检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于对抗性注意力机制的行人再识别攻击方法

计算机工程与设计 2024年第5期45卷 1565-1571页

作者：张琳钰王进万杰刘国庆南通大学信息科学技术学院江苏南通226000 中天智能装备有限公司研发部江苏南通226010

针对行人再识别系统鲁棒性的问题,提出一种基于对抗性注意力机制的行人再识别攻击方法。将通道注意力机制嵌入改造过的ResNet50网络,提取整个行人的显著特征;利用重新设计的掩码打破原注意力权重,混淆关注区域,降低行人再识别模型的识... 详细信息

针对行人再识别系统鲁棒性的问题,提出一种基于对抗性注意力机制的行人再识别攻击方法。将通道注意力机制嵌入改造过的ResNet50网络,提取整个行人的显著特征;利用重新设计的掩码打破原注意力权重,混淆关注区域,降低行人再识别模型的识别能力;联合对抗三元组损失和对抗ID损失监督网络训练,得到行人图像匹配对错误排序,更适用行人再识别中对抗攻击的排序问题。在Market-1501和DukeMTMC-reID数据集上模拟攻击,实验结果表明,该方法能将主流行人再识别系统的Rank-1和平均精度均值(mAP)降低至0.1%,为设计行人再识别防御方法提高鲁棒性提供新启示。

关键词：行人再识别对抗攻击掩码注意力机制注意力权重排序损失鲁棒性

在线全文

学校读者我要写书评

暂无评论

基于图卷积与多头注意力的图文跨模态检索

光电子．激光 2024年第9期35卷 925-933页

作者：化春键张宏图蒋毅俞建峰陈莹江南大学机械工程学院江苏无锡214122 江苏省食品先进制造装备技术重点实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

针对现有跨模态检索方法难以衡量各节点数据权重和模态内局部一致性的问题,提出一种基于多头注意力机制的图文跨模态检索方法。首先在构建模态图时,将单个图文样本作为独立节点,采用图卷积提取各样本间的交互信息,提高不同模态数据内的... 详细信息

针对现有跨模态检索方法难以衡量各节点数据权重和模态内局部一致性的问题,提出一种基于多头注意力机制的图文跨模态检索方法。首先在构建模态图时,将单个图文样本作为独立节点,采用图卷积提取各样本间的交互信息,提高不同模态数据内的局部一致性;然后在图卷积中引入注意力机制,自适应学习各个邻居节点的权重系数,从而区分不同邻居节点对中心节点的影响力;最后构建带有权重参数的多头注意力层,充分学习节点间的多组相关特征。与现有8种方法相比,该方法在Wikipedia数据集和Pascal Sentence数据集上进行实验得到的mAP值,分别提升了2.6%—42.5%和3.3%—54.3%。

关键词：注意力权重邻接矩阵多头注意力公共子空间跨模态检索

基于Vision Transformer的车辆重识别模型优化

在线全文

学校读者我要写书评

暂无评论

郑州大学学报(理学版) 2024年

作者：张震张亚斌田鸿朋郑州大学电气与信息工程学院

针对车辆重识别任务中样本类内差异性大和类间相似度高的问题,提出了一种Vision Transformer框架下的车辆重识别方法。设计一种关键区域选择模块,整合Transformer中注意力分数矩阵,加强对车辆的具有辨别性区域的关注程度,减小局部区域... 详细信息

针对车辆重识别任务中样本类内差异性大和类间相似度高的问题,提出了一种Vision Transformer框架下的车辆重识别方法。设计一种关键区域选择模块,整合Transformer中注意力分数矩阵,加强对车辆的具有辨别性区域的关注程度,减小局部区域过度集中的注意力权重;构建一种包含对比损失和中心损失的混合损失函数,对比损失函数的引入增强了模型在捕捉和比较样本之间的差异的能力,中心损失使得同一类别的样本更加紧密地聚集在一起,增强类间样本的区分度。实验结果验证了其有效性。

关键词：车辆重识别自注意力机制注意力权重区域选择

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多维动态卷积的运动想象脑电识别

计算机科学与应用 2024年第3期14卷 1-9页

作者：刘南坤李舒然袁之正李俊华五邑大学机械与自动化工程学院广东江门广州理工城市学院电子信息工程学院学院&通信工程学院广东广州五邑大学电子与信息工程学院广东江门

基于运动想象的脑机接口(Brain Computer Interface, BCI)可以帮助残疾人控制机械手臂等外部设备,其中脑电信号解码是关键所在。但是不同个体间的脑电信号差异很大,使得传统的深度学习模型所采用的静态卷积很难自适应地提取脑电特征。... 详细信息

基于运动想象的脑机接口(Brain Computer Interface, BCI)可以帮助残疾人控制机械手臂等外部设备,其中脑电信号解码是关键所在。但是不同个体间的脑电信号差异很大,使得传统的深度学习模型所采用的静态卷积很难自适应地提取脑电特征。为解决这个问题,本文提出了基于多维动态卷积的深度学习模型(Multidimensional Dynamic Convolution Net, MDconvnet),该模型通过三层多维动态卷积来提取特征,并将提取的特征输入到全连接层来获取分类结果。其中多维动态卷积会依据输入的数据,生成卷积多维度的注意力权重,并将该权重与卷积参数相乘来动态地调节卷积参数,以便更好地挖掘数据时空特征。本文采用2023运动想象数据集RankA和数据集RankB对MDConvnet模型进行了测试,同时与多个经典的运动想象识别模型(FBCSP、EEGnet、EEGTCN、FBCnet、Tesecption、STASCNN、Deepconvnet和VIT)进行性能对比。结果显示MDConvnet模型在RankA和RankB数据集上的平均准确率分别为64.20%和67.04%,超过其他算法模型,展现出了MDConvnet模型在运动想象脑电识别任务上的优异性能,为残疾人通过脑机接口控制外部设备提供了有力的支持。

关键词：多维动态卷积运动想象脑电信号解码注意力权重

基于Transformer的多尺度工件编码识别算法

维普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

哈尔滨商业大学学报（自然科学版） 2024年第5期40卷 536-543页

作者：熊新炎马宏伟张良哈尔滨商业大学轻工学院哈尔滨150028

提出了一种基于Transformer结构的多尺度工件编码识别算法,旨在解决当前工件编码识别中存在的挑战与局限性.描述了多尺度特征提取和融合的实现方法,重点介绍了Transformer模块的优化策略.通过卷积和池化操作获得了一组在不同尺度和层级... 详细信息

提出了一种基于Transformer结构的多尺度工件编码识别算法,旨在解决当前工件编码识别中存在的挑战与局限性.描述了多尺度特征提取和融合的实现方法,重点介绍了Transformer模块的优化策略.通过卷积和池化操作获得了一组在不同尺度和层级上的特征,针对这些特征引入了一个创新的缩放因子,用于调整Transformer模块中的注意力权重,更精确地捕捉和融合不同尺度的特征信息.提出了缩放因子计算方法,该方法直接依赖于查询(Query)和键(Key)的信息,可以更为直观地反映出不同尺度特征在注意力计算中的重要性.实验结果表明,此方法在处理多尺度工件编码特征时表现出了较高的准确率和稳健性,可有效提升工件编码识别的性能.

关键词：工件编码多尺度特征缩放因子注意力权重特征融合 Transformer

AM-LSTM网络的北京平原东部地面沉降模拟

在线全文

学校读者我要写书评

暂无评论

遥感学报 2022年第7期26卷 1302-1314页

作者：曹鑫宇朱琳宫辉力郭琳尉毓姣郭涛陈蓓蓓王海刚李蕙君首都师范大学资源环境与旅游学院北京100048 首都师范大学水资源安全北京实验室北京100048 首都师范大学城市环境过程与数字模拟国家重点实验室培育基地北京100048 首都师范大学地面沉降机理与防控教育部重点实验室北京100048 四川省农业科学院遥感与数字农业研究所成都610066 中国地质环境监测院北京100081 自然资源部京津冀平原地下水与地面沉降野外科学观测研究站北京100081

基于传统数值方法构建的地面沉降模拟预测模型需要大量的水文地质数据和实测数据,对于地质条件复杂地区的形变模拟预测难度大。本文基于PS-InSAR技术获取的北京平原东部地区的地面沉降信息,综合考虑不同层位地下水水位对沉降的影响,采... 详细信息

基于传统数值方法构建的地面沉降模拟预测模型需要大量的水文地质数据和实测数据,对于地质条件复杂地区的形变模拟预测难度大。本文基于PS-InSAR技术获取的北京平原东部地区的地面沉降信息,综合考虑不同层位地下水水位对沉降的影响,采用基于注意力机制的长短时记忆网络(AM-LSTM)对不同沉降发育地区典型位置处的地面沉降进行模拟。结果表明:(1)研究区地面沉降空间差异性明显,2010年11月—2016年8月最大沉降速率约153 mm/a,累计沉降量达到1063 mm,位于朝阳区三间房乡附近;(2)基于AM-LSTM模型的模拟精度优于传统LSTM模型,本次模拟精度最高提升了22%;(3)AM-LSTM模型注意力权重表明,第二承压含水层水位对地面沉降贡献最大。本次研究能够为地面沉降防控提供可靠的技术支撑。

关键词：遥感地面沉降 AM-LSTM 模拟预测不同层位地下水水位注意力权重

基于DALSTM和联合分位数损失的海上风电功率概率预测

在线全文

学校读者我要写书评

暂无评论

中国电力 2023年第11期56卷 10-19页

作者：苏向敬宇海波符杨田书欣李海瑜耿福海上海电力大学电气工程学院上海200090 国家电投集团上海能源科技发展有限公司上海200233

传统特征关联方法的预设阈值限制及分位数损失中各分位点损失的量级差异,使得海上风电功率概率预测精度受限。为了提高概率预测精度,提出了一种基于多任务联合分位数损失的双重注意力概率预测模型(MT-DALSTM)。首先,引入特征和时序双重... 详细信息

传统特征关联方法的预设阈值限制及分位数损失中各分位点损失的量级差异,使得海上风电功率概率预测精度受限。为了提高概率预测精度,提出了一种基于多任务联合分位数损失的双重注意力概率预测模型(MT-DALSTM)。首先,引入特征和时序双重注意力机制对特征间的关联关系和时序依赖性进行挖掘,赋予关键特征和时间点信息以注意力权重来提升功率预测的准确性;其次,在模型训练方面,采用一种基于任务不确定性的多任务联合分位数损失,通过动态调整各损失权重占比来提升最终预测结果的综合性能指标;最后,基于东海大桥海上风电场真实数据仿真验证结果表明:相比于现有的风电概率预测研究,所提方法在锐度、可靠性、综合性能指标上均具有明显提升,验证了该模型提高预测精度的有效性。

关键词：海上风电概率预测注意力机制注意力权重特征关联性分位数回归

在线全文

学校读者我要写书评

暂无评论

基于决策场理论的公交出行多阶段动态决策

计算机仿真 2021年第5期38卷 136-141,162页

作者：罗霞张年张可张奕源西南交通大学交通运输与物流学院四川成都611756 综合交通运输智能化国家地方联合工程实验室四川成都611756 北京市交通运行监测调度中心北京100000

针对城市公交出行决策问题,采用改进决策场模型从心理微观偏好进化的角度对两阶段出行决策行为进行了研究。提取了不同公交方式的同质属性构建属性矩阵;结合出行者个体特征和交通属性状态的波动构建注意力权重矩阵,同时优化了注意力转... 详细信息

针对城市公交出行决策问题,采用改进决策场模型从心理微观偏好进化的角度对两阶段出行决策行为进行了研究。提取了不同公交方式的同质属性构建属性矩阵;结合出行者个体特征和交通属性状态的波动构建注意力权重矩阵,同时优化了注意力转移概率的计算方法。通过问卷调查与计算机仿真相结合的方式对偏好进化过程进行分析,结果显示:出行者存在偏好震荡现象,且在短时思考时间内更加明显;在出行过程中进行决策时,换乘行为的触发需要更多的偏好进化时间;同一时刻下,个人对不同的交通方式的属性注意力是独立分布的;反馈矩阵中的记忆效应和方案竞争性对决策的形成时间有显著影响,强记忆效应和弱竞争性下的偏好进化速度更快。决策场模型可对公交出行动态决策行为进行描述。

关键词：城市交通动态决策决策场理论多阶段出行注意力权重偏好反转

基于Lattice-LSTM模型的中文命名实体识别研究及实现

在线全文

学校读者我要写书评

暂无评论

基于Lattice-LSTM模型的中文命名实体识别研究及实现

作者：黄成明重庆邮电大学

学位级别：硕士

命名实体识别是信息筛选的分支,属于自然语言处理中信息提取方向,在海量信息筛选、知识图谱构建以及问答系统等方面都有应用。命名实体识别主要关注以人名、地名为代表的实体类信息,虽然发展较长,但仍面临着诸多问题,例如长句中信息丢... 详细信息

命名实体识别是信息筛选的分支,属于自然语言处理中信息提取方向,在海量信息筛选、知识图谱构建以及问答系统等方面都有应用。命名实体识别主要关注以人名、地名为代表的实体类信息,虽然发展较长,但仍面临着诸多问题,例如长句中信息丢失的情况、忽略句子全局信息的情况。因此本文针对上述问题进行研究,主要工作包括以下几个方面:1.本文对Bi-LSTM-CRF、Bi-LSTM-CNNs-CRF、Lattice-LSTM等模型进行了深入研究,并对部分模型进行复现实验,总结命名实体模型处理过程,发现多数模型以LSTM结构为主,该结构存在丢失长句中文本信息的缺点,其次结构仅从字符信息角度考虑实体,而忽略从全局角度考虑使用句子结构信息进行实体判断。2.本文提出改进模型LLPA,使用Lattice-LSTM模型提取句子文本信息,使用Rel＿Pos＿Attention模型提取句子结构信息,并改变注意力权重的计算方式以及对位置编码进行选择。通过在4个数据集上实验,结果表明,改进模型LLPA对实体的识别能力更强,其中综合评价指标提升较大,达到2%左右。3.本文进行了两个拓展实验,其一为替换词向量提升模型识别效果,其二为使用两种不同领域语料验证模型的鲁棒性。首先使用Glove方法和ELMo方法训练词向量,并应用于实验中,实验发现更好的词向量能进一步提升识别效果;其次,本文在公认数据集之外,在网络上获得2个不同领域的数据集,并进行实验,实验结果表明本文的改进模型具有一定的鲁棒性,能在不同领域数据集上识别相应的实体。4.最后,基于上述改进模型设计并实现了一个中文命名实体识别系统,该系统具有两个主要功能,一是对于输入多个句子的文本进行识别,并展示识别结果;二是面向以电子文档保存的文本进行批处理识别,并将电子档的识别结果输出到文档中,从而方便使用者对识别的结果进行观察和使用。

关键词：中文命名实体识别 Lattice-LSTM模型注意力权重相对位置编码