检索结果-南通市图书馆

基于Vision Transformer的车辆重识别模型优化

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（理学版） 2025年第1期57卷 46-52页

作者：张震张亚斌田鸿朋郑州大学电气与信息工程学院河南郑州450001

针对车辆重识别任务中样本类内差异性大和类间相似度高的问题,提出了一种Vision Transformer框架下的车辆重识别方法。设计一种关键区域选择模块,整合Transformer中注意力分数矩阵,加强车辆的具有辨别性区域的关注程度,减小局部区域过... 详细信息

针对车辆重识别任务中样本类内差异性大和类间相似度高的问题,提出了一种Vision Transformer框架下的车辆重识别方法。设计一种关键区域选择模块,整合Transformer中注意力分数矩阵,加强车辆的具有辨别性区域的关注程度,减小局部区域过度集中的注意力权重;构建一种包含对比损失和中心损失的混合损失函数,对比损失函数的引入增强了模型捕捉和比较样本之间的差异的能力,中心损失使得同一类别的样本更加紧密地聚集在一起,增强类间样本的区分度。实验结果验证了其有效性。

关键词：车辆重识别自注意力机制注意力权重区域选择

维普期刊数据库博看期刊

基于Radix-4 Booth编码的并行乘法器设计

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（工学版） 2025年第1期46卷 26-33页

作者：范文兵周健章郑州大学电气与信息工程学院河南郑州450001

速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化... 详细信息

速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化基数为4的改进Booth编码器和解码器,此结构采用较少的逻辑门资源,并且易对输入比特进行并行化处理。在Wallace压缩电路中,对符号扩展位进行预处理并设计新的压缩器结构,优化整个Wallace压缩模块。在第二级压缩过程中提前对高位使用纹波进位加法器结构计算,减小了多bit伪和的求和位数。在求和电路中,使用两级超前进位加法器结构,在缩短关键路径传输延时的同时避免增大芯片面积,提高了乘法器的运行速度。新型定点乘法器与已有的乘法器结构相比,减少了12.0%的面积,降低了20.5%的延时。

关键词： Radix-4 Booth编码面积传输延时编码器解码器 Wallace压缩

基于多视图融合和2.5D U-Net的海马体图像分割

在线全文

学校读者我要写书评

暂无评论

郑州大学学报(工学版) 2025年

作者：陈立伟彭逸飞余仁萍孙源呈郑州大学电气与信息工程学院

针对现有海马体自动分割方法不能很好地利用上下文信息导致分割准确率难以提高,训练和检测过程中内存消耗大的问题,提出了一个基于多视图融合和2.5D U-Net的海马体图像分割模型MVF-2.5D-UNet。首先,模型对2D U-Net进行了改进,增加Triple... 详细信息

针对现有海马体自动分割方法不能很好地利用上下文信息导致分割准确率难以提高,训练和检测过程中内存消耗大的问题,提出了一个基于多视图融合和2.5D U-Net的海马体图像分割模型MVF-2.5D-UNet。首先,模型对2D U-Net进行了改进,增加Triplet Attention模块的同时调整了网络的层深;其次,使用相邻切片组成的三通道2.5D图像代替传统的单切片输入;最后,构建了一个体积融合网络代替传统的众数投票机制。在ADNI-HarP数据集上通过交叉验证的方式对网络进行了实验验证。实验结果表明:所提的模型在海马体分割任务上的平均Dice系数和豪斯多夫距离分别为90.2%和3.02,准确率和稳定性优于传统的U-Net模型和对比算法,同时适用于资源受限的环境。证明所提出的模型能够更有效地实现磁共振影像上的海马体分割。

关键词：海马体分割卷积神经网络 U-Net Triplet Attention 注意力机制体积融合网络

基于熵权与集成学习的半监督小样本树种分类研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

森林工程 2025年第1期41卷 151-161页

作者：王静李静河南机电职业学院信息工程学院郑州451191 河南科技大学信息工程学院河南洛阳471000

针对传统半监督自训练分类方法易导致数据集混乱,影响后续小样本树种分类精度这一问题,基于熵权法(en-tropy weight,EW)与集成学习(ensemble learning,EL)提出EW-EL的半监督小样本树种分类方法。EW-EL在传统半监督自训练分类方法的理论... 详细信息

针对传统半监督自训练分类方法易导致数据集混乱,影响后续小样本树种分类精度这一问题,基于熵权法(en-tropy weight,EW)与集成学习(ensemble learning,EL)提出EW-EL的半监督小样本树种分类方法。EW-EL在传统半监督自训练分类方法的理论上引入EL的思想,以熵权法作为基础理论设计按基分类器当前训练周期下的F1分数计算的信息熵作为计算权重因子,再依信息熵越大基分类器越不稳定思想设计权重,使集成分类器分类概率更集中,减少集成分类器偏向性。结果显示,EW-EL较传统半监督自训练方法能更有效地均衡数据分布,使新加入数据的伪标签样本类别更准确。EW-EL所得到的小样本树种分类总精度(OA)为0.97、召回率(Recall)为0.96及Kappa系数为0.97,3种指标均优于监督分类、传统半监督自训练方法及利用传统EL机制所构建的半监督自训练方法。其中,EW-EL方法较融合软投票机制的半监督自训练方法,OA与Recall均提升了1%。EW-EL联合简单线性迭代聚类所制成的树种图在所选测试区内达到了94%。此外,进一步分析证明,EW-EL能通过集成诸多分类器,来实现更佳的小样本树种分类结果,更适用于低成本下的相关部门进行林业资源统计的工作。

关键词：无人机影像熵权法深度学习集成学习半监督小样本分类树种分类树种制图 EW-EL

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

提示学习中思维链生成和增强方法综述

计算机科学 2025年第1期52卷 56-64页

作者：郑明琪陈晓慧刘冰张兵张然信息工程大学数据与目标工程学院郑州450000

大语言模型凭借其卓越的语言理解和文本生成能力,在多个领域取得了突破性进展。尽管如此,其在处理复杂推理任务时的表现往往不尽如人意,准确率的提升空间依然巨大。针对这一挑战,学术界提出了思维链策略,这是一种创新的方法,通过让模型... 详细信息

大语言模型凭借其卓越的语言理解和文本生成能力,在多个领域取得了突破性进展。尽管如此,其在处理复杂推理任务时的表现往往不尽如人意,准确率的提升空间依然巨大。针对这一挑战,学术界提出了思维链策略,这是一种创新的方法,通过让模型生成推理过程来增强模型的推理性能。文中通过全面梳理和深入分析现有的思维链研究,不仅总结了其核心概念和结构框架,还详细探讨了推理生成方法和增强方法。进一步对思维链在不同任务场景中的应用进行了广泛探讨,展示了思维链在提升模型性能方面的潜力。同时,也对思维链的局限性进行了批判性分析,指出了思维链方法存在的不足。最后,对思维链的未来发展进行了前瞻性展望,旨在为思维链未来的研究方向提供指导,并为该领域的研究者提供有价值的参考和启示。

关键词：思维链大语言模型提示学习推理生成推理增强

一种应用于NB-IoT通信的高线性CMOS功率放大器

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2025年第2期 35-40页

作者：张家康刘博张立文罗怡昕侯琳冰河南科技大学信息工程学院

为满足复杂的NB-IoT通信调制模式对功率放大器输出线性度的要求，提出一种面向NB-IoT通信应用的700～900 MHz高线性度CMOS功率放大器（PA）。该放大器采用两级结构，工作于AB类放大状态，驱动级和输出功率级分别采用自偏置的共源共栅结... 详细信息

为满足复杂的NB-IoT通信调制模式对功率放大器输出线性度的要求，提出一种面向NB-IoT通信应用的700～900 MHz高线性度CMOS功率放大器（PA）。该放大器采用两级结构，工作于AB类放大状态，驱动级和输出功率级分别采用自偏置的共源共栅结构和共源放大器结构，驱动级为功率级提供大的电压输出摆幅。为提高线性度，采用二极管线性化偏置技术改善晶体管输入电容的非线性导致的增益压缩和相位失真现象，将输出1 dB压缩点提升3.2 dB。采用65 nm/1.2 V CMOS工艺完成电路版图设计，整体放大器的版图尺寸为0.68 mm×1 mm。仿真结果表明，在700～900 MHz工作频带内，功率放大器的小信号增益大于19 dB，输入反射系数S11小于等于-12 dB，功率附加效率（PAE）峰值为29.6%，输出1 dB压缩点为22.7 dBm。所提出的功率放大器电路具有高线性度、低功耗、小尺寸的特点，可有效满足NB-IoT通信并用于700～900 MHz频段内射频信号功率放大的应用需求。

关键词：功率放大器 NB-IoT通信线性度自偏置共源共栅结构增益压缩 1 dB压缩点 PA电路版图

基于SVR-LSTM的人体上肢运动遮挡轨迹补偿方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

郑州大学学报（理学版） 2025年第1期57卷 1-7页

作者：彭金柱刘涵菲卞英楠郑州大学电气与信息工程学院河南郑州450001 河南交通职业技术学院物流学院河南郑州451460

在人机协作过程中,由于光照条件等环境因素和机器人设备摆放等遮挡原因,导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失,进而导致意图识别不准确,增加了机器人运动的不确定性。因此,提出了一种基于支持... 详细信息

在人机协作过程中,由于光照条件等环境因素和机器人设备摆放等遮挡原因,导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失,进而导致意图识别不准确,增加了机器人运动的不确定性。因此,提出了一种基于支持向量回归(support vector regression,SVR)和长短期记忆(long short-term memory,LSTM)的人体上肢运动时间序列轨迹缺失补偿方法。采用网格搜索法对SVR模型中的参数进行优化来完善历史样本数据集,结合长短期记忆网络对短、长时间序列轨迹缺失的预测补全更精确的优势,将SVR模型补全的历史样本数据集输入LSTM模型训练,进一步降低补偿误差。实验结果表明,在三维空间350 mm的运动尺度范围内,轨迹缺失程度为10%时,SVR-LSTM模型补偿轨迹的平均误差是0.14 mm;轨迹缺失程度为30%时,SVR-LSTM模型补偿轨迹的平均误差是0.47 mm。

关键词：遮挡轨迹时间序列意图识别轨迹补偿 SVR-LSTM模型

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

基于特征增强和样本充分学习的红外飞机检测

电光与控制 2025年第1期32卷 54-60页

作者：徐红鹏刘刚司起峰陈会祥河南科技大学信息工程学院河南洛阳471000

针对深度学习单阶段检测算法对红外飞机目标的特征提取能力不足以及样本学习不充分的问题,提出基于特征增强的全局上下文机制(FEGCM)和样本充分学习的目标检测算法。FEGCM可获取包含目标的全局信息与局部信息的特征图,从而提高特征提取... 详细信息

针对深度学习单阶段检测算法对红外飞机目标的特征提取能力不足以及样本学习不充分的问题,提出基于特征增强的全局上下文机制(FEGCM)和样本充分学习的目标检测算法。FEGCM可获取包含目标的全局信息与局部信息的特征图,从而提高特征提取网络对目标特征的提取能力。通过在Focal Loss中添加调制因子,在关注难负样本学习的基础上,充分利用包含目标特性的部分易负样本,使得样本充分学习,从而帮助检测算法学习到更有意义的目标特征。实验表明,所提算法在自制红外飞机数据集上的mAP_(50)达到96.9%,能够有效实现红外飞机目标检测。

关键词：红外飞机检测全局上下文空间注意力 Focal Loss 易负样本

维普期刊数据库博看期刊

基于非负稀疏编码的位置细胞反馈环路学习模型

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（理学版） 2025年第1期57卷 31-39页

作者：任梦辉王东署郑州大学电气与信息工程学院河南郑州450001 龙门实验室智能系统科创中心河南洛阳471000

为了探究大脑导航编码的神经机制,聚焦内嗅皮层与海马体之间的神经连接进行模型研究。生理学证据显示,内嗅皮层与海马体之间存在显著的反馈回路连接,两者的空间编码细胞在导航行为中表现出高度关联性。基于这一基础,建立了反馈循环网络... 详细信息

为了探究大脑导航编码的神经机制,聚焦内嗅皮层与海马体之间的神经连接进行模型研究。生理学证据显示,内嗅皮层与海马体之间存在显著的反馈回路连接,两者的空间编码细胞在导航行为中表现出高度关联性。基于这一基础,建立了反馈循环网络模型,将内嗅皮层的栅格细胞与弱空间细胞作为网络输入,连接到海马体的位置细胞与颗粒细胞,并采用非负稀疏编码进行学习。实验结果表明:该反馈学习模型可以快速捕获细胞的空间调谐特性,仅使用弱空间细胞作为输入,也可以通过反馈环路学习到海马位置细胞对空间的单峰选择性,说明反馈编码机制在优化空间表示中发挥着关键作用。总之,该模型可能是大脑导航系统生成精确空间编码的重要细胞机制之一。

关键词：内嗅皮层海马体栅格细胞位置细胞反馈循环非负稀疏编码

维普期刊数据库博看期刊