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

基于多引导结构感知网络的深度补全

控制与决策 2024年第2期39卷 401-410页

作者：孙虎金宇强张文安付明磊浙江工业大学信息工程学院杭州310023 浙江省嵌入式系统联合重点实验室杭州310023

针对三维场景深度信息观测稀疏问题,提出一种融合彩色图像的多引导结构感知网络模型以补全稀疏深度.首先,利用三维平面法向量与场景梯度信息之间的映射关系,设计一种两分支主干网络框架,结合图像特征和几何特征进行深度预测,以充分提取... 详细信息

针对三维场景深度信息观测稀疏问题,提出一种融合彩色图像的多引导结构感知网络模型以补全稀疏深度.首先,利用三维平面法向量与场景梯度信息之间的映射关系,设计一种两分支主干网络框架,结合图像特征和几何特征进行深度预测,以充分提取空间位置信息的特征表示;然后,考虑到大范围场景下不同物体的结构差异性,基于网络通道注意力机制设计一种自适应感受野的结构感知模块,以对不同尺度的信息进行表征;最后,在网络采样的过程中,以不同尺寸图像为指导对预测子深度图进行滤波并修复物体的边缘细节.公开数据集上的实验结果表明,所设计的深度补全算法可以获得准确的稠密深度,同时通过两个下游感知任务进行深入评估,表明利用所提出方法能够有效提升其他感知任务的效果.

关键词：稀疏场景深度补全结构感知多传感器融合图像引导滤波自适应感受野

基于肌电−惯性融合的人体运动估计:高斯滤波网络方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第5期50卷 991-1000页

作者：杨旭升李福祥胡佛张文安浙江工业大学信息工程学院杭州310023 浙江省嵌入式系统联合重点实验室杭州310023

本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精... 详细信息

本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.

关键词：高斯滤波网络多传感器融合人体运动估计非线性卡尔曼滤波

在线全文

学校读者我要写书评

暂无评论

基于渐进高斯滤波融合的多视角人体姿态估计

自动化学报 2024年第3期50卷 607-616页

作者：杨旭升吴江宇胡佛张文安浙江工业大学信息工程学院杭州310023 浙江省嵌入式系统联合重点实验室杭州310023

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡... 详细信息

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

关键词：渐进高斯滤波自适应滤波分布式融合人体姿态估计

用于时变矩阵计算的固定时间递归神经网络及其在重复运动规划中的应用

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第8期51卷 324-332页

作者：李杏仲国民浙江工业大学信息工程学院杭州310023

文中提出了具有对数调节时间的固定时间收敛递归神经网络(Recurrent Neural Network,RNN)模型,用于求解时变矩阵计算问题。设计并详细分析了两个新颖的RNN模型,推导出在给定初始条件下模型调节时间函数的精确表达式;并给出任意初始条件... 详细信息

文中提出了具有对数调节时间的固定时间收敛递归神经网络(Recurrent Neural Network,RNN)模型,用于求解时变矩阵计算问题。设计并详细分析了两个新颖的RNN模型,推导出在给定初始条件下模型调节时间函数的精确表达式;并给出任意初始条件下调节时间函数的上界。相比现有的固定时间收敛的RNN模型,两个新颖的模型具有对数调节时间,其调节时间上界更小,收敛速度更快。考虑到初始误差实际上在一个有界的区域内,给出RNN模型半全局对数调节时间函数,并由此推导出半全局意义上的调节时间函数的上界。采用RNN模型半全局调节时间上界的倒数,提出半全局预定时间收敛到精确解的改进RNN模型,其预定时间是一个可调参数。给出了所提RNN模型对时变Lyapunov方程和时变Sylvester方程求解的仿真结果,并将其应用于具有初始误差的冗余机械臂的重复运动规划,进一步验证了所提RNN模型的有效性。

关键词：时变神经计算对数调节时间固定/预定时间收敛工业机器人重复运动规划

融合多任务学习和实体遮掩的关系三元组抽取模型

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第4期45卷 845-852页

作者：薛志豪李永强赵永智冯远静浙江工业大学信息工程学院杭州310023

针对流水线式三元组抽取模型中,命名实体识别任务里实体识别和实体分类两个子任务之间存在干扰,关系抽取任务中实体提及词对关系分类也存在干扰的问题,提出一种融合多任务学习和实体遮掩的关系三元组抽取模型.在命名实体识别任务中,先... 详细信息

针对流水线式三元组抽取模型中,命名实体识别任务里实体识别和实体分类两个子任务之间存在干扰,关系抽取任务中实体提及词对关系分类也存在干扰的问题,提出一种融合多任务学习和实体遮掩的关系三元组抽取模型.在命名实体识别任务中,先利用预训练模型对输入句子进行特征编码表示,然后利用首尾指针标注进行实体识别,最后利用注意力机制融入实体类型信息进行实体分类.在关系抽取任务中,提出了一种实体遮掩的方法,先利用实体类型信息替换实体提及词,并在其前后插入实体标记,之后利用预训练模型对输入句子进行特征编码表示,最后利用头尾实体的特征表示进行关系分类.在SCIERC和SKE两个数据集上进行大量实验,实验结果表明,所提模型相较于基于实体标记方法的PURE模型整体性能提升了2.5和1.5个百分点.充分验证了在三元组抽取任务中,分解命名实体识别任务以及在关系抽取中用实体类型信息替换实体提及词的有效性.

关键词：信息抽取关系三元组抽取多任务学习实体遮掩注意力机制深度学习

在线全文

学校读者我要写书评

暂无评论

基于多结构深度学习的蛋白质模型细化方法

小型微型计算机系统 2024年第7期45卷 1577-1584页

作者：张金龙赵凯龙刘栋张贵军浙江工业大学信息工程学院杭州310023

为了进一步改善AlphaFold2蛋白质结构模型的质量,本文提出了一种基于深度学习捕捉多结构之间互补信息的蛋白质模型细化方法MSDRefine.首先,MSDRefine从初始结构出发,搜索多序列比对信息并提取位置特异性打分矩阵和协方差矩阵;同时从多... 详细信息

为了进一步改善AlphaFold2蛋白质结构模型的质量,本文提出了一种基于深度学习捕捉多结构之间互补信息的蛋白质模型细化方法MSDRefine.首先,MSDRefine从初始结构出发,搜索多序列比对信息并提取位置特异性打分矩阵和协方差矩阵;同时从多个结构中提取残基的LDDT、USR、结构谱等特征.其次,设计了一个深度残差神经网络,学习多个结构间的互补信息来预测蛋白质残基间的距离分布.最后,将距离分布转化为势能函数用于能量极小化的模型细化.在150个测试蛋白上,MSDRefine在不依赖于多结构信息的条件下,细化模型的TM-score相比于DeepRefiner和GNNRefine分别提升了8.8%和5.7%.在47个CAMEO蛋白上,MSDRefine融合了AlphaFold2和RoseTTAFold的结构信息,大幅度提升了初始结构的精度,并优于AlphaFold2模型.

关键词：蛋白质模型细化深度学习多结构信息结构谱

在线全文

学校读者我要写书评

暂无评论

面向信号调制识别的神经网络模型轻量化方法

小型微型计算机系统 2024年第6期45卷 1347-1355页

作者：高旭章凌书扬陈壮志宣琦浙江工业大学信息工程学院杭州310000

为了提高智能化信号调制识别任务的实时性,本文对用于信号调制识别的深度学习模型进行了轻量化研究.通道剪枝是减小模型复杂度的有效方法,但现有的方法受原始模型深度的限制,虽然剪枝后的计算量减少,但是加速效果并不明显.针对上述问题... 详细信息

为了提高智能化信号调制识别任务的实时性,本文对用于信号调制识别的深度学习模型进行了轻量化研究.通道剪枝是减小模型复杂度的有效方法,但现有的方法受原始模型深度的限制,虽然剪枝后的计算量减少,但是加速效果并不明显.针对上述问题,本文提出一种面向信号调制识别的神经网络模型轻量化方法,以卷积层作为最小剪枝单元,为每个卷积层生成代理分类器,根据代理分类器的分类精度评估卷积层的重要性,移除重要性较小的模块从而实现剪枝,对剪枝后的模型进行微调,以恢复模型的准确率.在公开数据集上,对多种信号分类模型进行实验,与通道剪枝方法相比,可以更有效地加速模型推理,模型参数量和浮点计算量下降80%以上,推理时间下降70%以上.而针对在高压缩率下模型性能损失问题,本文提出以知识蒸馏代替微调过程,将“知识”直接从原模型转移到剪枝后的紧凑模型,相比于微调,准确率提升可达2%.

关键词：调制识别深度学习神经网络轻量化边缘端设备

在线全文

学校读者我要写书评

暂无评论

考虑时滞的中药饮片制造过程调度优化

高技术通讯 2024年第6期34卷 624-633页

作者：何德峰赵凯徐建明浙江工业大学信息工程学院杭州310023

针对中药饮片制造场景下调度求解过程中加工时间不确定以及存在工序间时滞的问题,以最小化最大完工时间为目标,建立考虑时滞的模糊柔性作业车间调度模型,并设计一种改进的遗传算法(IGA)进行求解。使用一种四层编码方法描述带时滞约束的... 详细信息

针对中药饮片制造场景下调度求解过程中加工时间不确定以及存在工序间时滞的问题,以最小化最大完工时间为目标,建立考虑时滞的模糊柔性作业车间调度模型,并设计一种改进的遗传算法(IGA)进行求解。使用一种四层编码方法描述带时滞约束的染色体,构建具有模糊加工时间和模糊时滞的作业析取图获取关键路径,使用基于变邻域下降法(VND)的禁忌搜索(TS)增强算法局部搜索能力,再使用一种精英拓展选择策略提高算法迭代效率。以某企业的生产调度数据为例进行仿真实验,结果表明,改进算法在求解中药饮片生产调度问题中具备较好的性能。

关键词：中药饮片生产调度时滞约束模糊时间局部搜索遗传算法(GA)

在线全文

学校读者我要写书评

暂无评论

高维数据局部贝叶斯网络结构学习

系统工程与电子技术 2024年第8期46卷 2676-2685页

作者：王阳阳高晓光茹鑫鑫西北工业大学电子信息学院

针对高维数据下贝叶斯网络结构学习精度和效率低的问题，提出一种基于归一化互信息和近似马尔可夫毯的特征选择(feature selection based on normalized mutual information and approximate Markov blanket, FSNMB)算法来获取目标节点... 详细信息

针对高维数据下贝叶斯网络结构学习精度和效率低的问题，提出一种基于归一化互信息和近似马尔可夫毯的特征选择(feature selection based on normalized mutual information and approximate Markov blanket, FSNMB)算法来获取目标节点的马尔可夫毯(Markov blanket, MB),进一步结合MB和Meek规则实现基于特征选择的局部贝叶斯网络结构(construct local Bayesian network based on feature selection, FSCLBN)算法，提高局部贝叶斯网络结构学习的精度和效率。实验证明，在高维数据中，FSCLBN算法与现存的局部贝叶斯网络结构学习算法相比更具优势。

关键词：贝叶斯网络特征选择互信息马尔可夫毯

来源：博看期刊