检索结果-南通市图书馆

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

联合注意力与混合卷积的高光谱地物识别研究

云南大学学报（自然科学版） 2024年第4期46卷 654-664页

作者：郭国璐范玉刚昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

针对高光谱地物识别模型在提取空谱联合特征时,缺乏对空间特征有效关注的问题,提出了一种基于注意力机制和混合卷积神经网络的高光谱地物识别方法.该方法用三维CNN(3DCNN)以及二维CNN(2DCNN)对高光谱图像的空谱联合特征进行提取,并在二... 详细信息

针对高光谱地物识别模型在提取空谱联合特征时,缺乏对空间特征有效关注的问题,提出了一种基于注意力机制和混合卷积神经网络的高光谱地物识别方法.该方法用三维CNN(3DCNN)以及二维CNN(2DCNN)对高光谱图像的空谱联合特征进行提取,并在二维卷积阶段引入了注意力机制,构建AFCNet地物识别模型,使得其在提取空谱联合特征的同时,实现对空间特征的有效关注和激活.所提模型使用带批归一化层(batch normalization,BN)的3D卷积核和2D卷积核,加快了模型的收敛速度,防止了过拟合现象的发生.相对于传统的卷积网络模型,所提模型提高了噪声抑制能力,得到了较好的地物识别效果,在Salinas和Pavia University&Center数据集上,取得了99.96%和99.87%的地物识别精度,验证了所提方法的有效性.

关键词：高光谱图像分类混合卷积注意力机制空谱联合特征

在线全文

学校读者我要写书评

暂无评论

基于实体可靠路径与语义增强的知识图谱对齐

吉林大学学报(工学版) 2024年

作者：王红斌唐浩东线岩团昆明理工大学云南省人工智能重点实验室昆明理工大学信息工程与自动化学院

实体对齐旨在识别不同知识图谱中的相同实体。知识图谱实体之间存在大量的多步骤关系路径以表明实体之间的语义关系。然而，现有的方法很少考虑路径信息，也忽略了知识图谱关系结构与属性结构之间的邻域异质性。针对这一问题，本文提出... 详细信息

实体对齐旨在识别不同知识图谱中的相同实体。知识图谱实体之间存在大量的多步骤关系路径以表明实体之间的语义关系。然而，现有的方法很少考虑路径信息，也忽略了知识图谱关系结构与属性结构之间的邻域异质性。针对这一问题，本文提出了实体可靠路径信息语义增强模型，该模型集成了知识图谱中的关系和路径结构信息以及异构信息，设计了一种初始可靠路径推理算法，用于捕获和聚合对齐实体及其异构邻居的多源信息，并将实体的关系结构，属性结构，实体名称路径集信息通过模型聚合进行语义增强，由此解决知识图谱对齐邻域异质性问题。本文在三个数据集（WK31-15K、DBP-15K和DWY-100K）上评估了实体可靠路径信息语义增强模型，将该模型与最先进的实体对齐方法比较Hits@1提升了1.5%-3.2%，表明本文方法具有更好的性能。

关键词：知识图谱实体对齐可靠路径信息属性结构语义增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低资源语音识别研究进展

昆明理工大学学报（自然科学版） 2024年第3期49卷 86-102页

作者：余正涛董凌高盛祥昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

探讨低资源语音识别领域最新研究进展,旨在为未来研究和应用提供有益参考.首先,简要回顾了语音识别的发展过程,并介绍了当前主流端到端语音识别框架的基本原理.其次,针对低资源语音识别面临的问题,详细分析了在语音数据增强、自监督语... 详细信息

探讨低资源语音识别领域最新研究进展,旨在为未来研究和应用提供有益参考.首先,简要回顾了语音识别的发展过程,并介绍了当前主流端到端语音识别框架的基本原理.其次,针对低资源语音识别面临的问题,详细分析了在语音数据增强、自监督语音表征学习、多语言联合学习、结合大语言模型以及语言知识增强5个方面的相关研究工作.最后,对低资源语音识别未来的研究方向进行了展望.

关键词：语音识别低资源语言数据增强语音表征学习大语言模型语言知识

融合相似度负采样的远程监督命名实体识别方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第8期41卷 2322-2328页

作者：刘杨线岩团相艳黄于欣昆明理工大学信息工程与自动化学院昆明650500 云南省人工智能重点实验室昆明650500

实体漏标是目前远程监督命名实体识别(distantly supervised named entity recognition,DS-NER)存在的一个难点问题。训练集中的漏标实体在模型训练中提供了不正确的监督信息,模型将在后续预测实体类型时更倾向于将该类实体预测为非实体... 详细信息

实体漏标是目前远程监督命名实体识别(distantly supervised named entity recognition,DS-NER)存在的一个难点问题。训练集中的漏标实体在模型训练中提供了不正确的监督信息,模型将在后续预测实体类型时更倾向于将该类实体预测为非实体,导致模型的实体识别和分类能力下降,同时影响了模型的泛化性能。针对这一问题,提出了融合实体特征相似度计算负采样命名实体识别方法。首先,通过对候选样本和标注实体样本进行相似度计算并打分;其次,以相似度得分作为依据对候选样本进行采样,采样出参与训练的样本。与随机负采样方法相比,该方法通过结合相似度计算,降低了采样到漏标实体的可能性,进而提高了训练数据的质量,从而提升了模型的性能。实验结果表明,该方法在CoNLL03、Wiki、Twitter三个数据集上与其他模型相比,比基线模型平均取得了5%左右的F_(1)值提升,证明了该方法能够有效缓解远程监督条件下实体漏标带来的命名实体识别模型性能下降的问题。

关键词：命名实体识别实体漏标远程监督负采样数据增强

融合双层注意力网络的端到端老挝车牌照识别方法

在线全文

学校读者我要写书评

暂无评论

云南大学学报（自然科学版） 2024年第5期46卷 862-870页

作者：黄彬煌毛存礼陈蕊余正涛黄于欣王振晗昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

在中老道路互通大背景下,老挝车牌照识别研究对中国跨境车辆管理十分重要,但现有的单行车牌照识别方法无法直接应用于老挝双行车牌照识别任务中.针对老挝车牌照上行省份字符排列紧密、难以分割和下行辅音字符相似度高、难以识别的问题,... 详细信息

在中老道路互通大背景下,老挝车牌照识别研究对中国跨境车辆管理十分重要,但现有的单行车牌照识别方法无法直接应用于老挝双行车牌照识别任务中.针对老挝车牌照上行省份字符排列紧密、难以分割和下行辅音字符相似度高、难以识别的问题,结合分割的思想提出一种融合双层注意力网络的端到端老挝车牌照识别方法.通过通道及空间注意力提取并加强上行省份特征和下行字符特征表示;将分类思想应用于省份信息获取,有效地处理因字符粘连而无法做单字符识别的问题;使用序列标注的方法缓解相似字符识别困难,提高字符识别准确率.实验结果表明,提出方法相比基线模型,准确率提升了0.8个百分点,达到92.7%.

关键词：深度学习老挝双行车牌照识别双层注意力网络通道及空间注意力端到端

同方期刊数据库

改进VMD及补偿距离的滚动轴承故障检测方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年

作者：郭凯马军熊新李祥胡玉明昆明理工大学云南省人工智能重点实验室昆明理工大学信息工程与自动化学院

针对滚动轴承早期故障点检测性能各异且无通用标准的问题,从构建性能退化曲线角度入手,提出了一种改进变分模态分解(Improved Variational Modal Decomposition,IVMD)及补偿距离的滚动轴承故障检测方法.首先,利用估计信噪比(estimated S... 详细信息

针对滚动轴承早期故障点检测性能各异且无通用标准的问题,从构建性能退化曲线角度入手,提出了一种改进变分模态分解(Improved Variational Modal Decomposition,IVMD)及补偿距离的滚动轴承故障检测方法.首先,利用估计信噪比(estimated Signal-to-Noise Ratio,eSNR)方法自适应确定变分模态分解(Variational Mode Decomposition,VMD)的模态数K;其次,计算分解本征模态函数(Intrinsic Mode Function,IMF)的概率密度函数(Probability Density Function,PDF)分布,融合类间-类内距离构建补偿距离(Compensation Distance,CD)退化评估指标;然后,基于线性回归方程和3σ原则构建滑动窗修复CD退化指标存在的虚假波动,获得能准确表征滚动轴承退化过程的改进补偿距离评估指标(Improved Compensation Distance,ICD);最后,通过切比雪夫不等式建立健康阈值与ICD指标间的关系,实现滚动轴承的早期故障检测.通过两组实验对比分析表明:所提方法可以准确表征滚动轴承的退化过程并可有效检测早期故障,为轴承早期故障诊断提供了一种新的解决方案.

关键词：变分模态分解滚动轴承故障检测虚假波动修复切比雪夫不等式

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于增强对比学习的多语言事件发现方法

云南大学学报（自然科学版） 2024年第4期46卷 665-673页

作者：潘通余正涛黄于欣关昕严海宁杨溪昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

多语言事件发现是把描述同一事件的多种语言文本聚类到同一个簇,是多语言事件分析的基础.目前基于深度学习的聚类方法主要通过优化文本表示之间的距离实现聚类,其性能严重依赖模型表示能力,多语环境下文本表示对齐效果不理想,多语言事... 详细信息

多语言事件发现是把描述同一事件的多种语言文本聚类到同一个簇,是多语言事件分析的基础.目前基于深度学习的聚类方法主要通过优化文本表示之间的距离实现聚类,其性能严重依赖模型表示能力,多语环境下文本表示对齐效果不理想,多语言事件聚类难度大.文章提出一种基于增强对比学习的多语言事件发现方法,通过优化事件文本到簇心和多语言正负样本之间的距离,使同一事件的多语言文本在表示空间更加接近,提高模型对多语言文本的表示能力.针对事件聚类任务引入事件要素的表征作为事件聚类中心,进一步提升多语言事件聚类效果.在路透社数据集上的实验结果表明,提出的方法在多个预训练模型基础上性能均有提升,准确率和标准化互信息最优效果分别达到了76.14%和91.09%.

关键词：多语言事件发现深度聚类对比学习数据增强事件要素

在线全文

学校读者我要写书评

暂无评论

下肢外骨骼康复机器人步态相识别

信息与控制 2024年第1期53卷 47-57页

作者：高贯斌肖纯杰那靖邢亚珊陆声昆明理工大学机电工程学院云南昆明650550 云南省智能控制及应用重点实验室云南昆明650550 云南省第一人民医院云南昆明650034 云南省数字骨科重点实验室云南昆明650034

外骨骼机器人作为一种新型的康复设备,在脊髓损伤患者的康复训练中具有广阔的应用前景。其中,人体步态相识别是实现外骨骼机器人穿戴者运动意图识别和准确控制的关键之一。首先,针对脊髓损伤患者康复训练中摆腿触地过程无法自主锁定膝... 详细信息

外骨骼机器人作为一种新型的康复设备,在脊髓损伤患者的康复训练中具有广阔的应用前景。其中,人体步态相识别是实现外骨骼机器人穿戴者运动意图识别和准确控制的关键之一。首先,针对脊髓损伤患者康复训练中摆腿触地过程无法自主锁定膝关节的问题,设计了一款绳驱下肢外骨骼康复机器人。该款外骨骼机器人通过足底开关传感器和膝关节编码器来采集患者步态信息,并在一个步态周期内不同的步态相对膝关节进行锁定或放松。其次,通过对人体行走步态的研究和脊髓损伤患者康复训练中锁膝和松膝的需求分析,提出了一种基于足底与地面接触过程信息的步态相分类方法。由于脊髓损伤患者的足底接触过程不可控且不稳定,将膝关节摆角和摆动速度信息引入步态相识别中,提出了融合脚与地面接触信息、膝关节摆角及摆动速度信息的步态相识别方法。最后,基于采集到的志愿者步态数据,进行了步态相识别方法的实验验证。结果表明,所提方法的平均步态相识别率达到99.906%,并且当足底开关传感器发生故障或未正常触发时,锁膝相和松膝相的正确识别率仍然分别达到94.488%和91.853%,从而验证了所提方法的有效性和容错能力。

关键词：脊髓损伤外骨骼康复训练步态相识别

基于深度学习的矿井智能目标检测技术研究综述

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2024年

作者：张帆张嘉荣中国矿业大学(北京)人工智能学院煤矿人工智能与机器人应急管理部重点实验室(北京)

随着深度学习理论的研究与发展，基于深度学习的目标检测技术在智能化矿山领域取得了显著进展，目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强，存在模型可解释性差、计算... 详细信息

随着深度学习理论的研究与发展，基于深度学习的目标检测技术在智能化矿山领域取得了显著进展，目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强，存在模型可解释性差、计算复杂等问题，如何提高矿井目标检测精度、模型自适应性和计算效率，是矿山人工智能领域亟待解决的研究课题。本文对煤矿井下智能目标检测技术及其研究进展进行综述。首先，简要概述了目标检测技术，介绍了基于深度学习的目标检测技术演进过程和算法分类，并分析比较了基于CNN和Transformer的目标检测网络。然后，重点研究了矿井智能目标检测的数据增强、超分辨率重建、特征提取等关键技术，并围绕煤矿“人-机-环”应用需求，详细阐述了基于深度学习的目标检测在井下人员安全监测、矿井设备智能检测、工况环境感知等方面的研究进展。最后，指出了煤矿应用场景下智能目标检测技术在数据集构建、模型优化、多源异构数据融合等方面仍存在挑战，讨论了煤矿智能目标检测技术的发展趋势。并提出未来应致力于将目标检测技术与小样本学习和多模态融合、模型轻量化和边缘计算、数字孪生和具身智能等新兴技术相结合，以此促进智能检测技术与煤矿安全生产的深度融合与应用，为矿井智能目标检测技术体系构建提供理论参考。

关键词：煤矿智能化目标检测深度学习数字孪生具身智能