检索结果-南通市图书馆

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一种基于知识蒸馏的边缘联邦学习算法

郑州大学学报（理学版） 2025年第2期57卷 44-50页

作者：石玲何常乐常宝方王亚丽袁培燕河南师范大学计算机与信息工程学院河南新乡453007 智慧商务与物联网技术河南省工程实验室河南新乡453007

针对边缘计算环境中参与联邦学习的客户端数据资源的有限性,同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题,提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模... 详细信息

针对边缘计算环境中参与联邦学习的客户端数据资源的有限性,同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题,提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模型性能的特点,将知识蒸馏技术引入联邦学习的模型训练中。在每一轮的联邦学习模型训练过程中,客户端将模型参数和样本逻辑值一起上传到边缘服务器,服务器端聚合生成全局模型和全局软标签,并一起发送给客户端进行下一轮的学习,使得客户端在进行本地训练时也能够得到全局软标签知识的指导。同时在模型训练中对利用软标签知识和硬标签知识的占比设计了动态调整机制,使得在联邦学习中能够较为合理地利用两者的知识指导模型训练,实验结果验证了提出的基于知识蒸馏的边缘联邦学习算法能够有效地提升模型的精度。

关键词：边缘计算知识蒸馏客户端软标签硬标签

同方期刊数据库

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

基于信息表征增强的空间弱小目标检测方法

计算机学报 2025年

作者：范铭楷薛丹娜闫庆森朱宇孙瑾秋张艳宁西北工业大学计算机学院西北工业大学航天学院

基于深度学习的目标检测技术近年来取得了显著进展，已被广泛应用于多个领域。然而，目前尚缺乏专门针对空间目标设计的深度学习检测方法。与自然图像目标检测相比，空间目标检测面临着独特的挑战：首先，由于拍摄距离极远，空间目标在... 详细信息

基于深度学习的目标检测技术近年来取得了显著进展，已被广泛应用于多个领域。然而，目前尚缺乏专门针对空间目标设计的深度学习检测方法。与自然图像目标检测相比，空间目标检测面临着独特的挑战：首先，由于拍摄距离极远，空间目标在图像中通常仅呈现为包含少量像素的弱小光斑，缺乏清晰的形状和颜色特征；另外，复杂的空间环境以及设备因素会导致图像中存在各种噪声，例如杂散光引起的明亮背景、相机因素导致的热像素噪声；最后，视场中密集的恒星会导致在空间图像中容易出现部分光斑相互粘连的情况。上述难点无疑增加了空间目标检测的难度。本文提出了一种基于信息表征增强的无锚框空间弱小目标检测方法，该方法通过设计端到端卷积神经网络模型，能够实现同时对空间弱小目标检测和质心定位。针对目标弱小、背景噪声干扰的问题，我们首先设计了跨空间-通道注意力模块和压缩-激励的多尺度特征融合模块，提升模型对含噪图像中弱小目标的有效信息关注度，从而提高噪声背景下目标的检测能力；在此基础上，为了进一步解决光斑粘连的问题，我们引入了基于密度图的损失函数，通过使模型更加直接地学习图像中目标的整体空间分布与数量信息，以此使模型掌握粘连光斑中目标的数量，从而更准确分辨粘连光斑中各个独立目标。此外，本文仿真了包含点状、条状目标和多种噪声背景的空间图像，并对目标的质心位置、边界框和像素坐标进行了精细标注。为验证方法的有效性，我们在本文的仿真图像与公开的实拍序列图像数据集SpotGEO中进行了实验验证。在仿真图像数据测试中，本文方法的F1分数为95.34%，并实现了0.4478的亚像元级平均质心定位精度。同时，我们还对本文方法进行了不同噪声强度影响下质心定位精度测试以及不同硬件条件下处理效率测试，以更全面分析本文方法的能力。在公开的实拍序列图像数据集SpotGEO中，本文方法结合引入的序列后处理方法取得的F1分数为93.08%。实验结果证明了本文方法对空间弱小目标准确检测和精确定位方面的优越性能。

关键词：空间弱小目标检测质心定位注意力机制特征融合数量信息

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于前后景分割的图像情感分析

计算机工程与应用 2025年第1期61卷 206-213页

作者：高玮军刘书君孙子博兰州理工大学计算机与通信学院兰州730000

图像是生活中重要的信息源之一,对其所表达的内容进行细节分析,可以更充分地利用信息资源。随着信息化的快速发展,针对图像模态开展情感分析工作已成为目前研究的一大热点。图像情感分析的主要环节依次为:情感特征提取、情感空间的选择... 详细信息

图像是生活中重要的信息源之一,对其所表达的内容进行细节分析,可以更充分地利用信息资源。随着信息化的快速发展,针对图像模态开展情感分析工作已成为目前研究的一大热点。图像情感分析的主要环节依次为:情感特征提取、情感空间的选择、特征融合和情感识别分类。现有的大部分图像情感分析工作以图像整体为单位进行输入,未能充分发挥图像中局部特征的情感作用。如果不能对图像的全局特征和局部特征作出区分,当图像出现清晰度不高、背景噪声较多等问题时,图像的全局特征就会变得较为敏感,特征提取和识别工作将会受到严重干扰,对情感分析的准确性产生一定影响。针对目前图像情感分析存在的不足,提出一种基于前后景分割的图像情感分析方法。该方法以YOLOv5为框架,引入ConvNeXt模块和AFF模块,分别进行特征提取和注意力融合。实验结果表明,与目前比较流行的几种图像情感分析方法相比,该方法对于包含更多情感信息和语义信息的场景更为适用,性能也有所提升。

关键词：图像情感分析前后景分割特征融合 YOLOv5 局部特征全局特征

在线全文

学校读者我要写书评

暂无评论

2D Mesh的多故障容错路由算法

天津理工大学学报 2025年第1期41卷 70-76页

作者：胡宇杨代广珍陈乃金安徽工程大学电气工程学院安徽工程大学计算机与信息学院

容错路由算法是确保片上网络(network on chip, NoC)可靠性的主要方法，然而多故障点的绕行容错往往会导致网络负载不均衡及网络时延增大，为了解决这个问题提出了一种多故障点的无虚通道绕行容错路由算法。算法依赖于内建自测试(built-... 详细信息

容错路由算法是确保片上网络(network on chip, NoC)可靠性的主要方法，然而多故障点的绕行容错往往会导致网络负载不均衡及网络时延增大，为了解决这个问题提出了一种多故障点的无虚通道绕行容错路由算法。算法依赖于内建自测试(built-in self-test, BIST)技术获取故障区域的位置信息，继而传输到部分节点的故障存储器中。通过数据包在X维度和Y维度遇到故障区域的情况分别采用了不同的绕行策略，且无死锁特性。在8×8的2D Mesh中，相比于参考的算法，在故障区域大小横向扩展为2×2,2×3,2×4的情况下，饱和注入率分别提高了18.75%,30.23%,12.85%,并且均衡了故障区域周围的网络负载。通过周期精确的仿真模拟器实验表明，随着故障区域的横纵扩展，所提算法有效地减少了网络时延，提高了饱和注入率。

关键词：片上网络路由算法无虚通道容错饱和注入率

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

文档级神经机器翻译综述

软件学报 2025年第1期36卷 152-183页

作者：吕星林李军辉陶仕敏杨浩张民苏州大学计算机科学与技术学院华为翻译中心

机器翻译(machine translation, MT)研究旨在构建一个自动转换系统,将给定源语言序列自动地转换为具有相同语义的目标语言序列.由于机器翻译广阔的应用场景,使其成为自然语言理解领域乃至人工智能领域的一个重要的研究方向.近年来,端到... 详细信息

机器翻译(machine translation, MT)研究旨在构建一个自动转换系统,将给定源语言序列自动地转换为具有相同语义的目标语言序列.由于机器翻译广阔的应用场景,使其成为自然语言理解领域乃至人工智能领域的一个重要的研究方向.近年来,端到端的神经机器翻译(neural machine translation, NMT)方法显著超越了统计机器翻译(statistical machine translation, SMT)方法,成为目前机器翻译研究的主流方法.然而,神经机器翻译系统通常以句子为翻译单位,在面向文档的翻译场景中,将文档中每个句子独立地进行翻译,会因脱离文档的篇章语境引起一些篇章级的错误,如词语错翻、句子间不连贯等.因此将文档级的信息融入到翻译的过程中去解决跨句的篇章级错误是更加自然和合理的做法,文档级的神经机器翻译(document-level neural machine translation, DNMT)的目标正是如此,成为机器翻译研究的热门方向.调研了近年来在文档级神经机器翻译研究方向的主要工作,从篇章评测方法、使用的数据集和模型方法等方面系统地对当前研究工作进行了归纳与阐述,目的是帮助研究者们快速了解文档级神经机器翻译研究现状以及未来的发展和研究方向.同时在文中也阐述了在文档级神经机器翻译的一些展望、困难和挑战,希望能带给研究者们一些启发.

关键词：神经机器翻译 Transformer模型文档上下文篇章评测

V2O5/MWCNT纳米复合薄膜的制备及其光电特性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光子学报 2025年

作者：彭玮烨李毅何伟业张皓婷薛畅王伟刘红薇施张庆上海理工大学光电信息与计算机工程学院上海市现代光学系统重点实验室

选用99.99%纯度的V2O5粉末和多壁碳纳米管，采用溶胶凝胶法和后退火工艺在石英基底上制备了V2O5与多壁碳纳米管的纳米复合薄膜。通过场发射扫描电子显微镜、拉曼光谱仪、X射线衍射仪和X射线光电子能谱仪等表征了复合薄膜的表面形貌、结... 详细信息

选用99.99%纯度的V2O5粉末和多壁碳纳米管，采用溶胶凝胶法和后退火工艺在石英基底上制备了V2O5与多壁碳纳米管的纳米复合薄膜。通过场发射扫描电子显微镜、拉曼光谱仪、X射线衍射仪和X射线光电子能谱仪等表征了复合薄膜的表面形貌、结构、化学组成和元素，利用分光光度计等测试分析了复合薄膜的光电特性。结果表明，多壁碳纳米管的掺入使V2O5薄膜的带隙变宽，当温度从室温升至270℃时，其电阻从52.38 MΩ下降到0.97 MΩ，有近两个数量级的变化；在600～1 200 nm波长范围内，复合薄膜的平均透过率达58%，相变前后的透过率变化达2%，在0～7 V的电压调控下透过率随电压的增大而升高。复合薄膜经过多次高低温循环测试，其光电特性具有较好的可逆热致光电特性和稳定性，有望在新型光电器件和传感器等领域得以应用。

关键词：复合薄膜 V O 多壁碳纳米管溶胶凝胶光电特性

面向肉鸡疾病综合诊断的智能化平台及关键诊断流程研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国家禽 2025年

作者：彭星凯孔祥超孙博文陈长喜郭永敏向斌张立梅张万潮赵光煜杨恺斯天津农学院计算机与信息工程学院农业农村部智慧养殖重点实验室(部省共建) 云南农业大学动物医学院

为解决传统肉鸡疾病诊断方法存在的信息传递效率低、诊断时效性不足以及经济与时间成本高等问题，文章提出了一种面向肉鸡疾病综合诊断的智能化平台，并对其关键诊断流程进行研究。结果显示：该平台集成了数据采集与上传、机器学习模型... 详细信息

为解决传统肉鸡疾病诊断方法存在的信息传递效率低、诊断时效性不足以及经济与时间成本高等问题，文章提出了一种面向肉鸡疾病综合诊断的智能化平台，并对其关键诊断流程进行研究。结果显示：该平台集成了数据采集与上传、机器学习模型预测、专家诊断与审核流程、结果反馈与决策支持以及用户权限设置等模块；通过专家诊断、畜牧站审核和政府研判的融合，实现疾病的精准诊断、早期预警与高效防控；在模型性能方面，采用粒子群优化算法进行特征选择，并结合蜣螂优化算法对机器学习模型进行参数优化，提升预测性能；随机森林模型在最优特征集和参数配置下与粒子群优化算法和蜣螂优化算法的组合算法预测准确率达到94.02%，案例的综合诊断准确率为95.6%。研究表明，建立的肉鸡疾病综合诊断智能化平台在实际应用中诊断准确率较高，能够提升肉鸡养殖企业、养殖户的疾病诊断能力，减少养殖风险，为肉鸡养殖业的智能化、精准化疾病预警与防控提供新思路和技术支持。

关键词：肉鸡疾病综合诊断机器学习兽医专家畜牧站政府

LightGCNet:基于轻量化卷积网络的深度色域压缩算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2025年第1期19卷 196-210页

作者：杨晨徐昊朱佳伟吴秦柴志雷江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速,但处理结果缺乏细节且没有考虑人眼的感知特性,难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳,但极其耗时,无法投入实际应用。针对上述... 详细信息

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速,但处理结果缺乏细节且没有考虑人眼的感知特性,难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳,但极其耗时,无法投入实际应用。针对上述问题,提出了轻量化的深度色域压缩方法,该方法可在逼近迭代算法计算效果的同时保持接近经典算法的速度。为色域压缩算法设计了LightGCNet模型,该网络中的双层卷积由DSC与DW卷积组合而成,相比常规U-Net,参数量与计算复杂度急剧降低。为进一步提高模型先验性,将预训练得到的DW卷积中多个核通道进行重聚焦操作以建立联系,最终权重由重聚焦权重和预训练权重组成。针对色相、明度、彩度这三个色彩属性,设计了色域压缩专用的损失函数。该函数不仅考虑了像素级损失,而且融合了图像感知损失,并联合色彩属性的多尺度信息进行加权,解决了深度色域压缩过程中细节丢失的问题。基于迭代算法生成标签以训练网络,联合学习目标色域特征与图像信息,实现了与迭代算法相当的效果。实验结果表明:该方法与业界经典的SGCK算法相比,iCID值降低了17.08%,SSIM值提高了5.30%。相比常规U-Net模型,LightGCNet参数量减少了82.96%,乘加次数从8.5GFLOPs大幅下降至2.2GFLOPs,使改良模型更适于低端设备部署。该模型在CPU上处理单幅512×512图像仅需0.208s,计算时间比迭代类算法减少99.92%。

关键词：色域压缩轻量化深度学习色彩管理

基于KACNN-LSTM-MLP的超短期光伏发电功率预测

在线全文

学校读者我要写书评

暂无评论

电力科学与工程 2025年

作者：宋亚奇王婉玉万汝杰邢浩楠华北电力大学计算机系

针对光伏发电功率超短期预测问题，提出一种基于柯尔莫哥洛夫-阿诺德卷积神经网络和长短期记忆网络的预测模型。模型通过柯尔莫哥洛夫-阿诺德卷积神经网络实现图像样本空间特征提取，该网络的可学习卷积避免了传统卷积在图像特征提取过... 详细信息

针对光伏发电功率超短期预测问题，提出一种基于柯尔莫哥洛夫-阿诺德卷积神经网络和长短期记忆网络的预测模型。模型通过柯尔莫哥洛夫-阿诺德卷积神经网络实现图像样本空间特征提取，该网络的可学习卷积避免了传统卷积在图像特征提取过程中信息冗余问题。结合长短期记忆网络对天空图像序列中的时间特征进行建模，根据时空特征利用多层感知机实现光伏发电功率的单步预测。实验结果表明，所提模型相较于传统卷积能够实现更高精度的功率预测。

关键词：图像特征提取卷积神经网络光伏发电功率超短期预测 KACNN