检索结果-内蒙古大学图书馆

仪器仪表学报 2022年第1期43卷 54-61页

作者：杨明鹏刘佳李言杰葛静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数据分析技术重点实验室南京210044 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

微量流体的收集与控制是微流控领域的关键技术,微流体引流控制不仅需要对流速、时间等参数进行精确控制,而且要避免流体在多个检测区的交叉混染。本文设计一种基于爆破阀的微流体引流控制芯片。首先,对爆破阀机理进行分析,并采用MEMS工... 详细信息

微量流体的收集与控制是微流控领域的关键技术,微流体引流控制不仅需要对流速、时间等参数进行精确控制,而且要避免流体在多个检测区的交叉混染。本文设计一种基于爆破阀的微流体引流控制芯片。首先,对爆破阀机理进行分析,并采用MEMS工艺制备微流控芯片;然后,对影响爆发阀特性的材料亲水性进行跟踪测量,对微流控芯片的引流特性进行宏观和微观观测;更进一步地,对爆破阀的爆破压力进行理论计算和实验实测,3种爆破阀的实测爆破压力分别为90、690、2440 Pa;最后,对不同进样速率下爆破阀的爆破特性进行测试。实验结果表明,通过爆破阀的合理设计,可实现微流体的引流控制,使其按预定次序、预定时间流入检测区,进而有效避免流体的交叉混染。

关键词：微流体爆破阀引流控制等离子处理微压力测量

来源：评论

学校读者我要写书评

暂无评论

基于增强语义与多注意力机制学习的深度相关跟踪

引用

计算机工程 2020年第2期46卷 279-285页

作者：周双双宋慧慧张开华樊佳庆南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044

在基准可判别相关滤波器网络(DCFNet)目标跟踪过程中,遮挡和运动模糊情况会导致目标发生漂移。针对该问题,结合增强语义与多注意力机制深度学习,设计一种端到端的相关滤波器网络RACFNet。由EDNet网络得到高级语义信息弥补单独低级特征... 详细信息

在基准可判别相关滤波器网络(DCFNet)目标跟踪过程中,遮挡和运动模糊情况会导致目标发生漂移。针对该问题,结合增强语义与多注意力机制深度学习,设计一种端到端的相关滤波器网络RACFNet。由EDNet网络得到高级语义信息弥补单独低级特征表示的不足,同时加入通道和空间残差注意力机制,使网络能够对不同的跟踪对象提取出更具针对性的表观信息。在此基础上,通过添加相关滤波层并输出响应图最大值推测目标位置。在OTB-2013和OTB-2015基准测试集上的实验结果表明,RACFNet跟踪速度平均可达92帧/s,跟踪成功率较DCFNet分别提高8.20%和10.69%。

关键词：增强语义注意力机制相关滤波傅里叶域计算目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于解空间反向跳跃和信息交互强化的新型混合蛙跳算法

引用

控制与决策 2021年第1期36卷 105-114页

作者：申晓宁黄遥游璇王谦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

种群多样性和信息交互的深度与方式对混合蛙跳算法的爬山能力、探索能力和开发能力有着深远影响.针对混合蛙跳算法易于陷入局部最优、收敛速度慢和寻优精度差等缺点,提出一种基于解空间反向跳跃和信息交互强化的新型混合蛙跳算法.首先,... 详细信息

种群多样性和信息交互的深度与方式对混合蛙跳算法的爬山能力、探索能力和开发能力有着深远影响.针对混合蛙跳算法易于陷入局部最优、收敛速度慢和寻优精度差等缺点,提出一种基于解空间反向跳跃和信息交互强化的新型混合蛙跳算法.首先,增加子群次优解与次劣解的信息交互,促进子群内部信息的利用,引入反向跳跃思想改进局部更新机制,降低迭代后期劣解产生概率,提升空间开发能力;然后,借鉴2-opt方法实现局部最优解变异,增加子群的多样性;最后,采用各局部最优解交叉的方式加深子群间的交互深度,同时利用反向跳跃机制防止种群同化.采用23个单峰、多峰和固定维度下的复杂多峰函数作为测试集进行仿真实验,结果表明所提出算法具有更优的搜索性能,能够有效提高种群多样性,防止算法早熟收敛,且能够适应不同类型的函数优化问题.

关键词：混合蛙跳算法种群多样性信息交互反向跳跃局部更新函数优化

来源：评论

学校读者我要写书评

暂无评论

基于隐式随机梯度下降优化的联邦学习

引用

智能系统学报 2022年第3期17卷 488-495页

作者：窦勇敢袁晓彤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

联邦学习是一种分布式机器学习范式,中央服务器通过协作大量远程设备训练一个最优的全局模型。目前联邦学习主要存在系统异构性和数据异构性这两个关键挑战。本文主要针对异构性导致的全局模型收敛慢甚至无法收敛的问题,提出基于隐式随... 详细信息

联邦学习是一种分布式机器学习范式,中央服务器通过协作大量远程设备训练一个最优的全局模型。目前联邦学习主要存在系统异构性和数据异构性这两个关键挑战。本文主要针对异构性导致的全局模型收敛慢甚至无法收敛的问题,提出基于隐式随机梯度下降优化的联邦学习算法。与传统联邦学习更新方式不同,本文利用本地上传的模型参数近似求出平均全局梯度,同时避免求解一阶导数,通过梯度下降来更新全局模型参数,使全局模型能够在较少的通信轮数下达到更快更稳定的收敛结果。在实验中,模拟了不同等级的异构环境,本文提出的算法比FedProx和FedAvg均表现出更快更稳定的收敛结果。在相同收敛结果的前提下,本文的方法在高度异构的合成数据集上比FedProx通信轮数减少近50%,显著提升了联邦学习的稳定性和鲁棒性。

关键词：联邦学习分布式机器学习中央服务器全局模型隐式随机梯度下降数据异构系统异构优化算法快速收敛

来源：评论

学校读者我要写书评

暂无评论

基于强化学习与变权组合模型的EV充电需求功率预测方法

引用

数据采集与处理 2025年第2期40卷 530-544页

作者：宋宗仁葛泉波李春喜上海海事大学物流工程学院上海201306 南京信息工程大学自动化学院南京210044 大数据分析与智能系统江苏省高校重点实验室南京210044 大气环境与装备技术协同创新中心南京210044 浙江经济职业技术学院汽车技术学院杭州310018

当电动汽车(Electric vehicle,EV)与充电桩连接时,精确预测电动汽车动力电池组的充电需求功率,对于防止电池组过充电至关重要。由于电池组物理模型的复杂性使基于其充电需求功率预测方法通常难以构建,且实时性不高。此外,单一预测模型... 详细信息

当电动汽车(Electric vehicle,EV)与充电桩连接时,精确预测电动汽车动力电池组的充电需求功率,对于防止电池组过充电至关重要。由于电池组物理模型的复杂性使基于其充电需求功率预测方法通常难以构建,且实时性不高。此外,单一预测模型的预测精度偏低。针对上述问题,结合充电数据与机器学习,提出一种基于强化学习与变权组合模型的EV充电需求功率预测方法。在传统灰狼优化算法的基础上,将混沌映射、精英反向学习策略相结合以提高初始种群的质量,利用强化学习的动态权重策略更新灰狼个体位置来优化最小二乘支持向量机(Least square support vector machine,LSSVM)算法中的参数;通过基于时变权重分配的变权组合方法合理分配极限学习机预测模型与改进LSSVM预测模型的权重,解决单一预测模型方法的不足;采用电动汽车的实际充电数据对所提预测算法进行验证,新方法相较于其他3种传统方法在预测精度上分别提高了4.75%、3.84%和0.38%。

关键词：充电需求功率变权组合强化学习灰狼优化算法最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

随机初始化神经网络剪枝的稀疏二值规划方法

引用

计算机工程与应用 2023年第8期59卷 138-147页

作者：陆林季繁繁袁晓彤南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院南京210044

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为... 详细信息

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为一个稀疏二值约束优化问题。其核心思想是利用稀疏二值规划来学习一个二值掩膜,利用该掩膜可以从随机初始化的神经网络上裁剪出一个未经训练却性能良好的稀疏网络。与之前基于随机初始化网络的剪枝算法相比,该算法找到的稀疏网络在多个稀疏度下都具有更好的分类泛化性能。与edge-popup算法相比,在ImageNet数据集分类任务中,模型在稀疏度为70%时精度提升7.98个百分点。在CIFAR-10数据集分类任务中,模型在稀疏度为50%时精度提升2.48个百分点。

关键词：神经网络剪枝随机初始化二值掩膜二值规划稀疏优化

来源：评论

学校读者我要写书评

暂无评论

联合姿态先验的人体精确解析双分支网络模型

引用

软件学报 2020年第7期31卷 1959-1968页

作者：高明达孙玉宝刘青山邵晓雯江苏省大数据分析技术重点实验室(南京信息工程大学自动化学院) 江苏南京210044 江苏省大气环境与装备技术协同创新中心(南京信息工程大学自动化学院) 江苏南京210044

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域,进行形成对人体图像的语义理解.然而,由于人体姿态的复杂性,现有的人体解析算法容易对人体四肢部件形成误判,且对于小目标区域的分割不够精确.针对上述问题,联合人体姿态估... 详细信息

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域,进行形成对人体图像的语义理解.然而,由于人体姿态的复杂性,现有的人体解析算法容易对人体四肢部件形成误判,且对于小目标区域的分割不够精确.针对上述问题,联合人体姿态估计信息,提出了一种人体精确解析的双分支网络模型.该模型首先使用基干网络表征人体图像,将人体姿态估计模型预测到的姿态先验作为基干网络的注意力信息,进而形成人体结构先验驱动的多尺度特征表达,并将提取的特征分别输入至全卷积网络解析分支与检测解析分支.全卷积网络解析分支获得全局分割结果,检测解析分支更关注小尺度目标的检测与分割,融合两个分支的预测信息可以获得更为精确的分割结果.实验结果验证了该算法的有效性,在当前主流的人体解析数据集LIP和ATR上,所提方法的m Io U评测指标分别为52.19%和68.29%,有效提升了解析精度,在人体四肢部件以及小目标部件区域获得了更为准确的分割结果.

关键词：人体解析语义分割人体姿态估计部件检测卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于伪孪生网络双层优化的对比学习

引用

模式识别与人工智能 2022年第10期35卷 928-938页

作者：陈庆宇季繁繁袁晓彤南京信息工程大学自动化学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 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 南京信息工程大学计算机学院南京210044

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻... 详细信息

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻优化的学生网络优化策略和基于随机梯度下降的教师网络优化策略。基于近邻优化的学生网络优化策略让教师网络成为约束项,帮助学生网络更好地向教师网络学习。基于随机梯度下降的教师网络优化策略求解近似教师网络,梯度更新教师网络。在5个数据集上的实验表明,文中算法取得较高的k-NN(k=1)分类精度和线性分类精度,特别在批次大小较小时,优势较大。

关键词：对比学习双层优化学生网络近邻优化教师网络随机梯度下降

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和组织形态分析的肺癌基因突变预测

引用

生物医学工程学杂志 2020年第1期37卷 10-18页

作者：王荃沈勤张泽林蔡程飞鲁浩达周晓军徐军南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 南京军区总医院病理科南京210002

肺癌是一种常见的肺部恶性肿瘤,是全球发病率和死亡率最高的恶性肿瘤。对于发生了表皮生长因子受体(EGFR)基因突变的晚期非小细胞型肺癌患者,可以使用靶向药物来进行针对性治疗。EGFR基因突变的检测方法很多,但是各有优缺点。本文拟通... 详细信息

肺癌是一种常见的肺部恶性肿瘤,是全球发病率和死亡率最高的恶性肿瘤。对于发生了表皮生长因子受体(EGFR)基因突变的晚期非小细胞型肺癌患者,可以使用靶向药物来进行针对性治疗。EGFR基因突变的检测方法很多,但是各有优缺点。本文拟通过探索非小细胞型肺癌苏木精-伊红(HE)染色的全扫描组织病理图像形态学特征与患者EGFR基因突变之间的关联,达到预测EGFR基因突变风险的目的。实验结果表明,本文所提出的EGFR基因突变风险预测模型的曲线下面积(AUC)在测试集上可达72.4%,准确率为70.8%,提示非小细胞型肺癌全扫描组织病理图像中的组织形态学特征与EGFR基因突变之间存在密切关联。本文从病理图像的尺度来分析基因分子表型,将病理组学和分子组学相融合,建立EGFR基因突变风险预测模型,揭示全扫描组织病理图像和EGFR基因突变风险的关联性,或可为该领域提供一个颇具前景的研究方向。

关键词：深度学习肺癌病理图像基因突变精准医疗

来源：评论

学校读者我要写书评

暂无评论

基于自适应灰狼优化算法的柔性作业车间调度问题

引用

现代制造工程 2022年第7期 1-10页

作者：王玉芳曾亚志蒋亚飞南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044

针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规... 详细信息

针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规则生成高质量种群;其次,根据灰狼优化(Grey Wolf Optimization,GWO)算法的社会等级制度,提出一种基于种群规模的自适应社会等级制度分布策略,以提高算法求解速度和稳定性;然后,设计一种新的狼群捕猎和猎物搜索机制,保证种群多样性的同时提高算法的全局探索能力;此外,提出融合基于关键路径和均衡机器负载2种邻域结构的变邻域搜索策略,提高算法的局部搜索能力;最后,通过标准算例验证算法的有效性和可行性。

关键词：柔性作业车间调度问题最大完工时间灰狼优化算法变邻域搜索

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：