检索结果-内蒙古大学图书馆

计算机科学 2024年第12期51卷 147-156页

作者：尤文龙邓莉李锐龙谢雨欣任正伟武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

目前,云计算技术的使用非常广泛。随着用户量的增加,云计算资源的分配管理也越来越重要,而准确的负载预测是分配管理的重要依据。但由于云平台任务有多个负载特征,且特征的相关性变化趋势各不相同,因此难以从长期的历史数据中提取出有... 详细信息

目前,云计算技术的使用非常广泛。随着用户量的增加,云计算资源的分配管理也越来越重要,而准确的负载预测是分配管理的重要依据。但由于云平台任务有多个负载特征,且特征的相关性变化趋势各不相同,因此难以从长期的历史数据中提取出有效的依赖信息。在Informer模型的基础上,提出了一种针对高动态云平台任务CPU长期负载预测方法v-Informer,该方法通过变分模态分解来分解负载序列中的变化趋势,引入多头自注意力机制捕获其中的长期依赖性和局部非线性关系,同时应用梯度集中技术改进优化器,减少计算开销。分别在微软云平台和谷歌云平台数据上进行实验,结果表明,与目前已有的CPU负载预测模型LSTM,Transformer,TCN和CEEMDAN-Informer相比,v-Informer在Google数据集上的预测误差分别减少了34%,19%,15%和6.5%;在微软数据集上的预测误差分别减少了32%,16%,12%和7%,具有较好的预测精度。

关键词：云平台 CPU负载多步预测模态分解 Informer 梯度收敛

来源：评论

学校读者我要写书评

暂无评论

基于图文关联与上下文引导的军事新闻图集描述生成方法

引用

计算机工程与科学 2024年第9期46卷 1625-1634页

作者：梅运红刘茂福武汉科技大学计算机科学与技术学院湖北武汉430065 湖北省智能信息处理与实时工业系统重点实验室湖北武汉430065

传统的图像描述生成方法由于缺少现实世界的先验知识,生成的描述文本不具有解释性,同时在某些专业领域生成的描述文本准确性不高。针对上述问题,提出了军事新闻图集描述生成任务,还构建了军事新闻图集数据集。该任务存在2个关键挑战:描... 详细信息

传统的图像描述生成方法由于缺少现实世界的先验知识,生成的描述文本不具有解释性,同时在某些专业领域生成的描述文本准确性不高。针对上述问题,提出了军事新闻图集描述生成任务,还构建了军事新闻图集数据集。该任务存在2个关键挑战:描述信息来源于整个图集和对应的新闻文本中,模型学习到的语义不够充分。进一步提出了一种基于图文关联与上下文引导的军事新闻图集描述生成方法ITRCG。基于ITRCG实现跨模态信息交互,引导模型学习更完整的语义,并通过标签清理辅助命名实体生成。在构建的军事新闻图集数据集上进行了验证实验,结果表明ITRCG能够有效提高描述文本的质量,在各项评价指标上均取得了提升。

关键词：图像描述图文关联注意力上下文引导注意力图集新闻文本

来源：评论

学校读者我要写书评

暂无评论

PVS-CNN:子流稀疏卷积优化的Point-Voxel CNN

引用

计算机应用与软件 2024年第4期41卷 135-141,199页

作者：孙亚兰林云汉武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对经典的三维卷积网络在模型较大的场景上分割和检测的效率低和内存占用大的问题,提出PVS-CNN网络框架,通过更新哈希表和特征稀疏矩阵的方式实现了效率高且占用低的三维卷积,引用子流稀疏卷积改进PV-Conv。将PVS-CNN在ShapeNet和S3DI... 详细信息

针对经典的三维卷积网络在模型较大的场景上分割和检测的效率低和内存占用大的问题,提出PVS-CNN网络框架,通过更新哈希表和特征稀疏矩阵的方式实现了效率高且占用低的三维卷积,引用子流稀疏卷积改进PV-Conv。将PVS-CNN在ShapeNet和S3DIS数据集上进行评估,实验结果表明,所提出的PVS-CNN比PVCNN快3.6倍,GPU内存占用仅为PVCNN的0.55倍。在目标检测上,与F-PVCNN相比,PVS-CNN在时间效率和检测精度上全面优于F-PVCNN。

关键词：三维点云效率内存占用分割目标检测子流稀疏卷积

来源：评论

学校读者我要写书评

暂无评论

基于深度残差网络和注意力机制的特殊车牌识别

引用

计算机工程与设计 2024年第1期45卷 291-298页

作者：王昊陈黎武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学湖北省智能信息处理与实时工业系统重点实验室湖北武汉430065

为解决现有车牌识别算法在面对旋转倾斜车牌以及双行车牌图像时识别精度偏低的问题,提出一种基于深度残差网络和注意力机制的特殊车牌识别算法。优化深度残差网络结构,使模型更好提取低分辨率车牌图像的特征;取消对特征图平均池化操作,... 详细信息

为解决现有车牌识别算法在面对旋转倾斜车牌以及双行车牌图像时识别精度偏低的问题,提出一种基于深度残差网络和注意力机制的特殊车牌识别算法。优化深度残差网络结构,使模型更好提取低分辨率车牌图像的特征;取消对特征图平均池化操作,在保留图像全局特征的前提下,将多维特征化为特征序列;引入注意力机制对特征序列并行解码,加快模型推理速度,提升特殊车牌的识别精度。实验结果表明,与现有的文字识别模型CRNN、DAN、ASTER对比,在公开车牌数据集CCPD上取得了更高的准确率,验证了模型的有效性。

关键词：车牌识别文字识别多头注意力自注意力机制卷积神经网络循环神经网络残差网络

来源：评论

学校读者我要写书评

暂无评论

改进变分自编码器的工业时序数据异常检测

引用

计算机工程与设计 2024年第1期45卷 17-23页

作者：张志昂廖光忠武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

为解决传统的异常检测模型对工业时序数据异常点检测方面误判率大和抗干扰性差的问题,提出一种改进的变分自编码器模型。考虑到工业时序数据的不规律性,使用变分自编码器模型作为基础架构;由于变分自编码器本身存在难以准确检测出异常... 详细信息

为解决传统的异常检测模型对工业时序数据异常点检测方面误判率大和抗干扰性差的问题,提出一种改进的变分自编码器模型。考虑到工业时序数据的不规律性,使用变分自编码器模型作为基础架构;由于变分自编码器本身存在难以准确检测出异常时序数据的问题,在编码和解码过程中分别引入时间卷积网络和通道注意力机制,实现扩大感受野和增强特征权重;对数据时序数据使用随机森林进行特征排序,提高检测的准确性。通过进行对比测试实验,验证了该模型可以有效提高对异常工业时序数据点检测的准确性和可靠性。

关键词：异常检测时间卷积网络变分自编码器通道注意力机制时序数据随机森林感受野

来源：评论

学校读者我要写书评

暂无评论

通道加权下的双判别GAN超分辨率网络

引用

计算机应用与软件 2024年第9期41卷 241-249页

作者：张港陈东方王晓峰武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对现有基于生成对抗网络的单图超分辨率重构方法特征利用率不足,生成图像包含少量无意义噪声的问题,提出一种基于通道注意力机制的双判别生成对抗网络。通过对生成网络中密集残差块进行通道加权,优化网络的特征利用率。同时在对抗网... 详细信息

针对现有基于生成对抗网络的单图超分辨率重构方法特征利用率不足,生成图像包含少量无意义噪声的问题,提出一种基于通道注意力机制的双判别生成对抗网络。通过对生成网络中密集残差块进行通道加权,优化网络的特征利用率。同时在对抗网络中对生成图像进行像素域和特征域的双重判别,促使生成网络产生更丰富的结构特征和高频信息。实验结果表明,与现有的SRGAN、ESRGAN两种算法相比,该算法能够重构出感官质量更高的图像。

关键词：图像超分辨率重建生成对抗网络通道注意力特征判别器视觉质量

来源：评论

学校读者我要写书评

暂无评论

抑制船尾拖纹的长时段船舶跟踪方法

引用

计算机应用与软件 2024年第6期41卷 161-168页

作者：何水陈黎陈姚节武汉科技大学计算机科学与技术学院湖北武汉430081 武汉科技大学湖北省智能信息处理与实时工业系统重点实验室湖北武汉430081

船舶跟踪任务中水面拖纹干扰和目标遮挡会影响船舶跟踪的效果。提出一种抑制船尾拖纹的长时段船舶跟踪方法。对图像预处理,提升图像清晰度;使用离线训练的拖纹检测器检测水面拖纹,实时校正船舶跟踪框;根据感知哈希算法判断是否发生目标... 详细信息

船舶跟踪任务中水面拖纹干扰和目标遮挡会影响船舶跟踪的效果。提出一种抑制船尾拖纹的长时段船舶跟踪方法。对图像预处理,提升图像清晰度;使用离线训练的拖纹检测器检测水面拖纹,实时校正船舶跟踪框;根据感知哈希算法判断是否发生目标遮挡,遮挡时使用在线检测器对目标区域进行检测,找回船舶位置并初始化跟踪器,实现长时段跟踪。实验结果表明,该方法能有效抑制船尾拖纹对跟踪的影响,提高船舶跟踪精度,实现长时段船舶跟踪。

关键词：船舶跟踪拖纹检测孪生网络长时段重检测

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的语料库查询自动生成方法

引用

计算机工程 2024年

作者：张成辉罗景涂新辉陈雨霖武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室华中师范大学计算机学院

语料库查询语言(Corpus Query Language，CQL)是一种用于在语料库中进行检索和分析的查询语言，自然语言自动生成CQL指将用户以自然语言表达的查询需求自动转换为标准的CQL语句，从而大大降低了用户使用语料库的门槛。虽然大语言模型可... 详细信息

语料库查询语言(Corpus Query Language，CQL)是一种用于在语料库中进行检索和分析的查询语言，自然语言自动生成CQL指将用户以自然语言表达的查询需求自动转换为标准的CQL语句，从而大大降低了用户使用语料库的门槛。虽然大语言模型可以较好的完成自然语言生成任务，但是在CQL生成任务中效果还不是很理想。为此，提出一种基于大语言模型上下文学习的语料库查询自动生成方法T2CQL。首先，基于CQL的编写规则总结出一套简洁全面的Text-to-CQL语法知识，作为大语言模型实现Text-to-CQL的自动转换的基础，以弥补大语言模型在此领域知识储备的不足。然后，基于选定的嵌入模型，选取与当前自然语言查询最接近的前k个Text-CQL样本对，以帮助大语言模型理解语法知识并作为参照。最后，采用生成结果校准策略来减轻大语言模型在生成CQL时的偏差，通过校准模型偏差以提升模型生成CQL的性能。实验使用多个大语言模型在包含1177条数据的测试集上进行测试。实验结果表明，T2CQL方法显著提升了大语言模型在完成Text-to-CQL自动转换任务时的性能，最优的EX达到了85.13%。

关键词：语料库查询语言大语言模型上下文学习自然语言处理提示工程

来源：评论

学校读者我要写书评

暂无评论

面向超分辨率重建的层次间局部特征增强网络

引用

计算机工程与设计 2024年第8期45卷 2407-2414页

作者：王晓峰黄煜婷张文尉张轩陈东方武汉科技大学计算机科学与技术学院湖北武汉430070 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430070

基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块... 详细信息

基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块和特征感知注意力机制组成。级联残差模块通过有效残差连接增加对残差分支信息的利用;层次间特征增强块提取不同深度特征的依赖关系,自适应调整中间层特征权值增强捕获关键信息的能力;特征感知注意力机制采用方向感知和位置判断的方式准确定位和识别感兴趣对象。多项标准数据集的实验结果表明,该方法能改善超分辨率的视觉重建效果,整体性能优于现有方法。

关键词：卷积神经网络超分辨率局部特征增强级联残差模块注意力机制方向感知位置判断

来源：评论

学校读者我要写书评

暂无评论

基于注意力改进残差网络结构的表情识别方法

引用

计算机应用与软件 2024年第8期41卷 162-167页

作者：张智魏蘅武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对目前CNN在复杂图像中特征提取不充分的问题,提出一种基于注意力的改进残差网络的表情识别网络。设计一个双流网络在完成粗特征表情识别的同时检测关键点,并使用注意力机制增大关键点周边特征的权重。随后以残差网络为基础模型,改进... 详细信息

针对目前CNN在复杂图像中特征提取不充分的问题,提出一种基于注意力的改进残差网络的表情识别网络。设计一个双流网络在完成粗特征表情识别的同时检测关键点,并使用注意力机制增大关键点周边特征的权重。随后以残差网络为基础模型,改进残差块之间的跳跃连接方式,并将残差块中的普通卷积改进为分组卷积来强化特征提取能力。最后联合两个表情识别网络进行分类,实验结果验证了该模型方案有着更卓越的性能。

关键词：人脸表情识别残差网络注意力机制分组卷积

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：