检索结果-内蒙古大学图书馆

计算机集成制造系统 2025年第1期31卷 211-218页

作者：师红宇王嘉鑫李怡西安工程大学计算机科学学院陕西西安710048

为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进... 详细信息

为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进标签反卷积网络,使标签信息更好地贯穿整个生成网络,并在其末端设计了去噪结构,提高了生成图像质量;接着,判别器网络中引入级联融合思想,增强了网络判别能力;最后,将改进前后的模型在NEU带钢表面缺陷数据集和MNIST数据集上进行对比实验,结果表明:所提模型生成各类样本图像的清晰度、准确性明显提高,并且客观指标FID的平均值在NEU带钢表面缺陷数据集上下降了15.8%,在MNIST数据集下降了73%,为带钢小样本数据集的扩充提供了一种新方法。

关键词：图像生成生成对抗网络数据增强小样本

来源：评论

学校读者我要写书评

暂无评论

基于虚拟邻域聚合和属性嵌入的实体对齐方法

引用

计算机工程与设计 2025年第3期46卷 698-704页

作者：冯晓慧张晓滨西安工程大学计算机科学学院陕西西安710048

为增强对新实体的泛化能力,提高实体对齐的效果,构建一种基于多跳虚拟邻域聚合和属性嵌入的实体对齐模型。利用随机游走的方式构建虚拟邻域,使用门控单元对中心实体的虚拟邻域信息进行聚合;对于属性三元组生成抽象属性三元组,通过预测... 详细信息

为增强对新实体的泛化能力,提高实体对齐的效果,构建一种基于多跳虚拟邻域聚合和属性嵌入的实体对齐模型。利用随机游走的方式构建虚拟邻域,使用门控单元对中心实体的虚拟邻域信息进行聚合;对于属性三元组生成抽象属性三元组,通过预测指定属性的相关属性进行属性嵌入;引入关系损失,通过排序得到实体对齐的结果。在公开数据集上的实验结果表明,该模型的Hits@1提升0.1~0.3、Hits@10提升0.04~0.2、MRR提升0.02~0.3,验证了模型的有效性。

关键词：知识图谱实体对齐虚拟邻居邻域聚合属性嵌入知识图谱融合知识表示学习

来源：评论

学校读者我要写书评

暂无评论

深度嵌入子空间聚类网络

引用

云南大学学报(自然科学版) 2025年第1期47卷 70-78页

作者：李猛杨博季虹张一国西安工程大学计算机科学学院陕西西安710600

传统的子空间聚类算法通过学习自表达系数矩阵体现数据间的相似性,然而该策略无法有效应对大规模数据集与样本外点问题,因此提出一种深度嵌入子空间聚类网络模型.该模型首先利用自编码器获得原始数据的潜在表示;然后通过预先定义的函数... 详细信息

传统的子空间聚类算法通过学习自表达系数矩阵体现数据间的相似性,然而该策略无法有效应对大规模数据集与样本外点问题,因此提出一种深度嵌入子空间聚类网络模型.该模型首先利用自编码器获得原始数据的潜在表示;然后通过预先定义的函数计算潜在表示之间的相似程度并以此为依据构建自表达系数矩阵;最后使用谱聚类算法获得聚类结果.所提出的模型避免直接学习数据间的自表达系数,而选择通过映射函数获得数据的潜在表示与相似度,具有更广泛的适用领域.在4个公开大规模数据集上开展实验,其结果表明所提模型在准确率与调整兰德系数两个评价指标上均取得最佳效果,并在标准化互信息上获得了1.25的平均排名.参数敏感性实验和泛化性实验进一步验证所提模型具有较强的鲁棒性和样本外点处理能力.

关键词：子空间聚类自编码器自表达谱聚类

来源：评论

学校读者我要写书评

暂无评论

基于Wi-Fi CSI和胶囊网络的纺织纤维识别方法

引用

传感器与微系统 2025年第3期44卷 107-110,116页

作者：张慧卉谷林西安工程大学计算机科学学院陕西西安710600

针对传统纺织纤维识别方法中存在识别周期长、技术障碍高、检测仪器昂贵、且对专业人员依赖性强等问题,提出了一种基于Wi-Fi信道状态信息(CSI)的纺织纤维识别方法。首先,采集Wi-Fi信号的CSI并进行去噪处理;然后,提取小波包分解的时频特... 详细信息

针对传统纺织纤维识别方法中存在识别周期长、技术障碍高、检测仪器昂贵、且对专业人员依赖性强等问题,提出了一种基于Wi-Fi信道状态信息(CSI)的纺织纤维识别方法。首先,采集Wi-Fi信号的CSI并进行去噪处理;然后,提取小波包分解的时频特征,采用主成分分析(PCA)进行数据降维;最后,通过基于多头自注意力(MHSA)机制的胶囊网络(CapsNet)对输入特征矩阵的时空特征进行有偏向的提取,输出样本所属类别的概率。实验结果表明:该方法可以有效识别纺织纤维的种类,在室内独立环境下,平均识别率达到93.8%,证明了该方法的有效性和通用性,与现有的纺织纤维识别方法相比,具有更大的技术优势和更加广阔的现实应用前景。

关键词：纺织纤维识别信道状态信息胶囊网络小波包分解多头自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的小目标工件检测算法

引用

计算机技术与发展 2025年第2期35卷 41-47页

作者：何梦珂牟莉李文卓西安工程大学计算机科学学院陕西西安710048

在工业生产领域中,为解决小目标工件在人工检测时所存在的漏检和误检等问题,提出了一种融合RepViT与BiFormer模块的深度学习算法,以显著提升小目标工件的检测准确性并且降低检测漏检率。为加强模型对于主体特征的提取效果,首先采用RepVi... 详细信息

在工业生产领域中,为解决小目标工件在人工检测时所存在的漏检和误检等问题,提出了一种融合RepViT与BiFormer模块的深度学习算法,以显著提升小目标工件的检测准确性并且降低检测漏检率。为加强模型对于主体特征的提取效果,首先采用RepViT架构对YOLOv5s的主干网络进行改进,以优化算法的整体检测性能。然后,为了进一步提升模型对小目标工件特征的聚焦效果,引入一种自适应特征优化的注意力机制BiFormer,以提高模型对关键特征的捕捉能力。最后,使用InnerIoU对YOLOv5s的损失函数进行改进,通过优化损失计算以及加强内部边界框匹配来减少定位损失对模型的影响,进而提升对小目标工件的定位精度。经过一系列实验测试,改进后的网络模型在检测精度、漏检率以及mAP@50等方面都展现出了优越的性能。与YOLOv5s相比,改进后的算法在精度方面提高了7.6百分点,漏检率降低了15.6百分点,mAP@50提高了9.3百分点。

关键词：小目标工件深度学习 RepViT BiFormer 损失函数

来源：评论

学校读者我要写书评

暂无评论

基于双信息流Transformer的图像描述生成

引用

计算机技术与发展 2025年第1期35卷 38-45页

作者：范小瑞张晓滨西安工程大学计算机科学学院陕西西安710048

针对图像描述生成中由于视觉信息不足,模型会忽略背景信息,并且难以准确捕捉目标之间的相对位置关系,导致生成的句子未能准确、完整地描述图像中的场景问题,提出了一个针对图像描述领域的双信息流Transformer模型(DIFTN)。首先,该网络... 详细信息

针对图像描述生成中由于视觉信息不足,模型会忽略背景信息,并且难以准确捕捉目标之间的相对位置关系,导致生成的句子未能准确、完整地描述图像中的场景问题,提出了一个针对图像描述领域的双信息流Transformer模型(DIFTN)。首先,该网络将图像的全景分割特征作为另一个视觉信息源,以增强视觉特征对背景信息的贡献;其次,在网格流Transformer编码器中添加卷积位置学习(CPL)模块,利用卷积和自注意力的优势,补偿信息丢失。最后,在解码器中增加一个自适应交叉注意力融合模块,用于计算上述两种类型的视觉特征和描述句子之间的关系。为了验证该方法的有效性,将模型与目前广泛使用的Up-Down模型、M2 Transformer模型、RSTNet模型、VAT模型、PGT模型和Tri-RAT模型在MSCOCO数据集上进行对比实验,结果表明,DIFTN模型的BLEU-1、METEOR、CIDEr和SPICE评价指标分数更高,分别达到了81.5、29.5、134.1、23.3。

关键词：图像描述双信息流Transformer 全景分割卷积位置学习交叉注意力融合

来源：评论

学校读者我要写书评

暂无评论

基于直觉模糊集熵测度和显著特征检测的古铜镜X光图像融合

引用

光学精密工程 2025年第2期33卷 262-281页

作者：吴萌张倩文孙增国相建凯郭歌西安建筑科技大学信息与控制工程学院陕西西安710055 陕西师范大学计算机科学学院陕西西安710119 西安建筑科技大学交叉创新研究院陕西西安710055 陕西省文物保护研究院陕西西安710075

针对被锈蚀覆盖的古铜镜因镜缘与镜心区域厚度不均,单能X射线无法检测出完整的纹饰和病害信息的问题,本文提出一种直觉模糊集熵测度和显著特征检测的古铜镜X光图像融合方法。首先,引入有效引导滤波对高能量X光图像的纹饰结构做对比度增... 详细信息

针对被锈蚀覆盖的古铜镜因镜缘与镜心区域厚度不均,单能X射线无法检测出完整的纹饰和病害信息的问题,本文提出一种直觉模糊集熵测度和显著特征检测的古铜镜X光图像融合方法。首先,引入有效引导滤波对高能量X光图像的纹饰结构做对比度增强。接着,采用联合双边滤波和结构-纹理分解策略设计三个尺度分解模型,以提取不同能量X光图像的能量层、残差层和细节层信息。其次,能量层通过l1-max规则得到融合后的能量图像,残差层利用直觉模糊集熵测度构造小尺度纹理特征融合模块,细节层结合扩展差分高斯与空间频率增强算子构建复合型显著特征检测策略。最后,将能量融合图、残差融合图和细节融合图相加得到最终融合结果。实验结果表明,本文方法的6种客观评价指标AG,SF,SD,SCD,NAB/F和SSIM相较于对比方法分别平均提高了23.59%,22.99%,16.12%,42.55%,17.07%,20.54%,融合结果可以有效保留古铜镜清晰的纹饰细节和病害裂隙的关键特征,在对比度和结构保持等方面都优于其他对比方法。

关键词：图像融合边缘保持滤波三尺度分解纹理提取直觉模糊集熵测度显著特征检测

来源：评论

学校读者我要写书评

暂无评论

神经网络差分区分器的改进方案与应用

引用

西安电子科技大学学报 2025年第1期52卷 196-214页

作者：栗琳轲陈杰刘君西安电子科技大学通信工程学院陕西西安710071 河南省网络密码技术重点实验室河南郑州450001 陕西师范大学计算机科学学院陕西西安710119

为深入研究深度学习在密码安全性分析方面的应用,采用神经网络对轻量级分组密码进行差分分析,主要得到以下研究结果:①采用引入注意力机制的深度残差网络构造神经网络差分区分器,并将其应用于SIMON、SIMECK和SPECK 3类轻量级分组密码。... 详细信息

为深入研究深度学习在密码安全性分析方面的应用,采用神经网络对轻量级分组密码进行差分分析,主要得到以下研究结果:①采用引入注意力机制的深度残差网络构造神经网络差分区分器,并将其应用于SIMON、SIMECK和SPECK 3类轻量级分组密码。结果表明,SIMON32/64和SIMECK32/64有效区分器最高可达11轮,精度分别为0.5172和0.5164;SPECK32/64有效区分器最高可达8轮,精度为0.5868。②探究不同的输入差分对神经网络差分区分器精度的影响。针对SIMON、SIMECK和SPECK 3类密码,采用神经网络的快速训练得到不同输入差分对应的神经网络差分区分器的精度。结果表明,低汉明重量且高概率的输入差分能够提高神经网络差分区分器的精度。同时,寻找到SIMON32/64、SIMECK32/64和SPECK32/64神经网络差分区分器的合适输入差分分别为0x0000/0040、0x0000/0001和0x0040/0000。③探究包含不同信息量的输入数据格式对神经网络差分区分器精度的影响。根据密码算法的特点改变输入数据包含的信息量,并重新训练相应的神经网络差分区分器。结果表明,相比于只包含密文对信息,输入数据中包含密文对信息以及倒数第2轮差分信息的神经网络差分区分器会获得更高的精度。④在上述研究的基础上,进一步对11轮SIMON32/64进行最后一轮子密钥恢复攻击,当选择明密文对的数量为29时,在100次攻击中的攻击成功率可达100%。

关键词：神经网络密码学轻量级分组密码差分密码分析注意力机制神经网络差分区分器密钥恢复攻击

来源：评论

学校读者我要写书评

暂无评论

基于文本语义的注意力指针网络文本摘要生成模型

引用

计算机与数字工程 2025年第1期53卷 189-195页

作者：谢文博张晓滨西安工程大学计算机科学学院西安710048

论文旨在针对文本摘要生成任务中存在的语义信息编码不充分、生成摘要结果不通顺问题,提出一种基于文本语义的注意力指针网络文本摘要模型。该模型采用改进的序列到序列(Seq2Seq)架构,利用双编码器+双注意力机制对源文档编码以获取文本... 详细信息

论文旨在针对文本摘要生成任务中存在的语义信息编码不充分、生成摘要结果不通顺问题,提出一种基于文本语义的注意力指针网络文本摘要模型。该模型采用改进的序列到序列(Seq2Seq)架构,利用双编码器+双注意力机制对源文档编码以获取文本的不同特征向量:应用Child-Sum Tree-LSTMs+SelfAttention获取文本的语义特征向量,BiLSTM+SoftAttention获取文本的位置时序特征向量,之后构建门控机制与指针网络融合取舍不同编码器获取到的特征向量,利用覆盖机制解决生成重复问题,最后使用集束搜索选取最终生成词,从而产生更为准确和连贯的摘要。最终实验表明:在中文短文本摘要数据集LCSTS与英文数据集CNN/Daily Mail上,论文模型与对照实验组对比,在ROUGE评分标准下取得了更高的分数,表明该模型能有效地提升文本摘要生成效果。

关键词：文本摘要生成 Child-Sum Tree-LSTMs Seq2Seq 指针网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5s的舰船小目标检测方法研究

引用

舰船电子工程 2025年第2期45卷 34-38,73页

作者：师红宇蔡自桂杜文张哲于西安工程大学计算机科学学院西安710048

海面舰船目标检测容易受陆地、海浪等背景的干扰。针对舰船小目标检测精度低和鲁棒性差的问题,提出一种改进的舰船目标检测模型CWMA-YOLOv5s。首先,设计具有多分支跨层连接的C2f模块丰富多目标舰船梯度流信息。然后,设计并实现了残差多... 详细信息

海面舰船目标检测容易受陆地、海浪等背景的干扰。针对舰船小目标检测精度低和鲁棒性差的问题,提出一种改进的舰船目标检测模型CWMA-YOLOv5s。首先,设计具有多分支跨层连接的C2f模块丰富多目标舰船梯度流信息。然后,设计并实现了残差多头自注意力融合模块优化特征融合效果。其次,改进Predection网络,设计SCP结构,提高了舰船目标的显著度。最后,引入改进的WIOU损失函数解决CIOU损失函数带来的梯度爆炸和模型提前退化问题。实验结果表明,与YOLOv5s模型相比,该模型在MASATI-v2数据集上,精度提高了13.1%,召回率提高了12.8%,mAP@50提高了6.8%。与其他同类型检测算法相比,该算法拥有更好的学习能力,整体检测精度达到了82.3%,具有较强的鲁棒性。

关键词：舰船检测多头自注意力机制空间上下文金字塔 WIOU损失函数

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：