检索结果-南通市图书馆

统一驱动与能力抽象结合的无人机载荷虚拟化方法及实现

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

西北工业大学学报 2024年第3期42卷 406-416页

作者：李晓娟周兴社张羽姚远杨刚西北工业大学计算机学院陕西西安710072

随着无人机及其集群应用不断深入并日益广泛,无人机载荷呈现种类多样、形态异构、接口复杂等特点,但同时要求系统能快速接入并高效管理载荷。为了解耦无人机载荷与系统平台的紧密关系,扩展对异构载荷的兼容能力,提出一种新型的载荷设备... 详细信息

随着无人机及其集群应用不断深入并日益广泛,无人机载荷呈现种类多样、形态异构、接口复杂等特点,但同时要求系统能快速接入并高效管理载荷。为了解耦无人机载荷与系统平台的紧密关系,扩展对异构载荷的兼容能力,提出一种新型的载荷设备虚拟化方法。提出分层驱动模型,实现载荷硬件设备和驱动软件的解耦,使载荷设备接入过程标准化,该模型通过软硬件协同实现;提出基于“能力”的载荷抽象,解耦载荷应用功能及其设备实体;给出了载荷虚拟化方法具体实现及其典型验证实例。上述载荷设备虚拟化方法通过载荷应用、载荷驱动及载荷设备的软硬件解耦,增强了系统接入不同载荷的兼容性及扩展性,提高了统一管理多种载荷的效率。

关键词：无人机载荷虚拟化标准化接入能力抽象软硬件融合

基于自注意力机制的深度强化学习交通信号控制

在线全文

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第2期24卷 96-104页

作者：张玺君聂生元李喆张红兰州理工大学计算机与通信学院兰州730050

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息... 详细信息

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息无法全面表达的问题,为了从有限特征中挖掘潜在交通状态信息,从而降低交通状态设计难度,提出一种引入自注意力网络的DRL算法。首先,仅获取交叉口各进入口车道车辆位置,使用非均匀量化和独热编码方法预处理得到车辆位置分布矩阵;其次,使用自注意力网络挖掘车辆位置分布矩阵的空间相关性和潜在信息,作为DRL算法的输入;最后,在单交叉口学习交通信号自适应控制策略,在多交叉口路网中验证所提算法的适应性和鲁棒性。仿真结果表明,在单交叉口环境下,与3种基准算法相比,所提算法在车辆平均等待时间等指标上具有更好的性能;在多交叉口路网中,所提算法仍然具有良好的适应性。

关键词：智能交通自适应控制深度强化学习自注意力网络近端策略优化

在线全文

学校读者我要写书评

暂无评论

基于聚类算法和图神经网络的短时交通流预测

吉林大学学报（工学版） 2024年第6期54卷 1593-1600页

作者：张玺君余光杰崔勇尚继洋兰州理工大学计算机与通信学院兰州730050

针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网... 详细信息

针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网交通流的空间相关性,结合道路的皮尔逊相关性分析和节点的局部聚类系数,挖掘潜在的节点连接关系;再次,使用GRU提取交通流数据之间的时间相关性,通过自注意力机制捕获数据之间的相互依赖关系;最后,通过残差连接将GRU和GNN的输出与原始输入结合,经过全连接层得出最终的预测结果。多组实验结果证明,本文提出的模型预测精度优于其他基线模型及对比的模型。

关键词：交通流预测图神经网络聚类算法门控循环单元皮尔逊相关系数局部聚类系数

一种旁路机制下的低功耗片上网络功率门控设计

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

电子与信息学报 2024年第8期46卷 3436-3444页

作者：欧阳一鸣陈志远徐冬雨梁华国合肥工业大学计算机与信息学院合肥230601

随着技术尺寸的缩小,静态功耗在片上网络(NoC)的功耗开销中占据主导地位。功率门控作为一种通用的功耗节约技术,将NoC中空闲模块关闭以降低静态功耗。然而,传统的功率门控技术带来了诸如数据包唤醒延迟,盈亏平衡时间等问题。为了解决上... 详细信息

随着技术尺寸的缩小,静态功耗在片上网络(NoC)的功耗开销中占据主导地位。功率门控作为一种通用的功耗节约技术,将NoC中空闲模块关闭以降低静态功耗。然而,传统的功率门控技术带来了诸如数据包唤醒延迟,盈亏平衡时间等问题。为了解决上述问题,该文提出代替功率门控路由器进行数据包传输的分区旁路传输机制(PBTI),并基于该旁路机制设计了低延迟低功耗的功率门控方案。PBTI使用相互独立的旁路分别处理东西方向传输的数据包,并在旁路内部使用公共的缓冲区以提高缓冲区利用率。PBTI可以在路由器断电时实现数据包的注入、传输和弹出。即使网络中所有的路由器均处于功率门控状态,数据包也可以从源节点传输到目的节点。当流量增大超过PBTI的传输能力时,路由器以列为单位进行统一的唤醒。实验结果表明,与不使用功率门控的NoC相比,所提方案降低了83.4%的静态功耗和17.2%的数据包延迟,同时只额外增加了6.2%的面积开销。相较于常规的功率门控方案该文功率门控设计实现了更低的功耗和延迟,具有显著的优势。

关键词：片上网络功率门控旁路静态功耗

基于LSM-Tree的分布式数据库异步融合机制研究与实现

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2024年第2期42卷 303-309页

作者：杜轶德刘文洁西北工业大学计算机学院陕西西安710072

信息技术的不断发展,使得分布式数据库成为研究热点。由于NoSQL架构的分布式数据库对SQL支持有限且在事务处理及一致性方面存在缺陷,基于LSM-Tree的NewSQL数据库逐渐成为应用的主流,例如TiDB、OceanBase等。分布式LSM-Tree的存储架构将... 详细信息

信息技术的不断发展,使得分布式数据库成为研究热点。由于NoSQL架构的分布式数据库对SQL支持有限且在事务处理及一致性方面存在缺陷,基于LSM-Tree的NewSQL数据库逐渐成为应用的主流,例如TiDB、OceanBase等。分布式LSM-Tree的存储架构将数据分为基线数据与增量数据,通过合并操作将不同分区的增量数据与基线数据不断融合,并存储在磁盘,从而减少内存压力。但合并会占用大量系统资源,严重影响系统可用性。因此提出了一种基于LSM-Tree架构的异步融合机制,通过细分合并流程,将数据融合异步化,有效地缩短了单次数据合并的时间。实验表明,提出的异步融合机制可显著缩短数据合并时间,提高系统在高频写入场景下的鲁棒性和可用性。

关键词：分布式数据库 LSM-Tree 数据合并异步融合数据分区

融合知识的文博领域低资源命名实体识别方法研究

在线全文

学校读者我要写书评

暂无评论

北京大学学报（自然科学版） 2024年第1期60卷 13-22页

作者：李超侯霞乔秀明北京信息科技大学计算机学院北京100192

文物数据的实体嵌套问题明显,实体边界不唯一,且文博领域已标注数据极度缺乏,导致该领域命名实体识别性能较低。针对这些问题,构建一个可用于文物命名实体识别的数据集FewRlicsData,提出一种融合知识的文博领域低资源命名实体识别方法Re... 详细信息

文物数据的实体嵌套问题明显,实体边界不唯一,且文博领域已标注数据极度缺乏,导致该领域命名实体识别性能较低。针对这些问题,构建一个可用于文物命名实体识别的数据集FewRlicsData,提出一种融合知识的文博领域低资源命名实体识别方法RelicsNER。该方法将类别描述信息的语义知识融入文物文本中,使用基于跨度的方式进行解码,用于改善实体嵌套问题,并采用边界平滑的方式缓解跨度识别模型的过度自信问题。与基线模型相比,该方法在FewRlicsData数据集上的F1值有所提升,在文博领域命名实体识别任务中取得较好的性能。在公开数据集OntoNotes 4.0上的实验结果证明该方法具有较好的泛化性,同时在数据集OntoNotes 4.0和MSRA上进行小规模数据实验,性能均高于基线模型,说明所提方法适用于低资源场景。

关键词：文博领域命名实体识别知识融合注意力机制

维普期刊数据库博看期刊

采用多尺度自适应选择卷积神经网络的轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第2期58卷 127-135页

作者：张玺君尚继洋兰州理工大学计算机与通信学院兰州730050

针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 详细信息

针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。

关键词：轴承故障诊断卷积神经网络自适应融合注意力机制多尺度特征

基于BERT-DPCNN的警情文本分类研究

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年

作者：张静高子信丁伟杰浙江警察学院计算机与信息安全系

[目的]现代警务工作依托大量的案情文本数据，如何对海量的警情文本数据进行智能化分类成为了公安行业关注的一个课题。[方法]本文针对警情文本分类任务，提出了一个基于BERT-DPCNN的文本分类模型。该模型采用BERT预训练模型生成文本词... 详细信息

[目的]现代警务工作依托大量的案情文本数据，如何对海量的警情文本数据进行智能化分类成为了公安行业关注的一个课题。[方法]本文针对警情文本分类任务，提出了一个基于BERT-DPCNN的文本分类模型。该模型采用BERT预训练模型生成文本词向量，并通过优化DPCNN模型中的激活函数和改进动态学习率来提高分类性能。[结果]将BERT-DPCNN与BERT，BERT-CNN，BERT-RCNN，BERT-RNN，BERT-LSTM，ERNIE六类模型进行对比实验，结果表明BERT-DPCNN的准确率、召回率和精准率上的效果最佳，其中二分类任务中BERT-DPCNN的准确率达到98%以上，十一分类任务中的准确率达到82%以上，验证了该模型的有效性。[局限]模型参数较多，实验次数有局限，仍有待进一步测试。[结论]基于BERT-DPCNN的文本分类模型有效地提升了警情文本分类的准确率，为公安对警情的分析和研判提供了一定的数据支撑。

关键词： BERT DPCNN 警情文本分类激活函数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中文学术论文全文语步识别研究

数据分析与知识发现 2024年第2期8卷 74-83页

作者：杜新玉李宁北京信息科技大学计算机学院北京100101

【目的】针对学术论文语步识别相关研究存在只能处理少量的语步、语步识别粒度较粗、缺少公开的语步分类数据集等问题,研究学术论文的全文语步识别,为机器自动理解论文内容提供基础。【方法】基于BERT模型,采用多阶段微调的方式构建学... 详细信息

【目的】针对学术论文语步识别相关研究存在只能处理少量的语步、语步识别粒度较粗、缺少公开的语步分类数据集等问题,研究学术论文的全文语步识别,为机器自动理解论文内容提供基础。【方法】基于BERT模型,采用多阶段微调的方式构建学术论文语步分类数据集,并提出一种融入章节标题文本的语步识别方法,在细粒度层面实现中文学术论文全文语步的识别。【结果】实验结果表明,学术论文语步的22类别分类任务中,RoBERTa-wwm-ext模型总体准确率提升0.031,达到0.909,Micro-F1值提升0.022,达到0.837。【局限】所构建的学术论文语步分类数据集尚存在少量数据不平衡问题,所提方法受限于论文质量,这些问题得到改进后,模型对语步的识别能力应能得到进一步提高。【结论】所提方法取得了较高的语步识别准确率,研究成果可用于学术论文的自动理解、论文质量评价及论文语义检索等领域,对科技文献的有效利用具有重要作用。

关键词：学术论文理解语步识别预训练模型