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

基于改进U-Net的根系表型参数测量系统

森林工程 2024年第4期40卷 127-136页

作者：赵亚凤刘晓璐王冬冬王孟雪宋文华胡峻峰东北林业大学计算机与控制工程学院哈尔滨150040

为解决背景噪声干扰下,从微根管采集的原位根系图像中难以直接提取准确的表型参数问题,提出一种基于改进U-Net的微根管根系表型参数测量系统。在U-Net网络中引入优化后的空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)... 详细信息

为解决背景噪声干扰下,从微根管采集的原位根系图像中难以直接提取准确的表型参数问题,提出一种基于改进U-Net的微根管根系表型参数测量系统。在U-Net网络中引入优化后的空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)和高效通道注意力模块(Efficient Channel Attention,ECA),增大感受野,提升模型捕捉根系细节特征的能力,获取精确的根系分割图像。结果表明,改进的U-Net模型平均交并比和平均像素精度分别为87.07%和91.85%,相较原始U-Net分别提高了2.49%和2.3%。与WinRHIZO根系分析软件测量值相比,根长度和面积决定系数分别为0.951 8和0.984 9,Spearman相关系数分别为0.972 5和0.975 7,可以实现根系长度和面积的准确测量。

关键词：根系表型微根管图像分割参数测量 U-Net

主题统觉测验用于自杀风险识别——基于语音及文本特征的机器学习研究

在线全文

学校读者我要写书评

暂无评论

心理科学 2024年第2期47卷 485-493页

作者：杨劲寅吴雯李世佳张亚华东师范大学心理与认知科学学院、上海市心理健康与危机干预重点实验室上海200062 华东师范大学计算机科学与技术学院上海200062

自杀风险识别是自杀预防的重要环节,但传统的自陈量表筛查存在虚报/漏报率高的局限。通过两步连续实验对主题统觉测验(TAT)进行的改编实现了基于TAT的小程序自助施测方案,并获取音频及文本数据用于机器学习建模,构建了针对自杀意念的自... 详细信息

自杀风险识别是自杀预防的重要环节,但传统的自陈量表筛查存在虚报/漏报率高的局限。通过两步连续实验对主题统觉测验(TAT)进行的改编实现了基于TAT的小程序自助施测方案,并获取音频及文本数据用于机器学习建模,构建了针对自杀意念的自杀风险识别模型。结果发现,在测验耗时更短的情况下,该模型取得了与前人研究相比综合指数更优的模型效果;词频分析及关键词共线网络分析发现高自杀风险组被试在叙述文本中提及了更多与自杀、自伤相关的词汇以及主题,且使用了更多的排除词。经改编后的TAT小程序施测方案流程标准化且施测便捷,后续可收集更多高质量的样本以构建泛化性能更优的模型,应用于自杀风险识别的辅助评估中。

关键词：自杀风险识别主题统觉测验机器学习语音识别文本分析

基于概率逻辑推理的高阶互补云API推荐方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年第8期47卷 1922-1948页

作者：陈真谢登辉王小龙孙梦梦刘啸威申利民燕山大学信息科学与工程学院河北秦皇岛066004 河北省计算机虚拟制造与系统集成重点实验室河北秦皇岛066004

云时代,云API作为服务交付、数据交换和能力复制的最佳载体,已成长为当今面向服务软件开发和企业数字化转型不可或缺的核心要素.然而动态开放网络中持续增长的云API在给开发者提供了更多选择的同时,也将其淹没在海量的云API选择之中,设... 详细信息

云时代,云API作为服务交付、数据交换和能力复制的最佳载体,已成长为当今面向服务软件开发和企业数字化转型不可或缺的核心要素.然而动态开放网络中持续增长的云API在给开发者提供了更多选择的同时,也将其淹没在海量的云API选择之中,设计有效的云API推荐方法就此成为API经济健康发展中迫切要解决的现实问题.但是,现有研究主要利用搜索关键词、服务质量和调用偏好进行建模,生成质量高功能单一的云API推荐列表,没有考虑服务化软件实际开发中开发者对多元化高阶互补云API的客观需要.高阶互补云API推荐旨在为多个查询云API生成多元互补云API列表,要求推荐结果与查询云API均互补,以满足开发者的联合需求.针对此问题,本文提出基于概率逻辑推理的高阶互补云API推荐方法(Probabilistic Logic Reasoning for High-order Complementary Cloud API Recom⁃mendation,PLR4HCCR).首先,通过云API生态真实数据分析论证云API互补推荐需求的必要性和互补关系建模中替补噪声的客观存在,为云API互补推荐问题研究提供动机和数据支持.其次,采用Beta概率嵌入对云API及其之间的关系约束进行编码,以刻画云API间互补关系的不确定性和支持互补逻辑推理.接着,设计由投影、取反和交并三个基本逻辑算子构建的互补关系逻辑推理网络,使查询集中的每个云API获得非对称互补关系感知和替补噪声消解约束下的互补云API表示.然后,引入注意力机制为查询云API的互补云API分配不同权重,增强高阶互补云API基向量的表征能力.在此基础上,采用KL散度度量高阶互补云API基向量与候选云API之间的距离,并根据KL散度排序生成高阶互补性可感知下的云API推荐结果.最后,我们利用两个真实云API数据集在不同阶互补推荐场景下进行实验,实验表明,与传统启发式推荐方法和深度学习推荐方法相比,PLR4HCCR在互补关系感知推理和替补噪声消解方面均具有较大的优势,继而使其在低阶、高阶和混合阶互补云API推荐中均展示出更优的推荐效果和更强的泛化能力.进一步,超参数敏感性实验、实例分析和用户调查验证了方法的有效性、实用性和可行性,这使结合高阶互补关系的云API推荐方法PLR4HCCR不仅更有可能生成开发者满意的结果,而且可有效提升云API服务提供者的收益.

关键词：面向服务软件开发云API推荐高阶互补逻辑推理 Beta概率嵌入

在线全文

学校读者我要写书评

暂无评论

基于人工智能的集成食品检测技术应用与展望

食品科学技术学报 2024年第5期42卷 13-23,32页

作者：丁浩晗谢祯奇沈嵩崔晓晖王震宇傅欧万俊江南大学未来食品科学中心江苏无锡214122 江南大学人工智能与计算机学院江苏无锡214122 武汉大学国家网络安全学院湖北武汉430072 嘉兴未来食品研究院浙江嘉兴314005

人工智能与快速检测技术的结合为食品检测领域带来了显著的变革,推动了食品安全、质量和真实性鉴别能力的提升。介绍了基于人工智能的集成食品检测技术的应用现状。在化学检测和生物污染检测方面,人工智能结合快速检测技术有效提高了食... 详细信息

人工智能与快速检测技术的结合为食品检测领域带来了显著的变革,推动了食品安全、质量和真实性鉴别能力的提升。介绍了基于人工智能的集成食品检测技术的应用现状。在化学检测和生物污染检测方面,人工智能结合快速检测技术有效提高了食品安全检测的效率和准确性。在食品质量检测方面,人工智能结合快速检测技术被广泛应用于水果、肉制品、水产品以及其他食品的品质评估,通过高效的数据分析和智能识别,实现了对食品品质的精准评价。此外,人工智能在食品真实性鉴别中的应用,包括掺假检测和地理可追溯性技术,保障了食品的真实性和可靠性。特别是当区块链技术与人工智能相结合时,基于区块链的追溯系统通过透明和不可篡改的记录确保食品的全程可追溯性,同时人工智能算法能够实时分析食品流通环节中的数据,识别潜在的风险和异常。这些技术的集成不仅能提升食品检测的整体水平,也可为未来的智能食品检测系统构建奠定基础。

关键词：人工智能食品检测技术集成机器学习深度学习

在线全文

学校读者我要写书评

暂无评论

考虑多失效行为的平衡系统可靠性建模与计算

运筹与管理 2024年第3期33卷 104-110页

作者：董庆来王伟伟延安大学数学与计算机科学学院陕西延安716000 陕西省延安市宝塔区第四中学陕西延安716000

平衡系统的可靠性建模与相关指标计算是可靠性理论与工程领域的研究热点之一。针对由多部件构成的串联平衡系统,假设每个部件受环境冲击影响逐渐退化,呈现出多种状态;系统的性能平衡取决于部件的状态及其排列位置,即当系统中退化程度超... 详细信息

平衡系统的可靠性建模与相关指标计算是可靠性理论与工程领域的研究热点之一。针对由多部件构成的串联平衡系统,假设每个部件受环境冲击影响逐渐退化,呈现出多种状态;系统的性能平衡取决于部件的状态及其排列位置,即当系统中退化程度超过某一阈值的部件分布在某一特定区域时,系统失去性能平衡。考虑单部件失效导致系统失效和三类系统性能失衡导致系统失效四类失效行为,构建了考虑多失效行为的平衡系统可靠性模型。运用有限马尔可夫链嵌入法推导了部件的相关概率指标以及系统可靠度。最后以液压支架系统为例,验证了所提出模型与方法的有效性。

关键词：平衡系统冲击环境有限马尔可夫链嵌入法可靠性多状态竞争失效

STC-YOLOv8：一种解决复杂背景下的钢材表面缺陷的检测方法

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

内蒙古农业大学学报(自然科学版) 2024年

作者：黄奥国罗小玲潘新内蒙古农业大学计算机与信息工程学院

由于钢材表面缺陷尺寸小且背景复杂，传统检测方法在此类场景中常出现漏检和误检问题，且检测精度低、效率慢。本文提出了一种基于YOLOv8n的改进方法，称为STC-YOLOv8，旨在时间成本不变的情况下提高钢材表面缺陷检测的精度。首先，将... 详细信息

由于钢材表面缺陷尺寸小且背景复杂，传统检测方法在此类场景中常出现漏检和误检问题，且检测精度低、效率慢。本文提出了一种基于YOLOv8n的改进方法，称为STC-YOLOv8，旨在时间成本不变的情况下提高钢材表面缺陷检测的精度。首先，将主干网络的卷积层替换为SAConv，利用其全局性和大感受野特性，增强模型对小目标特征的提取能力；其次，将原模型的上采样方法替换为CARAFE，通过动态调整插值位置，提升模型对边缘特征和相似特征的提取能力。此外，在检测头中引入多分支结构的重参数模块，进一步增强模型的特征提取能力；最后，针对目标样本较小和部分目标信息难以提取的问题，本文引入了迁移学习策略，增强了模型的泛化性和稳定性。实验结果表明，改进后的STC-YOLOv8模型在数据增强后的NEU-DET数据集上的mAP@0.5达到82.4%，相比原模型YOLOv8n提高了3.8%。在GC10-DET数据集上的mAP@0.5达到66%，提高了2.9%，验证了本方法的有效性和稳定性，能够满足钢材表面缺陷检测的实际需求。

关键词：缺陷检测 YOLOv8n SAConv CARAFE 重参数化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种偏差和方差双降的双鲁棒去偏学习模型

小型微型计算机系统 2024年第11期45卷 2663-2672页

作者：苗忠琦童向荣烟台大学计算机与控制工程学院山东烟台264005

在推荐系统中,点击后转化率是反映用户偏好的重要信号.然而,传统的双鲁棒估计器在预测转化率时存在选择偏差的问题,这会导致估计器方差和偏差过高.为解决以上难题,提出了通用的双鲁棒去偏学习模型,在选择偏差场景下提出更具稳定性的双... 详细信息

在推荐系统中,点击后转化率是反映用户偏好的重要信号.然而,传统的双鲁棒估计器在预测转化率时存在选择偏差的问题,这会导致估计器方差和偏差过高.为解决以上难题,提出了通用的双鲁棒去偏学习模型,在选择偏差场景下提出更具稳定性的双鲁棒估计器,该估计器通过改进填充模型的训练权重来增加低倾向样本惩罚,缩小点击样本和曝光样本的分布差距,缓解双鲁棒估计器的偏差影响;受强化学习双重深度Q网络的启发,改进双学习模式为交替学习模型,交换转化率预测模型、点击率预测模型、填充预测模型之间的梯度信号,并指导网络模型的参数更新,缓解模型方差过高的问题;另外,在参数更新过程中,将预测模型的回归问题转化为二分类问题,降低了预测模型学习的复杂程度,提高模型可解释性.实验在两个真实的大型数据集和一个半合成数据集中进行,与已有的去偏方法对比,实验验证,所提方法在召回率和累计收益率方面优于其他方法,其中,相较于主要实现降低方差的更具鲁棒性的双鲁棒双学习模型在指标DCG@2和Recall@2上分别提升4.43%和4.97%,相较于主要实现降低偏差的双鲁棒联合学习模型在指标DCG@2和Recall@2上分别提升了7.21%和10.11%.

关键词：推荐系统选择偏差双鲁棒学习点击后转化率

基于计算机视觉的电力作业人员行为分析研究现状与展望

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

高电压技术 2024年第5期50卷 1842-1854页

作者：闫云凤陈汐金浩远齐冬莲储海东汪金维浙江大学电气工程学院杭州310027 浙江大学海南研究院三亚572025 香港大学计算机科学学院中国香港999077 国家电网有限公司北京100031 浙江天衡五维电子科技有限公司天衡310027

电力作业人员的有效监管是保障电力安全生产的基础。该文对电力视频中作业人员的行为识别研究进行了归类总结,涵盖静态行为分析(穿戴分析、动作分析和组合分析)和动态行为分析(复杂动作、时序行为和行为预测等);详细综述了电力作业行为... 详细信息

电力作业人员的有效监管是保障电力安全生产的基础。该文对电力视频中作业人员的行为识别研究进行了归类总结,涵盖静态行为分析(穿戴分析、动作分析和组合分析)和动态行为分析(复杂动作、时序行为和行为预测等);详细综述了电力作业行为分析中的核心算法模块,包括目标检测、姿态估计和视频跟踪等;论述了电力作业行为识别在算法高效性、鲁棒性、灵活性等方面所面临的应用难点和挑战,并展望了电力作业行为智能监控领域的未来发展方向,特别强调了在软硬件结合、通用大模型、生成式人工智能方面进行技术创新和改进所蕴含的潜在机会。

关键词：行为分析视觉理解电力监控目标检测姿态估计视频跟踪行为预测

维普期刊数据库博看期刊

真实感材质外观的表示和高效渲染技术研究现状及展望

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8期36卷 1131-1154页

作者：陶成之孙奇过洁袁军平周辰熙何雪滟范之闽史鹏程郭延文计算机软件新技术全国重点实验室(南京大学) 南京210033

在虚拟场景的组成中,除了三维几何模型之外最重要的要素就是物体表面的材质外观,对材质进行基于物理的建模和真实感绘制是保证虚拟场景真实感的重要手段.然而,由于现实世界材质外观本身的多样性和复杂性,迄今为止对真实感材质的研究一... 详细信息

在虚拟场景的组成中,除了三维几何模型之外最重要的要素就是物体表面的材质外观,对材质进行基于物理的建模和真实感绘制是保证虚拟场景真实感的重要手段.然而,由于现实世界材质外观本身的多样性和复杂性,迄今为止对真实感材质的研究一直是计算机图形学领域的热点和难点.文中总结了材质外观的近期相关工作,从材质的表示建模和材质的真实感绘制2大方向展开讨论;进一步,将材质模型分为表达范围广的通用材质模型和针对毛发及布料等材质的特殊材质模型2大类;并将材质绘制方法分为用于离线渲染的点采样优化和用于实时渲染的材质预过滤2种;最后指出材质研究可能的3个发展方向:神经网络材质、波动光学材质和材质的统一标准,为未来该领域的研究提供思路.

关键词：真实感绘制材质表面微结构毛发渲染皮肤渲染布料渲染重要性采样纹理预过滤