检索结果-内蒙古大学图书馆

哈尔滨工程大学学报 2024年第2期45卷 349-358页

作者：姜来浩莫宏伟田朋常州工学院计算机信息工程学院江苏常州213032 哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

针对多机器人图案生成问题,本文提出了一种细菌趋向性启发的多机器人分阶式控制策略。该策略将图案生成过程分解为2个阶段:聚集阶段和图案生成阶段。聚集阶段,设计基于平均距离的适应度函数,其值作为机器人的感知输入。机器人根据当前... 详细信息

针对多机器人图案生成问题,本文提出了一种细菌趋向性启发的多机器人分阶式控制策略。该策略将图案生成过程分解为2个阶段:聚集阶段和图案生成阶段。聚集阶段,设计基于平均距离的适应度函数,其值作为机器人的感知输入。机器人根据当前时刻与上一时刻适应度数值变化执行类似细菌趋向的直行或翻转来完成聚集。引入搜索因子促进多子群融合,提升多机器人聚集的成功率。图案生成阶段,针对机器人翻转角度生成问题,引入决策因子来评估邻居作用程度,提升多机器人图案生成的成功率。仿真实验结果表明:针对多机器人六边形和三角形图案生成,本文所提出策略平均迭代次数分别为25.36和93.83,成功率分别为83.33%和96.67%,优于相关对比算法。

关键词：生物启发策略细菌趋向性多机器人系统分阶式控制搜索因子决策因子聚集图案生成

来源：评论

学校读者我要写书评

暂无评论

拓扑元素层次化命名方法与机制设计

引用

计算机辅助设计与图形学学报 2023年第12期35卷 1863-1874页

作者：巢海远孔澳祥陈正鸣刘景黄瑞河海大学信息学部物联网工程学院常州213022 江苏理工学院计算机工程学院常州213022

拓扑元素永久命名是研发自主版权的参数化特征造型系统的核心技术之一.文中从原始名到引用名,逐步提出了一套完整的层次化命名方法与机制.首先,分析了原始名设计与命名传播的一般机制;其次,综合利用设计过程中特征方向、局部拓扑等有效... 详细信息

拓扑元素永久命名是研发自主版权的参数化特征造型系统的核心技术之一.文中从原始名到引用名,逐步提出了一套完整的层次化命名方法与机制.首先,分析了原始名设计与命名传播的一般机制;其次,综合利用设计过程中特征方向、局部拓扑等有效信息构造具有层次化结构的拓扑元素引用名,并基于提出的活化特征、对称活化特征以及子集关系原则解析引用名得到辨识结果;最后,基于开源几何引擎OpenCasCade开发原型系统实现了所提出的方法.实验结果表明,文中方法能够有效地处理拓扑元素引用时的歧义性问题,所设计的层次化动态机制有很好的扩展性.

关键词：特征造型永久命名层次化设计与辨识 CAD/CAM

来源：评论

学校读者我要写书评

暂无评论

可重构智能超表面辅助的大规模机器类通信深度学习大规模MIMO信道估计

引用

电子与信息学报 2024年第10期46卷 4002-4008页

作者：刘婷王媛辛元雪南京信息工程大学人工智能学院南京210004 南京信息工程大学计算机学院南京210004 河海大学信息科学与工程学院常州213200

大规模机器类通信(mMTC)是第5代移动通信系统的重要应用场景之一,可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性,该文引入可重构智能超表面(RIS)进行上行免授权的传输,由此级联形成用户与RIS、RIS与基站(BS)之间的... 详细信息

大规模机器类通信(mMTC)是第5代移动通信系统的重要应用场景之一,可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性,该文引入可重构智能超表面(RIS)进行上行免授权的传输,由此级联形成用户与RIS、RIS与基站(BS)之间的信道链路,从而有效控制无线信号传输的质量。在此基础上,建立Turbo译码消息传递思想下的降噪学习系统,通过大量的训练数据,以学习RIS辅助的级联信道状态信息,并对其进行估计。此外,该文对RIS辅助的mMTC信道估计结果进行了统计分析,以验证所提方案的准确性。数值仿真结果和理论分析结果表明,该文方法优于其他压缩感知类的方法。

关键词：大规模机器类通信免授权接入可重构智能超表面深度学习信道估计

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制与自适应记忆性融合网络的纺织品瑕疵检测

引用

模式识别与人工智能 2022年第6期35卷 536-547页

作者：邓世爽狄岚梁久祯姜代红江南大学人工智能与计算机学院无锡214122 常州大学计算机与人工智能学院常州213164 徐州工程学院信息工程学院徐州221000

为了解决纺织生产工艺中瑕疵检测成本较高、精度较低、速度较慢等问题,文中提出结合注意力机制与自适应记忆性融合网络的纺织品瑕疵检测模型.首先,在YOLOv5骨干网络中引入改进的注意力模块,构建特征提取网络,增强模型对纺织品瑕疵特征... 详细信息

为了解决纺织生产工艺中瑕疵检测成本较高、精度较低、速度较慢等问题,文中提出结合注意力机制与自适应记忆性融合网络的纺织品瑕疵检测模型.首先,在YOLOv5骨干网络中引入改进的注意力模块,构建特征提取网络,增强模型对纺织品瑕疵特征的提取能力.然后,为了增强浅层定位信息的传递效应和有效缓解特征融合时产生的混叠效应,提出自适应记忆性融合网络,在提高特征尺度不变性的同时,将骨干网络中的特征信息融入特征融合层.最后,引入CDIoU(Control Distance Intersection over Union)损失函数,提高检测精度.在ZJU-Leaper纺织品瑕疵数据集和天池纺织品瑕疵数据集上的实验表明,文中模型具有较高的检测精度和较快的检测速度.

关键词：纺织品瑕疵检测注意力机制 YOLOv5 自适应记忆性融合网络

来源：评论

学校读者我要写书评

暂无评论

多参数未知下水声传感网由粗到精的定位方法

引用

控制与决策 2025年第1期40卷 38-47页

作者：鲜江峰马俊领吴华锋梅骁峻谭拂晓张媛媛陈信强王维军上海海事大学物流科学与工程研究院上海201306 上海海事大学商船学院上海201306 上海海事大学物流工程学院上海201306 常州工学院计算机信息工程学院江苏常州213032 集美大学航海学院福建厦门361021

水声传感网(underwater acoustic sensor networks,UASNs)是水下物联网的主要技术,为海洋生态环境监测和水下搜救等应用提供了较好的技术手段和信息感知平台.在UASNs应用中定位至关重要,因为没有精确位置信息的数据收集将无利用价值.然... 详细信息

水声传感网(underwater acoustic sensor networks,UASNs)是水下物联网的主要技术,为海洋生态环境监测和水下搜救等应用提供了较好的技术手段和信息感知平台.在UASNs应用中定位至关重要,因为没有精确位置信息的数据收集将无利用价值.然而,由于存在路径损耗、吸收损耗、设备发射功率不确定以及水下环境参数未知等不利因素,使得在复杂动态海洋环境中实现鲁棒精确定位较为困难.为此,提出一种多参数未知下水声传感网由粗到精的定位方法(coarse-to-fine localization method for UASNs under unknown multi-parameters,CFL-UMP).首先,利用一阶泰勒级数展开和若干近似操作,将原非线性非凸定位问题转化为交替非负约束最小二乘框架;然后,粗定位阶段基于Golub-Kahan双对角化的最小二乘残差(LSMR)算法求解得到位置估计近似解,然而LSMR通常只能快速收敛到局部最优解,因此在精细定位阶段引入二分法,将第1步粗估计得到的近似解作为二分法的初始值,通过迭代同时得到水下目标位置、路径损耗因子以及发射功率的精确解;接着,为了验证CFL-UMP算法的优越性,分析CFL-UMP算法的计算复杂度,并推导出克拉默-拉奥下界;最后,与所选基准算法相比,通过仿真结果证实了CFL-UMP在不同水下模拟场景中均能获得最优的定位精度,且能够有效降低水下定位误差.

关键词：水声传感网目标定位接收信号强度多参数未知最小二乘残差算法二分法

来源：评论

学校读者我要写书评

暂无评论

层次型非线性子空间字典学习

引用

浙江大学学报（工学版） 2022年第6期56卷 1159-1167页

作者：周国华卢剑伟倪彤光胡学龙常州工业职业技术学院信息工程学院江苏常州213164 常州大学计算机与人工智能学院江苏常州213164 扬州大学信息工程学院江苏扬州225127

为了提高遥感图像场景分类的准确率,提出层次型非线性子空间字典学习(HNSDL)方法.用所提方法训练多层网络模型学习多层非线性变换.将遥感图像投影到子空间中,构建稀疏编码和投影编码的局部信息保持项,在保持局部结构信息的同时最小化样... 详细信息

为了提高遥感图像场景分类的准确率,提出层次型非线性子空间字典学习(HNSDL)方法.用所提方法训练多层网络模型学习多层非线性变换.将遥感图像投影到子空间中,构建稀疏编码和投影编码的局部信息保持项,在保持局部结构信息的同时最小化样本的类内差异,增强模型的分类识别能力.在模型目标式求解中,使用交替学习算法求解子空间和字典的联合学习任务,使所有参数同时达到最优解.在Ucmerced、Google和WHU-RS数据集上进行实验设计和测试,结果表明所提方法在遥感图像的多种场景分类上均表现出较高的分类准确率.

关键词：遥感图像分类稀疏表示子空间学习字典学习

来源：评论

学校读者我要写书评

暂无评论

基于投影重构的领域适应字典对学习方法

引用

计算机辅助设计与图形学学报 2024年

作者：周国华韩少勇徐亦卿顾晓清倪彤光殷新春常州工业职业技术学院信息工程学院扬州大学信息工程学院郑州银行博士后科研工作站常州大学计算机与人工智能学院

图像识别中数据来源复杂，不同领域的数据在分布上存在差异等问题. 为提高跨领域图像的识别能力，提出了一种基于投影重构的领域适应字典对学习方法. 该方法采用交叉重构技术构建新的源域和目标域，使用综合和分析字典对来对齐不同... 详细信息

图像识别中数据来源复杂，不同领域的数据在分布上存在差异等问题. 为提高跨领域图像的识别能力，提出了一种基于投影重构的领域适应字典对学习方法. 该方法采用交叉重构技术构建新的源域和目标域，使用综合和分析字典对来对齐不同领域的样本，并利用字典原子与类信息的关联将判别信息从源域传递到目标领域; 同时，通过分析字典约束项提高字典的判别性，通过源域目标域的分类判别项最小化每类数据的分类误差和最大化类间差异，达到提高稀疏系数的判别性的目的. 利用Caltech-256和Office数据集进行的实验结果表明，所提方法在Surf特征单源域和多源域实验中分别获得54.99%和58.64%分类精度；在深度特征单源域和多源域实验中分别获得91.43%和92.66%分类精度.

关键词：投影重构领域适应字典对学习图像识别

来源：评论

学校读者我要写书评

暂无评论

基于多通道低秩自动编码器的组织病理图像分类方法

引用

贵州师范大学学报(自然科学版) 2025年

作者：周国华徐亦卿申燕萍韩少勇顾晓清殷新春常州工业职业技术学院信息工程学院扬州大学信息工程学院郑州银行博士后科研工作站常州大学计算机与人工智能学院

组织病理图像的识别和分类在疾病诊断中发挥着极其重要的作用。近年来随着智慧医疗的蓬勃发展,基于人工智能的医学图像分类技术可以辅助病理学家提高诊断速度、降低误诊率。因此提出了一种基于多通道低秩自动编码器(Multi-channel low r... 详细信息

组织病理图像的识别和分类在疾病诊断中发挥着极其重要的作用。近年来随着智慧医疗的蓬勃发展,基于人工智能的医学图像分类技术可以辅助病理学家提高诊断速度、降低误诊率。因此提出了一种基于多通道低秩自动编码器(Multi-channel low rank autoencoder,MLRA)用于组织病理图像分类。首先,将从三原色光模式提取多通道特征投影到具有低秩约束的共享潜在子空间,得到多通道特征的共享潜在表示。共享潜在表示分成无噪声的低秩表示和噪声数据两部分,低秩表示部分用于挖掘多通道特征的结构信息,而噪声数据则在潜在子空间被去除。然后,利用训练样本的监督信息将共享潜在表示投影到标签空间,引入松弛标签和ε-dragging技术,并对子类松弛标签矩阵施加低秩约束保证同类别标签矩阵具有一致的低秩性,得到判别性强的投影矩阵。在ADL和BreakHis数据集上的实验结果表明,提出的MLRA方法有效提高组织病理图像的分类精度且鲁棒性强。

关键词：多通道自动编码器低秩组织病理图像分类

来源：评论

学校读者我要写书评

暂无评论

轻量级深度神经网络模型适配边缘智能研究综述

引用

计算机科学 2024年第7期51卷 257-271页

作者：徐小华周长兵胡忠旭林仕勋喻振杰中国地质大学(北京)信息工程学院北京100083 昭通学院信息技术教育中心云南昭通657000 常州工学院计算机信息工程学院江苏常州213000

随着物联网和人工智能的迅猛发展,边缘计算和人工智能的结合催生了边缘智能这一新的研究领域。边缘智能具备一定的计算能力,能够提供实时、高效和智能的响应。它在智能城市、工业物联网、智能医疗、自动驾驶以及智能家居等领域都具有重... 详细信息

随着物联网和人工智能的迅猛发展,边缘计算和人工智能的结合催生了边缘智能这一新的研究领域。边缘智能具备一定的计算能力,能够提供实时、高效和智能的响应。它在智能城市、工业物联网、智能医疗、自动驾驶以及智能家居等领域都具有重要的应用。为了提升模型的准确度,深度神经网络往往采用更深、更大的架构,导致了模型参数的显著增加、存储需求的上升和计算量的增大。受限于物联网边缘设备在计算能力、存储空间和能源资源方面的局限,深度神经网络难以被直接部署到这些设备上。因此,低内存、低计算资源、高准确度且能实时推理的轻量级深度神经网络成为了研究热点。文中首先回顾边缘智能的发展历程,并分析轻量级深度神经网络适应边缘智能的现实需求,提出了两种构建轻量级深度神经网络模型的方法:深度模型压缩技术和轻量化架构设计。接着详细讨论了参数剪枝、参数量化、低秩分解、知识蒸馏以及混合压缩5种主要的深度模型压缩技术,归纳它们各自的性能优势与局限,并评估它们在常用数据集上的压缩效果。之后深入分析轻量化架构设计中的调整卷积核大小、降低输入通道数、分解卷积操作和调整卷积宽度的策略,并比较了几种常用的轻量化网络模型。最后,展望轻量级深度神经网络在边缘智能领域的未来研究方向。

关键词：边缘智能深度神经网络轻量级神经网络模型压缩轻量化架构设计

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和空洞卷积的无人机图像目标检测

引用

计算机应用与软件 2025年第2期42卷 227-235页

作者：赖勤波马正华朱蓉常州大学计算机与人工智能学院、阿里云大数据学院江苏常州213000 嘉兴南湖学院信息工程学院浙江嘉兴314001

针对现有无人机图像目标检测算法存在小目标检测精度低、多尺度目标漏检等问题,提出一种基于通道注意力机制和并行结构空洞卷积特征融合的无人机图像目标检测算法。该算法在ResNet50特征提取网络中引入SENet和PSDCFFN,从通道和感受野两... 详细信息

针对现有无人机图像目标检测算法存在小目标检测精度低、多尺度目标漏检等问题,提出一种基于通道注意力机制和并行结构空洞卷积特征融合的无人机图像目标检测算法。该算法在ResNet50特征提取网络中引入SENet和PSDCFFN,从通道和感受野两个层面提高算法的特征表达能力,并使用ROI Align代替ROI Pooling,基于K-Means重新设计RPN(Region Proposal Networks)锚框尺寸,减小目标回归过程的坐标偏差。实验表明,该算法能够提升无人机图像目标检测精度,在RSOD-Dataset和无人机图像数据集上,mAP分别达到92.52%和98.07%。

关键词：无人机图像 Faster R-CNN 注意力机制空洞卷积特征融合目标检测

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：