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

集改进图卷积和多层池化的点云分类模型

激光与红外 2024年第2期54卷 193-201页

作者：周锐闯田瑾闫丰亭朱天晓上海工程技术大学电子电气工程学院上海201620

针对基于图卷积的点云分类模型在提取点云不同语义区域的特征信息以及高效利用聚合的高维特征方面存在的问题,本文提出了一种新的点云分类模型,该模型采用了动态自适应图卷积和多层池化相结合的方法。具体而言,本文采用了残差结构来构... 详细信息

针对基于图卷积的点云分类模型在提取点云不同语义区域的特征信息以及高效利用聚合的高维特征方面存在的问题,本文提出了一种新的点云分类模型,该模型采用了动态自适应图卷积和多层池化相结合的方法。具体而言,本文采用了残差结构来构建更深层的卷积,以学习不同语义区域点对特征中不同层次的特征信息,从而生成动态自适应调整卷积核,针对不同的点对动态更新边的特征关系,从而提取更为精确的局部特征。同时,本文将聚合的高维特征输入到多层最大池化模块中,回收利用第一次最大池化后丢弃的特征信息进行多层最大池化,从而获取更为丰富的高维特征,提高分类模型的精度。实验结果表明,在ModelNet40数据集上,本文提出的分类模型的总体精度达到93.3%,平均精度为90.7%,明显优于目前主流的点云分类模型,并具有较强的鲁棒性。

关键词：深度学习图卷积神经网络多层池化点云分类

在线全文

学校读者我要写书评

暂无评论

基于深度监督隐空间构建的语义分割改进方法

计算机工程 2024年第3期50卷 191-199页

作者：王柏涵姜晓燕范柳伊上海工程技术大学电子电气工程学院上海201600

现有卷积操作在语义分割任务中难以有效捕捉长距离区域间的关系,导致分割结果不符合人类常识。为此,提出一种基于深度监督隐空间构建的语义分割改进方法。采用“特征图-隐空间-特征图”流程,将图像空间的像素特征转换为隐空间中的节点特... 详细信息

现有卷积操作在语义分割任务中难以有效捕捉长距离区域间的关系,导致分割结果不符合人类常识。为此,提出一种基于深度监督隐空间构建的语义分割改进方法。采用“特征图-隐空间-特征图”流程,将图像空间的像素特征转换为隐空间中的节点特征,将区域之间的位置和语义关系转换为节点之间的连接权重,实现了从特征图到隐空间的特征转换。在隐空间构建过程中,使用Kullback-Leibler散度损失函数监督投影矩阵,以避免从特征图到隐空间节点的转换过程中丢失特征;使用InfoNCE损失函数监督节点特征表征与真实标签表征,使得图像特征与标签保持一致。该方法在构建的隐空间上使用图神经网络进行语义推理,学习节点之间的关系,赋予模型学习区域间语义关系的能力,从而改善分割结果中的反常识现象。在公开数据集CityScapes上的实验结果表明,相比基线分割网络,该方法的平均交并比(mIoU)为81.1%,相较于基线分割网络mIoU提升2.6个百分点,能有效提升分割结果。

关键词：语义分割卷积神经网络深度监督图神经网络反常识现象

基于注意力机制和多粒度特征融合的跨视角匹配模型

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第3期44卷 901-908页

作者：蔡美玉朱润哲吴飞张开昱李家乐上海工程技术大学电子电气工程学院上海201620

跨视角景象匹配是指从不同平台(如无人机、卫星等)发现同一地理目标的图像。然而,不同图像平台会导致无人机(UAV)定位和导航任务精度较低,现有方法通常只关注图像的单一维度,忽略了图像的多维特征。针对上述问题,提出一种全局注意力和... 详细信息

跨视角景象匹配是指从不同平台(如无人机、卫星等)发现同一地理目标的图像。然而,不同图像平台会导致无人机(UAV)定位和导航任务精度较低,现有方法通常只关注图像的单一维度,忽略了图像的多维特征。针对上述问题,提出一种全局注意力和多粒度特征融合(GAMF)深度神经网络以改进特征表示,提高特征可区分度。首先,GAMF模型结合无人机视角和卫星视角的图像,在统一的网络架构下延展为3个分支,从3个维度提取图像的空间位置、通道和局部特征;然后,建立空间全局关系注意力模块(SGAM)和通道全局注意力模块(CGAM),引入空间全局关系机制和通道注意力机制捕获全局信息,从而更好地进行注意力学习;其次,为了融合局部感知特征,引入局部划分策略,以更好地增强模型提取细粒度特征的能力;最后,联合3个维度的特征作为最后的特征对模型训练。在公开数据集University-1652上的实验结果表明,GAMF模型在无人机视觉定位任务上的平均精准率(AP)达到了87.41%,在无人机视觉导航任务中召回率(R@1)达到了90.30%。验证了GAMF模型能够有效聚合图像的多维特征,提高无人机定位和导航任务的准确性。

关键词：无人机景象匹配定位视觉定位度量学习全局关系注意力深度学习

基于多尺度多路径集成网络的轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机械强度 2024年第4期46卷 778-786页

作者：戚博炜李媛媛宋丽媛上海工程技术大学电子电气工程学院上海201620

针对卷积神经网络参数量大、层数深、泛化性能弱的问题,提出了一种基于多尺度多路径集成网络(Multi⁃scale Multi⁃path Convolutional Neural Network,MCS⁃CNN)的轴承故障诊断方法。首先,提出多尺度卷积块,利用深度卷积和逐点卷积来降低... 详细信息

针对卷积神经网络参数量大、层数深、泛化性能弱的问题,提出了一种基于多尺度多路径集成网络(Multi⁃scale Multi⁃path Convolutional Neural Network,MCS⁃CNN)的轴承故障诊断方法。首先,提出多尺度卷积块,利用深度卷积和逐点卷积来降低网络参数量、增加网络宽度,有效提取多尺度特征;其次,提出集成块,利用多路径的连接方式将低级和高级特征连接起来以增加网络深度,进而提高模型诊断精度;最后,在凯斯西储大学轴承数据集上进行验证。结果表明,在高噪声和跨负载场景下的故障诊断精度分别可达97.5%和98.25%,在混合场景下相较于现有的诊断方法精度提高了15百分点以上,有效表明了此方法的鲁棒性和泛化性。

关键词：轴承卷积神经网络多尺度多路径故障诊断集成网络

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

融合图像信息的多嵌入表示实体对齐方法

计算机工程与应用 2024年第15期60卷 111-121页

作者：刘春梅高永彬余文俊上海工程技术大学电子电气工程学院上海201620

实体对齐是知识图谱融合技术的关键环节,然而现有方法在处理跨语言图谱时未能充分利用图谱数据,在此提出一种方法融合图像信息的多嵌入表示实体对齐方法。该方法从不同角度获取文本嵌入,并利用图像数据丰富文本嵌入,实现多模态信息融合... 详细信息

实体对齐是知识图谱融合技术的关键环节,然而现有方法在处理跨语言图谱时未能充分利用图谱数据,在此提出一种方法融合图像信息的多嵌入表示实体对齐方法。该方法从不同角度获取文本嵌入,并利用图像数据丰富文本嵌入,实现多模态信息融合以完成跨语言图谱的实体对齐任务。通过图像生成模型解决实体图像覆盖不完全问题,结合迭代策略获得高质量实体图像信息以扩充跨语言知识图谱中种子序列对。为了更好适用现实世界真实知识图谱融合过程,该方法将对齐阶段转换为二分图匹配问题。提出的方法在公开数据集上进行了实验分析,实验结果表明了方法的良好性能,还通过消融实验验证各模块的有效性,并针对不同情况提供了参数的可选择性。

关键词：实体对齐知识图谱知识融合跨语言

融合部首特征和BERT的汽车生产设备故障领域命名实体识别

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6期45卷 1370-1375页

作者：倪骥王宇嘉赵博上海工程技术大学电子电气工程学院上海201600

针对汽车生产设备故障领域命名实体识别过程中存在内在语义信息缺失,传统字向量抽取特征单一的问题,提出一种融合部首特征和BERT的汽车生产设备故障领域命名实体识别模型.首先创建汽车生产设备故障领域拆字字典,实现部首特征提取,融合B... 详细信息

针对汽车生产设备故障领域命名实体识别过程中存在内在语义信息缺失,传统字向量抽取特征单一的问题,提出一种融合部首特征和BERT的汽车生产设备故障领域命名实体识别模型.首先创建汽车生产设备故障领域拆字字典,实现部首特征提取,融合BERT预训练模型生成的动态字向量从而得到联合字向量;然后将联合字向量输入到双向长短期记忆(bidirectional long-short term memory,BiLSTM)进行双向编码,获得长序列语义特征;最后通过条件随机场(conditional random field,CRF)进行序列解码,学习标签之间的依赖关系,得到全局最优序列.将该方法在真实汽车生产设备故障领域数据集上进行实验,得到的精确率、召回率、F1值分别为88.4%、90.2%、89.3%.

关键词：命名实体识别特征融合预训练模型部首特征深度学习

基于CVMD-TCN-BiLSTM的短期电力负荷预测

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

电气工程学报 2024年第2期19卷 163-172页

作者：杨汪洋魏云冰罗程浩上海工程技术大学电子电气工程学院上海201620

短期负荷数据往往掺杂着不同类型的噪声且波动性大,传统的分解序列方法在提取序列特征时并未考虑到高频噪声的影响。针对上述精准预测问题,介绍一种分解去噪、重构分解的CVMD-TCN-BiLSTM组合预测方法。采用互补集合经验模态分解(Complem... 详细信息

短期负荷数据往往掺杂着不同类型的噪声且波动性大,传统的分解序列方法在提取序列特征时并未考虑到高频噪声的影响。针对上述精准预测问题,介绍一种分解去噪、重构分解的CVMD-TCN-BiLSTM组合预测方法。采用互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)将原始电力负荷数据分解成一组比较稳定的子序列,联合小波阈值法将含有噪声的高频分量去噪,保留含有信号的低频分量进行累加重构。然后利用变分模态分解(Variational mode decomposition,VMD)对去噪后的数据进行二次信号特征提取,得到一组平稳性强且含不同频率的分量。最后,利用时序卷积网络-双向长短时记忆神经网络对各分量进行了预测,并将预测结果进行迭代,获得完整的预测结果。通过对澳大利亚某地的负荷数据作为实例分析,与传统的负荷预测算法相比,验证了所提模型的有效性。

关键词：互补集合经验模态分解小波阈值变分模态分解分解去噪时序卷积网络双向长短时记忆神经网络负荷预测

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

实体类别增强的汽车领域嵌套命名实体识别

计算机应用 2024年第2期44卷 377-384页

作者：黄子麒胡建鹏上海工程技术大学电子电气工程学院上海201620

针对中文汽车领域实体抽取任务中对嵌套实体、长实体识别效果差的问题,提出一种实体类别增强的嵌套实体抽取(ECE-NER)模型。首先,基于特征融合编码,提高模型对领域实体边界的感知能力;然后,尾词识别模块利用多层感知机得到实体尾词集合... 详细信息

针对中文汽车领域实体抽取任务中对嵌套实体、长实体识别效果差的问题,提出一种实体类别增强的嵌套实体抽取(ECE-NER)模型。首先,基于特征融合编码,提高模型对领域实体边界的感知能力;然后,尾词识别模块利用多层感知机得到实体尾词集合;最后,前向边界识别模块基于义原构造的实体类别特征和自注意力机制得到实体类别增强的候选尾词表征,融合领域实体类别特征,利用双仿射编码器计算特定尾词和实体类型的实体跨度概率,从而确定命名实体。在某汽车企业生产线故障数据集、汽车工业故障抽取评测数据集CCL2022和中文医学文本数据集CHIP2020上进行模型验证。实验结果表明,所提模型在前两个数据集上的实体识别F1值比序列标注模型(BERT+BiLSTM+CRF)、基于跨度的实体抽取模型(PURE(Princeton University Relation Extraction)、SpERT(Span-based Entity and Relation Transformer))分别提高了4.1、1.8、1.6个百分点和9.0、5.4、7.3个百分点;在第一个数据集和第三个数据集中嵌套实体识别F1值与PURE、SpERT模型相比提高了13.3、8.3个百分点和21.7、9.3个百分点,验证了所提模型在嵌套实体识别上的有效性。

关键词：特征融合义原特征自注意力机制双仿射编码器中文嵌套命名实体识别

在线全文

学校读者我要写书评

暂无评论

基于医疗知识驱动的中文疾病文本分类模型

山东大学学报（理学版） 2024年第7期59卷 122-130页

作者：黎超廖薇上海工程技术大学电子电气工程学院上海201620

本文提出一种基于医疗知识驱动的中文疾病文本分类模型。首先,通过引入外部医疗知识图谱中的结构化知识,得到知识增强的疾病文本向量表示;其次,使用双向长短期记忆网络和卷积神经网络分别提取疾病文本的全局语义特征和局部语义特征,同时... 详细信息

本文提出一种基于医疗知识驱动的中文疾病文本分类模型。首先,通过引入外部医疗知识图谱中的结构化知识,得到知识增强的疾病文本向量表示;其次,使用双向长短期记忆网络和卷积神经网络分别提取疾病文本的全局语义特征和局部语义特征,同时,联合注意力机制提高模型对有效特征信息提取的效率;最后,将提取到的特征进行拼接融合,并利用分类器输出分类结果。在中文疾病文本数据集上的实验结果表明,所提模型分类的精确率、召回率和精确率和召回率的调和均值F1值分别可达95.21%、95.64%和95.42%,与其他模型相比具有更优的分类效果。

关键词：疾病文本分类知识图谱卷积神经网络双向长短期记忆网络注意力机制

同方期刊数据库