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

用于方面级情感分析的多信息增强图卷积网络

引用

计算机工程与应用 2024年第14期60卷 144-151页

作者：杨春霞闫晗吴亚雷黄昱锟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 江苏省大气环境与装备技术协同创新中心南京210044

方面级情感分析旨在预测句子中特定方面的情感极性。然而,现阶段的研究依然存在语义信息不充分利用的问题,一方面大多数现有工作侧重于学习上下文词到方面词之间的依存信息,没有充分利用句子的语义信息;另一方面现有研究没有专注于依存... 详细信息

方面级情感分析旨在预测句子中特定方面的情感极性。然而,现阶段的研究依然存在语义信息不充分利用的问题,一方面大多数现有工作侧重于学习上下文词到方面词之间的依存信息,没有充分利用句子的语义信息;另一方面现有研究没有专注于依存树的语法构建,从而没有充分利用语法结构信息去补充语义信息。针对以上问题,提出多信息增强图卷积神经网络(MIE-GCN)模型。主要包括两部分:一是通过方面感知注意力、自注意力和外部常识形成多信息融合层充分利用语义信息;二是根据单词间不同的语法距离构造句子的语法掩码矩阵,通过获得全面语法结构信息来补充语义信息。利用图卷积神经网络增强节点表示。在基准数据集上的实验结果表明,提出的模型均比对比模型有一定的提升。

关键词：方面级情感分析外部常识方面感知注意力语法掩码矩阵

来源：评论

学校读者我要写书评

暂无评论

运动目标检测的l_0群稀疏RPCA模型及其算法

引用

电子学报 2016年第3期44卷 627-632页

作者：周伟孙玉宝刘青山吴敏江苏省南京信息工程大学大数据分析技术重点实验室江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044 南京军区南京总医院医学工程科江苏南京210002

经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPC... 详细信息

经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPCA模型的运动目标检测方法.首先运用Ncuts算法进行区域过分割,生成多个同性区域,将其作为群稀疏约束的分组信息;第二步构造基于l0群稀疏RPCA模型,运用群稀疏准则判别过分割后的各同性区域是否为运动目标,采用交替方向乘子算法对模型进行快速求解,约束过分割形成的同性区域具有相同检测结果,进而将背景环境和运动前景分离,能够更加准确地度量运动目标的区域边界,且对复杂的背景扰动更加鲁棒,达到了运动目标鲁棒检测的目的.

关键词： RPCA模型 l0群稀疏过分割交替方向乘子法运动目标检测

来源：评论

学校读者我要写书评

暂无评论

融合GAT与头尾标签的多标签文本分类模型

引用

计算机工程与应用 2024年第15期60卷 150-160页

作者：杨春霞黄昱锟闫晗吴亚雷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 江苏省大气环境与装备技术协同创新中心南京210044

现有基于神经网络的多标签文本分类主要存在两方面的不足,一是现有的数据中标签-文本频率存在长尾分布,二是很少从图结构中获取全局标签之间的关联性,针对以上问题,提出了一种融合GAT与头尾标签分类器的多标签文本分类模型(GATTN),该模... 详细信息

现有基于神经网络的多标签文本分类主要存在两方面的不足,一是现有的数据中标签-文本频率存在长尾分布,二是很少从图结构中获取全局标签之间的关联性,针对以上问题,提出了一种融合GAT与头尾标签分类器的多标签文本分类模型(GATTN),该模型利用带有注意力机制的Bi-LSTM得到文本的特征向量表示;同时把不同标签之间的关联性转换为包含了全局信息的边加权图,利用多层的图注意力网络来学习头标签之间的关联性。然后将其与文本上下文语义信息进行点积交互,得到具有文本语义和头标签信息的特征表示提高模型的泛化能力。在AAPD、RCV1-V2和EUR-Lex三个公开英文数据集上的实验结果证明,该模型针对数据长尾分布的多标签文本分类效果优于其他基线模型。

关键词：多标签文本分类图注意力网络头尾标签多样本学习

来源：评论

学校读者我要写书评

暂无评论

融合CNN-SAM与GAT的多标签文本分类模型

引用

计算机工程与应用 2023年第5期59卷 106-114页

作者：杨春霞马文文陈启岗桂强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 江苏省大气环境与装备技术协同创新中心南京210044

现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标... 详细信息

现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标签文本分类模型(CS-GAT)。该模型利用多层卷积神经网络与自注意力机制充分提取文本局部与全局信息并进行融合,得到更为全面的特征向量表示;同时将不同文本标签之间的关联性转变为具有全局信息的边加权图,利用多层图注意力机制自动学习不同标签之间的关联程度,将其与文本上下文语义信息进行交互,获取具有文本语义联系的全局标签信息表示;使用自适应融合策略进一步提取两者特征信息,提高模型的泛化能力。在AAPD、RCV1-V2与EUR-Lex三个公开英文数据集上的实验结果表明,该模型所达到的多标签分类效果明显优于其他主流基线模型。

关键词：多标签文本分类多层卷积神经网络自注意力机制多头图注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的卫星云图云量计算

引用

系统仿真学报 2018年第5期30卷 1623-1630页

作者：夏旻申茂阳王舰锋王阳光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

卫星云图云量计算是卫星气象应用的基础,目前的方法对卫星光学参数以及对卫星云图的特征利用率不高,导致了云检测及云量计算不准确。针对这个问题,利用卷积神经网络进行卫星云图云的检测,基于优化的卷积神经网络将云图分为厚云、薄云及... 详细信息

卫星云图云量计算是卫星气象应用的基础,目前的方法对卫星光学参数以及对卫星云图的特征利用率不高,导致了云检测及云量计算不准确。针对这个问题,利用卷积神经网络进行卫星云图云的检测,基于优化的卷积神经网络将云图分为厚云、薄云及晴空。在云检测的基础上利用"空间相关法"计算总云量。针对中国HJ-1A/B卫星图片的实验结果表明,通过对卷积网络结构及参数的优化卷积神经网络可以很好的提取云图的特征,云分类时厚云和薄云之间的过渡区域清晰,云的识别率以及云量计算的准确率都比传统阈值法、动态阈值法以及极限学习机模型的结果要好。

关键词：云量计算卷积神经网络云检测空间相关法

来源：评论

学校读者我要写书评

暂无评论

基于依存句法和图注意力网络的句子匹配

引用

计算机工程与应用 2023年第9期59卷 123-129页

作者：杨春霞陈启岗徐奔马文文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 江苏省大气环境与装备技术协同创新中心南京210044

句子匹配是自然语言处理的一项基本任务,可应用于自然语言推理、释义识别等多个场景。目前,主流的模型大多采用注意力机制来实现两个句子之间单词或短语的对齐。然而,这些模型通常忽略了句子的内在结构,没有考虑文本单元之间的依存关系... 详细信息

句子匹配是自然语言处理的一项基本任务,可应用于自然语言推理、释义识别等多个场景。目前,主流的模型大多采用注意力机制来实现两个句子之间单词或短语的对齐。然而,这些模型通常忽略了句子的内在结构,没有考虑文本单元之间的依存关系。针对此问题,提出了一种基于依存句法和图注意力网络的匹配模型。设计两种建模方式将句子对建模为语义图。使用图注意力网络对构建的图进行编码以进行句子匹配。实验结果表明,提出的模型可以较好地学习图结构,在自然语言推理数据集SNLI和释义识别数据集Quora上分别达到了88.7%和88.9%的准确率。

关键词：句子匹配依存句法图注意力网络词共现语义图全连通语义图

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PCA和ICA模式融合的非高斯特征检测识别

引用

自动化学报 2024年第1期50卷 169-180页

作者：葛泉波程惠茹张明川郑瑞娟朱军龙吴庆涛南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044 河南科技大学信息工程学院洛阳471023

针对无人船(Unmanned surface vehicle,USV)航行位姿观测数据的非高斯性/高斯性判别问题,提出一种基于主成分分析(Principal component analysis,PCA)和独立成分分析(Independent component analysis,ICA)模式融合的非高斯特征检测识别方法.首先,采用基于标准化加权平均和信息熵的数据预处理方法.其次,引入混合加权核函数并使用灰狼优化(Grey wolf optimization,GWO)算法进行参数优化,以提高PCA方法的准确性.同时,该算法采用一种新的非线性控制因子策略,提高全局和局部搜索能力.最后,建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维,在降维数据的基础上综合T型多维偏度峰度检验法和KS(Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别.该方法考虑了非线性非高斯的噪声对降维结果精确度的影响,有效降低了多维数据非高斯检测的复杂度,同时也为后续在实际USV位姿估计等应用中提供了保障.实验表明,该方法具有较高的准确性和稳定性,可为USV航行位姿观测数据处理提供支持.

关键词：主成分分析混合核函数灰狼优化算法高维降维非高斯

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：