检索结果-南通市图书馆

弹箭与制导学报 2024年

作者：马月红曹彦敏李超旺赵辰周辉赵慧亮王晓成李乾石家庄铁道大学河北省交通电力网智能融合技术与装备协同创新中心石家庄铁道大学电气与电子工程学院陆军工程大学石家庄校区国网河北省电力有限公司石家庄供电分公司

针对现有的弹道落点预测方法误差大和气象变化适应不足的问题，建立了包含气象条件的弹道数据集，并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接，加强模型在处理输入... 详细信息

针对现有的弹道落点预测方法误差大和气象变化适应不足的问题，建立了包含气象条件的弹道数据集，并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接，加强模型在处理输入序列时动态地关注不同时刻信息的能力，缓解网络中的梯度爆炸等问题。采用多维时间序列数据的输入表示方法，结合历史弹道轨迹数据和目标特征等多种信息，减小弹道落点预测误差。仿真结果表明，基于自注意力层的CNN-BiLSTM-BiGRU网络模型的预测效果优于其他模型，射程预测的最大误差占真实值的百分比为0.156%，横偏预测的最大误差占真实值的百分比为5.904%。该方法为弹道落点预测领域提供了重要的参考依据。

关键词：弹道落点预测深度学习弹道模型自注意力层卷积神经网络长短期记忆网络门控循环神经网络

来源：

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

基于深度学习的多帧遥感降质图像三维重建算法

引用

现代电子技术 2024年第6期47卷 161-164页

作者：石力源杭州电子科技大学浙江杭州310018

为提升多帧遥感降质图像对比度以及图像质量,提出一种基于深度学习的多帧遥感降质图像三维重建算法。采用三角函数变换方法并结合高通滤波器,增强多帧遥感降质图像对比度;再以包含生成器和判别器的生成对抗网络为基础,在判别器中引入自... 详细信息

为提升多帧遥感降质图像对比度以及图像质量,提出一种基于深度学习的多帧遥感降质图像三维重建算法。采用三角函数变换方法并结合高通滤波器,增强多帧遥感降质图像对比度;再以包含生成器和判别器的生成对抗网络为基础,在判别器中引入自注意力层,设计自注意力机制残差模块,生成自注意力生成对抗网络模型;最后将增强后的图像输入模型进行学习和训练,获取多帧遥感降质图像的全局特征后,实现多帧遥感降质图像三维重建。测试结果表明,所提算法具有较好的多帧遥感降质图像增强能力,能够提升图像对比度,并且渗透指数(PI)均在0.92以上,重构效果良好。

关键词：多帧遥感图像降质图像深度学习三维重建图像增强生成对抗网络自注意力层全局特征

来源：

维普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

基于BERT-SELFATT-CNN模型的垃圾邮件分类方法

引用

湖南文理学院学报（自然科学版） 2024年第2期36卷 14-18,70页

作者：龚红仿赵富荣罗容容长沙理工大学数学与统计学院湖南长沙410114

针对传统垃圾邮件分类方法中使用静态词向量不能解决一词多义、长序列信息特征提取不足等问题,提出了一种基于BERT-SELFATT-CNN模型的垃圾邮件分类方法。使用动态文本表示方法BERT对邮件内容进行预训练,并生成带有上下语义信息的词向量... 详细信息

针对传统垃圾邮件分类方法中使用静态词向量不能解决一词多义、长序列信息特征提取不足等问题,提出了一种基于BERT-SELFATT-CNN模型的垃圾邮件分类方法。使用动态文本表示方法BERT对邮件内容进行预训练,并生成带有上下语义信息的词向量,经过能够并行计算的自注意力机制层计算词与词之间的相似度去挖掘句子长距离信息,将生成的隐藏层向量输入到CNN网络提取向量局部特征。在中文垃圾邮件数据集上与已有模型进行对比实验,结果表明该模型在精确度、召回率和F1值上均有提高,模型训练速度也得到提升。

关键词：垃圾邮件 BERT 自注意力层 CNN 文本分类

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

基于注意力机制的三维目标检测算法研究

基于注意力机制的三维目标检测算法研究

引用

作者：赵世祥西安电子科技大学

学位级别：硕士

三维目标检测,即检测目标在三维空间中的位置坐标及类别,是计算机领域重要的研究方向。随着点云获取硬件的发展,基于点云的三维目标检测算法已经在自动驾驶、智能家居和增强现实等领域实现了广泛的应用。当前,三维目标检测常采用深度学... 详细信息

三维目标检测,即检测目标在三维空间中的位置坐标及类别,是计算机领域重要的研究方向。随着点云获取硬件的发展,基于点云的三维目标检测算法已经在自动驾驶、智能家居和增强现实等领域实现了广泛的应用。当前,三维目标检测常采用深度学习网络设计检测算法,其中利用卷积神经网络提取点云特征是检测关键。但因为卷积网络只利用局部信息获取特征无法对目标进行完整描述,其检测结果中容易出现误检和漏检情况。此外,对于距离较远的物体,点云获取硬件不能采集到足够的点云数据,无法保证这类物体的检测精度。针对上述问题,本文基于注意力机制对特征图的全局特征和目标的隐式上下文信息的获取进行研究,本文的主要研究内容如下:（1）本文提出了一种基于全局特征学习的一阶段三维目标检测算法以解决目标的误检、漏检问题。该算法首先采用稀疏卷积网络获取三个不同尺度的体素特征图,得到目标的局部特征,其次通过特征提取模块提取不同尺度特征图的全局特征并与局部特征采取级联方式连接,最后由检测网络预测目标的三维检测框。该算法在特征提取模块中对三个不同尺度的特征图应用所设计的通道注意力层以获取通道全局信息,并对最小尺度的特征图应用所设计的自注意力层以获取空间全局信息,它们分别在特征图的通道维和空间维计算对应的相似度矩阵以更新通道特征和空间元素特征,最后由特征图融合模块融合目标的语义特征和细节特征进行检测。实验结果表明,该算法具有更高的检测精度,证明本文所设计模块的有效性和合理性。（2）本文提出了一种基于隐式上下文学习的两阶段三维目标检测算法以解决距离较远的点云目标难以检测的问题。该算法采用稀疏卷积网络获取两个不同尺度的体素特征图,其次将特征图输入到RPN网络得到初始的建议框,最后由RCNN网络对建议框微调,获得更精准的检测框。在RCNN阶段,本文设计了隐式上下文学习模块分别在两个不同尺度的特征图上学习目标周围的背景特征。该模块采用不同的扩展因子扩大建议框的尺寸,并通过交叉注意力机制融合原始建议框和扩展后的建议框内的目标特征,以避免无关信息的干扰。之后本文设计了一个注意力融合模块以融合含有隐式上下文信息的多尺度目标特征,该模块对不同尺度的目标特征相加求和,分别在通道维度和空间维度进行池化获取对应维度的全局语义信息,并计算语义特征对应的融合权重矩阵;对不同尺度的原始输入特征,计算对应网格点特征在通道维度的融合权重矩阵。通过两个权重矩阵,可以分别改善融合后目标的全局语义特征和局部细节特征,进而提升多尺度特征的融合效果。仿真实验结果表明,该算法具有较强的检测性能,各项指标更优。

关键词：三维目标检测通道注意力层自注意力层隐式上下文注意力融合

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

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

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

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：