课程文献中心 更多>>

关键词： 蒸散   机器学习算法   能量闭合   水稻   生育期  

摘要： 为选出模拟长江中下游高标准稻田各生育期实际蒸散(ETa)的最优机器学习模型,并探究能量闭合对机器学习模型模拟ETa的影响,基于南通市2020年高标准水稻田小气候、土壤和通量观测数据,分析各生育期稻田ETa及相关因子的时间变化特征,利用BP神经网络和随机森林两种算法估算各生育期ETa,评估基于波文比的强迫能量闭合对机器学习模型模拟ETa精度的影响。结果表明:(1)在不同生育期,气象和土壤因子对稻田ETa的重要性不同,入射短波辐射(K↓)始终是稻田ETa的主控因子。(2)加入K↓可显著提高机器学习模型对ETa的模拟精度,相关系数提高了14.9%,RMSE降低51.1%。5种变量组合中,包含饱和水汽压差(VPD)、风速(U)、气温(Ta)、相对湿度(RH)和入射短波辐射(K↓)的BP1模型是模拟分蘖期前稻田ETa的最佳模型,包含Ta、RH和K↓的BP3模型更适于模拟分蘖期后的稻田ETa。(3)强迫能量闭合能改善BP神经网络模型对ETa的模拟效果,在分蘖期前更为明显,5种变量组合中,BP2模型(U、Ta、RH和K↓)在能量闭合后的模拟效果提升最明显,相关系数提高了3.5%,RMSE降低25.7%。

关键词： 神经网络   注意力机制   协同过滤   推荐系统   Bert模型   SDAE  

摘要： 针对协同过滤推荐算法中用户-物品矩阵的稀疏性,使得传统协同过滤算法推荐度较差的问题,提出一种改进的基于神经网络和注意力机制的协同过滤推荐算法B-SDAECF,旨在解决传统推荐系统中数据稀疏的问题。结合Transformer模型的变式Bert模型和堆叠式降噪自动编码器(SDAE),利用Bert模型从用户评论中提取高质量的特征表示,以获得向量矩阵;并将向量矩阵作为SDAE的初始权重,从而使SDAE模型能够更快速地运算,进而填充原有的用户-项目评分矩阵。实验结果显示,相比传统方法,所提方法在推荐系统的准确性和鲁棒性上有显著提升,推荐效果更优秀。

关键词： 标准化农业   人工智能   大数据平台   算法  

摘要： 辽宁省在智慧农业领域已有初步探索,环境监测、种植自动化、智能决策等人工智能技术在标准化农场的建设中发挥了不可替代的作用,在实现生产标准化、环境标准化、管理标准化、产品标准化水平方面小有成效。新一代数字技术是标准化农业工厂建设的核心,但由于应用人工智能技术的门槛高,在小农户群体中的推广力度及应用能力有待加强。因此,应充分发挥政府及农企的领军作用,积极引领、鼓励农户群体应用人工智能技术,优化人工智能算法,加强数据平台建设,为标准化农业工厂建设提供有力支撑,进而提高农业生产力。

关键词： YOLOv5   气门孔   注意力机制   高效聚合网络  

摘要： 轮毂动平衡对车辆行驶安全尤为重要,气门孔快速的检测定位有利于提高动平衡测试效率。针对气门孔目标尺寸小、特征识别困难等问题,提出一种基于YOLOv5s的气门孔检测算法。该算法联合多尺度特征,扩大特征融合网络的输入尺寸范围,提高小目标的检测准确度;融合CBAM注意力机制,使网络更加关注关键区域,同时忽略不重要的背景信息;使用高效聚合网络,通过增加相当的深度来提高准确率。实验结果表明,改进后的算法在气门孔数据集上的识别精度达到92.64%,召回率达到84.16%。

关键词： 快速傅里叶变换   WFTA方法   计算复杂度   硬件实现  

摘要： 研究针对常用的几种快速傅里叶变换算法进行了多方面的分析,从运算原理出发研究了各种算法的运算量、复杂程度及适用性,并对相关文献进行了综述,归纳了不同算法在硬件实现上的特征。在对不同算法进行比较分析后得出结论:随着算法运算速度的提升,其硬件实现复杂度也相应增强,并且大多数实用性强的快速傅里叶变换(FFT)算法对于输入序列点数N都有一定要求。因此,在实际使用中需要根据不同的设计要求综合考虑,采用不同算法结合的方案。

关键词： 无线传感器网络   蚁群算法   路由选择  

摘要： 针对无线传感器网络(WSN)中传感器节点在数据传输过程中存在节点能量受限、负载均衡性差等相关问题,提出一种基于改进蚁群算法信息素因子的WSN路由选择方法。通过改进蚁群算法中信息素的定义,引入综合信任度将路由选择转化为组合优化问题权衡节点信任度、节点能量、链路质量三者的关系,用于选择最佳的路径传递数据,从而有效地提高WSN吞吐量和稳定性。

关键词： 新一代   智能计量周转柜   计量设备  

摘要： 文章研究致力于探究集成了尖端自动化识别技术与智能化库存控制策略的新一代智能计量周转柜系统,目标在于挖掘其对计量设备管理效率潜在的正面影响。研究旨在达成设备的即时无误追踪、库存结构的最优化配置以及预见性维护体系的建立,为此构建了一套高度自动化的计量设备管理系统。

关键词： 小样本语义分割   特征分离   元学习   深度可分离卷积   vision transformer   目标前景   自适应  

摘要： 针对现有的小样本语义分割模型对未知新类分割精度不高的问题,提出一种基于元学习的小样本语义分割算法.首先,利用深度可分离卷积改进传统主干网络,并在ImageNet数据集上进行了编码器的预训练.其次,利用预训练的主干网络将支持图片和查询图片映射到深度特征空间.最后,利用支持图片的真实掩码将支持特征分离为目标前景和背景,并借助vision transformer构造了一种自适应的元学习分类器.在PASCAL-5^(i)数据集上进行了大量的试验.结果表明:所提出模型在VGG-16、ResNet-50和ResNet-101主干网络上分别实现了47.1%、58.3%和60.4%的mIoU(即平均交并比)(1 shot),同时在5 shot设定下实现了49.6%、60.2%和62.1%的mIoU;在COCO-20^(i)数据集上实现了23.6%、30.3%和30.7%的mIoU(1 shot),同时在5 shot设定下实现了30.1%、34.7%和35.2%的mIoU.

关键词： 交叉概率   遗传算法   开关函数   适应度  

摘要： 为优化现有的配电网故障定位方法的定位有效性,本文提出一种采用改进遗传算法的配电网故障定位方法。选取传统遗传算法作为配电网故障定位基础算法,同时将传统遗传算法中的开关函数、适应度函数、选择算子、交叉概率和变异概率进行优化改进。仿真结果可知,改进遗传算法在经过80次的迭代筛选后,适应度数值不再变化,具体数值为68。实验结果表明,研究所提定位方法能够有效提高配电网故障定位效率。

关键词： RRAM阵列   缺陷容忍   神经网络   知识蒸馏  

摘要： 针对RRAM单元制造工艺不完善造成神经网络矩阵向量乘法计算错误问题,根据RRAM阵列多缺陷特性进行建模,提出了多缺陷容忍算法。首先根据RRAM阵列常见的转变缺陷和粘连缺陷对神经网络计算准确度的影响,对两种缺陷统一建模;然后对神经网络进行划分,基于改进的知识蒸馏方式进行分区训练;最后选择适配的损失函数加入归一化层,进一步优化算法。在MNIST和Cifar-10数据集上进行实验,结果表明该方法在多个神经网络上能够得到98%以上的恢复率,说明该方法可有效降低RRAM阵列多缺陷对神经网络计算准确度的影响。