检索结果-南通市图书馆

中国电机工程学报 2021年第5期41卷 1851-1859页

作者：刘昊天王萍程泽天津大学电气自动化与信息工程学院天津市南开区300072

随着锂离子电池应用领域的愈加广泛,实时、准确的评估其健康状态(state of health,SOH)成为确保电池安全可靠运行的重要要求。该文提出一种基于注意力机制解码器模型的锂离子电池SOH估算方法,该算法结合与GRU的特点,将数据编码成一组包... 详细信息

随着锂离子电池应用领域的愈加广泛,实时、准确的评估其健康状态(state of health,SOH)成为确保电池安全可靠运行的重要要求。该文提出一种基于注意力机制解码器模型的锂离子电池SOH估算方法,该算法结合与GRU的特点,将数据编码成一组包含内在特征的序列,并由注意力帮助解码器完成最终的解算。该算法无需建立电池模型,也不需要过多的先验知识,仅通过单个采样周期的电压、电流采样值即可获得较高精度的SOH估计值。为适应更多应用场景,该文设计定长片段放电数据、定长片段充电数据及变长片段充电数据等3种输入模式,验证实验中,3种估算模式的平均绝对误差均小于1%,表明该估算方法具有估算周期短、估算精度高及适应性强等特性。

关键词：锂离子电池健康状态深度学习编解码器模型注意力机制

来源：

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

基于编解码器模型的车道识别与车辆检测算法

引用

广东工业大学学报 2019年第4期36卷 36-41页

作者：谢岩刘广聪广东工业大学计算机学院

针对无人驾驶车辆环境感知问题,通过编码器提取共享图像特征,再通过解码器来实现语义分割、分类和目标检测模块,并应用在车道识别和车辆检测上.在无人驾驶中,任务的实时性非常关键,这种共享编码器模型能一定程度上提高任务实时性.实验... 详细信息

针对无人驾驶车辆环境感知问题,通过编码器提取共享图像特征,再通过解码器来实现语义分割、分类和目标检测模块,并应用在车道识别和车辆检测上.在无人驾驶中,任务的实时性非常关键,这种共享编码器模型能一定程度上提高任务实时性.实验结果表明,该模型的语义分割在KITTI数据集上的平均精度达到93.89%,比最优性能提升0.53%,联合检测速度达到25.43Hz.

关键词：无人驾驶编解码器模型语义分割目标检测带孔卷积

来源：

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

基于编解码器的车道识别与车辆检测算法研究

基于编解码器的车道识别与车辆检测算法研究

引用

作者：谢岩广东工业大学

学位级别：硕士

近年来,随着计算机视觉的发展和电脑算力的增强,前沿的科学家开始关注和研究自动驾驶这门新兴的科技,通过自动驾驶系统来解决拥堵的交通问题,提高车辆行驶的安全性和可靠性,减少人为因素造成的交通事故。基于视觉的智能车辆导航的研究... 详细信息

近年来,随着计算机视觉的发展和电脑算力的增强,前沿的科学家开始关注和研究自动驾驶这门新兴的科技,通过自动驾驶系统来解决拥堵的交通问题,提高车辆行驶的安全性和可靠性,减少人为因素造成的交通事故。基于视觉的智能车辆导航的研究可以追溯到1870年代早期,但由于当时的硬件水平还比较低,而图像处理是需要大量的计算,研究人员将花费太多精力在硬件平台的设计、实现和测试,并未实现车辆的自动驾驶功能。随着计算机硬件的飞速发展,许多问题已经得到了很好的解决。目前无人驾驶重要的问题之一是道路识别和车辆检测。自动驾驶若类比成人类来驾驶,人是通过眼睛来获取周围环境的信息,然后通过大脑处理后做出相应的转向和加减速等反应。那么自动驾驶就是通过利用车辆上的各种传感器,比如:毫米波雷达,摄像头,激光雷达等来获取环境信息,然后通过中心处理器来判断下一步应该执行的操作。其中,摄像头在环境感知中起着非常大的作用,并提供了及其丰富的环境信息,有着独一无二的优势。但随着大数据时代的来临,图像总量呈指数型的增长,对于语义分割检测车辆任务,其数据标注的工作量是十分庞大的,而对于目标检测来说,其工作量较少。在针对自动驾驶安全性和数据标注复杂度的情况下,本文以提高算法的实时性为首要目的,在保证算法实时性的情况下来提高目标检测和语义分割的精准度。首先,需要对图像进行预处理,然后通过编码器对图像进行特征提取,所提取到的图像特征会用来同时处理两类任务:目标检测和语义分割。这样可以通过共享编码区的方式获得公共的图像特征,来提升联合检测算法的实时性。同时在语义分割模块中加入带孔空间金字塔池化层其特点是可以解决输入图片大小不一的问题,并且可以提高检测精度。本文主要贡献点有:第一,提出通过共享编码区提取图像特征,进而实现语义分割、目标检测,实现模型检测实时性。第二,在语义分割任务模块中,加入了带孔空间金字塔池化层,在不影响实时性要求的情况下,提高语义分割任务的精度。实验结果表明,该模型的语义分割在KITTI数据集的城市标记道路上的平均精度达到93.89%,与KITTI数据集中的最优性能相比提升0.36%,同时最优联合检测速度达到27.67Hz,与Multi Net联合检测神经网络相比提高了4Hz。

关键词：无人驾驶编解码器模型语义分割目标检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于编解码和自注意力模型的手写数学公式识别

基于编解码和自注意力模型的手写数学公式识别

引用

作者：王宇婷哈尔滨理工大学

学位级别：硕士

手写数学公式识别在智能阅卷中有着至关重要的作用,是当前字符识别的研究热点。然而数学公式识别仍有许多待处理问题,如字符遗漏、混淆,以及幂指数位移。所以,能够找到一种准确识别手写数学公式的方法是很重要的。在现代教学过程中,学... 详细信息

手写数学公式识别在智能阅卷中有着至关重要的作用,是当前字符识别的研究热点。然而数学公式识别仍有许多待处理问题,如字符遗漏、混淆,以及幂指数位移。所以,能够找到一种准确识别手写数学公式的方法是很重要的。在现代教学过程中,学生试卷的手写数学公式识别系统能够有效减轻教师工作量,提高工作效率。本文针对手写数学公式识别进行研究,设计一个基于编解码和自注意力机制模型的手写数学公式识别系统,系统总共包括登录注册、数据输入、图像处理、试卷识别和结果输出五个模块。首先,在设计过程中,对系统识别模型进行优化,编码器采用全卷积神经网络,解码器采用长短期记忆神经网络,该模型可以任意尺寸输入图片,对手写数学公式进行特征提取,并且解决了爆炸和消失的梯度问题;其次,将自注意力机制引入到编解码器模型中,以降低对外界信息的依赖,帮助字符分割减少漏切,因此提高了编码器分割的准确率,并能促使解码器专注于图片的某一特定部分,以改善对手写数学识别的识别能力,降低识别的错误率。本文在数学公式公开测试集CROHME 2014和自制数据集上对比了不同识别模型的识别率和错误率。其中本文使用的编解码器模型在CROHME 2014测试集上识别率和错误率分别是60.33%和12.85%,在自制数据集上识别率和错误率分别是75.58%和8.02%。通过识别率和错误率的差异对比,可以看出本文使用的编解码器模型在识别率和错误率上均有所改进。

关键词：手写数学公式识别编解码器模型自注意力机制识别系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多粒度时间注意力RNN的航班客座率预测

引用

计算机工程 2020年第1期46卷 294-301页

作者：邓玉婧武志昊林友芳北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网... 详细信息

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明,MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。

关键词：航班客座率预测时间序列预测循环神经网络注意力机制编解码器模型

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：