课程文献中心 更多>>

关键词： 深度学习   标签噪声   不确定性估计   样本选择   标签矫正  

摘要： 标签噪声通过在训练过程中降低对真实类别预测的置信度引入了不确定性问题,为了降低标签噪声的影响,提出了一种不确定性感知的标签矫正算法(ULC)。首先,基于证据理论和主观逻辑理论,从样本的多个视图和标签信息中估计不确定性;然后,采用双准则样本选择策略将数据集划分为三个子集,并使用联合预测矫正噪声标签;最后,采用不同的正则化策略处理各个子集以优化训练目标。在四个模拟标签噪声数据集和两个真实标签噪声数据集上进行了对比实验。与DivideMix算法相比,在包含40%Pairflip类型噪声的CIFAR-10和CIFAR-100数据集上,ULC的分类准确率分别提升了10.58%和15.84%,矫正标签准确率分别达到了95.48%和81.32%。实验结果表明,ULC能够准确估计不确定性,提升矫正标签准确率和模型泛化性能。

关键词： 太阳辐射散射   HPO   LSTM   注意力机制   优化算法  

摘要： 针对现有对于太阳散射辐射的预测方法准确度低等问题，构建了HPO-LSTM-Attention组合模型，为了进一步提高模型预测的准确度为HPO设计了一种新的自适应动态权重，从而可以平衡算法的全局探索性和局部开发性。经过注意力机制和HPO两种算法的优化使得LSTM的预测性能有了极大的提升。实验结果表明新提出的HPO-LSTM-Attention模型优于LSTM、BiLSTM和HPO-LSTM模型，在MAE、MAPE、R2和MSE评价指标下表现更出色，与未改进模型相比其均方差减少了近40%。证明了HPO-LSTM-Attention模型在预测太阳散射辐射方面的有效性。

关键词： 道路工程   路面破损检测   搭载设备   智能分析算法   深度学习  

摘要： 分析了路面破损智能化检测研究的最新进展及发展趋势，对路面破损检测技术、搭载设备及智能分析算法进行了总结归纳。基于不同的能量形式，现行路面破损智能检测技术主要分为力学、光学、声学、热学和电磁学五大类别；依托激光扫描和超声波等先进技术的检测方法已取得重要进展，不同技术手段的优化组合与协同应用成为该领域的核心研究方向。从设备搭载方式来看，目前路面检测主要依托专业检测车、商用车、无人机以及卫星遥感等平台，并搭载多种类型的数据采集设备；检测设备的发展呈现出多元化、轻量化和高度集成化的特点，这一趋势已成为推动该领域技术创新与进步的重要驱动力。在破损智能分析算法方面，随着深度学习架构的持续演进，从经典CNN架构、Multi-modal架构、Backbone-neck-head架构、Encoder-decoder架构到Vision transformer架构，相关算法在路面破损检测中的创新研究取得了系统性突破，为智能检测算法的未来发展方向提供了重要参考。

关键词： 耙吸式挖泥船   耙管姿态   曲线重构算法   FBG传感阵列  

摘要： 针对耙吸式挖泥船耙管姿态重构方向多变性问题，提出将耙管在空间的弯曲划分为四个区域，构建相应区域的基于运动坐标系齐次变换矩阵的曲线重构算法，并基于FBG(光纤Bragg光栅传感)传感阵列设计耙管空间姿态可视化系统进行实验验证。通过与现有重构算法对比，分析系统的重构计算值与软管实际弯曲的测量数据，实验结果表明所提算法的均方根误差较小，验证了所提耙管姿态重构算法在空间任意区域的有效性，为耙管空间姿态计算提供新的思路。

关键词： 无人机   边缘计算   目标检测   目标跟踪   公路巡检  

摘要： 对公路标线的实时跟踪是无人机公路巡检任务中的一个重要环节。较新的深度学习网络算法一般伴随着较大参数量，限制了其在边缘设备上的应用，针对其部署在边缘计算平台上的需要，本文提出了一种基于改进YOLOv3-tiny和DeepSORT的公路标线跟踪算法。改进的算法首先进行K-Means++聚类，其次采用CIOU损失函数，使检测框的回归更加稳定，最后引入改进的SPP结构和SAM空间注意力机制丰富有效特征提取。对检测到的公路标线进行跟踪，并根据实际巡检的情况对DeepSORT进行改进。实验结果表明改进的YOLOv3-tiny算法相比于原算法mAP提高了4.02% ，改进的DeepSORT算法相比于原算法MOTA值提升了1.9 %，在Nvidia Jetson Xavier NX平台上进行测试，平均帧速率可达31.2帧/s，满足了无人机实时巡检的需求。

关键词： 超分辨率   轻量级   特征校准   多路学习   特征丰富度  

摘要： 针对现有轻量级图像超分辨率重建算法在表征特征丰富度及准确性方面存在的局限性问题， 提出一种基于多路特征校准的轻量级图像超分辨率重建算法. 首先在深层特征提取前构建多感受野特征提取块， 并在通道和空间维度上协同特征校准以增强网络对整体结构的全局理解， 实现多尺度全局到局部的特征提取; 然后提出一种多路特征校准块， 从多路不同分支提取不同颗粒度的特征信息， 以获得更全面和信息丰富的图像特征， 增强网络的表征能力; 最后从多尺度空间和通道维度建模上下文依赖关系， 构建基于多路特征校准的轻量级图像超分辨率重建网络， 充分挖掘图像的空间信息和通道特征， 分别设计多感受野空间注意力和通道校准注意力. 大量实验结果表明， 所提算法在参数和性能之间取得了高度平衡， 尤其是对于结构复杂和纹理细节丰富的图像的重建效果更好; 在纹理复杂的Urban100数据集上， 与对比的轻量化方法相比， 该算法在PSNR指标上均至少提升超过0.1 dB.

关键词： 算法不透明性   知识获取   知识隐藏   创造力   自愿使用AI   强制使用AI  

摘要： 不透明性是与当前算法相关的一个关键特征，引起了学者们的广泛关注。已有研究多将算法不透明性视为一种破坏性特征，并认为算法不透明性会降低创造力。然而，有证据表明，算法不透明性也可能会激发创造力。基于工作要求-控制（JDC）模型，本文构建了算法不透明性影响创造力的“双刃剑”效应的整合性理论模型。通过一项实验研究和一项问卷调研，发现当自愿使用AI而不是强制使用AI时，算法不透明性与知识获取正相关，当强制使用AI而不是自愿使用AI时，算法不透明性与知识隐藏正相关。此外，知识获取和知识隐藏分别在算法不透明性与创造力间起到了条件性的中介作用。本文的研究结论不仅为算法不透明性的影响提供了更为全面且平衡的观点，也为组织如何管理算法不透明性并发挥其潜在价值提供了有益启发。

关键词： 集电系统   分层优化   内层拓扑   风电出力   电缆选型   变电站位置  

摘要： 集电系统是风电场的重要组成部分，其拓扑结构直接影响整个风电场的投资成本和经济效益。但陆上风电机组分布地形复杂且出力随机性和不确定性强，使得集电系统拓扑优化难度大。为此，该文首先提出包括改进扇形聚类算法、扩展三角剖分算法及有向图生成算法的系统拓扑备选连接生成方法，可自适应生成合理分区下风电场备选连接拓扑，有效提高了算法的鲁棒性。以此为基础，计及风电出力波动、线路传输能力、电压等约束，建立了适用于陆上风电场多场景出力特性的集电系统拓扑内层优化模型，可实现全寿命周期成本下的系统拓扑结构优化和电缆经济选型。之后，引入外层变电站位置影响因素，通过模式搜索方法，实现集电系统内层拓扑与外层变电站相关联的分层优化目标。并通过实际算例验证了上述算法及模型的有效性。最终可形成陆上风电场集电系统风电机组、电缆线路及变电站位置等综合最优的拓扑连接方案。

关键词： 舰载机   路径规划   强化学习   虚拟仿真  

摘要： 舰载机的高效出动能力是衡量航空母舰综合战斗力的重要指标之一. 为了提高舰载机的出动架次率， 提出一种基于深度确定性策略梯度算法的舰载机导引路径规划方法. 首先将舰载机路径规划问题建模为序列决策问题， 构建航母甲板环境的状态空间和舰载机的连续动作空间; 然后基于舰载机运动模型、转弯角度、避障等多重约束， 设计了兼顾即时奖励和长期累积收益的奖励函数， 提高强化学习算法的收敛速度; 再结合相对速度障碍法和动态采样策略， 增强了算法的避障学习能力; 为了提高路径的平滑性， 采用B样条拟合算法对规划路径进行优化， 以适应真实作业任务的需求. 在Unity3D上进行仿真实验的结果表明， 所提方法在收敛速度、路径长度、平滑度等多个评价指标上优于对比算法.

关键词： 褐菇   密集目标检测   YOLOv7   AFPN   ELAN_PS   MPDIoU  

摘要： 在褐菇种植工业化的复杂环境下，针对采摘机器人在密集生长的褐菇群的实时检测精度与速度低、误检率高等问题，提出一种基于改进YOLOv7的密集褐菇检测算法；为了防止网络退化，提高网络的检测精度与速率，降低网络的计算成本，引入ELAN＿PS模块替换原ELAN模块；使用AFPN网络代替原网络的Neck 部分进行多尺度融合，为特征图分配不同的空间权重，提高模型对密集目标的划分能力；引入MDIoU损失函数作为算法的边界框损失函数，优化网络训练的收敛速度，提高模型对密集褐菇个体的检测精度；将改进后的算法在自建的工业化种植褐菇数据集上进行训练与测试，与原YOLOv7相比，模型检测速度提高了2.1%，检测精确度提高了4.9%，平均精度mAP@0.5提高了9.1%。