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
4
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
基于注意力增强Uniformer的锂电池剩余使用寿命预测
1
作者
廖列法
刘映宝
占玉敏
《汽车技术》
北大核心
2025年第6期36-44,共9页
针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引...
针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引导机制(AGM)和CoordAttention实现强大的特征提取。试验结果表明,AEUniformer可以实现仅需单个老化周期的准确快速的RUL预测,数据集的平均绝对百分比误差分别为2.7%和6.16%,证明了该方法的准确性。
展开更多
关键词
锂电池
剩余使用寿命预测
数据驱动
统一变形器
注意力引导机制
坐标
注意力
在线阅读
下载PDF
职称材料
基于项目级和类别级双混合超图的会话推荐
2
作者
李建伏
张丹
《计算机工程与设计》
北大核心
2025年第6期1758-1765,共8页
为捕获项目间和类别间复杂的顺序、高阶依赖关系,提出一种基于项目级和类别级双混合超图融合的会话推荐方法DF-MHCN。分别从项目和类别转换角度构建一个项目级混合超图和一个类别级混合超图;提出混合超图卷积网络更新两个混合超图中节...
为捕获项目间和类别间复杂的顺序、高阶依赖关系,提出一种基于项目级和类别级双混合超图融合的会话推荐方法DF-MHCN。分别从项目和类别转换角度构建一个项目级混合超图和一个类别级混合超图;提出混合超图卷积网络更新两个混合超图中节点的表示;引入引导注意力机制融合两种节点表示;用更新后的节点嵌入学习会话表示,计算每个节点的点击概率并推荐概率最大的k个项目。实验结果表明,DF-MHCN方法相对于现有的会话推荐方法具有较高的精度。
展开更多
关键词
基于会话的推荐
混合超图
项目级混合超图
类别级混合超图
超图卷积网络
混合超图卷积网络
引导
注意力
机制
在线阅读
下载PDF
职称材料
基于改进扩散模型的高质量图像生成方法
3
作者
侯哲晓
李弼程
+1 位作者
蔡炳炎
许逸飞
《计算机科学》
北大核心
2025年第S1期449-457,共9页
图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基...
图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基于改进扩散模型的高质量图像生成方法。首先,采用训练稳定、具有优秀采样质量的扩散模型作为基准模型;其次,使用扩散模型中的自注意力机制来进一步引导噪声生成,进而还原图像中的低频内容,增强去噪过程的稳定性;最后,将递归特征金字塔融合到噪声预测器结构中,使图像特征信息反复提纯,从而捕获图像中的高频细节。在3个标准数据集和4个小型数据集上进行的对比实验和消融实验结果表明,该方法展现了比其他方法更为优秀的性能。
展开更多
关键词
图像生成
扩散模型
自
注意力
机制
引导
递归特征金字塔
在线阅读
下载PDF
职称材料
新冠肺炎CT影像的DNN对抗攻击研究
被引量:
2
4
作者
胡耿
蔡延光
《计算机工程与应用》
CSCD
北大核心
2022年第1期152-157,共6页
在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断。提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构...
在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断。提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构阻碍新特征探索的新问题,受到注意力机制等最新研究启发,研究了长短注意力引导机制。关注深度学习模型安全性问题,讨论基于梯度上升的对抗攻击方法;为了解决其单一性问题,通过长短注意力机制,增加有效对抗扰动的同时减少冗余扰动,紧接着,提出的对抗攻击算法A-IM-FGSM,将对抗攻击问题转化为自适应约束问题,即可微变换思想用于迭代攻击中,探究注意力引导机制与DNN对抗攻击的相互关系。最后进行的实验中,在新型冠状肺炎CT数据集上,通过AMDRC-Net进行模型训练,设计对比实验、可视化实验、对抗攻击实验。
展开更多
关键词
新冠肺炎CT影像
注意力引导机制
深度学习
DNN对抗攻击
在线阅读
下载PDF
职称材料
题名
基于注意力增强Uniformer的锂电池剩余使用寿命预测
1
作者
廖列法
刘映宝
占玉敏
机构
江西理工大学信息工程学院
江西现代职业技术学院
出处
《汽车技术》
北大核心
2025年第6期36-44,共9页
基金
国家自然科学基金项目(71462018,71761018)。
文摘
针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引导机制(AGM)和CoordAttention实现强大的特征提取。试验结果表明,AEUniformer可以实现仅需单个老化周期的准确快速的RUL预测,数据集的平均绝对百分比误差分别为2.7%和6.16%,证明了该方法的准确性。
关键词
锂电池
剩余使用寿命预测
数据驱动
统一变形器
注意力引导机制
坐标
注意力
Keywords
Lithium-ion battery
Remaining Useful Life(RUL)
Data-driven
Uniformer
Attention Guiding Mechanism(AGM)
CoordAttention
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
基于项目级和类别级双混合超图的会话推荐
2
作者
李建伏
张丹
机构
中国民航大学计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2025年第6期1758-1765,共8页
基金
中国民航大学信息安全评估中心开放基金项目(ISECCA-202002)
河北省能源与动力知识计算重点实验室开放基金项目(HBKCEP202202)。
文摘
为捕获项目间和类别间复杂的顺序、高阶依赖关系,提出一种基于项目级和类别级双混合超图融合的会话推荐方法DF-MHCN。分别从项目和类别转换角度构建一个项目级混合超图和一个类别级混合超图;提出混合超图卷积网络更新两个混合超图中节点的表示;引入引导注意力机制融合两种节点表示;用更新后的节点嵌入学习会话表示,计算每个节点的点击概率并推荐概率最大的k个项目。实验结果表明,DF-MHCN方法相对于现有的会话推荐方法具有较高的精度。
关键词
基于会话的推荐
混合超图
项目级混合超图
类别级混合超图
超图卷积网络
混合超图卷积网络
引导
注意力
机制
Keywords
session-based recommendation
mixed hypergraph
item-level mixed hypergraph
category-level mixed hypergraph
hypergraph neural network
mixed hypergraph neural network
guided-attention mechanism
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进扩散模型的高质量图像生成方法
3
作者
侯哲晓
李弼程
蔡炳炎
许逸飞
机构
华侨大学计算机科学与技术学院
出处
《计算机科学》
北大核心
2025年第S1期449-457,共9页
基金
装备预研教育部联合基金项目(8091B022150)
厦门市重大科技项目(20220404)。
文摘
图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基于改进扩散模型的高质量图像生成方法。首先,采用训练稳定、具有优秀采样质量的扩散模型作为基准模型;其次,使用扩散模型中的自注意力机制来进一步引导噪声生成,进而还原图像中的低频内容,增强去噪过程的稳定性;最后,将递归特征金字塔融合到噪声预测器结构中,使图像特征信息反复提纯,从而捕获图像中的高频细节。在3个标准数据集和4个小型数据集上进行的对比实验和消融实验结果表明,该方法展现了比其他方法更为优秀的性能。
关键词
图像生成
扩散模型
自
注意力
机制
引导
递归特征金字塔
Keywords
Image generation
Diffusion model
Self-attention mechanism guide
Recursive feature pyramid
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
新冠肺炎CT影像的DNN对抗攻击研究
被引量:
2
4
作者
胡耿
蔡延光
机构
广东工业大学自动化学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第1期152-157,共6页
基金
国家自然科学基金(61074147)
广东省自然科学基金(S2011010005059)
+4 种基金
广东省教育部产学研结合项目(2012B091000171,2011B090400460)
广东省科技计划项目(2012B050600028,2014B010118004,2016A050502060)
广州市花都区科技计划项目(HD14ZD001)
广州市科技计划项目(201604016055)
广州市天河区科技计划项目(2018CX005)。
文摘
在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断。提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构阻碍新特征探索的新问题,受到注意力机制等最新研究启发,研究了长短注意力引导机制。关注深度学习模型安全性问题,讨论基于梯度上升的对抗攻击方法;为了解决其单一性问题,通过长短注意力机制,增加有效对抗扰动的同时减少冗余扰动,紧接着,提出的对抗攻击算法A-IM-FGSM,将对抗攻击问题转化为自适应约束问题,即可微变换思想用于迭代攻击中,探究注意力引导机制与DNN对抗攻击的相互关系。最后进行的实验中,在新型冠状肺炎CT数据集上,通过AMDRC-Net进行模型训练,设计对比实验、可视化实验、对抗攻击实验。
关键词
新冠肺炎CT影像
注意力引导机制
深度学习
DNN对抗攻击
Keywords
COVID-19 CT image
attention mechanism
deep learning
DNN adversarial attacks
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
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
基于注意力增强Uniformer的锂电池剩余使用寿命预测
廖列法
刘映宝
占玉敏
《汽车技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于项目级和类别级双混合超图的会话推荐
李建伏
张丹
《计算机工程与设计》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于改进扩散模型的高质量图像生成方法
侯哲晓
李弼程
蔡炳炎
许逸飞
《计算机科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
4
新冠肺炎CT影像的DNN对抗攻击研究
胡耿
蔡延光
《计算机工程与应用》
CSCD
北大核心
2022
2
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