无评论

基于视觉检测的非接触式膏体浓度识别方法

引用

中南大学学报（自然科学版） 2023年第5期54卷 1942-1953页

作者：马博渊周佳城班晓娟袁兆麟阮竹恩北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学顺德创新学院广东佛山528300 北京科技大学材料领域知识工程北京市重点实验室北京100083 北京科技大学人工智能研究院北京100083 北京科技大学计算机与通信工程学院北京100083

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正... 详细信息

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正数据增广策略,对膏体浓度监测准确率进行分析。研究结果表明:手动搅拌膏体数据集的准确率为88.79%,在自动搅拌膏体数据集上获得91.42%的准确率,可有效提高浓度识别准确性,避免浓度计损坏或辐射危险。

关键词：膏体充填非接触式浓度识别深度学习图像分类模型融合

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的红外可见光图像融合综述

引用

计算机科学与探索 2024年第4期18卷 899-915页

作者：王恩龙李嘉伟雷佳周士华大连大学先进设计与智能计算教育部重点实验室辽宁大连116622 北京科技大学计算机与通信工程学院北京100083

如何将多张图像中的互补信息保存到一张图像中用于全面表征场景是具有挑战性的课题。基于此课题,大量的图像融合方法被提出。红外可见光图像融合(IVIF)作为图像融合中一个重要分支,在语义分割、目标检测和军事侦察等实际领域都有着广泛... 详细信息

如何将多张图像中的互补信息保存到一张图像中用于全面表征场景是具有挑战性的课题。基于此课题,大量的图像融合方法被提出。红外可见光图像融合(IVIF)作为图像融合中一个重要分支,在语义分割、目标检测和军事侦察等实际领域都有着广泛的应用。近年来,深度学习技术引领了图像融合的发展方向,研究人员利用深度学习针对IVIF方向进行了探索。相关实验工作证明了应用深度学习方法来完成IVIF相较于传统方法有着显著优势。对基于深度学习的IVIF前沿算法进行了详细的分析论述。首先,从网络架构、方法创新以及局限性等方面报告了领域内的方法研究现状。其次,对IVIF方法中常用的数据集进行了简要介绍并给出了定量实验中常用评价指标的定义。对提到的一些具有代表性的方法进行了图像融合和语义分割的定性评估、定量评估实验以及融合效率分析实验来全方面地评估方法的性能。最后,给出了实验结论并对领域内未来可能的研究方向进行了展望。

关键词：图像融合红外可见光图像深度学习

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：