检索结果-内蒙古大学图书馆

系统科学与数学 2025年第3期45卷 725-736页

作者：王向文操德文吴健安庆师范大学计算机与信息学院安庆246133 安庆师范大学智能感知与计算安徽省高校重点实验室安庆246133

针对一类具有不确定时滞的非线性严格反馈系统,研究其基于动态事件触发机制的规定时间控制问题.根据规定时间稳定性定理,对具有未知时滞的高阶非线性系统提出了一种状态反馈控制策略,以保证系统在规定时间内收敛,规定的时间可以根据实... 详细信息

针对一类具有不确定时滞的非线性严格反馈系统,研究其基于动态事件触发机制的规定时间控制问题.根据规定时间稳定性定理,对具有未知时滞的高阶非线性系统提出了一种状态反馈控制策略,以保证系统在规定时间内收敛,规定的时间可以根据实际需要设置.文章利用神经网络逼近技术对未知的连续函数进行逼近,利用Lyapunov-Krasovskii泛函来补偿状态延迟的影响.此外,控制器通过引入动态事件触发机制,减小了通信占用率.文章设计的控制器使得闭环系统内所有的信号在给定的时间范围内保持有界稳定,而且系统的收敛时间不会受到系统初始状态和控制参数的影响.最后,通过仿真实验来证明该设计方案的可行性.

关键词：规定时间稳定时滞动态事件触发机制不确定非线性系统状态反馈控制

来源：评论

学校读者我要写书评

暂无评论

门控卷积和高频特征融合的红外小目标检测

引用

计算机工程与应用 2025年第7期61卷 306-314页

作者：刘奎唐慧萍苏本跃安庆师范大学计算机与信息学院安徽安庆246000 铜陵学院数学与计算机学院安徽铜陵244000

针对在远距离复杂场景下红外小目标尺寸和形状差异大、检测精度欠佳的问题,提出了一种基于门控卷积和高频特征融合的红外小目标检测模型。为了解决复杂场景下目标尺寸差异的问题,通过在U-Net下采样过程中使用门控快速傅里叶卷积(gated f... 详细信息

针对在远距离复杂场景下红外小目标尺寸和形状差异大、检测精度欠佳的问题,提出了一种基于门控卷积和高频特征融合的红外小目标检测模型。为了解决复杂场景下目标尺寸差异的问题,通过在U-Net下采样过程中使用门控快速傅里叶卷积(gated fast Fourier convolution,GFFC)模块提取多尺度的全局和局部特征,为提升模型在不同复杂程度数据集上的训练效果,利用超参数门控调节网络对目标全局和局部特征的权重,以平衡对全局和局部特征的需求。为解决红外小目标形状差异的问题,采用了高频特征融合(high-frequency feature fusion,HFF)模块,进一步提取高频子带特征,增强红外小目标细节纹理信息。在SIRST和IRSTD数据集上的实验结果表明,相比基准UCF方法,提出的方法在两个数据集的评价指标下分别提升了0.83个百分点、0.40个百分点和5.18个百分点、0.23个百分点,证明了该方法的有效性。

关键词：门控快速傅里叶卷积高频特征融合红外小目标检测

来源：评论

学校读者我要写书评

暂无评论

基于动态掩码特征选择的蛋白质解链温度预测

引用

计算机应用与软件 2025年

作者：李翔张步忠姚昭伦徐亚军安庆师范大学计算机与信息学院苏州大学江苏省计算机信息处理技术重点实验室

蛋白质解链温度对于深入了解蛋白质的结构与功能、优化蛋白质设计具有重要意义。传统生物湿实验方法测定解链温度成本高，过程繁琐。现有计算方法预测解链温度多数使用蛋白质级别的全局特征，忽略了氨基酸级别的局部特征，且预测精度有... 详细信息

蛋白质解链温度对于深入了解蛋白质的结构与功能、优化蛋白质设计具有重要意义。传统生物湿实验方法测定解链温度成本高，过程繁琐。现有计算方法预测解链温度多数使用蛋白质级别的全局特征，忽略了氨基酸级别的局部特征，且预测精度有限。针对上述问题，提出一种新型深度学习模型ProteoTempNet，旨在提升蛋白质解链温度的预测精度。该模型利用蛋白质语言模型从氨基酸级别提取序列表征，设计一种结合自注意力机制的动态掩码特征选择算法，稀疏化特征表示；用卷积神经网络网络、双向长短期记忆网络以及注意力网络构建ProteoTempNet深度学习模型，应用于蛋白质解链温度预测的回归和分类任务。实验结果表明，ProteoTempNet具有良好的泛化性能，在解链温度预测中相较于现有最优方法，PCC提升1.1%，RMSE降低5.4%，MAE降低3.9%，为该领域提供了一个更为有效的解决方案。

关键词：解链温度局部特征动态掩码特征选择稀疏化特征深度学习

来源：评论

学校读者我要写书评

暂无评论

新工科背景下嵌入式系统设计课程实践教学改革探索

引用

长春师范大学学报 2025年第2期44卷 129-133页

作者：宋静安庆师范大学计算机与信息学院安徽安庆246133

面对工程教育改革的新要求,依托OpenHarmony开源系统和国产海思芯片平台,以嵌入式系统设计课程为例,探索课程实践教学改革的实施路径。结合嵌入式系统发展现状和人才培养的实际需求,分析课程实践教学面临的挑战,提出课程实践教学改革方... 详细信息

面对工程教育改革的新要求,依托OpenHarmony开源系统和国产海思芯片平台,以嵌入式系统设计课程为例,探索课程实践教学改革的实施路径。结合嵌入式系统发展现状和人才培养的实际需求,分析课程实践教学面临的挑战,提出课程实践教学改革方向;在制定课程目标并提炼实践教学知识点的基础上,研究分析近几年相关学科竞赛获奖作品,结合专业特点和行业应用场景逐渐形成和完善实践教学案例库;设计完善的教学组织流程和考核评价机制,在教学过程中取得较好效果。

关键词：嵌入式系统实践教学海思小车套件案例库考核评价

来源：评论

学校读者我要写书评

暂无评论

基于卷积注意力和空洞空间注意力的U型医学图像分割模型

引用

电脑知识与技术 2025年第7期21卷 17-20页

作者：姜宁安庆师范大学计算机与信息学院安徽安庆246133

为了解决医学图像分割中特征信息不足和目标定位不准确的问题,该文基于SegNeXt和DSNet提出了一种基于卷积注意力和空洞空间注意力的U型医学图像分割模型(SegxUnet)。文章首先输入图像通过双尺度卷积注意力模块构建的编码器(Encoder),提... 详细信息

为了解决医学图像分割中特征信息不足和目标定位不准确的问题,该文基于SegNeXt和DSNet提出了一种基于卷积注意力和空洞空间注意力的U型医学图像分割模型(SegxUnet)。文章首先输入图像通过双尺度卷积注意力模块构建的编码器(Encoder),提取更丰富的多尺度的医学图像特征。经过编码器的特征图,在瓶颈部分构建的串-并行空洞空间注意力模块中进一步补充全局上下文信息,接着在解码器(Decoder)中层层上采样(Upsample)与编码器中提取的多尺度医学图像特征融合,最后输出图像分割结果。实验结果显示,SegxUnet模型在2020年脑肿瘤检测数据集(Br35H)上的Miou和Dice分别达到了87.53%和87.25%,,优于FCN、Deeplabv3、PSPNet等经典图像分割算法。具体来说,其Miou相比于FCN、Deeplabv3、PSPNet分别提高了1.46%、0.95%和0.39%。

关键词：医学图像分割编码器(Encoder) 解码器(Decoder) 卷积注意力空洞空间注意力

来源：评论

学校读者我要写书评

暂无评论

基于柔性演员-评论家的通感算融合网络稳健资源优化

引用

电子与信息学报 2025年

作者：李斌沈立赵传信费泽松南京信息工程大学计算机学院安徽师范大学计算机与信息学院北京理工大学信息与电子学院

通感算融合是6G的热点研究方向。为了解决复杂场景下通信-感知-计算模式的用户能耗大、计算不确定等问题，该文设计一种稳健的通感算融合网络资源分配与决策优化方案。首先，由于任务复杂度的不可预测，构建一个稳健的计算资源分配问题... 详细信息

通感算融合是6G的热点研究方向。为了解决复杂场景下通信-感知-计算模式的用户能耗大、计算不确定等问题，该文设计一种稳健的通感算融合网络资源分配与决策优化方案。首先，由于任务复杂度的不可预测，构建一个稳健的计算资源分配问题以优化卸载决策的不确定性。其次，在满足用户功耗、处理时间、雷达估计信息率等条件下，联合优化任务卸载比例、波束赋形和资源分配，建立用户总能耗最小化问题。由于该优化问题是多变量耦合且非凸的，将其建模为一个马尔可夫决策过程，提出一种基于柔性演员-评论家(SAC)优化算法。仿真结果表明，该算法在网络训练时更加稳定，能有效增强计算稳健性，与近端策略优化算法和优势动作评论算法相比，所提SAC算法在用户能耗方面分别减少了9.57%和40.72%。此外，用户数越多，能耗减少越显著。

关键词：边缘计算通感算融合深度强化学习计算不确定性

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合和注意力机制的视频异常检测方法

引用

应用科学学报 2025年第2期43卷 234-244页

作者：吴祥肖剑吉根林南京师范大学计算机与电子信息学院/人工智能学院江苏南京210023

视频画面中的运动物体在不同时刻往往呈现出多样的尺度大小,这给视频异常检测带来了一定的挑战。尽管传统的生成对抗网络在视频异常检测任务上取得了一定成效,但因其采用单一尺度的特征提取方法,无法充分捕获不同尺度物体的特征,从而限... 详细信息

视频画面中的运动物体在不同时刻往往呈现出多样的尺度大小,这给视频异常检测带来了一定的挑战。尽管传统的生成对抗网络在视频异常检测任务上取得了一定成效,但因其采用单一尺度的特征提取方法,无法充分捕获不同尺度物体的特征,从而限制了其异常检测的性能。针对该问题,本文基于生成对抗网络结构,提出了一种基于多尺度特征融合和注意力机制的视频异常检测方法。使用大小不同的卷积核捕获不同感受野的特征,并将它们进行融合以获得多尺度的特征表示。此外,在生成器的转置卷积层后引入坐标注意力机制,自适应分配特征图权重,从而增强模型对关键特征的感知能力。在公开数据集UCSD Ped2和Avenue上的实验结果表明,本文方法的性能优于其他同类方法。

关键词：视频异常检测深度学习生成对抗网络多尺度特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于柔性演员-评论家的通感算融合网络稳健资源优化

引用

电子与信息学报 2025年第4期47卷 1-10页

作者：李斌沈立赵传信费泽松南京信息工程大学计算机学院南京210044 安徽师范大学计算机与信息学院芜湖241002 北京理工大学信息与电子学院北京100081

关键词：边缘计算通感算融合深度强化学习计算不确定性

来源：评论

学校读者我要写书评

暂无评论

BatchOOD:基于能量的批处理式多标记分布外检测

引用

常州大学学报(自然科学版) 2025年第1期37卷 37-47页

作者：程一飞彭欣程玉胜陈启东安庆师范大学计算机与信息学院安徽安庆246011 安徽省高校智能感知与计算重点实验室(安庆师范大学) 安徽安庆246011

分布外(Out-of-Distribution,OOD)检测对于深度模型在开放环境中安全可靠地应用至关重要。现有方法通常利用深度网络提取分布内(In-Distribution,ID)表征,却忽略了对小批量样本间关系的学习,并且缺乏针对更符合现实设置的多标记OOD检测... 详细信息

分布外(Out-of-Distribution,OOD)检测对于深度模型在开放环境中安全可靠地应用至关重要。现有方法通常利用深度网络提取分布内(In-Distribution,ID)表征,却忽略了对小批量样本间关系的学习,并且缺乏针对更符合现实设置的多标记OOD检测的研究。基于此,文章提出一种在批处理级上检测OOD样本的深度模型BatchOOD。首先,利用主干网络提取单个样本的初始特征;随后,引入BatchFormer模块从批量维度上探索样本间的依赖关系;最后,应用基于能量的多标记OOD检测器判别ID样本和OOD样本。在MS-COCO,PASCAL-VOC和NUS-WIDE 3个多标记数据集上的实验结果表明建模小批量间样本依赖关系更有利于模型学习到精确的ID表征,从而提高ID-OOD可分离性。与JointEnergy方法相比,文章所提出的模型在FPR95指标上分别实现了6.42%,5.72%和6.57%的性能提升。

关键词：多标记学习分布外检测 BatchFormer 样本关系能量函数

来源：评论

学校读者我要写书评

暂无评论

融合多视图一致和互补信息的深度3D模型分类

引用

中国图象图形学报 2025年第3期30卷 811-823页

作者：吴晗胡良臣杨影接标罗永龙安徽师范大学计算机与信息学院芜湖241002 工业智能数据安全安徽省重点实验室芜湖241002

目的基于深度学习的方法在3D模型分类任务中取得了先进的性能,此类方法需要提取三维模型不同数据表示的特征,例如使用深度学习模型提取多视图特征并将其组合成单一而紧凑的形状描述符。然而,这些方法只考虑了多视图之间的一致信息,而忽... 详细信息

目的基于深度学习的方法在3D模型分类任务中取得了先进的性能,此类方法需要提取三维模型不同数据表示的特征,例如使用深度学习模型提取多视图特征并将其组合成单一而紧凑的形状描述符。然而,这些方法只考虑了多视图之间的一致信息,而忽视了视图与视图之间存在的差异信息。为了解决这一问题,提出了新的特征网络学习3D模型多视图数据表示的一致信息和互补信息,并将其有效融合,以充分利用多视图数据的特征,提高3D模型分类准确率。方法该方法首先在残差网络的残差结构中引入空洞卷积,扩大卷积操作的感受野。随后,对网络结构调整以进行多视图特征提取。然后,通过设计的视图分类网络划分一致信息和互补信息,充分利用每个视图。为了处理这两类不同的信息,引入了一种结合注意力机制的学习融合策略,将两类特征视图融合,从而得到形状级描述符,实现可靠的3D模型分类。结果该模型的有效性在ModelNet数据集的两个子集上得到验证。在基于ModelNet40数据集的所有对比方法中具有最好的性能表现。为了对比不同的特征提取网络,设置单分类任务实现性能验证,本文方法在分类准确度和平均损失方面表现最好。相较于基准方法—多视图卷积神经网络(multi-view convolutional neural network,MVCNN),在不同视图数下本文方法的性能最高提升了3.6%,整体分类准确度提高了5.43%。实验结果表明,相较于现有相关方法,本文方法展现出一定的优越性。结论本文提出的一种多视图信息融合的深度3D模型分类网络,深度融合多视图的一致信息和互补信息,在3D模型分类任务中获得明显的效果。

关键词：多视图学习 3D模型分类一致性与互补性改进残差网络视图融合

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：