期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于有限状态机的产品设计依赖动态建模及更新方法 被引量:4
1
作者 樊红日 刘玉生 +2 位作者 钱波 杨雷 杨帼华 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第5期831-841,共11页
针对产品设计依赖模型仅表达静态依赖关系,模型结构难以实现自动更新这一问题,首先提出基于有限状态机的设计依赖建模方法,通过对依赖关系适用性和依赖模式进行显式表征,可实现依赖关系的动态表征,支持多层级依赖关系建模;通过对设计参... 针对产品设计依赖模型仅表达静态依赖关系,模型结构难以实现自动更新这一问题,首先提出基于有限状态机的设计依赖建模方法,通过对依赖关系适用性和依赖模式进行显式表征,可实现依赖关系的动态表征,支持多层级依赖关系建模;通过对设计参数及依赖关系的特性进行类别划分,定义相应的拓扑层次,实现基于拓扑层次的依赖模型参数更新;并在固有依赖关系基础上定义依赖模式,实现基于依赖模式的依赖模型结构更新.最后以二连杆机器人为实例进行实验的结果表明,该方法能有效地支持多层次动态依赖关系建模,所构建的建模平台成熟,便于工程应用. 展开更多
关键词 依赖 依赖建模 型更新 有限状态机 产品设计
在线阅读 下载PDF
时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型 被引量:2
2
作者 胡正平 王昕宇 +2 位作者 董佳伟 赵艳霜 刘洋 《高技术通讯》 CAS 北大核心 2024年第6期590-601,共12页
针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度... 针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力,模型使用多尺度“特征压缩、特征激发”方式,使网络所提取空间特征更加丰富有效。然后,为充分利用细粒度视频数据时间维度上的运动信息,本文引入时间窗口自注意力机制,利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作,以较低计算成本建模远程时间依赖关系。最后,考虑到所提取时空特征对不同类型动作分类的贡献不均等,本文引入自适应特征融合模块,为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%,分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明,在只使用视频帧信息作为输入的情况下,本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。 展开更多
关键词 细粒度动作识别 多尺度时空关联特征 远程依赖建模 自注意力机制
在线阅读 下载PDF
一般军事决策过程的协调理论模型 被引量:1
3
作者 钱猛 刘忠 +1 位作者 姚莉 张维明 《计算机工程与应用》 CSCD 北大核心 2008年第16期197-201,共5页
联合作战要求参战各方克服组织、经验、资源和技能的差异,共同协作。基于协调理论的军事决策过程建模有助于理解作战活动的共同结构,有助于识别作战活动的差异及其形成差异的原因。在分析协调理论应用的基础上,根据基于协调理论的军事... 联合作战要求参战各方克服组织、经验、资源和技能的差异,共同协作。基于协调理论的军事决策过程建模有助于理解作战活动的共同结构,有助于识别作战活动的差异及其形成差异的原因。在分析协调理论应用的基础上,根据基于协调理论的军事决策过程建模方法,使用UML2.0建立了一般军事决策过程的协调理论模型,并着重考虑了协调活动及其依赖、协调机制及其异常处理等方面的内容。模型的建立有利于分析军事决策过程中的核心任务及其依赖属性,为指挥员准确地制订和确定作战方案提供依据,从而提高军事决策过程的适应性。 展开更多
关键词 过程依赖建模 军事决策过程 协调理论 UML2.0
在线阅读 下载PDF
基于深度条件依赖网络的裁判文书信息抽取
4
作者 翁洋 向迪 +2 位作者 郭晓冬 洪文兴 李鑫 《厦门大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第6期1021-1029,共9页
裁判文书信息抽取旨在对裁判文书中包含的信息进行结构化处理,是法律人工智能研究的重要任务.目前的研究多是把裁判文书的信息抽取任务看成一个多标签文本分类任务,而没有考虑标签之间的依赖性.为此,提出了基于深度条件依赖网络的裁判... 裁判文书信息抽取旨在对裁判文书中包含的信息进行结构化处理,是法律人工智能研究的重要任务.目前的研究多是把裁判文书的信息抽取任务看成一个多标签文本分类任务,而没有考虑标签之间的依赖性.为此,提出了基于深度条件依赖网络的裁判文书信息抽取框架,用于裁判文书的案件要素信息抽取和争议焦点信息抽取.该框架由两部分组成,一是框架前端的特征提取网络用来挖掘裁判文书的文本特征,二是框架后端的标签关系网络来构建多个标签间的依赖性关系.在两个真实数据集上的实验结果表明,该模型在基线上都取得了显著且一致的改进,并且具有很好的扩展性,在该框架下可以获得多标签文本分类任务效果的提升. 展开更多
关键词 裁判文书 信息抽取 案件要素 争议焦点 依赖关系
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部