检索结果-南通市图书馆

维普期刊数据库

面向联合收割机故障诊断领域知识图谱的构建技术及其问答应用

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第6期45卷 170-177页

作者：杨宁杨林楠陈健云南农业大学大数据学院昆明市650201 云南省农业大数据工程技术研究中心昆明市650201 绿色农产品大数据智能信息处理工程研究中心昆明市650201

联合收割机作为一种有效的机械化收割设备,可以极大地提高农作物的收获效率。然而在进行收割作业时不可避免地会发生一些机械故障,由于驾驶员缺乏专门的维修经验,无法确定故障发生的原因以及出现故障后应该如何维修机器,导致严重影响农... 详细信息

联合收割机作为一种有效的机械化收割设备,可以极大地提高农作物的收获效率。然而在进行收割作业时不可避免地会发生一些机械故障,由于驾驶员缺乏专门的维修经验,无法确定故障发生的原因以及出现故障后应该如何维修机器,导致严重影响农作物的收获,甚至还可能引发安全事故。由于知识图谱能够利用图数据库将专家知识等非结化数据进行规范化的存储,所以在故障诊断问答领域,知识图谱有着良好的应用前景,基于此提出一套面向联合收割机故障诊断领域知识图谱的构建方法。根据专家知识明确知识图谱中所需要的实体和实体关系类型,利用RoBERTa-wwm-ext预训练模型融合双向门控循环单元(BiGRU)和Transformer编码器的实体抽取模型对非结构化文本进行实体抽取;利用RoBERTa-wwm-ext预训练模型融合循环神经网络(RNN)模型对抽取的实体进行实体审核;在实体审核完成后使用RoBERTa-wwm-ext预训练模型融合双向门控循环单元(BiGRU)和注意力机制的关系抽取模型对头实体和尾实体之间存在的实体关系进行抽取;将抽取到的实体和实体关系组成三元组,利用三元组构建知识图谱,从而可以利用知识图谱实现智能问答。

关键词：联合收割机知识图谱预训练模型故障诊断双向门控循环单元

维普期刊数据库博看期刊

卷积与自注意力结合和时空融合的无参考视频质量评价

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年

作者：牛玉贞王镇隆张博林陈羽中福州大学计算机与大数据学院福建省网络计算与智能信息处理重点实验室(福州大学) 大数据智能教育部工程研究中心

随着互联网上的视频分享日益普遍，对视频进行质量评估越来越重要. 现有的视频质量评价研究中，卷积被广泛应用于视频的空域和时域特征提取，但由于其固有的局部感知特性，缺乏对于视频全局信息的感知; 同时，已有方法未对空域和... 详细信息

随着互联网上的视频分享日益普遍，对视频进行质量评估越来越重要. 现有的视频质量评价研究中，卷积被广泛应用于视频的空域和时域特征提取，但由于其固有的局部感知特性，缺乏对于视频全局信息的感知; 同时，已有方法未对空域和时域特征进行充分融合. 针对上述问题，提出一种结合卷积与自注意力机制和时空融合的无参考视频质量评价方法. 为了提取更有效的空域和时域特征，首先分别设计空域特征提取模块和时域特征提取模块，其中，空域特征提取模块通过结合卷积和自注意力的特征感知增强模块，对卷积提取的局部特征通过长距离依赖进行全局特征增强，时域特征提取模块联合视频帧序列和视频帧差序列，通过Video Swin Transformer和3D卷积学习视频的时域特征; 然后使用时空特征融合增强模块，通过自注意力机制对时域和空域特征进行融合并增强; 最后对视频质量进行预测. 在KoNVid-1k和YouTube-UGC数据集上的实验结果表明，与现有对比方法中最优的视频质量评价方法相比，所提方法具有更出色的表现，并通过消融实验验证了每个模块的有效性.

关键词：无参考视频质量评价 3D卷积神经网络自注意力机制

基于灰色关联-TOPSIS模型的协同创新成果转化绩效评价研究——以大学科技城为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科技管理学报 2024年第1期26卷 40-48页

作者：成鹏飞裘国珍李松亮湖南科技大学大数据与智能决策研究中心湖南湘潭411201 产业发展大数据与智能决策湖南省工程研究中心湖南湘潭411201

大学科技城是协同创新的重要载体,是国家创新体系的重要组成部分。为科学评价大学科技城协同创新成果的转化绩效,本文从研发能力、资金支持、政策支持、经济效益和社会效益等维度选取指标,构建大学科技城协同创新成果转化绩效评价指标体... 详细信息

大学科技城是协同创新的重要载体,是国家创新体系的重要组成部分。为科学评价大学科技城协同创新成果的转化绩效,本文从研发能力、资金支持、政策支持、经济效益和社会效益等维度选取指标,构建大学科技城协同创新成果转化绩效评价指标体系,并建立基于TOPSIS和灰色关联分析方法的评价模型。应用所构建的评价模型对长沙岳麓山、武汉东湖等大学科技城协同创新成果转化绩效进行了评价分析。研究结果表明:岳麓山大学科技城整体呈逐年上升态势,影响其协同创新成果转化绩效的因素众多,且影响程度各不相同,其中科技成果转化政策、新产品销售收入和R&D人员全时当量等指标对大学科技城协同创新成果转化绩效影响较大。同时,因政策与环境的差异,不同地区的大学科技城成果转化绩效也有较大差异,长沙岳麓山大学科技城的协同创新成果转化绩效低于武汉东湖,略高于沈阳。最后,根据与武汉东湖和沈阳的对比分析为提升长沙岳麓山大学科技城的协同创新成果转化绩效提出对策建议。

关键词：大学科技城 TOPSIS 灰色关联度成果转化绩效评价

基于时变多项式的InSAR轨道误差去除和DEM估计

维普期刊数据库

同方期刊数据库博看期刊博看期刊评论

在线全文

学校读者我要写书评

暂无评论

测绘通报 2024年第8期 145-150,176页

作者：潘紫阳万阿芳王烽邹明普温康锋邹梅芳湖南省第一测绘院湖南长沙410114 实景三维建设与应用技术湖南省工程研究中心湖南长沙410114

针对现有数字高程模型的更新生产模式难以满足实景三维、智慧城市信息化建设的迫切需求,InSAR重轨技术通过短周期重返有望实现快速、大范围、高精度的DEM估计。然而,在重轨模式下,两景SAR影像的轨道误差难以通过干涉过程抵消,严重的时... 详细信息

针对现有数字高程模型的更新生产模式难以满足实景三维、智慧城市信息化建设的迫切需求,InSAR重轨技术通过短周期重返有望实现快速、大范围、高精度的DEM估计。然而,在重轨模式下,两景SAR影像的轨道误差难以通过干涉过程抵消,严重的时变轨道误差难以满足高精度测图的需求。因此,利用重轨InSAR技术获取DEM的关键在于去除轨道误差的影响。鉴于此,本文提出了一种基于时变多项式模型估计轨道误差的方法,该模型分块构建时频基线和轨道误差之间的函数关系,并利用加权最小二乘实现轨道误差的稳健估计;首次使用我国L波段InSAR数据在湖南省境内获取的数据进行了测试,并估计了InSAR DEM,试验结果验证了该方法的有效性和稳健性;利用星载ICESat-2数据验证了该方法估计DEM的精度,两试验区的RMSE分别为4.58、6.44 m,相比于传统轨道误差去除和DEM估计的方法(8.94、13.68 m)分别提高了48.8%、52.9%。

关键词：数字高程模型合成孔径雷达干涉测量时变轨道误差 ICESat-2

维普期刊数据库

基于改进YOLOv7-Pose的牛脸关键点检测与姿态识别方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年

作者：黄小平侯现坤郭阳阳郑寰宇豆子豪刘梦艺赵晋陵安徽大学互联网学院农业生态大数据分析与应用技术国家地方联合工程研究中心

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用，它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题，提出了一种改进的YOLOv7-Pose网络模型的算法，可用于牛脸关... 详细信息

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用，它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题，提出了一种改进的YOLOv7-Pose网络模型的算法，可用于牛脸关键点检测和头部姿态识别。首先通过网络相机在牛场获取奶牛脸部图像并构建数据集。其次，在YOLOv7-Pose网络模型中引入SPPFCSPCL结构，以提高奶牛脸部关键点的特征提取能力；把关键点检测的损失函数OKS替换为WingLoss损失函数，增加奶牛脸部关键点的检测精度；最后，使用L1范数对改进的模型剪枝，使改进后的网络模型参数量降低。试验结果表明：改进模型YOLOv7-SCLWL-Pose牛脸关键点检测较原模型AP提升5个百分点，AP50提升2.7个百分点，改进后的模型内存占用量仅为106.7MB，减少33.6％。将本文关键点检测用于姿态识别，试验结果对抬头和低头等动作的识别准确率达到95.5%和86.5%。本研究为牧场奶牛行为识别提供了支撑技术。

关键词：牛脸检测关键点检测 YOLOv7-Pose 姿态识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于异构系统的多级并行稀疏张量向量乘算法

计算机学报 2024年第2期47卷 441-455页

作者：陈玥丹肖国庆阳王东金纪勇龙军李肯立中南大学大数据研究院湖南大学深圳研究院湖南大学信息科学与工程学院国家超级计算长沙中心之江实验室基础理论研究院—应用数学与机器智能研究中心

张量在许多实际应用中被用来表示大规模、多源、高维、多模态的数据.稀疏张量分解作为挖掘数据中隐藏信息的有效方法之一，已被广泛应用于机器学习、文本分析、生物医疗等研究领域中.稀疏张量向量乘(Sparse Tensor-VectorMultiplication... 详细信息

张量在许多实际应用中被用来表示大规模、多源、高维、多模态的数据.稀疏张量分解作为挖掘数据中隐藏信息的有效方法之一，已被广泛应用于机器学习、文本分析、生物医疗等研究领域中.稀疏张量向量乘(Sparse Tensor-VectorMultiplication,SpTV)是张量分解中最基础、耗时最多的运算之一.为加速大数据和人工智能相关应用的运行效率，本文提出了基于CPU-GPU异构结构的多级并行SpTV加速算法.首先，为了将SpTV运算映射到混合、多级并行的分布式CPU-GPU异构多/众核构架，本文设计了一种多维并行SpTV划分方法，采用面向节点级并行的N-1维张量划分和面向GPU线程级并行的矩阵划分，充分利用计算节点间和节点内的多级并行计算能力.其次，设计了一种基于稀疏张量纤维的压缩存储格式，压缩稀疏张量的内存占用，优化SpTV运算的计算和访存模式.最后，提出了基于多流并行的异构高效SpTV算法，进一步设计了稀疏张量的细粒度划分方法、多流并行运行机制和基于张量块排序的多流并行优化技术，实现了SpTV运算中通信开销和计算开销的相互重叠与隐藏.实验结果表明，与相关工作aeSpTV相比，所提出的SpTV算法在所有测试数据集上最高能够获得3.28倍的加速比.

关键词： CPU-GPU 异构并行计算多级并行稀疏张量张量运算

基于多尺度距离矩阵的语音关键词检测与细粒度定位方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2024年

作者：李祥瑞毛启容江苏大学计算机与通信工程学院江苏省大数据泛在感知与智能农业应用工程研究中心

针对现有语音关键词检测方法定位精度低的问题，提出了一种基于多尺度距离矩阵的语音关键词检测与细粒度定位方法(spoken term detection and fine-grained localization method based on multi-scale distance matrices,MF-STD)。该方法首先利用残差卷积网络提取特征并构建距离矩阵以建模输入之间的相关性，其次通过多尺度分割和解耦头学习不同尺度下的定位信息，最后根据多尺度加权定位损失、置信度损失和分类损失优化模型，实现对关键词存在性和时域边界的细粒度预测。在LibriSpeech数据集上的实验结果表明，MF-STD在集内词的检测中，精准率和交并比分别达到97.1%和88.6%；在集外词的检测中，精准率和交并比分别达到96.7%和88.2%。与现有的语音关键词检测与定位方法相比，MF-STD的检测准确率和定位精度显著提升，充分证明该方法的先进性，也证明了多尺度特征建模与细粒度定位约束在语音关键词检测任务中的有效性。

关键词：语音关键词检测语音细粒度定位多尺度检测残差卷积网络

基于增强句法信息与多特征图卷积融合的方面级情感分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2024年

作者：田继帅艾芳菊湖北大学计算机与信息工程学院智慧政务与人工智能应用湖北省工程研究中心大数据智能分析与行业应用湖北省重点实验室(湖北大学)

方面级情感分析作为情感计算领域的重要任务，旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能，提出了一种增强句法特征与多特征图卷积融合的网络模型（ESMFGCN），利用依赖树表示句子中单词之间的语法结构关系，... 详细信息

方面级情感分析作为情感计算领域的重要任务，旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能，提出了一种增强句法特征与多特征图卷积融合的网络模型（ESMFGCN），利用依赖树表示句子中单词之间的语法结构关系，由于单纯的使用依赖树方法在建模时会引发不相关的噪声问题，引入了短语结构树，并将短语树转化层级短语矩阵，并将由依赖树构造的邻接矩阵和层级短语矩阵合并作为图卷积网络的初始矩阵，用于增强句法信息。为了更精细地捕捉方面词与整个句子之间的关联，引入了注意力机制，对方面词上下文和整个句子建立更为精细的关联，并通过图卷积网络提取语义信息。最后设计融合层用于融合语义信息与句法信息，从而提高方面级情感分析的准确性和鲁棒性。本文在Restaurant、Laptop、Twitter数据集上分别设计对比实验、消融实验和敏感性分析实验，实验结果表明，相较于其他研究方法，本文的方法取得了显著的性能提升，证明了模型的有效性和优越性。

关键词：方面级情感分析句法特征注意力机制图卷积网络

机会式群智感知中覆盖最大化的去中心化任务分配

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：陈杨辉於志勇黄昉菀郝勇涛涂淳钰吴越钟福州大学计算机与大数据学院大数据智能教育部工程研究中心福建省网络计算与智能信息处理重点实验室(福州大学)

传统的机会式群智感知需要由平台进行集中式任务分配，存在对平台性能要求高和隐私泄露等问题。为了解决这些问题，本文提出了一种新颖的方案，旨在去中心化的机会式感知场景下，实现带有全局预算约束的任务分配，使任务覆盖最大化。区... 详细信息

传统的机会式群智感知需要由平台进行集中式任务分配，存在对平台性能要求高和隐私泄露等问题。为了解决这些问题，本文提出了一种新颖的方案，旨在去中心化的机会式感知场景下，实现带有全局预算约束的任务分配，使任务覆盖最大化。区别于传统方法，通过参与者自主选择是否参与感知任务的方式来实现任务分配，构造了一个多智能体协同系统。在去中心化场景下，保证全局约束并实现高效的任务分配是一大挑战。为解决上述挑战，提出了两种方法：一种是将蚁群算法应用到任务分配问题上，同时以通信的方式获取目标评估函数以及更新信息素，实现智能体间协同求解，从而适用于去中心化的场景；另一种是基于QMIX框架的决策通信方法，将QMIX中智能体网络的输出作为建议动作，引入决策通信层，根据建议动作以及动作价值进行协商，从而遵循全局约束条件。在真实数据集上的实验结果表明，本文提出的两种方法在任务覆盖率上可以与集中式规划方法相当，并在耗时等综合性能上具有良好的表现。

关键词：群智感知多智能体蚁群算法去中心化任务分配