检索结果-内蒙古大学图书馆

计算机测量与控制 2025年第1期33卷 69-77,84页

作者：韩博张婧婧鲁子翱新疆农业大学计算机与信息工程学院乌鲁木齐830052 智能农业教育部工程研究中心乌鲁木齐830052 新疆农业信息化工程技术研究中心乌鲁木齐830052

针对基线YOLOv8n检测算法结构较复杂以及现有的安全帽佩戴检测算法参数量和计算量较大,难以在终端部署等问题,提出一种基于FEV-YOLOv8n的轻量化检测模型;设计一种轻量级的FasterC2f模块改进YOLOv8n的骨干网络,实现网络的参数量和计算量... 详细信息

针对基线YOLOv8n检测算法结构较复杂以及现有的安全帽佩戴检测算法参数量和计算量较大,难以在终端部署等问题,提出一种基于FEV-YOLOv8n的轻量化检测模型;设计一种轻量级的FasterC2f模块改进YOLOv8n的骨干网络,实现网络的参数量和计算量的降低;在FasterC2f模块中引入EMA注意力机制,融合空间依赖和位置信息,建立长短期的依赖关系,增强对目标表征的关注,以提高模型检测的精度;使用VoVGSCSP模块改进颈部网络,提高遮挡目标以及小目标的辨识度;实验结果表明,改进YOLOv8n模型map值为92.5%,相较于YOLOv8n算法,模型大小减少20%,计算量降低18.5%,参数量降低15.7%,为安全帽佩戴检测的轻量化研究提供理论参考。

关键词：目标检测安全帽 FasterC2f 轻量化 Efficient Multi-Scale Attention VoVGSCSP

来源：评论

学校读者我要写书评

暂无评论

农用机器人转向系统自适应内模控制

引用

农业机械学报 2011年第10期42卷 186-191,234页

作者：焦俊江朝晖金瑞春许正荣刘波安徽农业大学信息与计算机学院合肥230036 合肥工业大学计算机与信息学院合肥230009

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优... 详细信息

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优化,适应性地调整时滞时间和增益,克服参数时变对内模控制和被控对象模型的影响。仿真和试验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全适用于农用机器人转向系统的控制。

关键词：农用机器人转向系统自适应内模控制非线性PID控制 Adaline神经网络

来源：评论

学校读者我要写书评

暂无评论

基于光谱-空间特征的黄茶多酚含量估算模型

引用

光谱学与光谱分析 2021年第3期41卷 936-942页

作者：杨宝华高远王梦玄齐麟宁井铭安徽农业大学信息与计算机学院安徽合肥230036 安徽农业大学茶树生物与利用国家重点实验室安徽合肥230036

茶多酚是黄茶中的重要成分之一,具有保健和药用功效。准确估测茶多酚含量对茶叶品质鉴定和定量分析具有重要的意义。学者们已经利用电子鼻、电子舌、高光谱和近红外技术开展了茶多酚的估测研究,取得了良好的效果。然而,由于缺乏空间特征... 详细信息

茶多酚是黄茶中的重要成分之一,具有保健和药用功效。准确估测茶多酚含量对茶叶品质鉴定和定量分析具有重要的意义。学者们已经利用电子鼻、电子舌、高光谱和近红外技术开展了茶多酚的估测研究,取得了良好的效果。然而,由于缺乏空间特征,难以满足黄茶内外品质综合判断的要求。随着高光谱成像系统的发展,尽管基于灰度共生矩阵的茶叶成分估测已经被证实取得较好的效果,但在实际应用中仍然存在一些障碍。一方面,分辨率较低时,图像的纹理特征不会有显著差异,并且少数特征无法充分地解译高光谱图像,从而导致模型估测效果较差。另一方面,分辨率较高时,特征的增加会导致模型更复杂。因此,在保留高光谱图像原始信息的前提下,有必要进一步挖掘高光谱图像的潜在特征,尤其是纹理的细节部分。因此,提出了一种融合光谱和空间特征的模型来提高茶多酚估测的准确性。首先,利用连续小波变换提取光谱信息的小波系数;其次,根据不同尺度的小波系数能量优选小波系数特征,分别是第4尺度的959和1561 nm,第5尺度的1321,1520和1540 nm,以及第6尺度的1202和1228 nm;再者,基于小波系数能量之和优选2个特征波长,分别是1102和1309 nm;然后,根据特征波长对应的高光谱图像分别提取灰度共生矩阵和小波纹理。最后,分别利用小波系数特征、灰度共生矩阵、小波纹理和他们的组合构建黄茶多酚含量的估测模型。通过对五种黄茶的分析和验证,比较基于不同特征的不同模型估测效果,包括偏最小二乘回归、支持向量回归和随机森林方法。结果表明,融合小波系数特征,共生矩阵和小波纹理的支持向量回归模型效果最佳,校正集的R^(2)为0.9330,验证集的R 2为0.8238。因此,所提出的模型能有效的提高茶多酚含量的预测精度,为预测茶叶的其他成分提供了技术基础。

关键词：茶多酚小波变换小波纹理高光谱图像

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和SMC的农用履带机器人轨迹跟踪控制

引用

系统仿真学报 2023年第4期35卷 747-759页

作者：刘东阳查文文陶亮朱诚辜丽川焦俊安徽农业大学信息与计算机学院安徽合肥230036

轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于... 详细信息

轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于动力学模型建立滑模控制系统。设计基于深度学习方法的LSTM网络来对未知干扰项进行控制补偿,降低外部干扰的影响,通过结合LSTM网络和准滑动模态的优势,减弱震颤现象。并给出控制系统的稳定性分析。在不同轨迹上进行长短期记忆网络MATLAB/Simulink仿真实验,并与现有方法进行了比较,证明了其优越性。

关键词：长短期记忆网络滑模控制运动学模型动力学模型轨迹跟踪

来源：评论

学校读者我要写书评

暂无评论

基于集成提升算法的土壤速效氮近红外光谱回归预测

引用

激光与光电子学进展 2021年第16期58卷 547-557页

作者：韩亚鲁李绍稳郑文瑞石胜群朱先志金秀安徽农业大学信息与计算机学院安徽合肥230036

速效氮含量的预测在土壤养分诊断中具有重要意义,通过特征选择和回归预测算法可有效地提高速效氮光谱检测模型的预测精度。选取了皖南地区的188个黄红壤土样本作为对象,利用7种预处理方法对光谱数据进行了校正,结合移动窗口法和5种智能... 详细信息

速效氮含量的预测在土壤养分诊断中具有重要意义,通过特征选择和回归预测算法可有效地提高速效氮光谱检测模型的预测精度。选取了皖南地区的188个黄红壤土样本作为对象,利用7种预处理方法对光谱数据进行了校正,结合移动窗口法和5种智能优化类算法进行特征选择后,再基于多种集成提升(Boosting)算法建立36种回归校正模型来分析比较。实验结果表明:基于粒子群优化(PSO)的特征优选算法优选出的202个光谱特征主要集中在600~1000 nm,利用此特征构建出的Adaptive Boosting(AdaBoost)模型性能最佳,其土壤速效氮预测精度提高到0.944。所提方法不仅提高了土壤速效氮预测精度,而且在特征区间优选算法上进行了探讨,具有一定的理论价值。

关键词：光谱学近红外光谱土壤速效氮特征选择 Boosting

来源：评论

学校读者我要写书评

暂无评论

一种基于光强图像深度学习的波前复原方法

引用

激光与光电子学进展 2020年第8期57卷 247-256页

作者：马慧敏焦俊乔焰刘海秋高彦伟安徽农业大学信息与计算机学院安徽合肥230031

基于深度学习的波前复原方法是利用训练好的卷积神经网络(CNN)模型并直接根据输入的光强图像得到波前像差的Zernike系数,不需要进行迭代计算,方法简单易于实现,便于快速获取相位。CNN的训练是通过对大量畸变远场光强图像和其对应的Zern... 详细信息

基于深度学习的波前复原方法是利用训练好的卷积神经网络(CNN)模型并直接根据输入的光强图像得到波前像差的Zernike系数,不需要进行迭代计算,方法简单易于实现,便于快速获取相位。CNN的训练是通过对大量畸变远场光强图像和其对应的Zernike波前系数数据进行训练,自动提取光强图像特征,学习光强和Zernike系数的关系。本研究基于35阶Zernike大气湍流像差,建立了基于CNN的波前复原模型,通过分析该方法对静态波前畸变的复原能力,验证了基于CNN的波前复原方法的可行性及复原能力。

关键词：成像系统自适应光学波前复原深度学习卷积神经网络非迭代复原方法

来源：评论

学校读者我要写书评

暂无评论

知识图谱增强的图神经网络推荐研究进展

引用

计算机工程与应用 2023年第4期59卷 18-29页

作者：吴国栋王雪妮刘玉良安徽农业大学信息与计算机学院合肥230036

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱(knowledge graph,KG)增强的图神经网络(graph neural network,GNN)推荐,是以用户与项目交互行为构建的交互图为基础,引入... 详细信息

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱(knowledge graph,KG)增强的图神经网络(graph neural network,GNN)推荐,是以用户与项目交互行为构建的交互图为基础,引入同为图结构的知识图谱,并运用图神经网络技术进行处理,从而实现个性化推荐。深入探讨了现有知识图谱增强的图神经网络推荐研究进展。首先在对图神经网络推荐和知识图谱推荐进行探讨的基础上,从项目知识图谱和协同知识图谱视角,深入分析了当前知识图谱增强的图神经网络推荐取得的相关研究成果;然后从大规模动态知识图谱处理、用户对项目属性的偏好挖掘、知识图谱的图嵌入学习等方面,指出了已有知识图谱增强的图神经网络推荐研究存在的主要问题;最后从动态时序知识图谱增强的GNN推荐、元学习的知识图谱增强GNN推荐、多模态知识图谱增强的GNN推荐、知识图谱增强的GNN跨领域推荐等方面,展望了知识图谱增强的图神经网络推荐未来主要研究方向。

关键词：知识图谱图神经网络推荐系统项目知识图谱协同知识图谱

来源：评论

学校读者我要写书评

暂无评论

大语言模型及其个性化推荐研究

引用

智能系统学报 2024年第6期19卷 1351-1365页

作者：吴国栋秦辉胡全兴王雪妮吴贞畅安徽农业大学信息与计算机学院安徽合肥230036

大语言模型因其强大的自然语言处理能力在人工智能领域产生了巨大影响,使得大语言模型个性化推荐成为当前推荐系统研究的新兴领域。本文在深入分析已有大语言模型及其个性化推荐相关研究基础上,探讨大语言模型推荐的过程,并从直接推荐... 详细信息

大语言模型因其强大的自然语言处理能力在人工智能领域产生了巨大影响,使得大语言模型个性化推荐成为当前推荐系统研究的新兴领域。本文在深入分析已有大语言模型及其个性化推荐相关研究基础上,探讨大语言模型推荐的过程,并从直接推荐、基于表示学习推荐、基于生成性学习推荐和提示学习推荐四方面详细分析了大语言模型推荐主要的研究进展。指出现有大语言模型推荐研究中存在的推荐偏差、提示脆弱性、有限上下文、高延迟、公平性和评估等问题,展望未来大语言模型推荐研究的主要方向,包括大语言模型推荐的安全性、面向领域的大语言模型推荐、跨模态大语言模型推荐、融合检索任务的大语言模型推荐以及大语言模型推荐的可解释性等。

关键词：大语言模型推荐深度学习监督微调对齐提示学习生成性多模态

来源：评论

学校读者我要写书评

暂无评论

基于UKF和SMO农用履带机器人滑动参数计算

引用

系统仿真学报 2015年第7期27卷 1577-1583页

作者：焦俊孔文辜丽川王强高雅袁晨晨安徽农业大学信息与计算机学院合肥230036

为保证农用履带机器人在农田环境下的稳定行驶,减少滑动现象,提出了基于UKF(Unscented Kalman Filter)和SMO(Sliding Mode Observer)的滑移参数估算方法。利用UKF算法融合机器人的运动方程和测量方程,补偿传感器的测量误差,重建机器人... 详细信息

为保证农用履带机器人在农田环境下的稳定行驶,减少滑动现象,提出了基于UKF(Unscented Kalman Filter)和SMO(Sliding Mode Observer)的滑移参数估算方法。利用UKF算法融合机器人的运动方程和测量方程,补偿传感器的测量误差,重建机器人的姿态。建立左、右履带滑动参数和滑移角的滑模观测器,引入双曲正切函数作为滑模观测器的切换函数,减弱滑模观测器符号切换函数引起的抖振,实现对滑动参数的精确估算。仿真和实验结果表明:该方法可以提供准确和高更新率的滑动量,为农用履带机器人的精确控制提供依据。

关键词：农用履带机器人无迹卡尔曼滤波滑模观测器滑动参数

来源：评论

学校读者我要写书评

暂无评论

基于改进BiLSTM-KF的WSN数据漂移盲校准算法

引用

计算机技术与发展 2025年第2期35卷 122-129页

作者：史志强古丽米拉·克孜尔别克韩博张瑛进新疆农业大学计算机与信息工程学院新疆乌鲁木齐830052 智能农业教育部工程研究中心新疆乌鲁木齐830052 新疆农业信息化工程技术研究中心新疆乌鲁木齐830052

无线传感器网络数据的准确性对智能系统的决策和环境监测的优化至关重要。针对传感器设备在工作过程中易受外部环境变化及自身特性的影响产生数据漂移现象,导致数据精确度产生偏差的问题,该文提出一种基于CNN-BiLSTM-Attention-KF的无... 详细信息

无线传感器网络数据的准确性对智能系统的决策和环境监测的优化至关重要。针对传感器设备在工作过程中易受外部环境变化及自身特性的影响产生数据漂移现象,导致数据精确度产生偏差的问题,该文提出一种基于CNN-BiLSTM-Attention-KF的无线传感器网络数据漂移校准方法。首先,利用CNN提取数据的局部特征,BiLSTM捕获时序数据的长期依赖关系,并引入Attention增强模型处理数据序列中的关键信息,根据节点数据的时空相关性进行建模,得到待校准节点的预测值。其次,将其预测值与节点的实际观测值作为卡尔曼滤波器的输入,实现对漂移数据的跟踪和校准。在公开数据集IBRL上进行实验,结果表明该方法在各评价指标有所改善,其中平均绝对误差(MAE)降至0.3255,均方误差(MSE)降至0.2289,相关系数(R^(2))达到0.9882,均优于其他算法。CNN-BiLSTM-Attention-KF具有较好的校准效果,对于传感器在长时间工作中保持数据准确性具有重要意义。

关键词：无线传感器网络数据漂移双向长短期记忆网络卡尔曼滤波器盲校准

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：