检索结果-内蒙古大学图书馆

中国电力 2025年第3期58卷 142-150页

作者：高志远庄卫金李峰于芳张鸿王艳夏旻中国电力科学研究院有限公司(南京) 江苏南京210003 江苏省大数据分析技术重点实验室(南京信息工程大学) 江苏南京210044

近年来,电网调控领域智能化发展趋势明显,但由于人工智能(artificial intelligence,AI)技术本身的黑盒性质,正确性和可靠性验证问题日渐重要,能够支持各种不同人工智能模型验证的复用性支持平台尤为重要。通过对验证需求和问题的分析,... 详细信息

近年来,电网调控领域智能化发展趋势明显,但由于人工智能(artificial intelligence,AI)技术本身的黑盒性质,正确性和可靠性验证问题日渐重要,能够支持各种不同人工智能模型验证的复用性支持平台尤为重要。通过对验证需求和问题的分析,提出一种包含基础设施、平台服务和应用服务的3层验证平台架构,分析了该架构下AI模型验证的运行模式,开展了案例和样本复用、容器化和镜像、多框架和算法集成等关键技术研究,并进行了开发和实施。该平台实现了算力和数据资源的统一管理和复用、兼容支持多种不同AI框架和算法库、验证场景的动态生成等,为后续调控领域人工智能技术推广应用奠定了基础。

关键词：电网调控人工智能机器学习新型电力系统信息通信技术能量管理系统

来源：评论

学校读者我要写书评

暂无评论

一种EIT触觉传感器的灵敏度强度校正方法

引用

仪表技术与传感器 2025年第1期 7-13,19页

作者：王江南葛泉波南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心

为解决电阻抗层析成像(EIT)技术中存在灵敏度分布不均匀(位置依赖性)的问题,提出了一种灵敏度强度校正方法。利用伪阵列方法将刚性传感器区域划分为4部分,从有限元模型中提取其中的“L”型区域并根据对称性构建缩放矩阵。同时在刚性传... 详细信息

为解决电阻抗层析成像(EIT)技术中存在灵敏度分布不均匀(位置依赖性)的问题,提出了一种灵敏度强度校正方法。利用伪阵列方法将刚性传感器区域划分为4部分,从有限元模型中提取其中的“L”型区域并根据对称性构建缩放矩阵。同时在刚性传感器的基础上,研究了纸作为柔性触觉传感器材料的可行性。实验结果表明:强度校正方法能有效地提高图像重建质量;纸传感器在基于EIT的人机交互应用中具有较大的潜力。

关键词：电阻抗层析成像位置依赖性强度校正柔性触觉传感器

来源：评论

学校读者我要写书评

暂无评论

融合各向异性上下文的遥感图像语义分割

引用

计算机应用与软件 2025年第4期42卷 229-236,288页

作者：岳志远耿玉标闫宏艳孙玉宝南京信息工程大学江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心江苏南京210044

由于遥感图像中地面目标存在纵横比变化大、目标尺度范围广等各向异性分布问题,现有分割方法对于呈长程带状结构、密集离散分布物体等目标的分割能力还存在不足。为了应对该问题,提出融合各向异性上下文的遥感图像分割网络,该网络通过... 详细信息

由于遥感图像中地面目标存在纵横比变化大、目标尺度范围广等各向异性分布问题,现有分割方法对于呈长程带状结构、密集离散分布物体等目标的分割能力还存在不足。为了应对该问题,提出融合各向异性上下文的遥感图像分割网络,该网络通过对梯度卷积核参数施加先验约束来提取目标的梯度信息,优化分割边缘,设计多尺度并行空洞卷积和各向异性复合条状池化等模块,捕获遥感图像中不同尺度目标的各向异性上下文信息,融合多尺度的上下文信息并恢复图像细节。在公开的Potsdam和Vaihingen数据集上的实验表明,该网络优于DaNet、DeepLabv3+、Eanet等先进的分割网络,消融实验也验证了各模块的有效性。

关键词：遥感图像语义分割各向异性上下文梯度卷积复合条状池化

来源：评论

学校读者我要写书评

暂无评论

聚焦式学习分割一切提示的无监督视频目标分割

引用

计算机工程与科学 2025年第2期47卷 298-307页

作者：沈勇辉卜东旭张胜裕宋慧慧南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 大气环境与装备技术协同创新中心江苏南京210044

无监督视频目标分割旨在测试阶段自动定位和分割视频帧中的主要目标。目前,大多数模型、方法依赖于从RGB图提取的外观线索和从光流图提取的运动线索来进行目标分割。然而,目标遮挡、快速运动或静止等问题会导致光流获取的信息缺失,仅依... 详细信息

无监督视频目标分割旨在测试阶段自动定位和分割视频帧中的主要目标。目前,大多数模型、方法依赖于从RGB图提取的外观线索和从光流图提取的运动线索来进行目标分割。然而,目标遮挡、快速运动或静止等问题会导致光流获取的信息缺失,仅依靠外观分支获取的有限信息难以实现良好的分割效果。为了解决这一问题,提出了一种聚焦式学习网络模型FPLNet,该模型引入额外的双分支结构以捕捉主要目标的位置信息和轮廓信息,从而弥补光流信息的缺失。首先,所提出的模型利用分割一切模型SAM的骨干网络提取外观和运动信息,从而提高模型的泛化性。然后,将额外引入的粗粒度和细粒度的2个分割分支共同作为聚焦式学习网络的提示部分。在解码部分,RGB外观信息、光流运动信息、粗粒度特征和细粒度特征逐步融合,以此模仿人类视觉系统,实现聚焦式学习目标特征的过程。在3个标准数据集上进行了大量的测试,实验结果表明,与现有的模型相比,所提出的模型拥有更优异的性能。

关键词：无监督视频目标分割聚焦式学习分割一切模型

来源：评论

学校读者我要写书评

暂无评论

利用自适应频域滤波和凝聚损失的目标跟踪

引用

计算机与数字工程 2025年第3期53卷 725-733页

作者：孙培盛樊佳庆宋慧慧南京信息工程大学大气环境与装备技术协同创新中心江苏省大数据分析技术重点实验室南京210044

视觉目标跟踪是计算机视觉领域的一项基础任务,在实际生活中有着广泛的应用,因此视觉目标跟踪技术的研究具有重要意义。之前的跟踪算法存在三个尚未解决的问题,一是随着ResNet网络的提出,空间特征提取得到了大幅加强,但仍有较大的进步空... 详细信息

视觉目标跟踪是计算机视觉领域的一项基础任务,在实际生活中有着广泛的应用,因此视觉目标跟踪技术的研究具有重要意义。之前的跟踪算法存在三个尚未解决的问题,一是随着ResNet网络的提出,空间特征提取得到了大幅加强,但仍有较大的进步空间;二是对于提取出的特征,跟踪器如何突出有效信息、抑制无用信息来达到更好的跟踪效果;三是样本不平衡问题导致模型无法判别未出现过的样本,进而限制了模型的性能。为了解决上述问题,论文设计了双重特征增强模块来优化ResNet骨干网络提取的空间信息。再利用傅里叶变换将空域特征转化为频域特征,接着在频域中利用可学习的滤波器自动过滤出适合当前跟踪器的特征,同时抑制背景中其他杂乱的特征信息。最后,引入凝聚损失函数,扩大困难样本范围并惩罚简单样本,显著缓解了样本不平衡问题。在四个具有挑战性的数据集上的大量实验结果表明,对比同期最先进的算法,论文提出的方法具有更加良好的性能。特别地,在TLP数据集实现了62.0%的成功率得分,在VOT2020LT数据集实现了1.7%的提升。

关键词：目标跟踪双重特征增强模块自适应频域滤波器样本不平衡凝聚损失

来源：评论

学校读者我要写书评

暂无评论

基于I_CBAM-DenseNet模型的小麦发育期识别研究

引用

南京信息工程大学学报 2025年第1期17卷 42-52页

作者：付景枝马悦宏观刘云平吴文宇丁明明尹泽凡南京信息工程大学自动化学院南京210044 南京信息工程大学大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 中国气象局气象探测中心北京100081

针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通... 详细信息

针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM(I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型.

关键词：小麦发育期 DenseNet 卷积块注意模块(CBAM)

来源：评论

学校读者我要写书评

暂无评论

基于SEnet和多头注意力机制的推荐模型

引用

信息技术 2025年第2期49卷 1-6,13页

作者：申晓宁沈如一陈星晖宋丽妍南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 江苏省气象能源利用与控制工程技术研究中心南京210044 南方科技大学广东省类脑智能计算重点实验室广东深圳518055

现有推荐系统研究方法在处理用户和商品特征时忽略了特征之间的相关性和重要性。为此,文中提出一种结合挤压伸缩网络和多头注意力机制的个性化推荐模型。利用挤压伸缩网络求得各个特征权重并得到加权特征向量;采用多头注意力机制计算特... 详细信息

现有推荐系统研究方法在处理用户和商品特征时忽略了特征之间的相关性和重要性。为此,文中提出一种结合挤压伸缩网络和多头注意力机制的个性化推荐模型。利用挤压伸缩网络求得各个特征权重并得到加权特征向量;采用多头注意力机制计算特征之间的关联度并进行特征交叉,使关联度高的特征对点击率预测结果的影响更大;引入自适应激活函数和残差结构的深度网络作为决策层预测推荐结果。与七种已有的推荐模型在Criteo数据集和Amazon数据集上的实验对比结果表明,所提模型具有更高的推荐精度。

关键词：推荐系统深度学习挤压伸缩网络

来源：评论

学校读者我要写书评

暂无评论

计算机控制技术课程思政的教学研究与实践

引用

湖北开放职业学院学报 2025年第5期38卷 176-178页

作者：申晓宁南京信息工程大学自动化学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学江苏省气象能源利用与控制工程技术研究中心江苏南京210044

在工科课程中开展课程思政教育,有助于打破学科壁垒,推动学科教育与思想政治教育的深度融合,应对全球化挑战与培养国际视野。为将课程思政教育落实于工科专业课程教学的全过程,本文以计算机控制技术课程为例,根据课程知识特点挖掘相应... 详细信息

在工科课程中开展课程思政教育,有助于打破学科壁垒,推动学科教育与思想政治教育的深度融合,应对全球化挑战与培养国际视野。为将课程思政教育落实于工科专业课程教学的全过程,本文以计算机控制技术课程为例,根据课程知识特点挖掘相应的思政育人元素,探讨思政教育与教学实践的融合方法,提出多角度的课程综合评价方式。通过在计算机控制技术的专业知识传播中强调价值引领,使学生树立了正确的理想信念、价值观和伦理观念,有效推进了在工科专业课程中实施思政育人的进程。

关键词：计算机控制技术课程思政教学实践课程综合评价闭环教学法

来源：评论

学校读者我要写书评

暂无评论

基于条件生成对抗网络的三维肝脏及肿瘤区域自动分割

引用

生物医学工程学杂志 2021年第1期38卷 80-88页

作者：张泽林李宝明徐军南京信息工程大学江苏省大数据分析技术重点实验室南京210044

肝脏计算机断层扫描成像(CT)的三维(3D)肝脏和肿瘤分割对于辅助医生的诊断及预后具有非常重要的临床价值。为了准确快速地分割肝脏及肿瘤区域,本文提出了一种基于条件生成对抗网络(cGAN)的肿瘤3D条件生成对抗分割网络(T3scGAN),同时采... 详细信息

肝脏计算机断层扫描成像(CT)的三维(3D)肝脏和肿瘤分割对于辅助医生的诊断及预后具有非常重要的临床价值。为了准确快速地分割肝脏及肿瘤区域,本文提出了一种基于条件生成对抗网络(cGAN)的肿瘤3D条件生成对抗分割网络(T3scGAN),同时采用了一个由粗到细的3D自动分割框架对肝脏及肿瘤区域实施精准分割。本文采用2017年肝脏和肿瘤分割挑战赛(LiTS)公开数据集中的130个病例进行训练、验证和测试T3scGAN模型。最终3D肝脏区域分割的验证集和测试集的平均戴斯(Dice)系数分别为0.963和0.961,而3D肿瘤区域分割的验证集和测试集的平均Dice系数分别为0.819和0.796。实验结果表明,提出的T3scGAN模型能够有效地分割3D肝脏及其肿瘤区域,因此能够更好地辅助医生进行肝脏肿瘤的精准诊断和治疗。

关键词：肝脏和肿瘤区域三维自动分割条件生成对抗网络深度学习计算机断层扫描成像

来源：评论

学校读者我要写书评

暂无评论

融合属性特征的行人重识别方法

引用

自动化学报 2022年第2期48卷 564-571页

作者：邵晓雯帅惠刘青山南京信息工程大学自动化学院江苏省大数据分析技术重点实验室南京210044

行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络... 详细信息

行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络中,进行端到端的多任务学习.此外,对于每张输入图片,网络自适应地生成对应于每个属性的权重,并将所有属性的特征以加权求和的方式结合起来,与全局特征一起用于行人重识别任务.全局特征关注行人的整体外观,而属性特征关注细节区域,两者相互补充可以对行人进行更全面的描述.在行人重识别的主流数据集DukeMTMC-reID和Market-1501上的实验结果表明了本文方法的有效性,平均精度均值(Mean average precision,mAP)分别达到了74.2%和83.5%,Rank-1值分别达到了87.1%和93.6%.此外,在这两个数据集上的属性识别也得到了比较好的结果.

关键词：行人重识别属性识别深度学习自适应权重

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：