课程文献中心 更多>>

关键词： 焊缝识别   图像分割   注意力机制   U-Net   鲁棒性  

摘要： 针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割精度低的问题,提出一种融入注意力机制的改进U-Net鲁棒焊缝识别算法。首先,在模型的特征融合过程中使用超强通道注意力机制实现特征的加权融合。然后,在编码器结构之后,加入特征分类结构,使其可以输出焊缝对应类型名称。最后,由于网络训练中正负样本失衡会对识别结果产生影响,在模型的损失函数中添加Dice Loss和Focal Loss来进行修正,以提高模型的鲁棒性和泛化性。另外,在模型训练的过程中提出了一种像素位置信息和图像种类信息融合的方式,以增强焊缝识别的鲁棒性。实验表明,在具有弧光、烟雾噪声等干扰环境下,所提方法得到了较好的实验结果,能够满足检测对精度和实时性的需求,在具有弧光、烟雾等干扰的实际焊接现场中具有一定的应用前景。

关键词： 无人机编队   门格海绵结构   注意力机制   集群控制   编队保持  

摘要： 单一无人机无法有效处理复杂的多任务场景,而无人机编队解决这方面问题具有显著优势。为了满足多任务场景和面向任务的编队聚集以及运行中编队队形保持的需求,设计了一种基于门格海绵分形的无人机编队模型。同时,采用多智能体近端策略优化算法(MAPPO)、近端策略优化算法(PPO)和注意力机制来训练编队控制策略,简化无人机编队模型的建立,根据无人机对其他无人机的关注为所有输入分配权重,增强其在动态环境中的适应性。针对MAPPO算法收敛速度慢和对多个智能体适应性有限的问题,提出了一种基于门格海绵分形结构的MIX-MAPPO算法。实验结果表明,与DDPG、PPO、MADDPG和MAPPO等算法相比,该方法不但成功地实现了稳定的编队,而且具有明显更快的收敛速度和更高的奖励值,说明了MIX-MAPPO算法在编队集群控制领域的优越性。

关键词： 腹部   自适应迭代算法   单能量   图像质量   能谱  

摘要： 目的探讨基于new双瞬切能谱扫描模式下的不同权重迭代算法(ASiR-V)对腹部能谱不同单能量图像质量的影响。方法前瞻性收集20例临床须行腹部CT扫描的患者。采用GEApexCT扫描仪进行能谱成像(GSI)模式扫描,能谱采用电流和电压同时双瞬切新型能谱扫描模式,管电压80~140 kV瞬时切换,管电流采用AssistmA(实时mA调置技术),噪声指数(NI)=10,扫描后重建不同权重ASiR-V(0%、40%、80%,间隔40%)的原始图像共3组,层厚为5 mm。选择腹部静脉期图像,应用能谱分析软件GSIViewer在同一层面勾画感兴趣区(ROI,面积约为50~150 mm^(2)),测量肝脏、脾脏、腹主动脉以及左侧竖直肌,进一步后处理获得每个ROI中50 keV、70 keV及90 keV单能量图像的CT值和噪声(SD),计算信噪比(SNR)。采用单因素方差分析比较不同权重ASiR-V重建的单能量图像SD、SNR组间差异。结果70 keV单能量图像ASiR-V 0%、ASiR-V 40%及ASiR-V 80%的肝脏的CT值分别为(65.58±5.18)Hu、(65.52±5.01)Hu及(65.16±4.66)Hu;SD值逐渐减小,SNR逐渐升高,图像质量改善,其中70 keV单能量图像ASiR-V 0%、40%和80%的肝脏SD值分别为(23.57±2.55)Hu、(17.41±2.32)Hu和(9.90±1.76)Hu;SNR分别为(4.65±0.66)、(6.51±0.58)和(11.50±1.77),且SD值和SNR在组间比较差异均具有统计学意义(P<0.05)。结论基于new双瞬切能谱扫描模式下的不同权重迭代算法(ASiR-V)能够优化腹部能谱不同keV单能量图像质量。

关键词： 一致性算法   含高渗透率   配网   DG   电压   分区   协调控制  

摘要： 为优化含高渗透率DG配网电压协调控制效果,实现更加稳定的电压分布,利用一致性算法,开展了含高渗透率DG配网电压分区协调控制研究。首先,建立含高渗透率DG配网模型,获取各节点间的功率传输和电压水平;其次,对含高渗透率DG配网电压进行动态分区,获取最优分区结果;最后,利用一致性算法,对配网电压进行分区协调控制。实验结果表明,在负荷周期性波动的场景下,应用所提方法后电压稳定性指标均较低,最高不超过2%,能够更有效地应对配网中负荷变化对电压稳定性的影响,实现更加稳定的电压分布。

关键词： 哈工大特色   课程思政   思政育人   算法设计与分析  

摘要： “算法设计与分析”是计算机专业的核心课程,该课程的授课对象是所有计算机大类相关专业的学生。因此,将思想政治教育融入该课程中,能够对更多的学生产生积极影响。然而,当前算法类课程思政建设实践存在思政资源挖掘不够、课程与思政“两张皮”的问题,易导致课堂氛围沉闷,降低学生的求知欲望。为了解决这些问题,通过提炼思政元素,实现“术道融合”,赓续文脉传承,厚植家国情怀,激发学生的学习兴趣,锤炼其创新能力,并从国家、学校、个人三个层次开展课程思政建设,构建了具有哈工大特色的“三层次”“算法设计与分析”课程思政实施路径。

关键词： 凝给水系统   Stacking算法   故障诊断  

摘要： 针对船用凝给水系统设备之间耦合关系较强,对该系统的研究只是选取部分参数而并非像设备一样基本涵盖全部特征参数,且该系统在实际运行过程中可以通过自调节来掩盖某些已发生的故障从而无法准确形成运行参数和故障间的映射关系这一现状,以传统单一机器学习算法为基础,通过拓展建立针对Stacking算法的多分类器性能评价指标,准确寻找运行参数和故障之间的映射关系,解决了多分类器性能评价难题。并利用样本数据设计出比较Stacking算法和单一算法综合性能的试验方法,验证了Stacking模型在凝给水系统故障诊断任务中的适用性和优越性。

关键词： 混合精度   计算流体力学   线性方程组   GMRES  

摘要： 由于计算能耗低、效率高,以单精度/半精度计算单元为主的GPU/TPU/NPU等算力已成为人工智能计算的主要模式,但无法直接应用于浮点精度需求高的微分方程求解,不能直接替代双精度算力.通过结合单/双精度各自的优势,提出了兼顾效率和精度的大型稀疏线性方程组的混合精度求解格式.发展了面向稀疏大型矩阵的GMRES细化迭代算法(sparse GMRES-IR).首先分析了流体力学仿真问题中的矩阵数据分布特点,通过双精度做预处理,单精度细化迭代,使单精度计算应用于算法主要耗时部分,发挥了计算效率优势.通过求解开源数据集提供的33个线性方程组验证了所提出方法的精度和效率.结果表明,在单核CPU上,相同精度要求下,提出的单双混合精度算法可以实现最高2.5倍的加速效果,且在大规模矩阵下效果更突出.

关键词： 信息抽取   大模型推理   提示增强  

摘要： 信息抽取技术随着自然语言处理技术的发展,已经取得了较好的发展,但在实际应用中,由于算法标注数据需求高、训练代价大,上下文理解难,私有化领域落地一直存在较高瓶颈。本文提出了一种基于提示增强的LLM信息抽取算法(LLM-IE Base on Prompt Enhance),通过将文本信息抽取任务转化为文本生成任务,并基于生成文本进行结构化解析,形成文本信息抽取结果。该方法在实体、关系、事件三类自建数据集上进行测试验证,面对少样本困境,该方法通过提示增强激发模型信息提取任务能力,可以近似达成模型微调的效果,同时相较于其他主流信息抽取模型在准确率与召回率上都有提升。With the development of natural language processing technology, information extraction techniques have made significant progress. However, in practical applications, due to high algorithmic annotation data requirements, large training costs, and challenges in understanding context, private domain implementations have consistently faced high barriers. This paper proposes an information extraction algorithm for LLMs based on prompt enhance (LLM-IE Based on Prompt Enhance). This method transforms text information extraction tasks into text generation tasks and performs structured parsing based on the generated text to form the results of information extraction. The method was tested and validated on three self-built datasets for entities, relationships, and events. In addressing the challenge of limited sample data, this approach can approximate the effect of model fine-tuning by stimulating the model’s information extraction task capabilities through prompt Enhancement. Additionally, compared to other mainstream information extraction models, this method shows improvements in both accuracy and recall rates.

关键词： 跨域   小样本   农业病虫害   特征提取   泛化   多模态   任务有偏  

摘要： 为解决跨域小样本农业病虫害分类问题中如何增强网络的特征提取能力以及如何将模型泛化到新类别的问题,提出一种多模态的任务有偏元学习分类算法。利用图片的标签文本信息进行多模态学习,增强网络的特征提取能力,通过任务有偏的元学习算法,使模型能够给予困难任务更多的关注,更好将模型泛化到新类的问题。通过在多个数据集上进行测试并与多种先进的方法进行对比实验,结果表明,该模型是植物病虫害识别问题的一种可行方案。

关键词： 遗传算法   引航基地   选址   大连  

摘要： 引航基地的位置是影响引航服务成本、及时性和可靠性的重要决策。目前,国内外对于引航基地的选址大多是依据经验习惯确定,是否满足新阶段船舶周转要求、港口作业效率需要以及引航服务经济性指标缺乏一定的理论支撑。本文通过分析引航基地的特点及需求,考虑基地位置的合理性、引航服务的高效性和引航基地的运营成本三个目标,构建多目标规划模型研究引航基地选址问题,并根据模型特点,设计基于精英策略的遗传算法求解模型。最后,利用大连港实际数据进行算例实验,做出最佳的引航基地选址决策。