检索结果-维普期刊中文期刊服务平台

电动汽车路径规划模型与算法研究进展被引量：2: 1; 作者庄鹤林夏小云 +2 位作者李康顺陈泽丰张先超《系统仿真学报》 CAS CSCD 北大核心 2024年第2期320-337,共18页; 电动车技术的发展为物流企业提供了一种配送车辆的新方案。电动车具有低污染、低噪音等优点,其续航短、充电站有限等特性也带来了新的挑战。电动车路径问题(electric vehicle routing problems,EVRPs)在交通运输、物流管理等领域得到了... 展开更多; 关键词电动汽车路径规划低碳启发式算法物流; 在线阅读下载PDF 职称材料

基于查询语义特性的稠密文本检索模型: 2; 作者赵铁柱林伦凯杨秋鸿《计算机应用研究》 CSCD 北大核心 2024年第5期1388-1393,共6页; 针对现有稠密文本检索模型(dense passage retrieval,DPR)存在的负采样效率低、易产生过拟合等问题,提出了一种基于查询语义特性的稠密文本检索模型(Q-DPR)。首先,针对模型的负采样过程,提出了一种基于近邻查询的负采样方法。该方法通... 展开更多; 关键词查询稠密文本检索近邻对比学习自监督; 在线阅读下载PDF 职称材料

基于异质信息对齐和重排序的跨模态行人重识别方法: 3; 作者赵铁柱梁校伦 +2 位作者杨秋鸿张国斌龚莨皓《山东科技大学学报（自然科学版）》 CAS 北大核心 2024年第2期79-89,共11页; 可见光图像和红外图像成像原理不同,面向可见光和红外光的跨模态行人重识别面临较大的跨模态差异,行人异质信息对齐和挖掘异常困难。为此,提出基于异质信息对齐和重排序的跨模态行人重识别方法。在异质信息对齐方面,提出一种新的异质局... 展开更多; 关键词跨模态行人重识别异质信息对齐重排序深度学习; 在线阅读下载PDF 职称材料

基于改进YOLOX-Nano的农作物叶片病害检测与识别方法被引量：12: 4; 作者李康顺杨振盛 +2 位作者江梓锋王健聪王慧《华南农业大学学报》 CAS CSCD 北大核心 2023年第4期593-603,共11页; 【目的】实现精确迅速的农作物病害检测,减少人工诊断成本,降低病害带来的农作物产量和品质影响。【方法】根据对农作物病害和病斑特征的分析,提出一种基于卷积注意力机制改进的YOLOX-Nano智能检测与识别模型,该模型采用CSPDarkNet作为... 展开更多; 关键词 YOLOX-Nano网络病害识别 Focal Loss 注意力机制农作物病害; 在线阅读下载PDF 职称材料

题名电动汽车路径规划模型与算法研究进展被引量：2: 1; 作者庄鹤林夏小云李康顺陈泽丰张先超; 机构江西理工大学理学院嘉兴大学信息科学与工程学院东莞城市学院人工智能学院中山大学人工智能学院; 出处《系统仿真学报》 CAS CSCD 北大核心 2024年第2期320-337,共18页; 基金国家自然科学基金(62206313,12161043,61703183,61573157) 浙江省自然科学基金(LGG19F030010)。; 文摘电动车技术的发展为物流企业提供了一种配送车辆的新方案。电动车具有低污染、低噪音等优点,其续航短、充电站有限等特性也带来了新的挑战。电动车路径问题(electric vehicle routing problems,EVRPs)在交通运输、物流管理等领域得到了广泛应用,受到了众多学者的关注。整理了电动车路径问题及其主流变体的问题描述,分析了其各自的提出背景与适用场景。对EVRPs的求解方法和技术做了归类,分析了各方法的优劣,并介绍了相关实际应用。给出了EVRP基准数据集与带时间窗的电动车辆路径问题的基准数据集的基本信息和部分节点分布图,对比分析了已对EVRP基准数据集应用的算法。展望了EVRPs的发展前景。; 关键词电动汽车路径规划低碳启发式算法物流; Keywords electric vehicle vehicle routing problem low carbon heuristic algorithms logistics; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] U116.2 [交通运输工程]; 在线阅读下载PDF 职称材料

题名基于查询语义特性的稠密文本检索模型: 2; 作者赵铁柱林伦凯杨秋鸿; 机构东莞理工学院计算机科学与技术学院东莞城市学院人工智能学院; 出处《计算机应用研究》 CSCD 北大核心 2024年第5期1388-1393,共6页; 基金广东省普通高校重点领域专项资助项目(2021ZDZX3007) 东莞市社会发展科技资助项目(20231800936732) 东莞城市学院青年教师发展基金资助项目(2022QJY005Z)。; 文摘针对现有稠密文本检索模型(dense passage retrieval,DPR)存在的负采样效率低、易产生过拟合等问题,提出了一种基于查询语义特性的稠密文本检索模型(Q-DPR)。首先,针对模型的负采样过程,提出了一种基于近邻查询的负采样方法。该方法通过检索近邻查询,快速地构建高质量的负相关样本,以降低模型的训练成本。其次,针对模型易产生过拟合的问题,提出了一种基于对比学习的查询自监督方法。该方法通过建立查询间的自监督对比损失,缓解模型对训练标签的过拟合,从而提升模型的检索准确性。Q-DPR在面向开放领域问答的大型数据集MSMARCO上表现优异,取得了0.348的平均倒数排名以及0.975的召回率。实验结果证明,该模型成功地降低了训练的开销,同时也提升了检索的性能。; 关键词查询稠密文本检索近邻对比学习自监督; Keywords query dense passage retrieval neighbor contrastive learning self-supervised; 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

题名基于异质信息对齐和重排序的跨模态行人重识别方法: 3; 作者赵铁柱梁校伦杨秋鸿张国斌龚莨皓; 机构东莞理工学院计算机科学与技术学院东莞城市学院人工智能学院东莞理工学院电子工程与智能化学院; 出处《山东科技大学学报（自然科学版）》 CAS 北大核心 2024年第2期79-89,共11页; 基金国家自然科学基金项目(61901115) 广东省普通高校重点领域专项(2021ZDZX3007) 东莞城市学院青年教师发展基金项目(2022QJY005Z)。; 文摘可见光图像和红外图像成像原理不同,面向可见光和红外光的跨模态行人重识别面临较大的跨模态差异,行人异质信息对齐和挖掘异常困难。为此,提出基于异质信息对齐和重排序的跨模态行人重识别方法。在异质信息对齐方面,提出一种新的异质局部信息对齐算法,通过求取行人异质局部信息距离矩阵的最短路径,实现同一行人异质局部信息的动态匹配,解决行人异质信息对齐问题;在重排序方面,提出拓展k近邻重排序算法,通过动态地拓展查询图像k近邻异质信息,实现同一行人异质信息的融合,解决行人异质信息挖掘困难问题。实验结果表明,在SYSU数据集全场景查询模式上,所提方法与AGW模型结合k近邻重排序算法相比,在评价指标mAP和Rank-1上分别提升了10.12%和8.6%。; 关键词跨模态行人重识别异质信息对齐重排序深度学习; Keywords cross-modal person re-identification heterogeneous information alignment reranking deep learning; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于改进YOLOX-Nano的农作物叶片病害检测与识别方法被引量：12: 4; 作者李康顺杨振盛江梓锋王健聪王慧; 机构华南农业大学数学与信息学院东莞城市学院人工智能学院深圳信息职业技术学院; 出处《华南农业大学学报》 CAS CSCD 北大核心 2023年第4期593-603,共11页; 基金国家自然科学基金(61573157) 广东省基础与应用基础研究基金(2022A1515011447) 广东省教育厅重点领域专项(2021ZDZX1029)。; 文摘【目的】实现精确迅速的农作物病害检测,减少人工诊断成本,降低病害带来的农作物产量和品质影响。【方法】根据对农作物病害和病斑特征的分析,提出一种基于卷积注意力机制改进的YOLOX-Nano智能检测与识别模型,该模型采用CSPDarkNet作为主干网络,将卷积注意力模块CBAM引入到YOLOX-Nano网络结构的特征金字塔(Feature pyramid network,FPN)中,并在训练中引入Mixup数据增强方式,同时将分类的损失函数由二分类交叉熵损失函数(Binary cross entropy loss,BCE Loss)替换为焦点损失函数Focal Loss、回归损失函数由GIOU Loss替换为本文设计的CenterIOU Loss函数,采用迁移学习策略训练改进的YOLOX-Nano模型,以此提升农作物病害检测的精度。【结果】改进后的YOLOX-Nano模型仅有0.98×10^(6)的参数量,在移动端测试单张图片检测时间约为0.187 s,平均识别精度达到99.56%。实践结果表明,其能快速有效地检测与识别苹果、玉米、葡萄、草莓、马铃薯和番茄等农作物的常见病害,且达到了精度与速度的平衡。【结论】改进后的模型不仅对农作物叶片病害识别具有较高的精度和较快的检测速度,参数量和计算量较少,还易于部署在手机等移动端设备。该模型实现了在田间复杂环境对多种农作物病害精准定位与识别,对于指导早期农作物病害的防治具有十分重要的现实意义。; 关键词 YOLOX-Nano网络病害识别 Focal Loss 注意力机制农作物病害; Keywords YOLOX-Nano network Disease identification Focal Loss Attention mechanism Crop disease; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S435.672 [农业科学—农业昆虫与害虫防治]; 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	电动汽车路径规划模型与算法研究进展	庄鹤林夏小云李康顺陈泽丰张先超	《系统仿真学报》 CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于查询语义特性的稠密文本检索模型	赵铁柱林伦凯杨秋鸿	《计算机应用研究》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于异质信息对齐和重排序的跨模态行人重识别方法	赵铁柱梁校伦杨秋鸿张国斌龚莨皓	《山东科技大学学报（自然科学版）》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于改进YOLOX-Nano的农作物叶片病害检测与识别方法	李康顺杨振盛江梓锋王健聪王慧	《华南农业大学学报》 CAS CSCD 北大核心	2023	12	在线阅读下载PDF 职称材料