检索结果-内蒙古大学图书馆

中文科技期刊数据库(全文版)教育科学 2025年第2期 018-021页

作者：孟迪蔡浩田戴亚哲王鸣锐吉林农业科技学院电气与信息工程学院吉林吉林 132101

本文探讨了人工智能背景下电子商务拔尖创新人才的职业教育培养。首先分析了人工智能对电子商务的影响,包括提升用户体验、优化运营管理和创新商业模式。接着明确了电子商务拔尖创新人才的需求特点,如扎实专业知识、掌握人工智能技术、... 详细信息

本文探讨了人工智能背景下电子商务拔尖创新人才的职业教育培养。首先分析了人工智能对电子商务的影响,包括提升用户体验、优化运营管理和创新商业模式。接着明确了电子商务拔尖创新人才的需求特点,如扎实专业知识、掌握人工智能技术、强创新实践及团队协作能力。指出当前职业教育培养存在课程体系不完善、实践教学薄弱、师资队伍滞后和校企合作不紧密等问题。提出优化课程体系、强化实践教学、加强师资队伍建设、深化校企合作以及注重德育培养等策略,以培养适应新时代需求的电子商务专业人才。着人工智能技术的飞速发展,电子商务领域正经历着深刻的变革。本文探讨了在人工智能背景下,如何进行电子商务拔尖创新人才的职业教育培养,分析了当前面临的挑战,并提出了相应的策略和建议,旨在为培养适应新时代需求的电子商务专业人才提供参考。

关键词：人工智能电子商务拔尖创新人才职业教育

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv11的药用植物小样本目标检测应用

引用

中文科技期刊数据库（全文版）自然科学 2025年第2期 143-146页

作者：高宇航孟迪陆诗涵兰馨蔡浩田吉林农业科技学院电气与信息工程学院吉林吉林132101

药用植物在医学、生态和经济领域扮演着关键角色。然而,由于缺乏有效的目标检测方法,其保护与利用面临着重大挑战。药用植物受限于环境和专业知识,相关图片样本稀缺,对自动目标检测提出了挑战。本研究通过采用数据增强技术扩充样本集,... 详细信息

药用植物在医学、生态和经济领域扮演着关键角色。然而,由于缺乏有效的目标检测方法,其保护与利用面临着重大挑战。药用植物受限于环境和专业知识,相关图片样本稀缺,对自动目标检测提出了挑战。本研究通过采用数据增强技术扩充样本集,并利用YOLOv11预训练模型进行迁移学习,以提升小样本条件下的识别准确率。此外,本研究还比较了五个预训练模型在不同样本划分下的性能,以确定最适合小样本药用植物目标检测的应用版本。研究目标是为药用植物的保护、利用以及中医药现代化提供技术支持,并带来创新的研究视角。

关键词： YOLOv11 药用植物目标检测深度学习

来源：评论

学校读者我要写书评

暂无评论

基于SC-ConvNeXt网络模型的小麦叶片病害识别方法

引用

江苏农业科学 2025年第5期53卷 129页

作者：董天亮李佳马晓武青海吉林化工学院信息与控制工程学院吉林农业科技学院电气与信息工程学院

当利用卷积神经网络进行小麦病害识别时，在模型训练阶段通常需要用到大量的数据标签，然而数据标记工作既复杂又昂贵，而模型识别效果容易受自然环境下复杂因素的干扰。针对这些问题，提出一种融合SimCLR预训练框架与改进的CBAM注意力... 详细信息

当利用卷积神经网络进行小麦病害识别时，在模型训练阶段通常需要用到大量的数据标签，然而数据标记工作既复杂又昂贵，而模型识别效果容易受自然环境下复杂因素的干扰。针对这些问题，提出一种融合SimCLR预训练框架与改进的CBAM注意力机制的小麦病害识别模型SC-ConvNeXt。该模型以ConvNeXt-T为特征提取网络，首先，采用自监督的SimCLR预训练框架学习类间的相似性，减少训练阶段带标签数据的使用；然后，在ConvNeXt-T每个阶段加入CBAM注意力机制，以提高模型在复杂背景下的特征提取能力和泛化能力，并将每个注意力模块中的损失函数改进为LeakyReLu激活函数，从而避免出现输入为负值时神经元失活的情况；最后，通过引入Focal Loss损失函数，改善难易分类样本间数量不平衡问题。使用数据集来自吉林农业科技学院“智慧农业”平台，包含2种小麦病害和健康小麦数据，在多种数据增强方式扩充数据集后，依次验证了添加SimCLR、注意力机制的有效性；同时设置对比试验与4种经典的分类模型进行对比分析。结果表明，本研究提出的SC-ConvNeXt网络模型在测试集的平均分类准确率为91.37%,在所有对比模型中最优，且在训练过程中无需额外使用带标签的数据，证明了小麦病害识别模型在不需要额外带标签数据训练的前提下，有效提升了对自然环境下的小麦病害识别的性能。

关键词：图像分类病害识别小麦自监督学习

来源：评论

学校读者我要写书评

暂无评论

基于LatLRR和PCNN的红外与可见光融合算法

引用

液晶与显示 2019年第4期34卷 423-429页

作者：谢艳新吉林农业科技学院电气与信息工程学院吉林吉林132101

针对光谱差异较大的红外与可见光图像,本文提出一种基于潜在低秩表示(LatLRR)和脉冲式耦合神经网络(PCNN)的多尺度融合模型。首先,该算法利用非下采样剪切波变换(NSST)获取图像的低频与高频分量。鉴于图像的低频分量决定最终的融合效果... 详细信息

针对光谱差异较大的红外与可见光图像,本文提出一种基于潜在低秩表示(LatLRR)和脉冲式耦合神经网络(PCNN)的多尺度融合模型。首先,该算法利用非下采样剪切波变换(NSST)获取图像的低频与高频分量。鉴于图像的低频分量决定最终的融合效果,采用LatLRR算法挖掘源图像内在的显著特征对低频分量自适应加权融合。除此外,针对决定融合图像细节的高频分量,则利用双通道PCNN模型作为它的融合规则。其中平均梯度算子(AVG)和方向梯度和算子(SDG)分别作为PCNN的外界刺激与链接强度,它们能更好地表征图像的纹理特性。通过上述全新的融合规则,可将包含在红外图像内部的显著性特征与可见光图像的梯度特征完美结合,从而获取具有优良视觉效果的融合图像。本文采用3种不同的场景来测试所提方法的融合性能,与其他典型融合方法相比,本文提出的算法具有更佳的视觉效果,同时客观评价参数值增加约2%～5%。

关键词：潜在低秩表示图像融合双通道PCNN NSST

来源：评论

学校读者我要写书评

暂无评论

非线性反馈和二次型调节器在两栖机器人中的应用

引用

光学精密工程 2019年第10期27卷 2199-2206页

作者：郑亮朴燕马宇科长春理工大学电子信息工程学院吉林长春130022 吉林农业科技学院电气与信息工程学院吉林吉林132101

球形两栖机器人具有对称的结构和多自由度的运动状态特性,在环境适应性和运动稳定性上具有优势。本文介绍一种可以用于深海水下探测与救援的新型水陆两栖机器人控制系统的结构和建模方法,根据机器人的运动控制模式,推导出具有6个自由度... 详细信息

球形两栖机器人具有对称的结构和多自由度的运动状态特性,在环境适应性和运动稳定性上具有优势。本文介绍一种可以用于深海水下探测与救援的新型水陆两栖机器人控制系统的结构和建模方法,根据机器人的运动控制模式,推导出具有6个自由度的动态数学模型,并在动态模型的基础上,建立并评估了两种控制模型。第一种是基于二次型调节器(LQR)的控制器模型,第二种是基于非线性状态反馈(FL)的控制器模型。最后对两种控制模型进行水下实验验证及评估,从而证明两种控制器的有效性和优劣性。实验表明非线性状态反馈系统在响应时间(LQR=67.5 s,FL=46.5 s)方面都优于有限时域LQR控制器,而LQR控制器在上升时间(LQR=24.5 s,FL=39.8 s)方面更加具有优势。

关键词：球形机器人两栖水下探测非线性反馈二次型调节器

来源：评论

学校读者我要写书评

暂无评论

NSD序列生成的移动平均过程的矩完全收敛性

引用

浙江大学学报（理学版） 2020年第2期47卷 172-177页

作者：高云峰邹广玉吉林农业科技学院电气与信息工程学院吉林吉林132101 长春工程学院理学院吉林长春130012

设{Yi,-∞<i<∞}为一同分布的NSD随机变量序列,{ai,-∞<i<∞}为一绝对可和的实数序列。利用NSD序列的矩不等式以及缓变函数的性质,在适当的条件下,得到了由NSD序列生成的移动平均过程的矩完全收敛性和强大数定律,改进和推... 详细信息

设{Yi,-∞

关键词：矩完全收敛性 NSD序列强大数定律

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5算法的口罩检测研究

引用

计算机工程与应用 2023年第16期59卷 223-231页

作者：段必冲马明涛吉林化工学院信息与控制工程学院吉林132022 吉林农业科技学院电气与信息工程学院吉林132101

现有的口罩检测模型无法平衡检测精度和检测速度,参数量较大,为了解决这些问题,提出了一种基于改进YOLOv5的口罩检测算法。该算法主要包括以下四点改进:使用轻量化网络GhostNetV2替换YOLOv5s主干网络中的C3模块,以降低参数量;将YOLOv5s... 详细信息

现有的口罩检测模型无法平衡检测精度和检测速度,参数量较大,为了解决这些问题,提出了一种基于改进YOLOv5的口罩检测算法。该算法主要包括以下四点改进:使用轻量化网络GhostNetV2替换YOLOv5s主干网络中的C3模块,以降低参数量;将YOLOv5s主干提取网络的最后一个C3模块和Neck最后一层的C3模块替换为SwinTransformer结构,来获取更为完整的特征信息,提高检测效果;引入CBAM注意力机制以更好地聚焦于关键信息,从而提高检测效率和检测精度;损失函数使用EIoU替换掉GIoU来提高定位准确度,加快收敛速度。在AIZOO数据集上的实验结果表明,所提出的改进算法的mAP值达到了96.2%,Params降低为6.6×106,FPS高达136,验证数据集上的性能也有很好的提升,相比其他算法,改进算法的性能更优,更适用于口罩检测。

关键词：口罩检测 GhostNetV2 Swin-Transformer 注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于LoRa技术的农田智能灌溉系统设计

引用

中国农机化学报 2023年第9期44卷 161-168页

作者：孟祥赵莹徐卓威张大庆北华大学电气与信息工程学院吉林吉林132021 吉林农业科技学院吉林吉林132101

为使农作物在适宜含水率条件下生长,实现农田的精准灌溉,设计一种基于LoRa通信技术的农田智能灌溉系统。该系统主要包括作物信息采集单元、LoRa无线通信单元、智能决策单元和灌溉输出模块。系统采用MSP430处理器与WH-101-L型LoRa模块实... 详细信息

为使农作物在适宜含水率条件下生长,实现农田的精准灌溉,设计一种基于LoRa通信技术的农田智能灌溉系统。该系统主要包括作物信息采集单元、LoRa无线通信单元、智能决策单元和灌溉输出模块。系统采用MSP430处理器与WH-101-L型LoRa模块实现低功耗、网络化终端节点设计,通过集中器网关将农田作物信息传输到云服务器,并构建云管理决策软件。系统应用试验测试数据结果表明,采用同步唤醒技术的无线作物感知网络,数据传输稳定,平均丢包率为0.3%,并具备较强的扩展性;通过智能决策单元依据实时作物信息和数据库计算出灌溉量和灌溉时间,远程控制灌溉输出模块,精确控制作物在不同生长期的土壤含水率,在蓝莓试验田和玉米试验田试验测试得到含水率均方差分别为1.80和4.83,均比传统灌溉方式低。

关键词：农田智能灌溉系统 LoRa技术同步唤醒决策模型田间管理

来源：评论

学校读者我要写书评

暂无评论

企业非正式员工激励机制研究

引用

中国商贸 2010年第19期 62-63页

作者：王东来吉林农业科技学院信息工程学院

随着我国经济的迅速发展和经济体制的不断完善,在企业向现代企业过渡的过程中,亟需建立具有市场导向的员工激励机制,这是企业改革中必须要解决的关键问题之一。本文探讨了企业激励非正式员工的意义和存在的相关问题,认为企业应该把物质... 详细信息

随着我国经济的迅速发展和经济体制的不断完善,在企业向现代企业过渡的过程中,亟需建立具有市场导向的员工激励机制,这是企业改革中必须要解决的关键问题之一。本文探讨了企业激励非正式员工的意义和存在的相关问题,认为企业应该把物质激励和精神激励相结合、把培训和工作激励相结合和用企业文化来对非正式员工进行激励。

关键词：企业非正式员工激励

来源：评论

学校读者我要写书评

暂无评论

网络电视现状与发展分析

引用

中国报业 2011年第11X期 71-72页

作者：李广羽吉林农业科技学院信息工程学院

网络电视是网络技术与电视结合的一种新的新闻传播技术。网络电视的发展为运营商带来巨大商机,也使公众获取资讯的方式发生了巨大变化,同时使传统电视资讯传播面临革新压力。在3G、4G技术日益成熟的现在和未来,网络电视将成为信息传播... 详细信息

网络电视是网络技术与电视结合的一种新的新闻传播技术。网络电视的发展为运营商带来巨大商机,也使公众获取资讯的方式发生了巨大变化,同时使传统电视资讯传播面临革新压力。在3G、4G技术日益成熟的现在和未来,网络电视将成为信息传播的重要方式和途径。应加强对网络电视的规范,同时化解行业壁垒,开展行业合作,开发盈利新模式。

关键词：网络电视网络电视台采访权

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：