期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LDF-YOLO的小目标检测方法
1
作者
刘洋
任旭虎
+1 位作者
刘宝弟
刘伟锋
《电子测量技术》
北大核心
2025年第12期156-165,共10页
小目标检测是计算机视觉中极具挑战性的任务,现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题,本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进,在特征融合网络...
小目标检测是计算机视觉中极具挑战性的任务,现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题,本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进,在特征融合网络中引入了特征转换模块,设计了针对微小物体的检测头LP-Detect;其次,借鉴残差门控机制和局部特征增强机制设计了LR-C2f模块,增强模型提取局部特征的能力;最后,融入了局部特征增强模块,以强化骨干网络提取小目标信息的能力。在公开数据集Tiny Person上,LDF-YOLO比原YOLOv8在mAP0.5上提高了4.5%,召回率提高了5.5%,实验结果验证了改进方法的有效性,同时在NWPU VHR-10和VisDrone2019数据集上做了泛化对比实验,经实验表明各项指标均有提升。
展开更多
关键词
小目标检测
YOLOv8
残差门控机制
特征转换
特征融合
在线阅读
下载PDF
职称材料
融合ELECTRA和文本局部信息的中文语法错误检测方法
2
作者
陈柏霖
王天极
+1 位作者
任丽娜
黄瑞章
《计算机工程》
CAS
CSCD
北大核心
2023年第3期304-311,共8页
语法错误检测是自然语言处理领域的一项基本任务,其目标是自动识别文本中存在的错别字、语法及语序错误等。与其他语言相比,中文语法灵活多变且缺乏时态、语态等标志性信息,因此,文本的局部信息对于中文语法错误检测具有重要作用。传统...
语法错误检测是自然语言处理领域的一项基本任务,其目标是自动识别文本中存在的错别字、语法及语序错误等。与其他语言相比,中文语法灵活多变且缺乏时态、语态等标志性信息,因此,文本的局部信息对于中文语法错误检测具有重要作用。传统的机器学习方法难以检测文本中存在的语法错误,而现有深度学习方法在纠错过程中不能充分利用文本的局部信息,导致语法错误检测效果不佳。建立一种融合ELECTRA和文本局部信息的中文语法错误检测模型ELECTRA-GCNN-CRF。将语法错误检测视为序列标注任务,使用ELECTRA预训练语言模型对文本进行表征。采用卷积神经网络提取文本的局部位置和语义信息,并引入残差门控机制,降低无效信息带来的影响。通过CRF模型学习标签间的内在关联关系,输出符合标注规则的语法错误标签序列。在NLPTEA中文语法错误检测数据集上的实验结果表明,ELECTRA-GCNN-CRF在检测层、识别层和定位层上的F1值较对比基线模型分别平均提高了0.94、3.74和5.03个百分点,该模型能够有效提升语法错误检测效果。
展开更多
关键词
ELECTRA预训练语言模型
局部信息
中文语法错误检测
卷积神经网络
残差门控机制
在线阅读
下载PDF
职称材料
基于多尺度融合预测模型的航空发动机剩余寿命预测
被引量：
3
3
作者
刘纳川
郭建胜
+2 位作者
张晓丰
余稼洋
解涛
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第7期289-296,共8页
针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系,无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网...
针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系,无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网络(SCCN)和变量选择网络(VSN)针对输入数据类型进行特征选择,将SCCN生成的静态协变量连接到模型的不同位置,以提升模型捕捉不同尺度时间特征的能力,并融入门控残差机制构建模型基本框架,既能提高模型的适应性也能保证信息在网络中传递的效率,采用分位数误差作为损失函数实现了多尺度的预测,有效的提高了预测的准确性。在CMAPSS涡扇发动机数据集上进行实验分析,FD002、FD004测试集的预测精度分别达到91.9%和92.4%,通过与其他深度学习方法进行对比,RMSE最优值分别提高15.54%和16.91%,Score最优值分别提高83.21%和78.78%。
展开更多
关键词
剩余寿命
门控
残差
机制
静态协变量编码器
LSTM神经网络
多头注意力
机制
分位数
在线阅读
下载PDF
职称材料
题名
基于LDF-YOLO的小目标检测方法
1
作者
刘洋
任旭虎
刘宝弟
刘伟锋
机构
中国石油大学华东海洋与空间信息学院
中国石油大学华东控制科学与工程学院
出处
《电子测量技术》
北大核心
2025年第12期156-165,共10页
基金
国家自然科学基金(62372468)
山东省重点基础研究项目(ZR2023ZD32)
山东省自然科学基金(ZR2023MF008)项目资助。
文摘
小目标检测是计算机视觉中极具挑战性的任务,现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题,本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进,在特征融合网络中引入了特征转换模块,设计了针对微小物体的检测头LP-Detect;其次,借鉴残差门控机制和局部特征增强机制设计了LR-C2f模块,增强模型提取局部特征的能力;最后,融入了局部特征增强模块,以强化骨干网络提取小目标信息的能力。在公开数据集Tiny Person上,LDF-YOLO比原YOLOv8在mAP0.5上提高了4.5%,召回率提高了5.5%,实验结果验证了改进方法的有效性,同时在NWPU VHR-10和VisDrone2019数据集上做了泛化对比实验,经实验表明各项指标均有提升。
关键词
小目标检测
YOLOv8
残差门控机制
特征转换
特征融合
Keywords
small object detection
YOLOv8
residual gated mechanisms
feature transformation
feature fusion
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
融合ELECTRA和文本局部信息的中文语法错误检测方法
2
作者
陈柏霖
王天极
任丽娜
黄瑞章
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
贵州轻工职业技术学院
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第3期304-311,共8页
基金
国家自然科学基金(62066007)。
文摘
语法错误检测是自然语言处理领域的一项基本任务,其目标是自动识别文本中存在的错别字、语法及语序错误等。与其他语言相比,中文语法灵活多变且缺乏时态、语态等标志性信息,因此,文本的局部信息对于中文语法错误检测具有重要作用。传统的机器学习方法难以检测文本中存在的语法错误,而现有深度学习方法在纠错过程中不能充分利用文本的局部信息,导致语法错误检测效果不佳。建立一种融合ELECTRA和文本局部信息的中文语法错误检测模型ELECTRA-GCNN-CRF。将语法错误检测视为序列标注任务,使用ELECTRA预训练语言模型对文本进行表征。采用卷积神经网络提取文本的局部位置和语义信息,并引入残差门控机制,降低无效信息带来的影响。通过CRF模型学习标签间的内在关联关系,输出符合标注规则的语法错误标签序列。在NLPTEA中文语法错误检测数据集上的实验结果表明,ELECTRA-GCNN-CRF在检测层、识别层和定位层上的F1值较对比基线模型分别平均提高了0.94、3.74和5.03个百分点,该模型能够有效提升语法错误检测效果。
关键词
ELECTRA预训练语言模型
局部信息
中文语法错误检测
卷积神经网络
残差门控机制
Keywords
ELECTRA pre-training language model
local information
Chinese Grammar Error Detection(CGED)
Convolution Neural Network(CNN)
residual gated mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多尺度融合预测模型的航空发动机剩余寿命预测
被引量：
3
3
作者
刘纳川
郭建胜
张晓丰
余稼洋
解涛
机构
空军工程大学装备管理与无人机工程学院
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第7期289-296,共8页
文摘
针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系,无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网络(SCCN)和变量选择网络(VSN)针对输入数据类型进行特征选择,将SCCN生成的静态协变量连接到模型的不同位置,以提升模型捕捉不同尺度时间特征的能力,并融入门控残差机制构建模型基本框架,既能提高模型的适应性也能保证信息在网络中传递的效率,采用分位数误差作为损失函数实现了多尺度的预测,有效的提高了预测的准确性。在CMAPSS涡扇发动机数据集上进行实验分析,FD002、FD004测试集的预测精度分别达到91.9%和92.4%,通过与其他深度学习方法进行对比,RMSE最优值分别提高15.54%和16.91%,Score最优值分别提高83.21%和78.78%。
关键词
剩余寿命
门控
残差
机制
静态协变量编码器
LSTM神经网络
多头注意力
机制
分位数
Keywords
residual lifetime
gated residual mechanism
static covariate encoders
LSTM neural network
multi-head attention mechanism
quantile
分类号
V263.5 [航空宇航科学与技术—航空宇航制造工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LDF-YOLO的小目标检测方法
刘洋
任旭虎
刘宝弟
刘伟锋
《电子测量技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
融合ELECTRA和文本局部信息的中文语法错误检测方法
陈柏霖
王天极
任丽娜
黄瑞章
《计算机工程》
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
3
基于多尺度融合预测模型的航空发动机剩余寿命预测
刘纳川
郭建胜
张晓丰
余稼洋
解涛
《兵器装备工程学报》
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
