课程文献中心 更多>>

关键词： 深度学习   地物分类   卷积神经网络   遥感影像   语义分割  

摘要： 地物分类在环境监测、资源管理和城市规划中具有重要作用,但光谱相似性、噪声干扰及自然与人造地物混杂等因素,使得分类过程面临各种挑战。为提高分类精度,并增强模型的稳健性,本文提出了一种基于U-Net卷积网络架构且结合Transformer自注意力机制的深度学习网络。在兰州市遥感影像数据集上的试验表明,该模型在平均分类精度(mAcc)、平均交并比(mIoU)和平均F1分数(m F1)等指标上均优于PSPNet、DeeplabV3、Segformer和Swin-T模型。该模型不仅提高了分类精度,还实现了较高的推理速度,展现出在复杂地物场景中的应用潜力,为遥感影像分类提供了新思路。

关键词： 高校共青团   新媒体   微信公众号   网络话语传播  

摘要： 高校新媒体作为传播、创新和转换主流共青团话语表达的主要载体,是学校资讯传播、思想引领、文化传承的重要平台。文章从浙江省内14所高校共青团微信公众号的推文内容、话语方式、传播影响及大学生网络文化需求等多角度出发进行调研,通过定量与定性相结合的分析方式,深入分析共青团网络话语传播的现状与困境,有针对性地提出优化传播策略的建议,以期为高校网络思政教育工作提供一定借鉴。

关键词： 网络视频直播   文化产业发展   影响   发展路径  

摘要： 随着互联网的不断发展,网络视频直播兴起,并对各个产业发展产生较大的影响。基于网络视频直播的特点和优势,对我国文化产业的发展也会产生较大的推动作用。相关人员要加强对网络视频直播的研究,促使网络视频直播推动我国文化产业获得更大的发展空间。本文主要分析网络视频直播对文化产业发展的影响,探讨网络视频直播下文化产业发展的路径,以期为相关人员提供参考。

关键词： 连锁股东   股东关系网络   企业碳绩效   公司治理   技术创新   新质生产力  

摘要： 基于社会网络视角,利用2009~2020年沪深A股29509家上市公司数据,以股东关系网络衡量企业间关系,考察企业间关系对企业碳绩效的影响及其作用路径。研究表明:股东关系网络能够促进企业碳绩效的提升,且该结论能够经过一系列稳健性检验。从治理“驱动”和技术“助力”两方面的机制分析发现,股东关系网络通过内部控制能力、资金管理能力、绿色创新技术和环保管理技术提升企业碳绩效。进一步分析表明,企业自身不同特征、内外不同约束和所处不同区位等会影响股东关系网络与企业碳绩效之间的正相关关系。

关键词： 企业间关联网络   流动性风险   传染机制   行为金融  

摘要： 文章运用文献分析和理论推演方法,从行为金融学视角剖析了企业间信用关联网络的形成特征与其传染性,从资产关联和交易关联两个方面阐释企业间关联网络中流动性风险的形成机理。在此基础上,从企业行为偏好、投资者情绪、供应链关系三个角度解析企业间关联网络中流动性风险的传染机制。研究发现:(1)企业间关联网络的形成主要是由于企业间因担保、债务和股权形成的资产关联、因业务和交易形成的交易关联;(2)受企业风险偏好、企业影响力、企业资信水平与企业风险认知水平影响,易造成流动性风险通过“担保圈”进行快速蔓延;(3)认知偏差是导致债券投资者情绪波动的根本因素,且供应链上各个企业间的微观活动以及高层管理者之间复杂的人际关系,都会加强流动性风险在关联企业间的传染。

关键词： 无人机声谱识别   卷积神经网络   Transformer模型   梅尔频率倒谱系数  

摘要： 提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)和Transformer模型的创新无人机声谱识别方法。首先,通过预加重、分帧、加窗等技术对无人机声音样本进行预处理,并应用小波平滑处理以增强信号质量;其次,采用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和Gammatone频率倒谱系数(Gammatone Frequency Cepstral Coefficients,GFCC)进行特征提取,并利用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)技术进行特征降维;最后,设计并训练了融合卷积神经网络和Transformer的Conformer模型,以显著提升模型的识别准确性和鲁棒性。实验结果表明,该方法在复杂噪声环境中表现出卓越的无人机识别性能,显著优于传统探测方法,展示了其广泛实际应用潜力和前景。

关键词： 深度学习   人体运动行为识别   注意力机制   深度可分离卷积   孪生网络  

摘要： 为了使用更少传感器实现更高精度的人体运动行为识别,提出基于DSC-BiGRU-Att孪生网络的方法,旨在使用加速度传感器通过深度学习网络模型,实现对人体运动行为的准确识别.基于人体运动行为多分类任务目标,以孪生网络为基本框架,将预处理后的加速度传感器数据样本对输入孪生网络.孪生网络由2个结构相同、参数共享的深度可分离网络(DSC)、双向门控循环单元(BiGRU)和注意力机制(Att)组成.深度可分离卷积网络提取运动行为信号中的空间特征,双向门控单元提取信号中的时间特征,引入注意力机制对提取的特征进行强化,最终实现人体运动行为的识别.利用真实的数据集对所提出的DSC-BiGRU-Att孪生网络进行验证.实验结果表明,所提出的算法在样本量较少的情况下取得了较好的行为识别结果,改模型在自采集加速度数据集上的准确率为98.89%.

关键词： 未成年人   网络游戏   数字风险   法律防范  

摘要： 随着网络游戏在未成年人中的普及,网络游戏带来的多维度数字风险逐渐显现,主要体现在适龄性管理不足与内容不适配风险、隐私保护不完善与数据滥用风险、监护人同意机制薄弱与沉迷风险等方面。这些风险给未成年人的身心健康带来了显著威胁。当前,法律保护机制虽对未成年人网络游戏风险做出了一定规制,但依然存在适龄分级标准模糊与执行不力、用户协议透明度不足与同意机制流于形式、身份认证及防沉迷系统的技术漏洞与执行偏差等方面问题。基于此,提出了适龄化、场景化及系统化的防控策略,建议通过细化年龄分级、优化隐私政策、强化监护人同意机制以及构建立体化技术防护体系,为未成年人营造更为安全的网络游戏环境。

关键词： 频谱管理   资源分配   移动通信   动态频谱分配   频谱效率  

摘要： 本文综述了移动通信网络中频谱资源分配策略的研究现状和发展趋势,旨在应对频谱资源紧张与利用率低的问题。简述了静态频谱分配、动态频谱分配、频谱共享技术及市场机制等主要分配策略的特点及其适用场景,并分析了其优势与局限性。研究重点探讨了动态频谱分配在提升频谱效率中的关键技术,包括频谱感知与干扰管理,同时指出人工智能和新型通信技术(如太赫兹通信、频谱聚合)对未来频谱管理的推动作用。分析表明,智能化和高效化是未来频谱分配的重要方向,研究为通信网络优化提供了理论参考,具有重要意义。

关键词： CT图像   金属伪影   稀疏Transformer   注意力机制   细节还原  

摘要： 在CT成像中,若病人体内存在金属植入物时,CT重建图像中会出现严重的金属伪影,降低图像质量并影响医生诊断结果;对现有金属伪影去除算法进行了研究,分析了简单的神经网络模型去除金属伪影时存在伪影残留及组织细节模糊的问题,提出了稀疏Transformer联合细节还原网络;该网络由伪影去除网络和细节还原网络两个独立的子网络构成,伪影去除网络将标准Transformer中的自注意力替换为稀疏注意力机制,并且引入混合尺度前馈网络提取多尺度信息,以产生更好的图像去噪特征;细节还原网络同时提取全局和局部信息,在不损失图像分辨率的前提下清晰地恢复原始图像细节,然后通过加法运算将其整合到上述去除伪影的图像中;在Deeplesion数据集上验证了模型的有效性,实验结果表明,该方法在金属伪影去除效果上优于目前已有方法,在PSNR、SSIM指标上表现更优,能有效去除金属伪影,恢复出大部分精细的结构细节。