检索结果-南通市图书馆

具有动态事件触发机制的非线性时滞系统规定时间控制

在线全文

学校读者我要写书评

暂无评论

系统科学与数学 2024年

作者：王向文操德文吴健安庆师范大学智能感知与计算安徽省高校重点实验室安庆师范大学计算机与信息学院

针对一类具有不确定时滞的非线性严格反馈系统,研究其基于动态事件触发机制的规定时间控制问题.根据规定时间稳定性定理,对具有未知时滞的高阶非线性系统提出了一种状态反馈控制策略,以保证系统在规定时间内收敛,规定的时间可以根据实... 详细信息

针对一类具有不确定时滞的非线性严格反馈系统,研究其基于动态事件触发机制的规定时间控制问题.根据规定时间稳定性定理,对具有未知时滞的高阶非线性系统提出了一种状态反馈控制策略,以保证系统在规定时间内收敛,规定的时间可以根据实际需要设置.文章利用神经网络逼近技术对未知的连续函数进行逼近,利用Lyapunov-Krasovskii泛函来补偿状态延迟的影响.此外,控制器通过引入动态事件触发机制,减小了通信占用率.我们设计的控制器使得闭环系统在给定的时时间范围内保持有界稳定,而且系统的收敛时间不会受到初始状态的影响.最后,通过仿真实验来证明该设计方案的可行性.

关键词：规定时间稳定时滞动态事件触发机制不确定非线性系统状态反馈控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

指令驱动的虚拟角色风格化动作生成

北京理工大学学报 2024年

作者：梁玮黄一帆沈雨欣程杞元北京理工大学计算机学院深圳北理莫斯科大学广东省智能感知与计算重点实验室

复杂场景下，指令驱动的动作生成任务存在着指令理解不准确、生成的动作与指令任务不相关等挑战.为了解决这个问题，提出了一种方法框架，通过结合指令和场景信息，风格化生成虚拟角色的动作.该方法框架分为指令解析和动作生成两个部分... 详细信息

复杂场景下，指令驱动的动作生成任务存在着指令理解不准确、生成的动作与指令任务不相关等挑战.为了解决这个问题，提出了一种方法框架，通过结合指令和场景信息，风格化生成虚拟角色的动作.该方法框架分为指令解析和动作生成两个部分.方法首先预定义了一组有限的原子动作集合，指令解析部分运用大模型，将文本指令解析成由原子动作组成的子任务，动作生成部分基于条件变分自编码器（conditional variational autoencoder,cVAE）设计了一个逐帧动作生成网络.在动作生成阶段，考虑不同的风格特征，例如角色的高矮胖瘦等属性和文本指令描述的开心、难过等特征，实现风格化动作生成任务.在卧室、公园、客厅和厨房等4个场景中进行了定性实验和用户研究，证明了方法的有效性、动作的真实性和风格的多样性.

关键词：动作生成指令驱动风格化动画

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于二维磁性材料的自旋轨道力矩研究进展

物理学报 2024年第1期73卷 46-56页

作者：熊宜浓吴闯文任传童孟德全陈是位梁世恒湖北大学物理与电子科学学院武汉430062 智能感知系统与安全教育部重点实验室武汉430062

信息技术的高速发展对信息处理与存储器件的性能提出了更高的要求.同时,随着器件尺寸不断减小,传统基于电子电荷属性的半导体器件面临热耗散和量子尺寸效应的难题与挑战,半导体技术也由此进入后摩尔时代.区别于传统基于电荷的电子器件,... 详细信息

信息技术的高速发展对信息处理与存储器件的性能提出了更高的要求.同时,随着器件尺寸不断减小,传统基于电子电荷属性的半导体器件面临热耗散和量子尺寸效应的难题与挑战,半导体技术也由此进入后摩尔时代.区别于传统基于电荷的电子器件,基于自旋属性的非易失性自旋电子器件不但具有较高的集成度、读写速度及读写次数,而且可有效避免热耗散,为信息存储、处理和通信等领域的发展构建了新的技术平台.近年来,二维材料凭借其独特的能带结构和丰富的物理性质而备受关注,特别是二维磁性材料体系在自旋电子学领域展现出极大的研究潜力和应用价值.本文首先介绍了二维材料常见制备方法,聚焦概述了二维磁性材料在自旋轨道电子学领域中的研究进展,最后对本领域研究进行了展望.

关键词：自旋电子学二维磁性材料自旋轨道力矩

在线全文

学校读者我要写书评

暂无评论

混合曲率空间中的几何自适应元学习方法

计算机学报 2024年

作者：高志武玉伟贾云得北京理工大学计算机学院智能信息技术北京市重点实验室深圳北理莫斯科大学广东省智能感知与计算重点实验室

元学习通过学习先验知识，能帮助模型快速适应新任务。在适应新任务的过程中，空间几何结构与数据几何结构的匹配程度对模型的泛化能力起着重要作用。现实世界中的数据具有多样的非欧几何结构，例如自然语言具有非欧层级结构，人脸图像... 详细信息

元学习通过学习先验知识，能帮助模型快速适应新任务。在适应新任务的过程中，空间几何结构与数据几何结构的匹配程度对模型的泛化能力起着重要作用。现实世界中的数据具有多样的非欧几何结构，例如自然语言具有非欧层级结构，人脸图像具有非欧环状结构等。已有研究表明，真实数据的非欧结构同黎曼流形的几何结构相匹配，从理论上提供了利用黎曼流形来建模数据的可行性。本文提出了混合曲率空间（mixed-curvature space）中的几何自适应元学习方法，利用多个混合曲率空间来表示数据，并生成与数据非欧结构相匹配的黎曼几何。本文构建了多混合曲率神经网络，将混合曲率空间的几何结构表示为曲率空间的曲率、数量和维度，由此可以通过梯度下降过程实现对数据非欧结构的几何自适应。本文进一步引入几何初始化生成策略和几何更新策略，通过少数几步迭代，空间几何结构即可快速匹配数据非欧结构，加速了梯度下降过程。本文在小样本分类和小样本回归等任务上进行了实验验证。与欧氏空间的元学习方法相比，本文方法在小样本分类任务上取得了约3%的准确率提升，在小样本回归任务上将均方误差减少了一半，验证了本文方法的有效性。

关键词：元学习几何自适应混合曲率空间黎曼流形

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

上下文建模与推理的视频异常事件检测

计算机学报 2024年

作者：孙澈武玉伟贾云得北京理工大学计算机学院智能信息技术北京市重点实验室深圳北理莫斯科大学广东省智能感知与计算重点实验室

视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件。视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的，即它们是以目标为中心且高度上下文相关的。如何从底层的视频特征中提取事件高层语义上下... 详细信息

视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件。视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的，即它们是以目标为中心且高度上下文相关的。如何从底层的视频特征中提取事件高层语义上下文信息，并根据上下文信息进行视频异常事件检测仍是一个开放的难题。为此，本文提出了一种新的上下文建模与推理的视频异常事件检测方法。本文方法通过建立视频的上下文图，自动地推理事件相关的语义上下文信息，以缩小底层视觉特征与异常事件高层语义之间的差距，实现异常事件检测。具体来说，首先我们使用了预训练的目标检测网络，提取目标初始的表观特征、目标之间的时空关系特征和场景特征；其次我们设计一个上下文图推理模块，通过建模时空上下文图，将提取到的特征显式地建模为三类语义上下文，包括事件目标的个体行为、不同目标之间的时空关系以及目标与场景之间的交互，其中图的节点表示目标/场景，图的边表示时空关系；最后我们构建了一个异常预测模块，根据推理到的语义上下文信息进行异常事件检测。本文的上下文图推理模块是基于平均场理论，通过使用多个带有消息传递模块的循环神经网络，迭代更新图的节点和边的状态，目的是从底层的视觉特征中推理得到高层的语义上下文。本文的异常预测模块包括注意力池化网络层和全连接网络层，输入语义上下文信息，计算视频帧的异常分数，从而正确地进行异常事件检测。实验中，我们设计了一个自训练策略，分别使用了无监督、半监督、弱监督和监督四种训练策略，以端到端的方式训练时空上下文图推理模块和异常预测模块。本文方法在四个公开的数据集上进行实验，包括三个半监督的数据集Subway (Entrance/Exit)、Avenue和ShanghaiTech，以及一个监督的数据集UCF-Crime。与不使用上下文的方法相比，我们的方法在Subway (Entrance/Exit)、Avenue和ShanghaiTech数据集上的无监督AUC指标分别提高了2.7%/3.1%、2.0%和2.9%，半监督AUC指标分别提高了3.5%/3.3%、4.0%和4.3%。在监督数据集UCF-Crime上，与没有使用上下文的方法相比，我们的方法在半监督AUC、弱监督AUC和监督AUC的指标上分别提高了2.1%、0.4%和9.2%，取得了有竞争力的表现。

关键词：异常事件检测上下文建模与推理上下文图自训练策略深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于无源人工媒质的微型双频微波暗室

微波学报 2024年

作者：彭甜黄武寅杨利霞安徽大学信息材料与智能感知安徽省实验室

传统微波暗室造价高昂、占地面积大，一旦建成便无法移动，限制了其在实际工程场景的广泛应用。针对波长尺度微型微波暗室的研究对通信、微波系统等领域的天线设计与性能分析至关重要。本文基于无源人工媒质，构造了厚度为0.636mm，可... 详细信息

传统微波暗室造价高昂、占地面积大，一旦建成便无法移动，限制了其在实际工程场景的广泛应用。针对波长尺度微型微波暗室的研究对通信、微波系统等领域的天线设计与性能分析至关重要。本文基于无源人工媒质，构造了厚度为0.636mm，可同时工作在5.1GHz和9GHz的可共形双频全向无反射电磁波吸收表面，并进一步构建了直径为34.38cm的半封闭圆柱形微型微波暗室。在两个频率下的全波仿真结果验证了所构造双频电磁波吸收单元的有效性，通过计算获得的暗室内部空间电压驻波比分别为1.018和1.01，满足工业实验的要求。本研究提出的微型微波暗室双频工作，具有便携、结构简单、性能好的优点，有望在实际工程场景得到广泛应用。

关键词：无源人工媒质双频微波暗室等效媒质理论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于频域数据压缩感知的复合调制信号盲识别

电子科技大学学报 2024年第2期53卷 201-209页

作者：何羚阳鹏飞阎啸钟旭诺白泰礼电子科技大学航空航天学院成都611731 飞行器集群智能感知与协同控制四川省重点实验室成都611731

现有基于特征提取和模式识别的复合调制盲识别方法对特征和样本量敏感,且在多子载波情况下流程繁琐。基于统一载波体制复合调制信号建模,提出了以压缩后的复合调制信号频域数据为特征、利用倒残差分组卷积结构的轻量化神经网络对压缩数... 详细信息

现有基于特征提取和模式识别的复合调制盲识别方法对特征和样本量敏感,且在多子载波情况下流程繁琐。基于统一载波体制复合调制信号建模,提出了以压缩后的复合调制信号频域数据为特征、利用倒残差分组卷积结构的轻量化神经网络对压缩数据进行训练和分类的盲识别新思路。通过实验平台搭建和Python代码实现,对10种复合调制信号进行了不同信噪比下的盲识别对比试验,结果表明:该方法在0 dB信噪比条件下识别率可达94.5%,5 dB信噪比条件下识别率为100%;精确识别所需数据量少于基于统计特征和决策树的识别方法,分类所用神经网络的准确率和参数量亦优于基准网络。

关键词：复合调制盲识别统一载波体制频域数据压缩感知轻量化神经网络

光学自旋角动量的调控机理及研究进展(特邀)

在线全文

学校读者我要写书评

暂无评论

光学学报 2024年第10期44卷 23-46页

作者：苟新鑫李松泽石鹏袁小聪深圳大学射频异质异构集成全国重点实验室微纳光电子学研究院纳米光子学研究中心广东深圳518060 之江实验室智能感知研究院浙江杭州311100

自旋角动量是基本粒子和场的一个基本的动力学物理量,它在光与物质相互作用中扮演着极其重要的角色。在光学研究中,光的自旋角动量与圆极化密切相关,通过研究光学自旋与物质或结构的相互作用产生了许多新颖有趣的光学现象和光学应用,并... 详细信息

自旋角动量是基本粒子和场的一个基本的动力学物理量,它在光与物质相互作用中扮演着极其重要的角色。在光学研究中,光的自旋角动量与圆极化密切相关,通过研究光学自旋与物质或结构的相互作用产生了许多新颖有趣的光学现象和光学应用,并诞生了自旋光学这一新兴学科。过去的研究中,研究人员主要聚焦在与平均波矢方向平行的纵向光学自旋。近年来,科研人员通过研究限制场如聚焦波、导波和倏逝波等的自旋轨道耦合性质,发现了一类新型的光学自旋,这类自旋与平均波矢方向垂直,因此被称为光学横向自旋。横向自旋具有自旋动量绑定的性质,一经发现便受到研究人员的广泛关注。横向自旋的发现拓展了光学自旋轨道相互作用的内容,并在光学操纵、光学精密检测、手性量子光学和光学自旋拓扑态等领域具有广阔的应用前景。本文从理论、实验技术和应用3个方面详细介绍自旋光学的最新进展。自旋光学的理论概念和框架可为研究人员进一步开拓基于光学自旋在光学成像、光学探测、光通信和量子技术等领域的应用发挥巨大的作用,同时也可拓展到一般经典波场,比如流体波、声波和引力波等。

关键词：物理光学自旋角动量自旋动量绑定自旋轨道耦合光学微分计算光学探测横向光学力

基于多层小波深度聚合网络的高光谱图像超分辨率方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电子学报 2024年第1期52卷 201-216页

作者：方健杨劲翔肖亮南京理工大学计算机科学与工程学院江苏南京210094 江苏省光谱成像与智能感知重点实验室江苏南京210094

利用低空间分辨率高光谱(Low Resolution HyperSpectral Image,LR-HSI)和高空间分辨率多光谱图像(High Resolution Multi Spectral Image,HR-MSI)的有机结合,实现高光谱空间分辨率增强,是当前高光谱图像处理的热点问题.目前,深度学习已... 详细信息

利用低空间分辨率高光谱(Low Resolution HyperSpectral Image,LR-HSI)和高空间分辨率多光谱图像(High Resolution Multi Spectral Image,HR-MSI)的有机结合,实现高光谱空间分辨率增强,是当前高光谱图像处理的热点问题.目前,深度学习已成为高光谱-多光谱图像融合超分辨率的代表性方法,然而如何有效挖掘两者的互补空谱信息,实现空间结构和细节注入,在提升高光谱图像空间分辨率的同时保持高保真光谱信息,依然存在诸多挑战.本文提出了一种多层小波深度聚合网络(Multilevel Wavelet-Deep Aggregation Network,MW-DAN).该网络有机结合非抽取小波(Un Decimated Wavelet Transform,UDWT)分解和深度残差网络,建立双分支互补信息融合网络,提升图像重建性能.其中,通过深度残差网络中引入跳层汇聚连接,设计信息聚合型结构,并对多光谱图像进行UDWT方向子带分解,逐层注入到网络中间隐层,增强了方向子带结构的细节注入和光谱保真能力.整个网络通过LR-HSI,HR-MSI和HRHSI(High Resolution HyperSpectral Image)端对端训练,能够学习性能优越的空-谱融合的超分辨非线性映射.大量仿真数据集和真实数据集上的大量融合实验表明,本文提出的方法在客观评价指标、光谱保持和视觉效果上优于目前主流的深度学习方法 .

关键词：高光谱图像图像融合深度学习非抽取小波变换深度残差聚合模块