检索结果-南通市图书馆

超低介电常数的多孔F-pSiCOH薄膜制备及其紫外固化处理

在线全文

学校读者我要写书评

暂无评论

化工新型材料 2024年第S1期52卷 128-131,142页

作者：陈云江西科技学院人工智能学院南昌330098

面向高性能集成电路可靠性设计要求之下,开展以硅集成电路(IC)三维集成器件超低介电常数的介电薄膜研究。采用化学气相沉积法制备了一种超低介电常数(k)值的多孔F-pSiCOH薄膜。利用傅里叶变换红外光谱测定了多孔F-pSiCOH薄膜的化学结构... 详细信息

面向高性能集成电路可靠性设计要求之下,开展以硅集成电路(IC)三维集成器件超低介电常数的介电薄膜研究。采用化学气相沉积法制备了一种超低介电常数(k)值的多孔F-pSiCOH薄膜。利用傅里叶变换红外光谱测定了多孔F-pSiCOH薄膜的化学结构和化学键,并探究了紫外线辐射对多孔F-pSiCOH薄膜机械性能的影响。结果表明:纳米孔和氟原子的引入能有效地降低介电常数,使多孔F-SiCOH薄膜的k值为2.15。紫外固化处理增强了多孔F-pSiCOH薄膜的弹性模量,使多孔F-pSiCOH薄膜的弹性模量从4.84GPa增大到5.76GPa,力学性能得到优化。

关键词：硅集成电路低介电常数介电材料多孔SiCOH薄膜紫外固化

踏面匹配与初始裂纹形态交互作用下车轮多轴疲劳裂纹扩展特性

在线全文

学校读者我要写书评

暂无评论

材料导报 2024年第4期38卷 187-191页

作者：黄奎龙余刚方修洋张昊楠西南交通大学机械工程学院成都610031 江西科技学院人工智能学院南昌330096

地铁车辆车轮裂纹常萌生于车轮踏面及亚表面,亚表面裂纹是影响车轮寿命的关键因素之一。借助有限元仿真方法,在轮轨接触三维模型亚表面处插入初始裂纹,研究了不同轮轨匹配形式、不同初始裂纹形态对亚表面疲劳裂纹扩展特性的影响。结果显... 详细信息

地铁车辆车轮裂纹常萌生于车轮踏面及亚表面,亚表面裂纹是影响车轮寿命的关键因素之一。借助有限元仿真方法,在轮轨接触三维模型亚表面处插入初始裂纹,研究了不同轮轨匹配形式、不同初始裂纹形态对亚表面疲劳裂纹扩展特性的影响。结果显示,车轮亚表面3 mm处接触应力数值最大,在锥形、LM型、LMA型三种踏面类型中,采用LM型踏面时车轮亚表面等效应力最大,最容易发生疲劳破坏;裂纹扩展均呈现出多轴疲劳裂纹扩展特性,锥形踏面工况下裂纹的扩展速率高于其余两种踏面类型下的裂纹扩展速率;不同初始裂纹角度中,45°初始裂纹角度是最危险的角度;初始裂纹深度对裂纹的扩展路径基本无影响。本研究结果对车轮亚表面埋藏裂纹缺陷评判及剩余寿命预测有一定的工程及理论指导意义。

关键词：车轮轮轨型面匹配初始裂纹亚表面疲劳裂纹扩展

含网络攻击的智能网联汽车路径跟踪状态估计与控制

在线全文

学校读者我要写书评

暂无评论

机械科学与技术 2024年第1期43卷 159-165页

作者：易星曹青松江西科技学院协同创新中心南昌330098 江西科技学院人工智能学院南昌330098

智能网联汽车具有信息物理系统(Cyber-physical systems, CPS)的特征,运行中容易受到网络攻击的不利影响,造成通信数据的异常交互,降低行车安全。建立智能网联汽车路径跟踪动力学模型和两自由度汽车操纵动力学模型,分析车辆路径跟踪控... 详细信息

智能网联汽车具有信息物理系统(Cyber-physical systems, CPS)的特征,运行中容易受到网络攻击的不利影响,造成通信数据的异常交互,降低行车安全。建立智能网联汽车路径跟踪动力学模型和两自由度汽车操纵动力学模型,分析车辆路径跟踪控制系统信息架构,考虑系统响应存在网络攻击,将连续系统状态空间方程进行离散化处理。根据线性二次估计设计一种递归状态估计器。仿真研究网络攻击对智能网联汽车路径跟踪的影响,状态估计器对网络攻击下车辆路径跟踪控制的效果及鲁棒性。结果表明:网络攻击会导致智能网联汽车路径跟踪效果变差,验证了状态估计器能够有效改善网络攻击对车辆跟踪控制的不利影响,且当网络攻击程度λ、协方差P初值的不同,状态估计器表现出较好的鲁棒性。本研究能够保证网络攻击下智能网联汽车数据信息的可靠交互,有利于改善智能网联汽车跟踪行驶的性能。

关键词：智能网联汽车网络攻击路径跟踪状态估计信息物理系统

用于睡眠精准分期的多模态生理时频特征提取网络

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第1期41卷 26-33页

作者：胡凯蕾陈景霞张鹏伟雪雯谢佳陕西科技大学电子信息与人工智能学院西安710021

睡眠分期对临床疾病诊断以及睡眠质量评估至关重要。现有睡眠分期方法大多通过单通道或单模态信号,使用单分支深层卷积网络进行特征提取,这不仅阻碍了睡眠相关多样性特征的捕获,增加了计算代价,而且对睡眠分期的准确率也有一定的影响。... 详细信息

睡眠分期对临床疾病诊断以及睡眠质量评估至关重要。现有睡眠分期方法大多通过单通道或单模态信号,使用单分支深层卷积网络进行特征提取,这不仅阻碍了睡眠相关多样性特征的捕获,增加了计算代价,而且对睡眠分期的准确率也有一定的影响。为解决这一问题,本文提出一种端到端的用于睡眠精准分期的多模态生理时频特征提取网络(MTFF-Net)。首先,利用短时傅里叶变换(STFT)将包含脑电(EEG)、心电(ECG)、眼电(EOG)、肌电(EMG)的多模态生理信号转换为二维时频特征图;然后,使用多尺度EEG紧凑卷积网络(Ms-EEGNet)与双向门控循环(Bi-GRU)网络相结合的时频特征提取网络,捕获与睡眠特征波形相关的多尺度频谱特征以及与睡眠阶段转换相关的时序特征。根据美国睡眠医学学会(AASM)EEG睡眠分期判据,该模型在科英布拉大学系统与机器人研究所第三组子睡眠数据集(ISRUC-S3)上的五分类任务中取得了84.3%的准确率,其宏观F1分数(m-F1)的值为83.1%,科恩卡帕(Cohen's Kappa)系数为79.8%。实验结果表明,本文所提模型实现了更高的分类准确率,推进了深度学习算法在辅助临床决策中的应用。

关键词：睡眠分期生理信号多模态多尺度双向门控循环网络

在线全文

学校读者我要写书评

暂无评论

动力翼伞风扰补偿高度控制方法

国防科技大学学报 2024年第3期46卷 116-125页

作者：孙昊孙青林卢伟涛南开大学人工智能学院天津300350

外界风场是影响翼伞高度跟踪精度的最主要扰动因素。针对该问题,建立了动力翼伞的八自由度模型,并在传统自抗扰控制的基础上,设计一种基于风场前馈补偿的改进抗扰控制器,对外界的风场干扰进行针对性补偿,实现翼伞系统的高度跟踪控制。... 详细信息

外界风场是影响翼伞高度跟踪精度的最主要扰动因素。针对该问题,建立了动力翼伞的八自由度模型,并在传统自抗扰控制的基础上,设计一种基于风场前馈补偿的改进抗扰控制器,对外界的风场干扰进行针对性补偿,实现翼伞系统的高度跟踪控制。在通过仿真实验对控制器进行初步验证的基础上,进行了翼伞系统的实际飞行实验。在实际飞行环境下,仿真中所调节的控制器参数可直接应用于实际飞行实验,翼伞系统的平均高度跟踪误差在2.5 m以内,证明所设计的控制器存在一定的实际应用价值。

关键词：自抗扰控制翼伞系统高度控制风场补偿轨迹跟踪

在线全文

学校读者我要写书评

暂无评论

深度学习优化器进展综述

计算机工程与应用 2024年第7期60卷 1-12页

作者：常禧龙梁琨李文涛天津科技大学人工智能学院天津300457

优化器是提高深度学习模型性能的关键因素,通过最小化损失函数使得模型的参数和真实参数接近从而提高模型的性能。随着GPT等大语言模型成为自然语言处理领域研究焦点,以梯度下降优化器为核心的传统优化器对大模型的优化效果甚微。因此... 详细信息

优化器是提高深度学习模型性能的关键因素,通过最小化损失函数使得模型的参数和真实参数接近从而提高模型的性能。随着GPT等大语言模型成为自然语言处理领域研究焦点,以梯度下降优化器为核心的传统优化器对大模型的优化效果甚微。因此自适应矩估计类优化器应运而生,其在提高模型泛化能力等方面显著优于传统优化器。以梯度下降、自适应梯度和自适应矩估计三类优化器为主线,分析其原理及优劣。将优化器应用到Transformer架构中,选取法-英翻译任务作为评估基准,通过实验深入探讨优化器在特定任务上的效果差异。实验结果表明,自适应矩估计类优化器在机器翻译任务上有效提高模型的性能。同时,展望优化器的发展方向并给出在具体任务上的应用场景。

关键词：优化器机器翻译 Transformer 深度学习学习率预热算法

在线全文

学校读者我要写书评

暂无评论

用户生成内容场景下角色导向图神经推荐方法

计算机学报 2024年第6期47卷 1288-1303页

作者：娄铮铮朱军娇张万闯吴宾郑州大学计算机与人工智能学院郑州450001

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统... 详细信息

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统推荐场景,UGC场景下用户同时扮演生产者和消费者双重角色,这使得在构建推荐模型时既需要考虑消费者与内容之间的交互信息,也需关注内容生产者对于消费者决策的影响.因此,UGC场景下个性化推荐算法研究的关键在于如何充分挖掘消费者-内容和消费者-生产者之间的关联关系.在面向UGC场景的推荐研究中,比较有代表性的模型为CPRec,该模型虽取得一定进展,但仍存在两点不足之处.其一,在模型构建层面,未能显式建模消费者-内容与消费者-生产者之间的高阶连通关系,难以学习出高质量的节点表征.其二,在模型优化层面,无法区分每个观测数据在不同训练阶段的贡献度,将影响推荐结果的质量.为此,本文提出一种新颖的角色导向图神经推荐方法RGNRec(Role-Guided Graph Neural Recommendation)用于UGC场景的个性化排序任务.特别地,基于用户的历史行为数据与内容的创作者信息分别构建了消费者-内容交互图和消费者-生产者交互图.进一步,为了显式捕获两种交互图中的高阶连通信息,构建一种双通道线性传播模块,同时刻画了消费者兴趣与内容生产者影响的扩散过程.最终,提出设计一种自适应的正样本权重生成策略,将其融入非采样损失函数,并建立双层优化机制来学习模型的参数.本文的核心贡献包括:(1)引入双通道线性传播模块,以显式解耦出自身兴趣与内容生产者效应对于用户偏好建模的不同贡献度;(2)提出权重自适应的非采样损失函数,以解决不同观测样例在模型不同训练阶段贡献不同的问题.本文分别采用经典的和最先进的图神经网络方法作为基准,在3个UGC场景Pinterest、Recipes和Reddit下进行了实验对比.在整体推荐性能方面,无论模型精度亦或训练效率上均优于各基准方法,尤其在Precision@10指标上获得了 4.31%~17.83%的提升;然后通过消融实验验证了双通道线性传播模块和权重自适应优化机制的合理性与必要性;最后通过实验验证了本文方法在缓解数据稀疏和用户冷启动方面的优越性.

关键词：推荐系统图神经网络用户生成内容双重角色非采样学习

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

车联网环境下交叉路口车辆入队与轨迹规划

公路 2024年第5期69卷 277-284页

作者：李香芹曹青松易星江西科技学院人工智能学院南昌市330098 江西科技学院协同创新中心南昌市330098

针对车联网环境下的十字交叉路口车辆换道进入主路的交通场景,重点考虑交叉路口次路车右转弯加入主路车辆的情形,根据交叉路口车辆的行驶特征,建立次路车入队运动学模型和主路车队控制模型。对比分析主路车队采用不变间距控制策略和变... 详细信息

针对车联网环境下的十字交叉路口车辆换道进入主路的交通场景,重点考虑交叉路口次路车右转弯加入主路车辆的情形,根据交叉路口车辆的行驶特征,建立次路车入队运动学模型和主路车队控制模型。对比分析主路车队采用不变间距控制策略和变间距控制策略,在给定初始条件下,分别获得车队给次路车预留间隙过程中车队车辆的位移和速度变化曲线。采用四阶贝塞尔曲线得到次路入队车辆在交叉路口的可行轨迹区域,并进行轨迹规划,以使入队车辆安全平稳入队。最后以5辆车队列为例,利用MATLAB软件仿真分析主路车队在次路车辆入队过程的速度、位移的变化特点,并规划次路车的进入主路的轨迹路径。结果表明:主路车队采用变间距控制策略更有利于次路车安全平稳入队,次路车最佳入队位置与其速度、轨迹和初始位置有关。研究结果可为提高交叉路口通行效率和交通安全提供参考。

关键词：交通流仿真智能车辆队列车联网车辆交叉路口入队控制轨迹规划

3DGE-UNet磁共振成像的脑胶质瘤全自动分割算法:对不充分全局特征提取的改进

在线全文

学校读者我要写书评

暂无评论

四川大学学报（医学版） 2024年第2期55卷 447-454页

作者：田恒屹王瑜计亚荣 Rahman MdMostafizur 北京工商大学人工智能学院北京100048

目的脑胶质瘤及其子区域的全自动分割是计算机辅助肿瘤临床诊断的基础,卷积神经网络在脑部磁共振成像(magnetic resonance imaging, MRI)分割过程中,小卷积核只能提取局部特征而无法有效融合全局特征,缩小了对影像信息的感知范围,从而... 详细信息

目的脑胶质瘤及其子区域的全自动分割是计算机辅助肿瘤临床诊断的基础,卷积神经网络在脑部磁共振成像(magnetic resonance imaging, MRI)分割过程中,小卷积核只能提取局部特征而无法有效融合全局特征,缩小了对影像信息的感知范围,从而导致分割精度不足的问题。本研究旨在利用膨胀卷积,针对三维(three-dimensional, 3D)-UNet不能充分提取全局特征的问题进行改进。方法 (1)算法构建:本文提出一种带有三条全局上下文特征提取通路的3D-UNet模型,即3DGE-UNet模型。使用脑部肿瘤分割挑战赛(Brain Tumor Segmentation Challenge, BraTS)2019提供的公开数据集(335例患者),设计一种全局上下文特征提取(more global contextual feature extraction, GE)模块,并将该模块引入到3DUNet网络的第一、二、三条跳跃连接处,利用该模块充分提取图像的不同尺度全局特征,并与上采样得到的特征图叠加,扩大模型感受野,实现不同尺度特征的深层融合,从而完成端到端的脑肿瘤全自动分割。(2)算法验证:图像数据来源于BraTs2019数据集(335例患者术前MRI图像,包括T1、T1ce、T2和FLAIR四种模态图像和一张医生标注的肿瘤标签图像),将数据集分别按照8∶1∶1划分为训练集、验证集和测试集。以医生标注的肿瘤标签图像为金标准,使用Dice系数(综合评价有效性)、敏感度(病灶区域的查全率)和95%Hausdorff距离(肿瘤边界的分割精度)在测试集中评估算法对完整肿瘤区域(whole tumor, WT)、核心肿瘤区域(tumor core, TC)和增强肿瘤区域(enhancing tumor, ET)三种区域的分割性能,分别使用无GE模块的3D-UNet模型和有GE模块的3DGE-UNet模型进行检测,内部验证GE模块设置的有效性。使用3DGEUNet模型、ResUNet、UNet++、nnUNet、UNETR检测上述性能指标,并比较5种算法模型的收敛性,外部验证3DGEUNet模型的有效性。结果 (1)在内部验证中,改进的3DGE-UNet模型在测试集中分割WT、TC和ET区域的Dice均值分别为91.47%、87.14%和83.35%,与传统的3D-UNet模型相比(89.79%、85.13%和80.90%),综合评价达到了最优值,对于三个区域的分割精度都有提升(P<0.05)。3DGE-UNet模型与3D-UNet模型相比,ET区(86.46%vs. 80.77%)具有更高的敏感度(P<0.05),在查全率方面表现更为优越,在面对病灶区域时,3DGE-UNet模型更倾向于正确识别并捕获更全面的阳性区域,更为有效地避免漏诊发生。3DGE-UNet模型在肿瘤WT区域边缘分割的出色性能,其95%Hausdorff距离均值优于3DUNet模型(8.17 mm vs. 13.61 mm,P<0.05),但在TC区(8.73 mm vs. 7.47 mm)和ET区(6.21 mm vs. 5.45 mm)的性能表现与3DUNet模型相似。(2)在外部验证中,其余4种算法仅TC的Dice均值(87.25%)、WT的敏感度均值(94.59%)、TC的敏感度均值(86.98%)和ET的平均95%Hausdorff距离(5.37 mm)优于3DGE-UNet模型,但差异无统计学意义。3DGE-UNet模型可以在训练阶段快速收敛,速度优于其他外部模型。结论 3DGE-UNet模型可以有效地提取和融合不同尺度的特征信息,提高脑肿瘤分割的准确性。

关键词：脑胶质瘤核磁共振成像图像处理计算机辅助人工智能