检索结果-南通市图书馆

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

基于全局局部协同的非均匀图像去雾方法

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

维普期刊数据库博看期刊

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

在线全文

学校读者我要写书评

暂无评论

湖南大学学报（自然科学版） 2024年第2期51卷 68-80页

作者：王瑞张璐婷逯静河南理工大学计算机科学与技术学院河南焦作454000

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法(Northern Goshawk Optimization,NGO)优化双向门控循环单元(Bidirectional Gated Recurrent Unit,... 详细信息

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法(Northern Goshawk Optimization,NGO)优化双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解(Variational Mode Decomposition,VMD)将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.

关键词：光伏功率预测变分模态分解双向门控循环单元北方苍鹰算法

基于特征选择及ISSA-CNN-BiGRU的短期风功率预测

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

工程科学与技术 2024年第3期56卷 228-239页

作者：王瑞徐新超逯静河南理工大学计算机科学与技术学院河南焦作454000

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 详细信息

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。

关键词：短期风功率预测变分模态分解特征选择改进麻雀搜索算法卷积神经网络双向门控循环单元

在线全文

学校读者我要写书评

暂无评论

面向三维多目标追踪的运动补偿优化方法

电子学报 2024年第2期52卷 528-539页

作者：王顺洪张昱沈江楠吉建民张燕咏中国科学技术大学计算机科学与技术学院安徽合肥230027

三维多目标追踪是自动驾驶系统中的关键模块之一,其结果的优劣主要取决于追踪模块中数据关联过程的准确度.现有的追踪方法大多从外观特征或运动特征出发计算两帧之间物体的相似度,而基于运动特征的方法通常根据当前帧和历史帧三维包围... 详细信息

三维多目标追踪是自动驾驶系统中的关键模块之一,其结果的优劣主要取决于追踪模块中数据关联过程的准确度.现有的追踪方法大多从外观特征或运动特征出发计算两帧之间物体的相似度,而基于运动特征的方法通常根据当前帧和历史帧三维包围框之间的交并比(Intersection over Union,IoU)进行关联,然而这种方式在观测点物体自身运动时存在严重缺陷.在观测点物体自身进行运动时,观测到的两帧数据将处于不同的局部坐标系,导致无法使用运动模型准确预测已追踪物体在下一帧中的位置.本文针对上述问题,通过引入观测点自身的惯性测量单元(Inertial Measurement Unit,IMU)或全球定位系统(Global Positioning System,GPS)数据,在一帧数据到达之后计算当前帧局部坐标系与上一帧局部坐标系之间的旋转和平移关系,并对已追踪的物体状态按得到的坐标变换关系进行运动补偿,使其抵消因观测点自身运动造成的偏移量.这种运动补偿增强了追踪模块的数据关联环节,提高追踪时三维包围框的关联成功率,降低误关联数量,改善三维多目标追踪的精度.在相关追踪框架及KITTI数据集上的原型验证表明,所提的运动补偿优化方法实现了1%左右的精度提升.

关键词：自动驾驶运动补偿三维多目标追踪运动特征全球定位系统惯性测量单元

在线全文

学校读者我要写书评

暂无评论

基于预训练和多模态融合的假新闻检测

计算机工程 2024年第1期50卷 289-295页

作者：周昊玮刘勇玄萍黑龙江大学计算机科学与技术学院黑龙江哈尔滨150080 汕头大学工学院计算机科学与技术系广东汕头515063

现有的多模态检测模型通常对每个模态的特征进行简单拼接,不能对模态之间的相关性进行有效建模,而且很难迁移到标签稀少的领域。提出一种基于预训练和多模态融合的假新闻检测模型PMFD。提取新闻附带图像不同区域的特征作为图像原始向量... 详细信息

现有的多模态检测模型通常对每个模态的特征进行简单拼接,不能对模态之间的相关性进行有效建模,而且很难迁移到标签稀少的领域。提出一种基于预训练和多模态融合的假新闻检测模型PMFD。提取新闻附带图像不同区域的特征作为图像原始向量,合并图像原始向量作为图像引导向量,设计早期融合、中期融合、后期融合3种不同的多模态融合方式。在早期融合阶段,通过图像引导向量初始化文本特征提取器,获取文本原始向量,合并文本原始向量作为文本引导向量。在中期融合阶段,使用模态的原始向量集合与其他模态的引导向量构造模态的特征表示。在后期融合阶段,融合不同模态的特征表示,构造新闻的特征表示。为提高模型的泛化能力,在标签丰富的数据上对PMFD进行预训练,然后再在标签稀少的数据上对PMFD进行微调。在公开数据集上的实验结果表明,PMFD能有效检测假新闻结果,相对传统模型CNN、LSTM、BERT等有10%以上的提升,相对EANN、M_model多模态假新闻检测模型有2%~3%的提升。

关键词：假新闻检测预训练多模态融合引导向量跨模态共享特征阶段融合

基于动态采样对偶可变形网络的实时视频实例分割

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第2期58卷 247-256页

作者：宋一然周千寓邵志文易冉马利庄上海交通大学计算机科学与工程系上海200240 中国矿业大学计算机科学与技术学院江苏徐州221116

为了更好地利用视频帧中蕴含的时间信息,提升视频实例分割的推理速度,提出动态采样对偶可变形网络(DSDDN). DSDDN使用动态采样策略,根据前、后帧的相似性调整采样策略.对于相似性高的帧,该方法跳过当前帧的推理过程,仅使用前帧分割进行... 详细信息

为了更好地利用视频帧中蕴含的时间信息,提升视频实例分割的推理速度,提出动态采样对偶可变形网络(DSDDN). DSDDN使用动态采样策略,根据前、后帧的相似性调整采样策略.对于相似性高的帧,该方法跳过当前帧的推理过程,仅使用前帧分割进行简单迁移计算.对于相似性低的帧,该方法动态聚合时间跨度更大的视频帧作为输入,对当前帧进行信息增强.在Transformer结构里,该方法额外使用2个可变形操作,避免基于注意力的方法中的指数级计算量.提供精心设计的追踪头和损失函数,优化复杂的网络.在YouTube-VIS数据集上获得了39.1%的平均推理精度与40.2帧/s的推理速度,验证了提出的方法能够在实时视频分割任务上取得精度与推理速度的良好平衡.

关键词：视频实时推理实例分割动态网络对偶可变形网络

在线全文

学校读者我要写书评

暂无评论

大语言模型时代的社会机遇与挑战

计算机研究与发展 2024年第5期61卷 1094-1103页

作者：陈慧敏刘知远孙茂松清华大学新闻与传播学院北京100084 清华大学计算机科学与技术系北京100084

大语言模型ChatGPT因其高度通用化和智能化的表现受到广泛社会关注,其引发的技术革命也正逐渐延伸为一场社会革命.在此背景下,基于ChatGPT背后大语言模型技术的演进路线与特征,探索大语言模型技术对社会的潜在机遇与挑战,成为当下社会... 详细信息

大语言模型ChatGPT因其高度通用化和智能化的表现受到广泛社会关注,其引发的技术革命也正逐渐延伸为一场社会革命.在此背景下,基于ChatGPT背后大语言模型技术的演进路线与特征,探索大语言模型技术对社会的潜在机遇与挑战,成为当下社会的重要议题.首先回顾大语言模型技术发展,将其演进总结为3个发展阶段并论述关键技术特征,然后基于技术与社会互动视角分别探讨大语言模型技术引发的社会机遇:个人通用信息助理、科学研究新范式、产业基础设施、国家治理能力现代化有力工具,以及面临的潜在挑战:信息污染问题、社会权力分配问题、伦理和法制问题、意识形态安全问题.最后,对大语言模型技术发展及其与社会发展关系的未来展开一定思考与讨论.

关键词：大语言模型 ChatGPT 人工智能技术演进社会变革

基于聚类和深度学习的车联网轨迹隐私保护机制

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第1期58卷 20-28页

作者：申自浩唐雨雨王辉刘沛骞刘琨河南理工大学计算机科学与技术学院河南焦作454000 河南理工大学软件学院河南焦作454000

针对车联网轨迹发布中用户面临的隐私泄露问题,提出基于聚类和深度学习的轨迹隐私保护机制(PPCDL).考虑轨迹中的时间因素,通过时间戳将轨迹空间划分为多个区域,获取区域中的轨迹分布点.对每个区域进行改进稳定隶属度多峰值聚类,根据区... 详细信息

针对车联网轨迹发布中用户面临的隐私泄露问题,提出基于聚类和深度学习的轨迹隐私保护机制(PPCDL).考虑轨迹中的时间因素,通过时间戳将轨迹空间划分为多个区域,获取区域中的轨迹分布点.对每个区域进行改进稳定隶属度多峰值聚类,根据区域轨迹密度进行隐私预算矩阵的预分配.利用时间图卷积网络模型提取轨迹数据的时空特征,对隐私预算预分配矩阵进行训练和预测.根据预测结果添加相应的拉普拉斯噪声,在轨迹数据发布前进行扰动.理论分析和实验结果表明,PPCDL相较于对比机制,时间开销更少,能够更精确地预测隐私预算.利用PPCDL可以合理地在轨迹数据中添加拉普拉斯噪声,有效地提高了轨迹数据的可用性.

关键词：隐私保护密度峰值聚类轨迹隐私时间图卷积网络隐私预算

同方期刊数据库

基于LSTM–PPO算法的多机空战智能决策及目标分配

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2024年第7期46卷 1179-1186页

作者：丁云龙匡敏驰朱纪洪祝靖宇乔直新疆大学计算机科学与技术学院乌鲁木齐830000 清华大学精密仪器系北京100084

针对传统多机空战中智能决效率低、难以满足复杂空战环境的需求以及目标分配不合理等问题.本文提出一种基于强化学习的多机空战的智能决策及目标分配方法.使用长短期记忆网络(Long short-term memory,LSTM)对状态进行特征提取和态势感知... 详细信息

针对传统多机空战中智能决效率低、难以满足复杂空战环境的需求以及目标分配不合理等问题.本文提出一种基于强化学习的多机空战的智能决策及目标分配方法.使用长短期记忆网络(Long short-term memory,LSTM)对状态进行特征提取和态势感知,将归一化和特征融合后的状态信息训练残差网络和价值网络,智能体通过近端优化策略(Proximal policy optimization,PPO)针对当前态势选择最优动作.以威胁评估指标作为分配依据,计算综合威胁度,优先将威胁值最大的战机作为攻击目标.为了验证算法的有效性,在课题组搭建的数字孪生仿真环境中进行4v4多机空战实验.并在相同的实验环境下与其他强化学习主流算法进行比较.实验结果表明,使用LSTM–PPO算法在多机空战中的胜率明显优于其他主流强化学习算法,验证了算法的有效性.

关键词：多机空战智能决策近端优化策略威胁评估目标分配