检索结果-南通市图书馆

西南石油大学学报（自然科学版） 2010年第2期32卷 7-12页

作者：陈恭洋张玲周超宇长江大学计算机科学学院湖北荆州434023

江陵凹陷新沟咀组下段粘土矿物组合与分布受沉积环境影响明显,高岭石仅分布于三角洲平原相带中,粘土矿物以伊利石、高岭石和有序-无序伊蒙混层及少数绿泥石为特征;三角洲前缘相中粘土矿物组合则为伊利石、绿泥石和有序伊蒙混层;前三角... 详细信息

江陵凹陷新沟咀组下段粘土矿物组合与分布受沉积环境影响明显,高岭石仅分布于三角洲平原相带中,粘土矿物以伊利石、高岭石和有序-无序伊蒙混层及少数绿泥石为特征;三角洲前缘相中粘土矿物组合则为伊利石、绿泥石和有序伊蒙混层;前三角洲及湖盆泥岩相中则以伊利石和绿泥石两种粘土矿物为主。储层的敏感性实验结果表明,本区储层具有中等强度速敏、强—特强水敏、强盐敏和强酸敏性。

关键词：江陵凹陷新沟咀组粘土矿物敏感性实验储层损害

改进的DeepLabV3+指针式仪表图像分割算法

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2024年第1期43卷 10-19页

作者：杨武胡敏常鑫赵昕宇余华云长江大学计算机科学学院荆州434023

针对现有的仪表自动化读数算法占用空间大、推理速度较慢以及不能有效分割图像中密集细小目标的问题,提出改进的DeepLabV3+指针式仪表分割算法。首先以轻量化的MobileNetV2来构建网络主干达到降低参数量和推理权重、提高检测速度的目的... 详细信息

针对现有的仪表自动化读数算法占用空间大、推理速度较慢以及不能有效分割图像中密集细小目标的问题,提出改进的DeepLabV3+指针式仪表分割算法。首先以轻量化的MobileNetV2来构建网络主干达到降低参数量和推理权重、提高检测速度的目的。其次通过分块并归策略设计CSP-ASPP结构,在保证网络性能的同时降低参数量。之后使用改进后的SKFF模块通过自注意力机制以非线性方式融合多尺度特征,将原网络解码器中的二尺度特征融合变为四尺度特征融合。最后使用交叉熵损失联合加权的Dice损失作为网络的总损失函数,解决仪表分割中各类别像素分布不均的问题。最后通过实验证明,改进后的DeepLabV3+算法在仪表分割数据集上的平均交并比(mIoU)和平均像素准确率(mPA)达到了89.3%和94.8%,相对原网络分别提高了0.7%、0.6%,参数量和推理权重却仅有原网络的约7%,同时在GPU和CPU上的推理速度分别达到91和16 fps,解决了嵌入式设备部署困难的问题,达到了实时检测的要求,提高了仪表自动化读数的效率。

关键词：指针式仪表图像分割 DeepLabV3+ 轻量化分块并归多尺度特征融合 Dice Loss

在线全文

学校读者我要写书评

暂无评论

重参数化YOLOv5s的森林火灾检测算法

无线电工程 2024年第2期54卷 284-293页

作者：杨武余华云赵昕宇何勇徐红牛长江大学计算机科学学院湖北荆州434023

目前森林火灾多发,建立日常监测尤为重要,但是边缘智能检测设备算力和内存较低,限制了检测模型的推理和部署。针对以上问题,提出一种改进的重参数化YOLOv5s的森林火灾检测算法,结合重参数化、通道重排和深度可分离卷积(Depthwise Separa... 详细信息

目前森林火灾多发,建立日常监测尤为重要,但是边缘智能检测设备算力和内存较低,限制了检测模型的推理和部署。针对以上问题,提出一种改进的重参数化YOLOv5s的森林火灾检测算法,结合重参数化、通道重排和深度可分离卷积(Depthwise Separable Convolution,DSC)等轻量化思想分别设计新的骨干和颈部网络,增强特征提取能力,提高模型检测精度,使参数量和推理权重较大幅度减少。为避免颈部网络的信息丢失,根据空洞卷积提出特征增强模块,增强多尺度特征融合能力。为进一步提高模型性能,加入轻量化的CA注意力机制,更准确定位目标。当前公开的火焰烟雾数据集存在针对性不强的问题,为了更好地提高模型的检测效率,制作了一个新的森林火灾数据集,在数据集上利用结构相似性算法剔除了相似度过高的图片,保证了模型的泛化能力。实验结果表明,改进后的重参数化YOLOv5s以原网络约76%的参数量提高了4.0%的精确度,推理权重下降至10.5 MB,更适合于设备性能差、容量小的边缘设备,提高了森林火灾巡检的效率。

关键词：森林火灾 YOLOv5s 重参数化深度可分离卷积多尺度特征融合

Suno:potential,prospects,and trends

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

Frontiers of Information Technology & Electronic Engineering 2024年第7期25卷 1025-1030页

作者： Jiaxing yu Songruoyao WU Guanting LU Zijin LI Li ZHOU Kejun ZHANG college of computer science and Technology Zhejiang UniversityHangzhou 310027China Department of Music Artificial Intelligence and Music Information Technology Central Conservatory of MusicBeijing 100031China School of Arts and Communication China University of Geosciences(Wuhan)Wuhan 430074China Innovation Center of yangtze River Delta Zhejiang UniversityJiaxing 314100China

Suno has attracted wide attention due to its impressive *** demonstrates technological advancements and opens up new possibilities for music composition,representing a milestone in the development of artificial intelligence(AI)music gen*** this paper,we first introduce the background and summarize the general technical framework of AI music generation,followed by an analysis of Suno’s advantages and ***,we discuss the future trends in Music and AI.

关键词： potential representing artificial

Proteus在单片机原理及应用教学中的应用

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

实验科学与技术 2009年第4期7卷 48-49,130页

作者：毛玉蓉长江大学电信学院湖北荆州434023

随着计算机技术的发展,利用虚拟软件进行的电路设计与仿真已经成为现代电子技术系统设计的必然趋势。Proteus丰富的元器件模型、对处理器的支持、多样的虚拟仪器、强大的图表分析功能和第三方集成开发环境,已成为电类实践教学与科研的... 详细信息

随着计算机技术的发展,利用虚拟软件进行的电路设计与仿真已经成为现代电子技术系统设计的必然趋势。Proteus丰富的元器件模型、对处理器的支持、多样的虚拟仪器、强大的图表分析功能和第三方集成开发环境,已成为电类实践教学与科研的巨大资源,并取得明显效果。针对单片机课程教学现状及需要,在对Proteus软件进行介绍之后,阐明了Proteus软件对单片机原理及应用教学的辅助作用,并举实例对其应用方法进行了详细说明。

关键词： Proteus软件单片机实验教学

在线全文

学校读者我要写书评

暂无评论

基于改进YOLO模型的工业铝片缺陷检测

组合机床与自动化加工技术 2023年第9期 106-111页

作者：徐红牛余华云长江大学计算机科学学院荆州434023

针对目前铝片表面缺陷的目标检测存在很多问题,包括现场大规模算法和计算设备的不适用性,以及检测速度和精度之间的平衡等,提出了一种基于注意力机制的新颖轻量级检测方法。在YOLOv4框架的基础上提出GBANet主干网络,其基于一个新的卷积G... 详细信息

针对目前铝片表面缺陷的目标检测存在很多问题,包括现场大规模算法和计算设备的不适用性,以及检测速度和精度之间的平衡等,提出了一种基于注意力机制的新颖轻量级检测方法。在YOLOv4框架的基础上提出GBANet主干网络,其基于一个新的卷积Ghost模块构建并将改进的注意力模块嵌入在堆叠的Ghost块中。对颈部网络进行了特征融合的重新设计和轻量化,增加感受野,通过SPPF-PANet模块简化网络并通过改进anchor box和损失函数等措施增强模型对缺陷对象精确性。实验表明,所提方法较原YOLOv4提高1.06%的mAP,检测速度达到了36.6 fps,模型体积减少了82.72%,并能有效识别铝型材表面不同种类的缺陷。所提方法能够满足铝型材工厂生产现场缺陷检测要求。

关键词：目标检测铝材表面缺陷 YOLOv4 注意力机制卷积神经网络

Artificial intelligence for geoscience:Progress,challenges,and perspectives

在线全文

学校读者我要写书评

暂无评论

The Innovation 2024年第5期5卷 136-160,135页

作者： Tianjie Zhao Sheng Wang Chaojun Ouyang Min Chen Chenying Liu Jin Zhang Long yu Fei Wang Yong Xie Jun Li Fang Wang Sabine Grunwald Bryan MWong Fan Zhang Zhen Qian Yongjun Xu Chengqing yu Wei Han Tao Sun Zezhi Shao Tangwen Qian Zhao Chen Jiangyuan Zeng Huai Zhang Husi Letu Bing Zhang Li Wang Lei Luo Chong Shi Hongjun Su Hongsheng Zhang Shuai Yin Ni Huang Wei Zhao Nan Li Chaolei Zheng Yang Zhou Changping Huang Defeng Feng Qingsong Xu Yan Wu Danfeng Hong Zhenyu Wang Yinyi Lin Tangtang Zhang Prashant Kumar Antonio Plaza Jocelyn Chanussot Jiabao Zhang Jiancheng Shi Lizhe Wang Aerospace Information Research Institute Chinese Academy of SciencesBeijing 100094China School of computer science China University of GeosciencesWuhan 430078China State Key Laboratory of Mountain Hazards and Engineering Resilience Institute of Mountain Hazards and EnvironmentChinese Academy of SciencesChengdu 610299China Key Laboratory of Virtual Geographic Environment(Ministry of Education of PRC) Nanjing Normal UniversityNanjing 210023China Data science in Earth Observation Technical University of Munich80333 MunichGermany The National Key Laboratory of Water Disaster Prevention Yangtze Institute for Conservation and DevelopmentHohai UniversityNanjing 210098China Institute of Computing Technology Chinese Academy of SciencesBeijing 100190China School of Geographical sciences Nanjing University of Information Science and TechnologyNanjing 210044China State Key Laboratory of Soil and Sustainable Agriculture Institute of Soil ScienceChinese Academy of SciencesNanjing 210008China Soil Water and Ecosystem Sciences DepartmentUniversity of FloridaPO Box 110290GainesvilleFLUSA Materials science Engineering Program Cooperating Faculty Member in the Department of Chemistry and Department of Physics Astronomy University of CaliforniaCaliforniaRiversideCA 92521USA Institute of Remote Sensing and Geographical Information System School of Earth and Space SciencesPeking UniversityBeijing 100871China Key Laboratory of Computational Geodynamics University of Chinese Academy of SciencesBeijing 100049China International Research Center of Big Data for Sustainable Development Goals Beijing 100094China college of Geography and Remote Sensing Hohai UniversityNanjing 211100China Department of Geography The University of Hong KongHong Kong 999077SARChina Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control Nanjing 210044China School of Environmental science and Engineering Nanjing University of Information Science&TechnologyNanjing 210044China Collaborative Inno

This paper explores the evolution of geoscientific inquiry,tracing the progression from traditional physics-based models to modern data-driven approaches facilitated by significant advancements in artificial intelligence(AI)and data collection *** models,which are grounded in physical and numerical frameworks,provide robust explanations by explicitly reconstructing underlying physical ***,their limitations in comprehensively capturing Earth’s complexities and uncertainties pose challenges in optimization and real-world *** contrast,contemporary data-driven models,particularly those utilizing machine learning(ML)and deep learning(DL),leverage extensive geoscience data to glean insights without requiring exhaustive theoretical *** techniques have shown promise in addressing Earth science-related ***,challenges such as data scarcity,computational demands,data privacy concerns,and the“black-box”nature of AI models hinder their seamless integration into *** integration of physics-based and data-driven methodologies into hybrid models presents an alternative *** models,which incorporate domain knowledge to guide AI methodologies,demonstrate enhanced efficiency and performance with reduced training data *** review provides a comprehensive overview of geoscientific research paradigms,emphasizing untapped opportunities at the intersection of advanced AI techniques and *** examines major methodologies,showcases advances in large-scale models,and discusses the challenges and prospects that will shape the future landscape of AI in *** paper outlines a dynamic field ripe with possibilities,poised to unlock new understandings of Earth’s complexities and further advance geoscience exploration.

关键词： Earth utilizing landscape

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

湖南省极端气候时空特征分析及风险评估

科学技术与工程 2024年第9期24卷 3543-3553页

作者：许浩然杨兆前陈中举龙宇长江大学计算机科学学院荆州434023 兰州大学资源环境学院兰州730000

为探究湖南省极端气候的时空变化特征及风险发生概率,基于湖南省32个气象站点1961—2017年逐日气象观测资料,选取12个极端降水指数和16个极端气温指数,利用线性倾向法、M-K趋势检验法、克里金插值等方法,对湖南省极端气候的时空变化特... 详细信息

为探究湖南省极端气候的时空变化特征及风险发生概率,基于湖南省32个气象站点1961—2017年逐日气象观测资料,选取12个极端降水指数和16个极端气温指数,利用线性倾向法、M-K趋势检验法、克里金插值等方法,对湖南省极端气候的时空变化特征进行探究,并采用信息扩散模型对湖南省极端气候风险进行评估,研究表明:近57年来湖南省极端降水指数总体变化趋势较为平缓,大多数极端降水指数在空间上呈东高西低、南高北低的分布。极端气温指数总体变化趋势呈显著变暖趋势,表征高温的指数在空间上呈东南向西北递减的趋势。对湖南省极端降水的风险评估显示,湘西北发生极端降水的风险更大,而湘东南的降水总量更多。对湖南省极端气温的风险评估显示,湘西北为持续高温的高风险地区,常德市发生极端高温的风险概率较大,为2~3 a一遇。

关键词：极端降水极端气温湖南省时空特征风险评估信息扩散模型

改进MGM(1,1)的管道腐蚀预测模型构建

在线全文

学校读者我要写书评

暂无评论

机械设计与制造工程 2022年第4期51卷 69-73页

作者：柏淘雨余华云宋文广长江大学计算机科学学院湖北荆州434023

针对管道腐蚀预测分析因素复杂且具有较大随机性与模糊性的问题,建立了一种基于集成学习与机器学习算法的PSO-MGM管道腐蚀预测模型。在管道腐蚀检查数据的基础上,以MGM(1,1)为预测模型,采用PSO算法选出最优白化因子,实现了管道腐蚀速率... 详细信息

针对管道腐蚀预测分析因素复杂且具有较大随机性与模糊性的问题,建立了一种基于集成学习与机器学习算法的PSO-MGM管道腐蚀预测模型。在管道腐蚀检查数据的基础上,以MGM(1,1)为预测模型,采用PSO算法选出最优白化因子,实现了管道腐蚀速率预测。仿真结果表明,所提模型预测值与实际值拟合效果良好,可较为理想地反映管道腐蚀发育情况,相较于标准GM(1,1)预测模型和MGM(1,1)预测模型,其平均相对误差更小,满足预测精度需求,并可具体预测某一管道腐蚀发育情况,具有一定的实际应用价值。

关键词：集成学习机器学习管道腐蚀预测 MGM(1,1)模型 PSO算法

维普期刊数据库博看期刊