课程文献中心 更多>>

关键词： Sobel算法   双线性插值   FPGA   自适阈值   硬件加速  

摘要： 该文首先对标准Sobel算法进行分析,然后针对算法在其他方向边缘检测效果不好和阈值需要人为设定等不足对算法进行改进和优化。该设计采用FPGA作为硬件平台,利用其并行处理能力,对Sobel算法进行硬件加速,使其能够自适应地处理不同分辨率和帧率的视频流。

关键词： 强化学习   深度强化学习   建筑能源管理系统   控制策略  

摘要： 为了平衡建筑能耗和舒适度,对深度强化学习在建筑能源管理系统中的应用研究进行了回顾。阐述了建筑能源管理系统的重要性和目标,以及该研究领域传统控制方法存在的不足。介绍了深度强化学习和建筑能源管理的理论基础以及二者之间的关系和结合的可能性。本文重点回顾了深度强化学习在建筑能源管理系统(BEMS)不同方面的应用研究。根据现有相关研究中的局限性,提出了深度强化学习在建筑能源管理系统中所面临的挑战和潜在的研究方向。本文旨在通过对现有研究的回顾,为未来深度强化学习在建筑能源管理系统中的进一步应用提供一些洞见。

关键词： 内短路故障   双卡尔曼滤波   定量诊断   老化电池  

摘要： 电池内短路故障是最为严重的电池安全故障之一,由于初期发生的内短路故障具有较强的隐蔽性而不易察觉,而且其电压特征与老化电池电压特征相似,通常难以辨别。为了解决上述问题,提出一种电池内短路故障在线诊断方法,能够对电池组中的内短路故障电池和容量损失电池进行定量诊断和识别。首先利用电压回弹曲线对疑似内短路故障电池进行初步标记,构建电池内短路故障等效电路模型后利用双扩展卡尔曼滤波(dual extended Kalman filter,DEKF)算法估计短路电阻,实现电池内短路程度的定量诊断。对于正常老化电池,构建正常电池的Thevenin等效电路模型,利用DEKF算法辨识其欧姆内阻,并以此为依据判断电池老化程度。最后,搭建了实验平台验证所提方法的有效性。结果表明,所提出的方法可以有效辨别容量损失与内短路故障电池并定量计算,对模拟内短路电阻为50和100Ω的电池,内短路电阻估计误差分别为3.6%和1.7%。对实际健康程度为80.75%的老化电池能够实现容量损失程度的定量估计,其估计误差为4.48%。

关键词： 无人机定位   复杂光照   图像预处理   IMU预积分   回环校验  

摘要： 针对复杂光照条件下视觉惯性同步定位与地图构建(VIO-SLAM)算法易发生偏移以及跟踪失败等问题,提出了一种改进的VIO-SLAM算法。首先,所提PVIO-SLAM算法对图像进行照度判别,对不同照度分别进行自适应对数校正和对比度受限的直方图均衡化(CLAHE)处理;接着,采用提出的自适应加权融合策略对预处理后的图像进行融合,同时使用预积分缩小匹配范围加速特征点匹配,引入回环校验来提高算法的鲁棒性;最后,在公共数据集上进行实验,与原算法相比,未开启回环校验时所提算法均方根误差降低35.75%,开启后均方根误差进一步降低14.96%。实际场景下的实验结果表明,所提算法的运动轨迹与真实轨迹相吻合。综上所述,提出的算法有效提升了复杂光照条件下的VIO-SLAM的精度,具有较高的鲁棒性。

关键词： 图像处理   红外热成像   人脸对齐   多尺度卷积注意力   归一化平均误差  

摘要： 红外热成像人脸对齐在提取人脸面部温度方面起着至关重要的作用,其定位精度直接关系到对人脸各区域温度数据的准确采集与分析。当前,主要的人脸对齐方法多数应用于可见光人脸图像,但将其直接应用于红外热人脸图像存在精度不足等问题。为解决这一问题,提出了一种基于多尺度卷积注意力的热红外人脸对齐算法。利用多尺度信息的优势,将多尺度卷积注意力机制与倒置残差卷积网络相结合,并引入wing loss作为损失函数,增强了网络模型的特征提取能力。实验结果显示,所提出的算法在公开热红外人脸数据集和自采的面瘫人脸数据集上的归一化平均误差分别达到了3.23%和3.94%。相较于传统方法,该算法针对各器官的定位精度均有一定程度的提高,应用范围可扩大至面瘫人群,意义较大。

关键词： 轮对踏面缺陷   知识蒸馏   无锚检测器   多尺度特征模块   深度学习  

摘要： 作为列车安全维护的重点问题,列车轮对表面缺陷检测性能易受低算力、多尺度和复杂背景等因素的制约。这使得许多基于深度学习的目标检测算法难以完全发挥其性能。针对以上问题,提出一种基于多尺度可分离蒸馏网络的列车轮对踏面缺陷检测算法(D-MSCNet)。在该方法中,首先设计一种由跨层可分离特征提取模块(CSEM)和多尺度可分离下采样模块(MSDM)组成的主干网络(MSA-ResNet)。其中,CSEM模块通过在残差架构中引入深度可分离卷积、扩展卷积、通道压缩和跨层连接机制来保证它能在不显著增加计算量的同时丰富特征信息、扩大感受野。多尺度可分离下采样模块(MSDM)通过引入多尺度特征融合机制和注意力模块以在下采样任务过程中提高多尺度特征信息、弱化背景信息。其次,设计了一种新的主从区域知识蒸馏策略来有效地压缩和简化模型。它首先根据标签中的Ground Truth划分主要和次要蒸馏区域,然后将两者作用于各个回归分支之间以执行知识蒸馏任务。最后,在实际列车轮对踏面数据集上进行了实验分析,对比实验表明当所提方法D-MSCNet在加载小参数网络(MSA-ResNet18)时,其M_(AP)=64.9%、F_(PS)=85优于大多数对比方法,表明了该方法能够有效地平衡检测速度和检测精度。此外,通过消融实验、模块对比实验以及可视化分析进一步验证了所提方法的有效性和优越性。

关键词： 智能终端   神经网络   压缩与加速  

摘要： 神经网络压缩与加速技术研究领域目前尚存在模型压缩后精度损失和运算效率不高的问题。本文针对这些问题,提出基于剪枝技术的神经网络压缩与加速方法,包括L1范数评估权重、设置剪枝阈值、剪枝操作以及微调剪枝后模型的精度,研究目的是在保持较高准确率的同时,减少神经网络的复杂度和计算量。最后,通过对网络压缩与加速技术的测评,验证文章所提出的方法能有效提升智能终端上神经网络的运行效率。

关键词： 关联规则   DPA攻击   加密数据   检测   密码芯片   特征提取  

摘要： 当芯片在执行不同的指令各种运算时,对应的功率消耗也相应变化。DPA攻击使用数学统计技术,来检测和分析这些变化,从而得到芯片中的特定关键信息,对这种攻击准确检测至关重要。提出了基于关联规则的AES密码芯片DPA攻击检测算法。利用关联规则算法,获取加密数据的关联度主特征量,根据AES密码芯片遭受的单分量信号模型,获取DPA攻击信号的伸缩变化,通过对攻击信号的分解,结合尺度仿射变换,实现了AES密码芯片DPA攻击的检测。实验结果表明:所提方法能够准确检测到AES密码芯片遭受的DPA攻击,降低了误检率,提高了AES密码芯片的安全性。

关键词： 审计效率   区块链技术   交易记录   信息传递   可追溯性   共识机制   数据管理   信息真实性  

摘要： 近年来,区块链技术作为一种创新的去中心化、安全可靠的分布式账本技术,凭借其数据的不可篡改性、可追溯性和高度透明性,在全球范围内广受关注,并在金融、供应链、物联网及财会审计等多个领域取得显著成就.在财会审计领域,区块链技术通过提供不可篡改的数据记录和高透明度的信息流,不仅提高了审计效率,还显著增强了数据的真实性和可信度.通过探讨该技术在财会审计领域的现状,并展望其未来发展趋势,可以揭示区块链技术如何推动财会审计行业向更高效、透明的方向迈进,同时预见其对数据管理和信息传递领域可能产生的深远影响.区块链技术运用先进的加密算法和网络共识机制,实现数据的去中心化存储,有效保障了数据的安全性和可靠性,为信息真实性和交易记录的不可伪造性提供了全新解决方案.

关键词： 混合神经网络算法   电工仪表   数据异常   检测方法  

摘要： 电力系统本身就是一个高度复杂的系统,包括电网结构、供电设备、负载特性等多方面因素,这些因素之间复杂的相互作用可能会影响电工仪表数据的准确性,因此在异常检测研究中需要考虑系统复杂性带来的挑战。为此,本文提出了基于混合神经网络算法的电工仪表数据异常检测方法。构建电工仪表数据评价指标体系,并以此为依据,基于混合神经网络对电工仪表数据的准确性完成辨识,将辨识结果作为判断数据异常的标准。本文还提到引入随机森林输出电工仪表数据异常检测结果。实验结果表明:与传统方法相比,该研究方法的电工仪表数据异常检测耗时更短,精度更高。