检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

小学体育教师核心素养模型构建研究

小学体育教师核心素养模型构建研究

作者：李继宇贵州民族大学

学位级别：硕士

航空发动机涡轮机匣精密孔在机测量方法及自适应补偿加工技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空发动机涡轮机匣精密孔在机测量方法及自适应补偿加工技术研究

作者：李继航西安工业大学

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

结合轻量化与多尺度融合的交通标志检测算法

计算机工程 2024年

作者：兰红王惠钊江西理工大学信息工程学院

交通标志检测在自动驾驶领域具有重要的应用价值，及时准确地检测交通目标对提高驾驶安全性和预防交通事故有重要意义。针对交通标志尺寸小，易受遮挡，在复杂环境下容易出现漏检、错检等问题，在YOLOv8的结构基础上提出一种结合轻量化... 详细信息

交通标志检测在自动驾驶领域具有重要的应用价值，及时准确地检测交通目标对提高驾驶安全性和预防交通事故有重要意义。针对交通标志尺寸小，易受遮挡，在复杂环境下容易出现漏检、错检等问题，在YOLOv8的结构基础上提出一种结合轻量化与多尺度融合的交通标志检测网络架构M-YOLO(Multiple-YOLO)，构建M-YOLOs(Multiple-YOLO small)模型来应对高精度需求的检测任务，并调整网络深度得到更加轻量化的M-YOLOn(Multiple-YOLO Nano)模型来解决不同环境下的检测需求。首先，针对交通标志目标尺寸小、图像特征流失的问题，通过增加小目标检测层，保留更多的特征信息，提高网络对于小目标的特征学习能力。提出高效多尺度特征金字塔融合网络MPANet(Multiple Path Aggregation Network)，通过将浅层特征图进行降维，并进行跳跃连接，从而融合更多的图像特征信息。然后，提出融合稀疏注意力和空间注意力的BRSA(Bi-Level Routing and Spatial Attention)注意力模块，能够有效的提取全局和局部的位置信息，减少复杂背景下对于关键信息的干扰。最后，设计两种轻量高效的BBot模块和C2fGhost模块，以提高模型运算速度并减少参数量。实验结果表明，M-YOLO相较于YOLOv8，参数量降低约1/3。在TT100K数据集和GTSDB数据集上，M-YOLOs检测精度分别提升了9.7%和2.1%，M-YOLOn检测精度分别提升了14.5%和2.6%，轻量化的同时具备更高的检测效果。本文提出的M-YOLO架构解决了浅层特征图在特征提取过程中信息丢失的问题，并显著降低模型特征提取过程中冗余的计算开销，在实景采集的数据集上证实效果有效，表明在交通标志检测任务中具有应用价值。

关键词：卷积神经网络模型轻量化目标检测注意力模块多尺度融合

基于多级特征对比学习的无监督行人重识别算法研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多级特征对比学习的无监督行人重识别算法研究

作者：李继强南京信息工程大学

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

在线动态订单需求车辆路径规划

山东大学学报(工学版) 2024年

作者：李二超张智钊兰州理工大学电气工程与信息工程学院

针对客户满意度和时间窗时域单一的问题,提出一种多时域分级方式衡量车辆配送进度,该设计细化普通时间窗时域,分成多个时域衡量车辆行进位置,算法方面,遗传算法(genetic algorithm,GA)与变邻域下降搜索算法(variable neighborhood desce... 详细信息

针对客户满意度和时间窗时域单一的问题,提出一种多时域分级方式衡量车辆配送进度,该设计细化普通时间窗时域,分成多个时域衡量车辆行进位置,算法方面,遗传算法(genetic algorithm,GA)与变邻域下降搜索算法(variable neighborhood descent,VND)的组合优化形式得到静态预优化路径最优车辆行进线路。动态调度周期中,现有贪婪订单插入算法(greedy order insertion algorithm,GOIA)搜索效率不高,提出一种改进后的贪婪订单插入算法(improved new greedy insertion algorithm,IGOIA),摒弃了GOIA随机插入路径的方式,最有原则的将订单插入到配送路径中去,将其与变邻域下降搜索算法组合优化(Genetic algorithm-Variable Neighborhood Descent,GAVND),对未服务的客户点进行局部优化。通过数学模型优化和求解算法改进,在统一平台上与其它遗传算法改进形式进行对比试验,改进后的动态订单插入算法在不同规模的Solomon算例下,平均目标值降低了11%,算法平均计算时间降低了2.74 s,实例分析中,成本解分别节约了23%、31%、21%,研究结果证明了原则订单插入算法在滚动周期策略作用下可以获得较高质量的解。

关键词：多域分级时间窗遗传算法变邻域下降搜索算法原则订单插入算法滚动周期

东营市利津县新合社区农村老年人养老质量评价及影响因素研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

东营市利津县新合社区农村老年人养老质量评价及影响因素研究

作者：李继鹏山东农业大学

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

渤海租赁债券违约成因及风险度量研究

渤海租赁债券违约成因及风险度量研究

作者：李继鹏安徽财经大学

学位级别：硕士

人工智能何以驱动基层注意力敏捷分配——基于S市“河湖风险预警系统”的个案研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

理论与改革 2024年第4期 128-148页

作者：吴泳钊颜海娜厦门大学公共事务学院华南师范大学政治与公共管理学院

注意力分配是政府治理的核心议题。关于如何驱动基层注意力分配,现有讨论存在两条路径,即压力驱动主义与技术替代主义。压力驱动主义主张压缩基层注意力分配的自主空间,技术替代主义则认为应该用数字技术替代基层的日常履职。但这两条... 详细信息

注意力分配是政府治理的核心议题。关于如何驱动基层注意力分配,现有讨论存在两条路径,即压力驱动主义与技术替代主义。压力驱动主义主张压缩基层注意力分配的自主空间,技术替代主义则认为应该用数字技术替代基层的日常履职。但这两条路径均难以兼顾政策制定与基层任务实施的需要。通过对S市“河湖风险预警系统”的个案研究,发现在高压驱动与技术替代之外,存在人工智能驱动注意力敏捷分配的“第三条道路”,即基于人工智能构建虚拟联动网络、实时供给信息、动态配置资源、敏捷引导基层应对治理风险难题。“敏捷调适—敏捷整合—敏捷简约”构成了其驱动的三重逻辑:在敏捷调适层面,利用人工智能的“五全”特征调适基层路径依赖,建立网络协同结构,赋予技术问责的合法性;在敏捷整合层面,借助人工智能的预警能力,整合了多部门绩效,补全了社会参与,理顺了多部门间的责任次序;在敏捷简约层面,人工智能的差异化减负释放了基层活力,持续预警降低了注意力动态配置成本,风险等级化为基层提供了容错空间。未来,应进一步发挥人工智能对基层注意力分配的敏捷驱动力,让基层注意力在“控制”与“灵活”之间寻找新平衡,为任务执行提供智能研判、对未知风险实施主动预防,进而实现基层治理的减负增效。

关键词：人工智能基层注意力注意力分配敏捷治理

维普期刊数据库

同方期刊数据库博看期刊

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

量化交易策略问题中的深度强化学习算法研究

量化交易策略问题中的深度强化学习算法研究

作者：徐智钊山东师范大学

学位级别：硕士

量化交易是指通过计算机程序自动生成或者下达交易指令的交易行为。近年来,随着信息科技的快速发展,以深度学习为代表的人工智能技术越来越多的应用在量化交易中。由于金融市场的复杂性和高频交易的快速性,交易机会通常非常短暂,交易者... 详细信息

量化交易是指通过计算机程序自动生成或者下达交易指令的交易行为。近年来,随着信息科技的快速发展,以深度学习为代表的人工智能技术越来越多的应用在量化交易中。由于金融市场的复杂性和高频交易的快速性,交易机会通常非常短暂,交易者通过人工盯盘进行主观决定交易的难度被大幅增加。深度强化学习的智能体可以代替人工进行特征提取,捕捉潜在的市场时机并进行自动化交易。其中,设计良好的智能体展现出了超越人类交易者的潜力。配对交易策略和投资组合策略是量化交易中常用的方法,本文研究了在这两类策略中的深度强化学习算法,主要包括以下方面:(1)在配对交易策略问题中,现有方法主要集中在优化交易信号上,忽略了“交易对”的选择问题。此外,在选择“交易对”时,最佳的交易时间间隔通常是难以确定的。本文提出了一个双层深度强化学习算法,从“交易对”选择和“交易阈值”设定两个层面优化传统的配对交易策略。针对“交易对”的选择,提出了一个扩展的Option-Critic方法,智能体通过学习options策略和终止函数,允许其在非固定的时间间隔上选择交易对。为了更灵活的实现“交易阈值”的设定,使用了MADDPG(Multi-Agent Deep Deterministic Policy Gradient)方法,允许智能体分别选择开仓、止损阈值以及交易时间点。在中国期货市场的实验结果表明,本研究提出的模型在盈利能力等方面优于传统模型。(2)在投资组合策略问题中,交易对象的价格波动行为在训练期间和测试期间通常存在差异,模型的泛化性问题限制了现有方法的应用场景。本文提出了一个元强化学习框架,智能体通过在多个具有差异化的训练任务中进行特征学习以提升泛化性能,从而提高交易模型的盈利能力。首先,按照行业维度构建具有差异化的元强化学习任务,允许智能体从其中进行特征学习。其次,为了实现在测试任务上的零次适应,提出了一个基于Transformer的元强化学习方法。使用Transformer作为元特征提取器,从不同训练任务的轨迹中以序列学习的方式重建马尔可夫过程。最后,利用中国股票市场数据,对比测试了经典元强化学习方法的在线变体,实验结果验证了所提模型的有效性。

关键词：量化交易深度强化学习配对交易策略投资组合策略