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
2
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
基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别
被引量：
24
1
作者
黄勇康
梁美玉
+2 位作者
王笑笑
陈徵
曹晓雯
《计算机应用》
CSCD
北大核心
2022年第3期736-742,共7页
针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多...
针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多人学生课堂行为识别算法。首先,结合实时目标检测和跟踪,得到每个学生的实时图片流;接着,利用深度时空残差卷积神经网络对每个学生行为的时空特征进行学习,从而实现课堂教学场景中面向多学生目标的课堂行为的实时识别;此外,构建了智能教学评估模型,并设计实现了基于学生课堂行为识别的智能教学评估系统,助力教学质量的提升,以实现智慧教育。通过在课堂教学视频数据集上进行实验对比与分析,验证了提出的课堂教学视频中实时多人学生课堂行为识别模型能够达到88.5%的准确率,且所构建的基于课堂行为识别的智能教学评估系统在课堂教学视频数据集上也已取得较好的运行效果。
展开更多
关键词
深度
时空
残差
卷积神经
网络
目标检测
目标跟踪
多人课堂行为识别
智能教学评估
在线阅读
下载PDF
职称材料
车联网边缘计算环境下基于深度强化学习的分布式服务卸载方法
被引量：
33
2
作者
许小龙
方子介
+3 位作者
齐连永
窦万春
何强
段玉聪
《计算机学报》
EI
CAS
CSCD
北大核心
2021年第12期2382-2405,共24页
边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户...
边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户的服务需求,因此,如何在边缘服务器资源限制的约束下,确定服务卸载地点,为用户提供低时延的服务,仍然是一个巨大的挑战.针对上述问题,本文提出了一种“端-边-云”协同的5G车联网边缘计算系统模型,并针对该系统模型设计了深度学习和深度强化学习协同的分布式服务卸载方法D-SOAC.首先,通过深度时空残差网络,D-SOAC在中心云预测出潜在的用户服务需求量,协同各边缘服务器获取本地车联网边缘计算环境的系统状态,输入边缘服务器上的本地行动者网络,得到该状态下的服务卸载策略.然后,本地评论家网络基于时序差分误差评价该服务卸载策略的优劣,并指导本地行动者网络进行网络参数的优化.优化一定步数后,边缘服务器将优化过的本地网络参数上传到位于中心云的全局网络,协同中心云进行网络参数的更新.最后,中心云将最新的参数推送回本地网络,从而不断对行动者评论家网络进行调优,获得服务卸载的最优解.基于来自现实世界的车载用户服务需求数据集的实验结果表明,在各种车联网边缘计算环境中,相比于四种现有的服务卸载算法,D-SOAC能够降低0.4%~20.4%的用户平均服务时延.
展开更多
关键词
边缘计算
车联网
服务卸载
深度时空残差网络
异步优势行动者评论家
在线阅读
下载PDF
职称材料
题名
基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别
被引量：
24
1
作者
黄勇康
梁美玉
王笑笑
陈徵
曹晓雯
机构
北京邮电大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2022年第3期736-742,共7页
基金
国家自然科学基金资助项目(61877006)。
文摘
针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多人学生课堂行为识别算法。首先,结合实时目标检测和跟踪,得到每个学生的实时图片流;接着,利用深度时空残差卷积神经网络对每个学生行为的时空特征进行学习,从而实现课堂教学场景中面向多学生目标的课堂行为的实时识别;此外,构建了智能教学评估模型,并设计实现了基于学生课堂行为识别的智能教学评估系统,助力教学质量的提升,以实现智慧教育。通过在课堂教学视频数据集上进行实验对比与分析,验证了提出的课堂教学视频中实时多人学生课堂行为识别模型能够达到88.5%的准确率,且所构建的基于课堂行为识别的智能教学评估系统在课堂教学视频数据集上也已取得较好的运行效果。
关键词
深度
时空
残差
卷积神经
网络
目标检测
目标跟踪
多人课堂行为识别
智能教学评估
Keywords
deep spatiotemporal residual convolution neural network
object detection
object tracking
multi-person classroom action recognition
intelligent teaching evaluation
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
车联网边缘计算环境下基于深度强化学习的分布式服务卸载方法
被引量：
33
2
作者
许小龙
方子介
齐连永
窦万春
何强
段玉聪
机构
南京信息工程大学计算机与软件学院
南京大学计算机软件新技术国家重点实验室
曲阜师范大学信息科学与工程学院
斯威本科技大学计算机科学与软件工程系
海南大学计算机与网络空间安全学院
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2021年第12期2382-2405,共24页
基金
江苏省重点研发计划项目(BE2019104)
国家自然科学基金(61872219)
+1 种基金
国家重点研发计划(2017YFB1400600)
新疆生产建设兵团科技计划项目(2020DB005)资助.
文摘
边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户的服务需求,因此,如何在边缘服务器资源限制的约束下,确定服务卸载地点,为用户提供低时延的服务,仍然是一个巨大的挑战.针对上述问题,本文提出了一种“端-边-云”协同的5G车联网边缘计算系统模型,并针对该系统模型设计了深度学习和深度强化学习协同的分布式服务卸载方法D-SOAC.首先,通过深度时空残差网络,D-SOAC在中心云预测出潜在的用户服务需求量,协同各边缘服务器获取本地车联网边缘计算环境的系统状态,输入边缘服务器上的本地行动者网络,得到该状态下的服务卸载策略.然后,本地评论家网络基于时序差分误差评价该服务卸载策略的优劣,并指导本地行动者网络进行网络参数的优化.优化一定步数后,边缘服务器将优化过的本地网络参数上传到位于中心云的全局网络,协同中心云进行网络参数的更新.最后,中心云将最新的参数推送回本地网络,从而不断对行动者评论家网络进行调优,获得服务卸载的最优解.基于来自现实世界的车载用户服务需求数据集的实验结果表明,在各种车联网边缘计算环境中,相比于四种现有的服务卸载算法,D-SOAC能够降低0.4%~20.4%的用户平均服务时延.
关键词
边缘计算
车联网
服务卸载
深度时空残差网络
异步优势行动者评论家
Keywords
edge computing
Internet of vehicles
service offloading
deep spatio-temporal residual network
asynchronous advantage actor-critic
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
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
基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别
黄勇康
梁美玉
王笑笑
陈徵
曹晓雯
《计算机应用》
CSCD
北大核心
2022
24
在线阅读
下载PDF
职称材料
2
车联网边缘计算环境下基于深度强化学习的分布式服务卸载方法
许小龙
方子介
齐连永
窦万春
何强
段玉聪
《计算机学报》
EI
CAS
CSCD
北大核心
2021
33
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
