课程文献中心 更多>>

关键词： 洗手间   火车站   媒体   注意力   会议室  

摘要： 2024年,如果你,和我与大彡数打工人一样,从通勤的地铁到公司,从会议室到洗手间,从火车站到出差地之间来回奔波。那么待在家中的时刻,你需要坐下来——阅读。你我身处在一个时髦的新技术让人眼花缭乱,网络上不可靠的内容、耸人听闻的标题吸引和分散每个人注意力的世界,因而杂志这种经过数百年发展和完善的古老媒体,更加令人信重。

关键词： YOLO   缺陷检测   多头混合自注意力机制(MMSA)   小目标检测  

摘要： PCB缺陷检测是电子制造业质量控制的重要组成部分。PCB板在生产过程中可能遭遇各种环境与工艺因素的影响缺陷类型复杂多样,准确检测这些缺陷是提高生产效率和电子产品质量的关键。针对PCB缺陷特点,本文提出了一种结合多头混合自注意力机制改进YOLOv11n模型的PCB缺陷检测方法,以提高检测精度和鲁棒性。通过将MMSA嵌入YOLOv11n框架的Backbone和Neck部分,增加的小目标检测层,增强对PCB缺陷特征的提取与融合能力,提升了对PCB微小缺陷的识别能力。实验结果表明,该方法在PKU-Market-PCB数据集上实现了94.8%的mAP@0.5,相较于YOLOv11n提升了1.6%,且优于其他主流检测算法,显示了其在PCB缺陷检测中的显著优势。PCB defect detection is a crucial component of quality control in the electronics manufacturing industry. During production, PCBs may encounter a variety of environmental and process factors, leading to complex and diverse types of defects. Accurately detecting these defects is key to improving production efficiency and the quality of electronic products. In response to the characteristics of PCB defects, this study proposes a PCB defect detection method that improves the YOLOv11n model by integrating a multi-head mixed self-attention mechanism (MMSA) to enhance detection accuracy and robustness. By embedding MMSA into the Backbone and Neck sections of the YOLOv11n framework, and adding a small target detection layer, this approach enhances the capability to extract and merge features of PCB defects, thus improving the recognition of minute PCB flaws. Experimental results demonstrate that this method achieves an mAP@0.5 of 94.8% on the PKU-Market-PCB dataset, which is a 1.6% improvement over the YOLOv11n baseline and surpasses other mainstream detection algorithms, highlighting its significant advantages in PCB defect detection.

关键词： 时间序列   继电保护定值   失配点推移   死循环回路   灵敏性   选择性  

摘要： 以电力系统产生故障或异常时快速、准确地开展继电保护措施为目标,提出基于时间序列的线路继电保护定值失配点自动化推移算法。利用时间序列组建线路继电保护模型,对线路内的潮流、电压等相关数据组建矩阵,求解矩阵特征值,初步确定继电保护装置位置,并通过线路内的电阻进一步明确该位置;通过线路继电保护装置定值的选择性和灵敏性辨别保护定值是否适用,分为保护一段定值与保护二段、三段定值,若不适用通过自身灵敏度约束对其进行优化;获取简单、复杂循环死回路的失配点,得出线路继电保护定值失配点全部死循环回路,运用整定计算将其从重要线路自动化推移到非重要的线路,实现失配点推移。实验结果表明,该算法可以准确地达到线路继电保护定值失配点自动化推移的目的,使重要线路上的保护定值可以完美互相配合,保障整体电网的安全性。

关键词： 时域同步正交频分复用(TDS-OFDM)   地面数字电视多媒体广播(DTMB)   传输系统   信道估计   自适应算法  

摘要： 近年来,随着数字电视技术的快速发展,我国以时域同步正交频分复用(Time Domain Synchronous Orthogonal Frequency Division Multiplexing,TDS-OFDM)系统为基础研发的地面数字电视多媒体广播(Digital Terrestrial Multimedia Broadcast,DTMB)传输系统得到了广泛应用。然而,DTMB信号在传输过程中易受环境噪声及外界干扰等因素的影响,导致信号传输不稳定。为解决这一问题,急需对DTMB信号传输系统的信道进行准确估计。在深入研究基于TDS-OFDM技术的DTMB信号传输系统工作原理的基础上,提出一种基于特征值分解(Singular Value Decomposition,SVD)算法的DTMB自适应信道估计算法,并通过仿真实验从算法实现难易度、工作性能等方面对所提算法与传统信道估计算法的优劣势进行了对比分析。

关键词： 蜣螂优化算法   折射反向学习   链式邻近学习   无人机协同路径规划  

摘要： 针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。

关键词： 高校信息化系统   数据清洗   数据预处理  

摘要： 随着高校信息化系统中数据量的不断增加,数据质量和可用性问题日益突出。设计了一套智能数据处理算法,专注于数据清洗和预处理模块,涵盖数据去重、异常值检测与处理、缺失值填充、数据归一化、特征提取和数据转换等关键步骤。通过具体算法的实现,表明该系统可以提高数据的准确性和完整性,为高校的教学管理、科研决策及学生服务等多方面提供可靠的数据支持。

关键词： 多重线性PageRank问题   张量分裂   Anderson加速  

摘要： 本文针对多重线性PageRank问题,结合松弛技术,提出了一般形式的张量分裂迭代算法,并给出了相应的收敛性分析。进一步,结合Anderson加速技术,提出了新的张量分裂算法。In this paper, combining relaxation techniques, a general form of tensor splitting iterative algorithm is proposed for the multilinear PageRank problem, and the corresponding convergence analysis is given. Furthermore, a new tensor splitting algorithm is proposed by incorporating Anderson acceleration techniques.

关键词： 图像生成   生成对抗网络   数据增强   小样本  

摘要： 为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进标签反卷积网络,使标签信息更好地贯穿整个生成网络,并在其末端设计了去噪结构,提高了生成图像质量;接着,判别器网络中引入级联融合思想,增强了网络判别能力;最后,将改进前后的模型在NEU带钢表面缺陷数据集和MNIST数据集上进行对比实验,结果表明:所提模型生成各类样本图像的清晰度、准确性明显提高,并且客观指标FID的平均值在NEU带钢表面缺陷数据集上下降了15.8%,在MNIST数据集下降了73%,为带钢小样本数据集的扩充提供了一种新方法。

关键词： 计算机视觉   改进的时空图卷积神经网络   模型融合   SimAM   ReLU6-Sigmoid  

摘要： 近年来,单人姿态估计广泛应用在各个领域,降低单人姿态估计算法对标记数据的依赖同时提高其准确率是计算机视觉中一个具有挑战但是十分重要的课题。针对此问题,该文提出一种改进的时空图卷积神经网络(Spatio-Temporal Graph Convolutional Networks,ST-GCN)的方法。在原来的ST-GCN的基础上,融合MoveNet轻量级神经网络,利用MoveNet的关键点识别功能,解决ST-GCN需要预先标注关键点数据的问题。引入SimAM注意力机制,解决原来的ST-GCN不能很好地区分通道中重点信息,将所有的信息一视同仁的问题。增加ReLU6-Sigmoid组合激活函数,解决原有的激活函数训练波动,非线性拟合不足的问题。即:在提高了原时空图卷积神经网络的检测精度的同时,减少了应用过程中对于标记数据的依赖,降低了训练时的损失率精确率的波动。对于改进后的时空图卷积神经网络,在FLORENCE 3D ACTIONS数据集上证明了其有效性。结果表明,改进后的时空图卷积神经网络准确率从0.8695提升到0.956521。F1值由0.887566提高到0.965432。

关键词： 靶场测控   光电经纬仪   数据融合   融合跟踪  

摘要： 针对光电经纬仪多传感器闭环模式下的自主稳定跟踪问题,提出多传感器自适应加权融合算法以及基于三态转换模型的融合跟踪算法。首先,利用衰减因子与最小二乘外推改进误差协方差的递推公式,得到基于误差协方差估计的多传感器加权融合算法。接着,利用加权系数计算中新增误差项的残差和加权系数定义传感器的不同状态,提出基于三态转换模型的融合跟踪算法,即在当前传感器出现干扰或失效时,算法输出多传感器测量的加权融合值或进行传感器自主切换,实现经纬仪的自主稳定测量。实验结果表明:在某传感器出现干扰或无法提取脱靶量时,算法能及时切换所选择的传感器,输出数据准确平稳,保证了跟踪系统稳定运行,对于测量情形具有良好的鲁棒性。