检索结果-内蒙古大学图书馆

实验室研究与探索 2012年第4期 280-283页

作者：孙怡安徽农业大学信息与计算机学院

高校实验室是培养学生动手能力、实践能力、创新意识和创新能力的摇篮,也是学科建设、人才培养、科学研究、社会服务和知识创新的重要基地。如何使高校实验室建设与管理适应知识经济的时代,更好地促进知识共享和知识创新尤为重要。为了... 详细信息

高校实验室是培养学生动手能力、实践能力、创新意识和创新能力的摇篮,也是学科建设、人才培养、科学研究、社会服务和知识创新的重要基地。如何使高校实验室建设与管理适应知识经济的时代,更好地促进知识共享和知识创新尤为重要。为了更好地发挥实验室在高校培养创新人才过程中的作用,从知识管理的角度出发,分析了高校实验室建设与管理的现状,探讨了如何在实验室建设与管理中引入知识管理的思想。

关键词：知识管理实验室建设实验室管理

来源：评论

学校读者我要写书评

暂无评论

基于跨层网络编码感知的无线传感器网络节能路由算法研究

引用

电子学报 2015年第12期43卷 2484-2490页

作者：邵星王翠香饶元盐城工学院信息工程学院江苏盐城224051 安徽农业大学信息与计算机学院安徽合肥230036

编码感知路由可以发现路由中的网络编码机会,减少数据传输次数,提高网络吞吐量,是近年来路由算法研究的一个热点.当前编码感知路由存在编码条件失效、未考虑节点能量的问题,不适合直接应用于无线传感器网络.本文提出基于跨层网络编码感... 详细信息

编码感知路由可以发现路由中的网络编码机会,减少数据传输次数,提高网络吞吐量,是近年来路由算法研究的一个热点.当前编码感知路由存在编码条件失效、未考虑节点能量的问题,不适合直接应用于无线传感器网络.本文提出基于跨层网络编码感知的无线传感器网络节能路由算法CAER（Cross layer coding Aware Energy efficient Routing）.提出并证明了修正后的网络编码条件,以解决编码条件失效问题.基于跨层思想,将网络编码感知机制与拓扑控制、覆盖控制结合,挖掘潜在编码机会.提出综合考虑节点编码机会、节点能量的跨层综合路由度量CCRM（Cross layer Coding aware Routing Metric）.仿真结果表明,相比现有编码感知路由,CAER能够提高网络编码感知准确性,增加网络编码机会数量5%-15%,延长网络生存时间8%-12%.

关键词：跨层网络编码感知节能路由算法无线传感器网络

来源：评论

学校读者我要写书评

暂无评论

FFM功能求解及在传感器控制系统中的应用

引用

电子测量与仪器学报 2016年第6期30卷 975-981页

作者：华丹阳刘晓平唐益明合肥工业大学计算机与信息学院合肥230009 安徽农业大学信息与计算机学院合肥230036

传统产品概念设计的功能树中功能节点取值非0即1,且不同方案完成相同功能时无法自动判优,针对这些问题提出了新的功能求解思路。首先,引入模糊表示理论,定量地刻画出功能节点模糊值,构造了模糊功能树。其次,提出了模糊功能矩阵,构建了... 详细信息

传统产品概念设计的功能树中功能节点取值非0即1,且不同方案完成相同功能时无法自动判优,针对这些问题提出了新的功能求解思路。首先,引入模糊表示理论,定量地刻画出功能节点模糊值,构造了模糊功能树。其次,提出了模糊功能矩阵,构建了展开定理和优选定理,通过交替展开与优选,建立了FFM功能求解算法。最后,将该算法应用于传感器概念设计中,通过与组合求解算法、扩展功能矩阵的约简算法进行对比,验证了所提算法的有效性和优越性。通过研究发现:所提算法能够更加细致地刻画功能的粒度,可以对实现相同功能的类似方案进行自动判优,在保证了创新能力不损失的前提下,提高了功能求解的效率和质量,从而推动了概念设计领域的发展。

关键词：概念设计模糊表示功能矩阵传感器

来源：评论

学校读者我要写书评

暂无评论

改进的PMD距离图像超分辨率重建算法

引用

中国图象图形学报 2012年第4期17卷 480-486页

作者：张旭东沈玉亮胡良梅陈菁菁合肥工业大学计算机与信息学院合肥230009 安徽农业大学信息与计算机学院合肥230036

PMD(photonic mixer device)相机是一款基于TOF(time-of-flight)技术的3维成像系统,在获得2维灰度图像的基础上,能够同时捕捉距离图像和幅度图像。但它的主要缺点是分辨率低,并存在较大的随机噪声。针对此问题,结合PMD相机幅度信息和双... 详细信息

PMD(photonic mixer device)相机是一款基于TOF(time-of-flight)技术的3维成像系统,在获得2维灰度图像的基础上,能够同时捕捉距离图像和幅度图像。但它的主要缺点是分辨率低,并存在较大的随机噪声。针对此问题,结合PMD相机幅度信息和双边滤波器的特点,提出一种改进的非连续自适应马尔科夫随机场(DAMRF)模型的超分辨率重建方法,该模型引入调制信号幅度A的平方作为可信度,将其作为权值对传统DAMRF模型中能量函数的距离项进行自适应加权,从而增加距离图像每个像素点在平滑过程中的权值。该方法不仅提高了距离图像的空间分辨率,又能有效地对距离图像进行滤波去噪,同时也增强了距离图像的边缘信息,较好地保持了图像边缘的连续性。实验结果表明,该方法的重建结果优于传统DAMRF模型的超分辨率方法,获得重建图像的信噪比(SNR)和均方根误差(RMSE)都有较好的改善,重建图像的视觉效果也得到一定的提高。

关键词：超分辨率重建 PMD相机 TOF技术非连续自适应马尔科夫随机场模型可信度双边滤波器

来源：评论

学校读者我要写书评

暂无评论

基于并行混合网络融入注意力机制的情感分析

引用

计算机应用 2020年第9期40卷 2543-2548页

作者：孙敏李旸庄正飞余大为安徽农业大学信息与计算机学院合肥230036

针对传统卷积神经网络(CNN)不仅会忽略词的上下文语义信息而且最大池化处理时会丢失大量特征信息的问题,传统循环神经网络(RNN)存在的信息记忆丢失和梯度弥散问题,和CNN和RNN都忽略了词对句子含义的重要程度的问题,提出一种并行混合网... 详细信息

针对传统卷积神经网络(CNN)不仅会忽略词的上下文语义信息而且最大池化处理时会丢失大量特征信息的问题,传统循环神经网络(RNN)存在的信息记忆丢失和梯度弥散问题,和CNN和RNN都忽略了词对句子含义的重要程度的问题,提出一种并行混合网络融入注意力机制的模型。首先,将文本用Glove向量化;之后,通过嵌入层分别用CNN和双向门限循环神经网络提取不同特点的文本特征;然后,再把二者提取得到的特征进行融合,特征融合后接入注意力机制判断不同的词对句子含义的重要程度。在IMDB英文语料上进行多组对比实验,实验结果表明,所提模型在文本分类中的准确率达到91.46%而其F1-Measure达到91.36%。

关键词：卷积神经网络双向门限循环单元特征融合注意力机制文本情感分析

来源：评论

学校读者我要写书评

暂无评论

知识图谱补全技术研究综述

引用

小型微型计算机系统 2023年第3期44卷 471-482页

作者：吴国栋刘涵伟何章伟李景霞王雪妮安徽农业大学信息与计算机学院合肥230036

作为一种新兴的数据结构,知识图谱被广泛用于搜索引擎、推荐系统、对话系统等诸多领域中.知识图谱补全(knowledge graph completion)是通过不同的方法,对图谱中的三元组残缺项进行补充.本文以模型构造方法为视角,从Trans结构、神经网络... 详细信息

作为一种新兴的数据结构,知识图谱被广泛用于搜索引擎、推荐系统、对话系统等诸多领域中.知识图谱补全(knowledge graph completion)是通过不同的方法,对图谱中的三元组残缺项进行补充.本文以模型构造方法为视角,从Trans结构、神经网络和张量分解三类方法对已有知识图谱补全的相关技术研究进行深入探讨,分析了不同补全技术的优缺点.指出了Trans结构模型和张量分解模型适用于大规模的知识图谱补全,而神经网络模型适用于关系结构复杂的知识图谱补全;现有知识图谱补全技术存在关系复杂性高、语义信息难以获取、训练代价大、模型扩展性差等不足.从知识图谱中复杂关系处理、上下文语义获取、节点间长期依赖关系捕获、模型融合与可扩展性等方面来展望了知识图谱补全技术未来主要研究方向.

关键词：知识图谱补全 Trans结构神经网络张量分解

来源：评论

学校读者我要写书评

暂无评论

基于图像技术的玉米叶部病害识别研究

引用

安徽农业大学学报 2016年第2期43卷 325-330页

作者：祁钊江朝晖杨春合刘连忠饶元安徽农业大学信息与计算机学院合肥230036

针对野外光照条件下玉米叶部病害的图像识别问题,采用Retinex算法进行图像增强,消除光照的不利影响,在R-G灰度空间中运用自动阈值法进行病斑图像分割,提取病斑的颜色、纹理及不变矩特征,并采用主成分分析和支持向量机相结合的方法进行... 详细信息

针对野外光照条件下玉米叶部病害的图像识别问题,采用Retinex算法进行图像增强,消除光照的不利影响,在R-G灰度空间中运用自动阈值法进行病斑图像分割,提取病斑的颜色、纹理及不变矩特征,并采用主成分分析和支持向量机相结合的方法进行玉米叶片常见病害的分类识别。实验结果显示,小斑病、锈病和弯孢菌叶斑病的总识别精度为90.74%。表明本研究方法在自然光照环境下可获得良好的病害识别效果,具有一定的实用价值。

关键词：玉米病害不均匀光照 Retinex算法主成分分析支持向量机

来源：评论

学校读者我要写书评

暂无评论

GEP优化的多输出RBF网络作物生理参数建模

引用

安徽农业大学学报 2017年第1期44卷 165-170页

作者：闵文芳江朝晖李婷婷祁钊饶元安徽农业大学信息与计算机学院合肥230036

针对常用的回归和神经网络作物建模方法存在的输出单一、参数优化困难和预测精度不足等问题,利用基因表达式编程优异的全局搜索能力和RBF神经网络多输出任意非线性函数逼近特点,设计了1种GEP优化的RBF多输出模型算法GEP-RBF。以水稻和... 详细信息

针对常用的回归和神经网络作物建模方法存在的输出单一、参数优化困难和预测精度不足等问题,利用基因表达式编程优异的全局搜索能力和RBF神经网络多输出任意非线性函数逼近特点,设计了1种GEP优化的RBF多输出模型算法GEP-RBF。以水稻和番茄的5个关键环境因子为输入、以叶片CO_2交换率和蒸腾速率为输出,进行建模验证。结果显示,在预测的均方根误差指标上,GEP-RBF模型与GA-RBF和RBF相比,水稻的CO_2交换率和蒸腾速率分别降低了约28.4%、38.0%和89.9%、62.8%,番茄的CO_2交换率和蒸腾速率则分别降低了约56.9%、48.4%和75.3%、67.1%;在多输出结果的平衡性指标上,相比GA-RBF和RBF,GEP-RBF模型提高了约16.4%~77.4%。结果表明,GEP-RBF模型具有良好的预测精度和多输出平衡性,是一种有效的作物生长建模方法。

关键词：作物模型基因表达式编程优化 RBF神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的猪脸识别检测方法

引用

西南农业学报 2023年第6期36卷 1346-1356页

作者：李广博查文文陈成鹏时国龙辜丽川焦俊安徽农业大学信息与计算机学院合肥230036

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力... 详细信息

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力;最后,引入BiFPN特征融合,有效利用特征提高模型的检测能力。试验采用的猪脸数据集共分为5类,数据增强后样本为12756张,训练集和测试集划分比例为9∶1。[结果]改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2%、3.0%、2.2%,同时,改进后的算法在单只、多只、小目标、密集、有遮挡的场景下,泛化能力较强、识别精准度高。[结论]利用深度学习算法,可以获取生猪面部信息并准确识别,减少漏检、错检情况,为生猪智能化管理提供较好的技术支持。

关键词：猪脸识别 YOLOv5 K-Means 坐标注意力机制 BiFPN

来源：评论

学校读者我要写书评

暂无评论

生成对抗网络及其个性化推荐研究

引用

小型微型计算机系统 2022年第3期43卷 574-581页

作者：杨宇吴国栋刘玉良汪菁瑶范维成安徽农业大学信息与计算机学院合肥230036

生成对抗网络(Generative Adversarial Nets)是一种融合了生成学习和对抗学习的无监督学习方法,以零和博弈作为核心思想,其组件通过互相对抗不断地提升模型效果.将GAN模型融入到推荐领域中,可有效缓解数据稀疏性问题,提高推荐效果.本文... 详细信息

生成对抗网络(Generative Adversarial Nets)是一种融合了生成学习和对抗学习的无监督学习方法,以零和博弈作为核心思想,其组件通过互相对抗不断地提升模型效果.将GAN模型融入到推荐领域中,可有效缓解数据稀疏性问题,提高推荐效果.本文从模型输入的是隐式反馈信息或显式反馈信息两个方面对基于GAN的个性化推荐模型进行了分析;探讨了基于GAN的个性化推荐研究已取得的相关成果,指出了现有GAN推荐研究在稳定性较差、缺少通用优化方法、模型复杂度较高、缺少通用评测指标等方面的不足;并从提高模型稳定性、缓解数据稀疏性、融合多场景、融入图神经网络等方面对GAN推荐的未来发展性方向进行了展望.

关键词：生成对抗网络推荐系统隐式反馈显式反馈

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：