检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于度量的小样本图像分类方法

基于度量的小样本图像分类方法

作者：亓润东西南科技大学

学位级别：硕士

具有同时丢包和延时的乘性噪声随机系统最优远近程控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山东大学学报(理学版) 2024年第10期 53-63页

作者：宋玉娇亓庆源青岛大学自动化学院哈尔滨工程大学青岛创新发展中心

研究了由远程控制器和近程控制器组成的乘性噪声随机系统的最优远近程控制问题。假设状态信息在通过上行信道时易发生丢失和延时，而下行信道是完美的。首先，利用凸变分技巧，给出问题可解的充要条件，并表明该最优远近程控制问题的可... 详细信息

研究了由远程控制器和近程控制器组成的乘性噪声随机系统的最优远近程控制问题。假设状态信息在通过上行信道时易发生丢失和延时，而下行信道是完美的。首先，利用凸变分技巧，给出问题可解的充要条件，并表明该最优远近程控制问题的可解性等价于一组正倒向随机差分方程的可解性。此外，提出一种创新的分层控制算法，利用配方法得到了反馈形式的最优控制策略。最后，通过数值算例说明所得结果的有效性。

关键词：最优远近程控制乘性噪声随机系统丢包和延时

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小米公司多元化战略绩效研究

小米公司多元化战略绩效研究

作者：亓法煦山东农业大学

学位级别：硕士

数字化转型视角下Z制造公司生产计划管理效能提升研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数字化转型视角下Z制造公司生产计划管理效能提升研究

作者：亓彦涛云南财经大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信用交易会放大个人投资者的卖出行为偏差吗

财贸经济 2024年

作者：胡聪慧亓婧宇徐鑫广东财经大学金融学院北京师范大学经济与工商管理学院

信用交易缓解了投资者的资金约束，但提高了交易的复杂性和不确定性，有可能加剧投资者的行为偏差。本文利用某全国性券商2011—2015年个人投资者的脱敏账户交易数据，研究信用交易对投资者卖出行为的影响。研究发现，引入信用交易不仅... 详细信息

信用交易缓解了投资者的资金约束，但提高了交易的复杂性和不确定性，有可能加剧投资者的行为偏差。本文利用某全国性券商2011—2015年个人投资者的脱敏账户交易数据，研究信用交易对投资者卖出行为的影响。研究发现，引入信用交易不仅降低了投资者亏损时的卖出倾向，而且更大幅度地降低了盈利时的卖出倾向，进而导致以“盈亏时卖出倾向之差”度量的处置效应降低。进一步地，本文对盈利和亏损状态下的影响机制进行了检验，发现盈利时受赌资效应和过度自信的影响，亏损时受损失厌恶和后悔厌恶的影响，信用交易者的卖出倾向都会更大幅度地降低。本文的研究表明，信用交易会放大投资者卖出时的行为偏差，而且在盈利和亏损情形下具有不同的影响机制，这对深入理解处置效应、有针对性地开展投资者教育具有重要参考价值。

关键词：信用交易处置效应赌资效应过度自信损失厌恶

大语言模型的语用能力探索——从整体评估到反语分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代外语 2024年第4期47卷 439-451页

作者：刘海涛亓达浙江大学

本文探讨大语言模型在处理语用现象时的表现,特别是它们对反语现象的处理能力。结果表明,新一代大语言模型在语用能力方面已有显著提升,但在处理反语和幽默等语用现象时,依然依赖于字面意义的直接理解,对复杂语境的推理能力有限。通过... 详细信息

本文探讨大语言模型在处理语用现象时的表现,特别是它们对反语现象的处理能力。结果表明,新一代大语言模型在语用能力方面已有显著提升,但在处理反语和幽默等语用现象时,依然依赖于字面意义的直接理解,对复杂语境的推理能力有限。通过进一步分析GPT-4的具体表现,本文揭示了大模型在识别和生成反语时的认知动机与语用学理论框架之间的关系,为语用学理论和大语言模型的未来发展提出了建议。

关键词：大语言模型语用能力反语

维普期刊数据库

融合卷积神经网络和注意力机制的葡萄幼果轻量化检测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年

作者：张传栋高鹏亓璐丁华立济宁学院计算机科学与工程学院曲阜师范大学网络空间安全学院

葡萄簇幼果果实受背景色、遮挡和光照变化的影响，检测难度大。为了实现对背景色、遮挡和光照变化具有鲁棒性的葡萄簇幼果检测，本研究提出了一种融合随机注意力机制（Shuffle attention，SA）的改进YOLO v8n模型。通过在YOLO v8n模型的... 详细信息

葡萄簇幼果果实受背景色、遮挡和光照变化的影响，检测难度大。为了实现对背景色、遮挡和光照变化具有鲁棒性的葡萄簇幼果检测，本研究提出了一种融合随机注意力机制（Shuffle attention，SA）的改进YOLO v8n模型。通过在YOLO v8n模型的Neck结构中融入SA机制，增强网络多尺度特征融合能力，提升检测目标的特征信息表示，并抑制其他无关信息，提高检测网络检测精度，在不明显增加网络深度和内存开销的情况下，实现了葡萄簇幼果的高效准确检测；采用基于动态非单调聚焦机制的损失（Wise intersection over union loss，Wise-IoU Loss）作为边界框回归损失函数，加速网络收敛并进一步提高模型的准确率。构建了葡萄簇幼果的数据集GGrape，该数据集由3780幅复杂场景下的葡萄簇幼果图像及对应标注文件组成。通过该数据集对SAW-YOLO v8n模型进行训练和测试。测试结果表明，基于SAW-YOLO v8n的葡萄簇幼果检测算法的精度（Precision，P）、召回率（Recall，R）、平均精度均值（Mean average precision，mAP）和F1值分别为92.80%、91.30%、96.10%和92.04%，检测速度为140.85 f/s，模型大小为6.20 MB。与SSD、YOLO v5s、YOLO v6n、YOLO v7-tiny、YOLO v8n等5个轻量化模型相比，其mAP值分别提高16.06%、1.05%、1.48%、0.84%、0.73%，F1值分别提高24.85%、1.43%、1.43%、1.09%、1.60%，模型大小分别降低93.16%、56.94%、37.63%、47.00%、0%，是所有模型中最小的，具有明显的轻量化、高精度优势。讨论了不同遮挡程度和光照条件的葡萄幼果检测，结果表明，基于SAW-YOLO v8n的葡萄幼果检测方法能适应不同遮挡和光照变化，具有良好的鲁棒性。结果表明，SAW-YOLO v8n不仅能满足对葡萄簇幼果检测的高精度、高速度、轻量化的要求，且具有较强的鲁棒性和实时性。

关键词：葡萄幼果目标检测 Shuffle Attention YOLO v8n