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

用于防伪商标的液晶柔性显示薄膜

液晶与显示 2024年第3期39卷 330-337页

作者：吕志伟桑景新李唐吾孙嘉曈东华大学信息科学与技术学院上海201620

本文设计了一款机械性能优异和具有独特防伪功能的液晶柔性显示薄膜。首先,基于光控取向技术设计了一款具备双通道显示功能的液晶显示器件,通过光场调控实现两个通道的独立显示。其次,以液晶盒厚度作为对照组确定了最佳厚度,使两个独立... 详细信息

本文设计了一款机械性能优异和具有独特防伪功能的液晶柔性显示薄膜。首先,基于光控取向技术设计了一款具备双通道显示功能的液晶显示器件,通过光场调控实现两个通道的独立显示。其次,以液晶盒厚度作为对照组确定了最佳厚度,使两个独立图案形成主副显示效果,从而隐藏防伪信息。最后,通过在液晶-聚合物复合材料中掺杂银纳米线(AgNWs)改善了液晶显示薄膜的机械拉伸性能。实验结果表明,在液晶柔性显示薄膜厚度为60μm时,其呈现令人满意的图案显示效果。同时,与未掺杂AgNWs的液晶显示薄膜相比,掺杂了AgNWs的液晶柔性薄膜的模量参数提高了30%以上,具备更大的应力承受能力和应变范围。本研究对于制备信息丰富且稳定性强的液晶防伪商标具有积极意义。

关键词：柔性液晶防伪商标银纳米线物理机械特性

面向青花瓷碎片图像的U-Net++拼接网络

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第3期36卷 379-387页

作者：张海波寇姣姣杨兴海琳琦周明全耿国华西北大学信息科学与技术学院西安710127 北京师范大学信息科学与技术学院北京100875

针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼... 详细信息

针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼接结果;最后以图像粗拼接结果作为先验信息,在内容校正阶段改进现有的U-Net,利用U-Net++细化粗拼接结果,得到最终图像精确拼接.以青花瓷碎片图像数据集与相关经典方法进行实验的结果表明,在3个评价指标中,所提方法的峰值信噪比提高约13%,均方根误差降低约33%,均方误差降低57%左右;该方法具有较小的误差比,不仅能够提高图像拼接质量,而且表现出较好的鲁棒性.

关键词：图像拼接 U-Net++ 单应性矩阵估计内容校正青花瓷碎片

相关积分结合鲁棒预测控制求解实时优化问题及应用

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第7期39卷 2224-2232页

作者：陈军赵众北京化工大学信息科学与技术学院

针对现有传统相关积分优化算法在求解实时优化时存在的问题,如考虑实时约束不足、算法参数较为单一且参数难以凑试等,提出一种将鲁棒预测控制与相关积分相结合的实时优化算法,采用传统相关积分优化算法计算优化目标函数和调优变量的梯度... 详细信息

针对现有传统相关积分优化算法在求解实时优化时存在的问题,如考虑实时约束不足、算法参数较为单一且参数难以凑试等,提出一种将鲁棒预测控制与相关积分相结合的实时优化算法,采用传统相关积分优化算法计算优化目标函数和调优变量的梯度,将调优变量实时梯度作为表征系统是否还有优化裕度的中间变量,利用基于多胞体模型的鲁棒预测控制方法对调优变量增量进行实时求解,并将调优变量的增量作为调优变量的设定值.所提出改进算法继承了传统相关积分优化的优点,同时也提升了原有算法的约束处理能力,保证了其优化解的实时可行性.仿真研究以及二甲苯加热炉热效率实时优化的工业应用测试结果验证了所提出方法的可行性和有效性.

关键词：相关积分实时优化鲁棒预测控制线性矩阵不等式多胞体二甲苯加热炉

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计及配网电压越限的光储协同优化运行策略

储能科学与技术 2024年第3期13卷 893-902页

作者：顾怡邢洁马洪艳高杉东华大学信息科学与技术学院上海201620

随着大量分布式光伏(distributed photovoltaic,DPV)并网,目前配电网中出现了日间过压和夜间低压并存的电压越限问题,并进一步影响了网络的经济运行。本工作基于此提出了两阶段光储系统协同运行的优化调度策略。该策略第一阶段通过计算... 详细信息

随着大量分布式光伏(distributed photovoltaic,DPV)并网,目前配电网中出现了日间过压和夜间低压并存的电压越限问题,并进一步影响了网络的经济运行。本工作基于此提出了两阶段光储系统协同运行的优化调度策略。该策略第一阶段通过计算节点的电压灵敏度来确定待调节的储能节点与充放功率,以及光伏可调节点;第二阶段建立了光储运行优化模型。该模型以储能的调度成本、购售电成本以及网损成本之和最小为目标,以网络潮流、节点电压、储能SOC(state of charge)、光伏的无功可调容量等作为约束,通过粒子群算法对该模型进行求解,可以得到光储系统日调度出力策略。最后,以某地区31节点的实际配电网作为算例,验证了本工作方法的有效性。算例结果表明,该策略可以通过光储的协同调度,有效治理电网中的电压越限问题,并且在保障配电网电压安全的同时,实现优化运行成本的目标。

关键词：分布式光伏电压越限储能装置光伏无功运行优化

基于Transformer的点云几何有损压缩方法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第2期50卷 634-642页

作者：刘舸昕章骏腾丁丹丹杭州师范大学信息科学与技术学院杭州311121

点云被广泛地用于三维物体表达,不过真实世界采集到的点云往往数据庞大,不利于传输与储存,针对点云数据冗余性问题,引入基于注意力机制的Transformer模块,提出一种基于Transformer的端到端多尺度点云几何压缩方法。将点云进行体素化,在... 详细信息

点云被广泛地用于三维物体表达,不过真实世界采集到的点云往往数据庞大,不利于传输与储存,针对点云数据冗余性问题,引入基于注意力机制的Transformer模块,提出一种基于Transformer的端到端多尺度点云几何压缩方法。将点云进行体素化,在编码端利用稀疏卷积提取特征,进行多尺度的逐步下采样,结合Transformer模块加强点空间特征感知与提取;在解码端进行对应的多尺度上采样重建,同样采用Transformer模块对有用特征进行加强与恢复,逐步细化并重建点云。与2种点云标准编码方法对比,所提方法平均获得80%和75%的BD-Rate增益;与基于深度学习的点云压缩方法对比,平均获得16%的BD-Rate增益,在相同码率点有约0.6的PSNR提升。实验结果表明:Transformer在点云压缩领域的可行性与有效性;在主观质量方面,所提方法也有明显的主观效果提升,重建的点云更接近原始点云。

关键词：点云几何压缩 Transformer 注意力机制深度学习稀疏卷积

基于双分支时空步态特征融合的深度学习步态识别

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第4期39卷 1403-1408页

作者：张云佐董旭石家庄铁道大学信息科学与技术学院石家庄050043

针对现有步态识别方法易受拍摄视角、着装变化影响的问题,提出一种融合二维无肩姿态拓扑能量图(shoulderless pose topological energy maps,SPTEM)和三维局部骨骼步态特征(local skeleton gait features,LSGF)的深度学习步态识别方法.... 详细信息

针对现有步态识别方法易受拍摄视角、着装变化影响的问题,提出一种融合二维无肩姿态拓扑能量图(shoulderless pose topological energy maps,SPTEM)和三维局部骨骼步态特征(local skeleton gait features,LSGF)的深度学习步态识别方法.首先,利用轻量级BlazePose姿态估计算法提取步态视频序列中的人体姿态拓扑图以生成SPTEM,在提高检测速度的同时减弱衣物变化带来的影响;然后,引入LSGF以弥补单一能量图特征在多变视角情况下识别准确率较低的不足;最后,提出结合注意力机制的时空特征提取网络模型,并在全连接层将双流特征进行一致融合.在CASIA-B数据集上对所提出方法进行验证,并与当前主流的步态识别方法进行比较,结果表明,所提出方法在跨视角和穿大衣/棉衣条件下的步态识别率都有明显提升.

关键词：无肩姿态拓扑能量图局部骨骼步态特征 BlazePose 双流网络深度学习步态识别

在线全文

学校读者我要写书评

暂无评论

基于特征聚合和传播网络的图像超分辨率重建

模式识别与人工智能 2024年第4期37卷 299-312页

作者：薄阳瑜刘晓晶武永亮王学军石家庄铁道大学信息科学与技术学院石家庄050043

基于深度学习的图像超分辨率重建通过网络加深提升图像重建性能,但复杂网络会导致参数量急剧增加,限制其在资源受限设备上的应用.针对此问题,文中提出基于特征聚合和传播网络的图像超分辨率重建方法,采用逐步提取融合特征的方式获取图... 详细信息

基于深度学习的图像超分辨率重建通过网络加深提升图像重建性能,但复杂网络会导致参数量急剧增加,限制其在资源受限设备上的应用.针对此问题,文中提出基于特征聚合和传播网络的图像超分辨率重建方法,采用逐步提取融合特征的方式获取图像丰富的内部信息.首先,提出上下文交互注意力模块,使网络学习到特征图丰富的上下文信息,提高特征的利用率.然后,设计多维注意力增强模块,提高网络对关键特征的判别能力,分别在通道和空间两个维度提取高频信息.最后,提出特征聚合传播模块,有效聚合深层细节信息,去除冗余信息,并促进有效信息在网络中传播.在Set5、Set14、BSD100、Urban100等基准数据集上的测试实验表明,文中方法性能较优,重建后的图像细节纹理较清晰.

关键词：图像超分辨率重建卷积神经网络上下文交互注意力多维注意力特征聚合

基于联邦分割学习与低秩适应的RoBERTa预训练模型微调方法

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2024年第3期39卷 577-587页

作者：谢思静文鼎柱上海科技大学信息科学与技术学院上海201210

微调后的大语言模型(Large language models,LLMs)在多任务中表现出色,但集中式训练存在用户隐私泄漏的风险。联邦学习(Federated learning,FL)通过本地训练避免了数据共享,但LLMs庞大的参数量对资源受限的设备和通信带宽构成挑战,导致... 详细信息

微调后的大语言模型(Large language models,LLMs)在多任务中表现出色,但集中式训练存在用户隐私泄漏的风险。联邦学习(Federated learning,FL)通过本地训练避免了数据共享,但LLMs庞大的参数量对资源受限的设备和通信带宽构成挑战,导致在边缘网络中部署困难。结合分割学习(Split learning,SL),联邦分割学习可以有效解决这一问题。基于模型深层权重的影响更为显著,以及对部分层的训练准确率略低于整体模型训练的发现,本文按照Transformer层对模型进行分割,同时引入低秩适应(Low⁃rank adaption,LoRA)进一步降低资源开销和提升安全性。因此,在设备端,仅对最后几层进行低秩适应和训练,然后上传至服务器进行聚合。为了降低开销并保证模型性能,本文提出了基于联邦分割学习与LoRA的RoBERTa预训练模型微调方法。通过联合优化边缘设备的计算频率和模型微调的秩,在资源受限的情况下最大化秩,提高模型的准确率。仿真结果显示,仅训练LLMs最后3层的情况下,在一定范围内(1~32)增加秩的取值可以提高模型的准确率。同时,增大模型每轮的容忍时延和设备的能量阈值可以进一步提升模型的准确率。

关键词：大语言模型低秩适应联邦学习分割学习联合优化

在线全文

学校读者我要写书评

暂无评论

融合知识图谱与注意力机制的项目推荐算法

计算机工程与应用 2024年第10期60卷 173-179页

作者：邢峻也邢星贾志淳王鸿达刘嘉雯渤海大学信息科学与技术学院辽宁锦州121000

知识图谱蕴含丰富的语义信息,广泛应用在不同的推荐场景中。现有的基于知识图谱的推荐方法在图神经网络的建模过程中,粗粒度地考虑用户和项目交互的关系,构建用户特征模型时,忽略不同历史项目的重要性。针对此类问题,提出一种融合知识... 详细信息

知识图谱蕴含丰富的语义信息,广泛应用在不同的推荐场景中。现有的基于知识图谱的推荐方法在图神经网络的建模过程中,粗粒度地考虑用户和项目交互的关系,构建用户特征模型时,忽略不同历史项目的重要性。针对此类问题,提出一种融合知识图谱与注意力机制的项目推荐算法。该算法聚合用户特征,使用注意力机制学习知识图谱高阶潜在关系,构建项目特征时传播其邻域之间的项目嵌入表示,用图卷积网络进行特征聚合,最后使用多层神经网络进行预测。该算法在两组公开数据集上,与基线算法进行对比实验,召回率最高提升6.9%。

关键词：推荐系统知识图谱注意力机制图卷积神经网络