检索结果-南通市图书馆

基于双目视觉与UWB的巡检机器人目标定位关联匹配及跟踪技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双目视觉与UWB的巡检机器人目标定位关联匹配及跟踪技术研究

作者：倪正帅天津理工大学

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

有限整合论:人工智能的道德决策问题新解

自然辩证法研究 2024年第9期40卷 83-90,129页

作者：孙岩房帅帅山西大学哲学学院太原030006

人工智能的快速发展为一种能够适用于不确定性条件的道德决策理论提出了迫切需求。如何合理地将行动者有关的道德因素整合到道德决策过程当中,是当前算法伦理亟需解决的重要问题。不同于整合论以及非整合论两种主要理论,有限整合论通过... 详细信息

人工智能的快速发展为一种能够适用于不确定性条件的道德决策理论提出了迫切需求。如何合理地将行动者有关的道德因素整合到道德决策过程当中,是当前算法伦理亟需解决的重要问题。不同于整合论以及非整合论两种主要理论,有限整合论通过将道德相关作为对整合策略的限制,实现了对人们具体的行为动机和道德理由更为准确的解释。明确在非道德相关的情形中,数量以及整合策略并不是决定行为是否应当的关键要素。通过特殊的契约主义建构,有限整合论可以为不确定性条件下的道德决策问题提供一种值得思考的道德应当基础。

关键词：不确定性道德决策有限整合

全风速复合型垂直轴风力机的设计与气动性能分析

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

全风速复合型垂直轴风力机的设计与气动性能分析

作者：廉帅中北大学

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

基于网络监督数据的细粒度图像分类方法研究

基于网络监督数据的细粒度图像分类方法研究

作者：吕雪帅山东师范大学

学位级别：硕士

得益于大规模且标注精确的数据集,深度学习技术在多种计算机视觉任务上已取得显著成就。在细粒度图像分类领域,任务的复杂性显著增加,要求不仅将图像分辨为基础类别,还需进一步将这些类别细分为更加具体的子类别。这一过程对数据标注的... 详细信息

得益于大规模且标注精确的数据集,深度学习技术在多种计算机视觉任务上已取得显著成就。在细粒度图像分类领域,任务的复杂性显著增加,要求不仅将图像分辨为基础类别,还需进一步将这些类别细分为更加具体的子类别。这一过程对数据标注的专业性和准确性提出了更高的要求。然而,精确标注不仅费时费力,而且很难大规模实现,因此,许多研究者开始探索使用网络监督学习作为一种可行的替代方案。尽管网络监督方法提供了一个有吸引力的解决方案,但互联网上的图像及其标注的可靠性并不总能得到保证,这些带有噪声的标签极有可能导致深度神经网络的过度拟合,从而削弱了模型的性能。面对标签噪声问题,现有的研究大多采用样本选择策略,即在训练过程中优先选择损失较低的样本作为“干净”数据,进而更新模型。这种做法虽然在一定程度上有效,但也有可能导致一些重要但损失较高的“难”样本被遗漏,从而影响模型的泛化能力。此外,尽管通过引入噪声转移矩阵来纠正损失的方法在理论上是可行的,但实际操作中却复杂且容易过拟合。针对上述挑战,本文提出了一种新颖的基于协同训练的网络监督标签校正方法,并设计了一个三阶段的网络监督引导程序以精确建立图像与其标签之间的关系。本研究的主要贡献和创新点概括如下:(1)在考虑数据集可能同时包含分布内和分布外噪声的复杂情况下,本文提出了一种创新的基于协同训练框架的方法,专门用于识别噪声样本并执行细粒度图像分类任务。该框架巧妙地结合了“样本选择”与“损失校正”两种策略,从而能够有效地从含噪声的数据中学习细粒度图像特征,以完成分类任务。训练过程旨在识别并剔除分布外噪声样本,同时对分布内噪声样本进行重新标记。具体而言,首先对所有数据进行预热训练,并使用模型输出与给定标签计算交叉熵损失。随后,在预训练阶段结束时,通过记录并排序模型输出来筛选出分布外的噪声数据,以便在后续阶段只使用筛选后的数据。通过比较两个想通网络预测的一致性,进一步将数据集分为干净数据集和分布内噪声数据集。此外,该方法还提出了一种基于历史预测分布的重新标记策略,该策略通过累积预测结果来更新分布内噪声样本的标签,并将这些重新标记的样本与干净样本一起用于监督学习。(2)为了深入学习图像与给定标签及真实标签之间的关系,并且减少同时训练两个网络带来的巨大开销,本文进一步提出了一种三阶段网络监督方法,以指导图像与标签之间的关系学习。首先,通过对所有数据执行自监督预训练,然后训练一个早期停止分类器,基于每个样本到类中心的距离,将训练集初步划分为干净集和噪声集。接着,在半监督学习阶段,通过计算伪损失将噪声集进一步细分,丢弃那些无用的分布外噪声,而将可重用的分布内噪声重新标记后加入干净集。最后,在第三阶段,对这些重新组合的干净集样本进行监督学习,从而实现更准确的细粒度图像分类。

关键词：网络监督学习细粒度图像分类噪声标签数据增强

面向现代GPU的Winograd卷积加速研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子学报 2024年第1期52卷 244-257页

作者：童敢黄立波吕雅帅国防科技大学计算机学院湖南长沙410073 华为技术有限公司北京100031

卷积运算是现代卷积神经网络中必不可少的组成部分,同时也是最耗时的.为了解决卷积算子的性能问题,包括快速傅里叶变换(Fast Fourier Transform,FFT)和Winograd在内的快速卷积算法被提出. Winograd卷积可被用于提高小卷积核的推理性能,... 详细信息

卷积运算是现代卷积神经网络中必不可少的组成部分,同时也是最耗时的.为了解决卷积算子的性能问题,包括快速傅里叶变换(Fast Fourier Transform,FFT)和Winograd在内的快速卷积算法被提出. Winograd卷积可被用于提高小卷积核的推理性能,是目前卷积神经网络中的主流实现方法 .然而,Winograd卷积在许多高度优化的深度神经网络库和深度学习编译器中的实现比较低效.由于Winograd卷积的四个阶段的复杂数据依赖关系,面向GPU对其进行优化非常具有挑战性.本文针对现代GPU体系结构优化了Winograd卷积算子的性能.本文提出了Winograd计算阶段的等价变化及其利用Tensor Core进行计算的无同步实现,并进一步提出了利用不同GPU内存层级的部分计算核融合方法 PKF(Partial Kernel Fusion).基于张量虚拟机(Tensor Virtual Machine,TVM)和代码重构器PKF-Reconstructor(Partial Kernel Fusion Reconstructor),实现了高性能的Winograd卷积.对真实应用中卷积神经网络的卷积算子的评估表明,与cuDNN相比,本文所提算法实现了7.58~13.69倍的性能提升.

关键词： Winograd卷积低精度部分计算核融合卷积加速 GPU内存层级 Tensor Core

离子型稀土尾矿边坡根-土复合体力学效应及模型分析

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

离子型稀土尾矿边坡根-土复合体力学效应及模型分析

作者：帅琦江西理工大学

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

基于GaAs宽带可重构低噪放芯片技术研究

基于GaAs宽带可重构低噪放芯片技术研究

作者：汪佳帅电子科技大学

学位级别：硕士