期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
4-6岁儿童在小模型旋转任务中的线索学习与位置学习
1
作者 王泉泉 胡清芬 刘菁 《心理与行为研究》 CSSCI 2014年第5期652-659,共8页
以90名4-6岁儿童为被试,探讨了儿童在小模型旋转任务中利用线索学习和位置学习表征空间位置的年龄特点。研究结果表明:(1)儿童对线索学习的利用要优于对位置学习的利用;(2)4岁儿童已经可以使用线索学习的方式表征空间位置,但到6岁左右... 以90名4-6岁儿童为被试,探讨了儿童在小模型旋转任务中利用线索学习和位置学习表征空间位置的年龄特点。研究结果表明:(1)儿童对线索学习的利用要优于对位置学习的利用;(2)4岁儿童已经可以使用线索学习的方式表征空间位置,但到6岁左右才开始能够使用基于方向的位置学习;(3)线索特征对于儿童的线索学习有显著影响,明显、突出的线索有利于儿童的线索学习。 展开更多
关键词 空间位置编码 空间表征 线索学习 位置学习 儿童
在线阅读 下载PDF
基于改进实时Transformer的航拍图像小目标检测算法
2
作者 赵子琪 李卫东 李晓娟 《科学技术与工程》 北大核心 2025年第13期5527-5534,共8页
针对无人机航拍图像中背景复杂、小目标样本多,难以提取有效特征等问题,提出一种改进实时Transformer(real-time detection Transformer, RT-DETR)的无人机航拍小目标检测算法。首先,在特征融合网络中增加针对微小目标的特征融合结构,... 针对无人机航拍图像中背景复杂、小目标样本多,难以提取有效特征等问题,提出一种改进实时Transformer(real-time detection Transformer, RT-DETR)的无人机航拍小目标检测算法。首先,在特征融合网络中增加针对微小目标的特征融合结构,利用浅层特征图中丰富的位置信息来增强网络对小目标的检测能力,同时为了防止额外参数的增加,去除主干网络中最后一个残差结构;其次,设计一种多通道特征部分卷积模块(multichannel partial convolution, MCPConv),基于此重新构造了主干网络中的BasicBlock结构,命名为MCP Block,减少通道特征冗余,提升多尺度细节特征的获取能力;引入具有学习能力的位置编码,获取更精确、更具表达能力的位置信息;最后引入归一化加权偏差(normalized weighted deviation, NWD)和平均精度驱动交并比(mean precision-driven IoU,MPDIoU)定位损失函数,降低对位置偏差的敏感性,加快模型收敛速度。实验结果表明,在VisDrone2019-DET数据集上,改进后的模型较原始模型参数量降低了62%,检测精度mAP50提升了3.9%,且FPS较改进前提升了17%,对比其他主流检测模型具有更好的检测效果。 展开更多
关键词 小目标检测 RT-DETR 多通道部分卷积 学习位置编码
在线阅读 下载PDF
直角坐标机器人迭代滑模交叉耦合控制器设计 被引量:3
3
作者 许鸣吉 李胜 +2 位作者 陈庆伟 郭健 吴益飞 《组合机床与自动化加工技术》 北大核心 2018年第5期78-81,共4页
为克服机械惯性、负载扰动以及复杂的轮廓误差模型等因素对三轴直角坐标机器人末端执行器位姿精度的影响,设计了一种迭代滑模交叉耦合控制器。其中:滑模速度控制器用以抑制非周期干扰;迭代学习位置控制器用以减小跟踪误差;轴间变增益交... 为克服机械惯性、负载扰动以及复杂的轮廓误差模型等因素对三轴直角坐标机器人末端执行器位姿精度的影响,设计了一种迭代滑模交叉耦合控制器。其中:滑模速度控制器用以抑制非周期干扰;迭代学习位置控制器用以减小跟踪误差;轴间变增益交叉耦合控制器用以消除轮廓误差。通过仿真验证了上述复合控制器的性能。结果表明,所设计的迭代滑模交叉耦合控制器具有较高的轮廓精度和较强的鲁棒性。 展开更多
关键词 轮廓误差 滑模速度控制器 迭代学习位置控制器
在线阅读 下载PDF
基于图神经网络和改进自注意网络的会话推荐 被引量:7
4
作者 盛强 成卫青 《南京邮电大学学报(自然科学版)》 北大核心 2022年第5期91-100,共10页
基于会话推荐旨在根据用户当前会话和历史会话预测用户的下一次点击。现有的会话推荐系统大多数基于当前会话建立局部偏好来预测用户行为,而低估了会话全局序列蕴含的信息。同时多数推荐系统忽略了会话交互序列的相对位置关系。针对这... 基于会话推荐旨在根据用户当前会话和历史会话预测用户的下一次点击。现有的会话推荐系统大多数基于当前会话建立局部偏好来预测用户行为,而低估了会话全局序列蕴含的信息。同时多数推荐系统忽略了会话交互序列的相对位置关系。针对这些问题,提出了一种基于图神经网络与改进自注意力网络融合的会话推荐模型(GNN-SAP)。GNN-SAP通过GNN与注意力机制来提取当前会话节点的局部偏好,通过改进自注意网络来捕获会话节点的全局偏好;同时在会话节点中加入可学习的位置嵌入,来更好地把握用户兴趣变化的过程。最终,通过线性融合全局偏好和局部偏好的方式来预测行为。通过大量的实验验证了GNN-SAP模型在常用的稀疏、密集数据集和不同评价指标上都优于现有的会话推荐方法,并且通过对GNN-SAP不同组件的消融实验验证了通过将基于GNN短期偏好和基于改进自注意力的全局偏好融合的有效性。 展开更多
关键词 基于会话推荐 图神经网络 自注意力机制 学习位置嵌入
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部