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
共找到8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：
视觉感知人景互影响的人体动作预测方法
1
作者 李沁 陈飞扬 +3 位作者 彭晗 王勇 刘利枚 张伟 《智能系统学报》 北大核心 2025年第4期1010-1023,共14页
场景信息驱动人类调整动作轨迹,对人体动作预测影响较大。当前研究仅捕获场景信息更新动作特征,忽略了场景与动作的互影响关系。为此,提出一种视觉感知人景互影响的人体动作预测方法。提取动作特征和场景特征,然后循环执行场景信息捕获... 场景信息驱动人类调整动作轨迹,对人体动作预测影响较大。当前研究仅捕获场景信息更新动作特征,忽略了场景与动作的互影响关系。为此,提出一种视觉感知人景互影响的人体动作预测方法。提取动作特征和场景特征,然后循环执行场景信息捕获单元和场景适应度增强单元。前者捕获影响动作的场景信息,后者利用该信息更新动作特征以增强场景适应性。完成循环后,得到场景适应型动作特征。基于该特征执行噪声逆扩散完成动作预测。在3个数据集上进行实验,结果表明本文方法的预测误差低于当前主流方法,验证了其有效性。本文方法将为真实场景中的人体动作预测提供更加可靠的解决方案。 展开更多
关键词 人体动作预测 场景信息 视觉感知 动作特征 场景特征 人景互影响 场景适应性 噪声逆扩散
在线阅读 下载PDF
基于救援效用的洪灾物资配送与灾民转移路径规划
2
作者 刘长石 万城 +2 位作者 王凤 陈宝玺 岳俊羽 《交通运输系统工程与信息》 北大核心 2025年第5期320-332,共13页
应急物资配送与受困灾民转移是洪灾救援工作的核心问题。为科学衡量运载工具在不同时间抵达需求点产生的实际救援效果,将救援效用理念引入洪灾应急物资配送与灾民转移的协同路径规划。综合考虑卡车与冲锋艇的不同适用场景,受灾点预期救... 应急物资配送与受困灾民转移是洪灾救援工作的核心问题。为科学衡量运载工具在不同时间抵达需求点产生的实际救援效果,将救援效用理念引入洪灾应急物资配送与灾民转移的协同路径规划。综合考虑卡车与冲锋艇的不同适用场景,受灾点预期救援时间及运载工具的行驶速度、数量与容量等因素,以总救援时间最短和总救援效用最大为目标构建应急物资配送与灾民转移的协同路径规划模型,并根据模型特性设计一种改进非支配排序遗传算法求解。采用2024年江西省南昌市洪涝灾害数据开展实验,结果表明,本文方法能有效开展洪灾应急物资配送与灾民转移的协同路径规划,与先转移灾民后配送应急物资的救援策略以及先配送应急物资后转移灾民的救援策略相比较,本文救援策略可使总救援时间分别节省138 min和123 min,总救援效用分别超过108.2单位和77.5单位。 展开更多
关键词 物流工程 路径规划 改进非支配排序遗传算法 应急物资配送 灾民转移
在线阅读 下载PDF
基于双图卷积机制的数字孪生交通流预测
3
作者 胡春华 曾萼岚 荣辉桂 《电子学报》 北大核心 2025年第1期141-150,共10页
城市数字化程度提升产生了大量数据,通过对交通流数据和天气数据的整合分析,能有效缓解各种天气状况下产生的城市交通拥堵.而现有交通流预测算法,未能充分考虑交通流中潜在的空间关系,且忽略了天气等外部因素造成的预测误差,极大地影响... 城市数字化程度提升产生了大量数据,通过对交通流数据和天气数据的整合分析,能有效缓解各种天气状况下产生的城市交通拥堵.而现有交通流预测算法,未能充分考虑交通流中潜在的空间关系,且忽略了天气等外部因素造成的预测误差,极大地影响了预测的准确性.针对上述问题,本文提出了基于双图卷积机制的数字孪生交通流预测方法(Two-graph Convolution Mechanism-based Digital Twin Flow Prediction,TCM-DTFP).该算法将交通流数据与天气特征相结合,构建了融合交通流特征与天气特征的增广矩阵,提出基于TCN(Temporal Convolutional Networks)的双图卷积机制,算法综合考虑了交通中时间相关性、空间相关性与区域流量间的动态相互作用对交通流的影响,同时避免了复杂天气状况对交通流预测的影响,提高了算法的鲁棒性.最后基于TaxiBJ和PeMSD4真实数据集进行的大量实验表明了本文方法的有效性. 展开更多
关键词 交通数字孪生体 时空相关性 时间卷积网络 双图卷积机制 交通流预测
在线阅读 下载PDF
数字经济时代我国金融科技创新及风险管理变革
4
作者 徐雪松 杨万莲 +4 位作者 管敏 霍杨杰 黄子珍 王建新 娄颖 《中国工程科学》 北大核心 2025年第3期247-258,共12页
在数字经济时代,随着生成式人工智能等新一代信息技术的快速发展,金融科技的创新和风险管理模式正在发生深刻的变化。本文系统梳理了金融科技的理论基础和创新需求,探讨了算法偏见、数据隐私泄露等新兴挑战,并深入分析了金融科技的智能... 在数字经济时代,随着生成式人工智能等新一代信息技术的快速发展,金融科技的创新和风险管理模式正在发生深刻的变化。本文系统梳理了金融科技的理论基础和创新需求,探讨了算法偏见、数据隐私泄露等新兴挑战,并深入分析了金融科技的智能化服务模式及其生态系统的演变。在此基础上,构建了金融科技服务体系,提出了“1-2-6-N”金融科技创新路径以明确金融科技发展方向,并为后续实证分析和系统模拟验证提供坚实的理论与学术支撑。金融科技在风险控制、信用评估和客户管理等关键领域的广泛应用,在提升服务效率的同时,也带来了风险传播的多样化与复杂化,为此,针对性提出了基于数据驱动的动态风险管理模型、完善金融科技风险防控的政策保障、强化金融机构风险管理能力与监管科技的协同提升等加强金融科技风险管理优化的措施。研究表明,金融科技的稳健发展离不开技术创新与制度保障的协同驱动,金融风险的有效防控有赖于监管科技的深度应用以提升金融机构的合规效能、实现风险的精准管控。展望未来,仍需继续深化技术创新,完善金融科技的全球化布局,推动金融行业的高质量发展。 展开更多
关键词 数字经济 金融科技 新一代信息技术 创新体系 风险管理
在线阅读 下载PDF
DFRNet:融合扩散-聚焦物理机制的语义分割模型研究
5
作者 黄依莎 姜林 +4 位作者 管亚菲 张亚莎 梁欣 曾伟豪 方晓萍 《电子学报》 北大核心 2025年第6期1755-1770,共16页
针对图像语义分割任务中下采样过程导致的信息丢失问题,以及现有上采样方法在处理复杂场景中普遍存在的全局信息丢失、细节模糊、生成过程不稳定及信息冗余等局限,本文提出了一种融合物理扩散-聚焦机制的轻量级语义分割模型——DFRNet.... 针对图像语义分割任务中下采样过程导致的信息丢失问题,以及现有上采样方法在处理复杂场景中普遍存在的全局信息丢失、细节模糊、生成过程不稳定及信息冗余等局限,本文提出了一种融合物理扩散-聚焦机制的轻量级语义分割模型——DFRNet.该模型引入了液体表面张力的扩散-聚焦机制,并进一步设计了动态上下文窗口选择(Dynamic context Window Selection,DWS)模块作为调节优化机制,从而实现了物理启发的能量传播上采样(Physics-Inspired Energy Propagation Upsampling,PIEPU)新方法.该方法包含扩散、聚焦与调节三大机制,分别承担全局上下文信息扩展、关键区域特征增强与信息流动优化的功能,协同提升模型在复杂场景下的细粒度感知与语义一致性表达能力.在7种类别14个数据集的验证表明:所提DFRNet在mIou、F1分数和Accuracy指标上均领先于其他先进模型,且在不同数据集上,mIou提升幅度为0.165%~4.259%;F1分数提升为0.140%~2.888%;Accuracy提升为0.035%~1.386%,验证了方法在多样化任务环境下的鲁棒性与泛化能力.本文模型参数量仅为3.34 MB,可满足轻量化实时应用. 展开更多
关键词 语义分割 上采样 扩散-聚焦 全局上下文
在线阅读 下载PDF
基于多尺度卷积调制的医学图像分割 被引量：2
6
作者 周新民 熊智谋 +1 位作者 史长发 杨健 《电子学报》 EI CAS CSCD 北大核心 2024年第9期3159-3171,共13页
当前,越来越多的医学图像分割模型都采用Transformer模型作为基础结构,然而,Transformer模型的计算复杂度与输入序列呈二次关系且需要大量的数据进行预训练才能取得较好的结果,在数据量不足的情况下无法发挥优势;此外,Transformer往往... 当前,越来越多的医学图像分割模型都采用Transformer模型作为基础结构,然而,Transformer模型的计算复杂度与输入序列呈二次关系且需要大量的数据进行预训练才能取得较好的结果,在数据量不足的情况下无法发挥优势;此外,Transformer往往无法有效提取图像的局部信息.相比于Transformer,卷积神经网络则能够很好地规避上述两个问题.为了充分发挥卷积神经网络与Transformer的各自优势并进一步挖掘卷积神经网络的潜力,本文提出一个多尺度卷积调制网络模型(Multi-Scale Convolution Modulation Network,MSCMNet),该模型将视觉Transformer领域模型结构设计方法融入传统卷积网络.采用卷积调制和多尺度特征提取策略,构建基于多尺度卷积调制机制的特征提取模块(Multi-Scale Convolution Modulation,MSCM).并提出高效的patch组合与patch分解策略分别用于特征图的下采样以及上采样,进一步提升模型的表征能力.在腹部多器官、心脏、皮肤癌以及细胞核四个不同类型以及不同规模的医学图像分割数据集上取得的mDice分别为0.805 7、0.923 3、0.923 9、0.854 8,以较低的运算量和参数量取得了最好的分割性能,为卷积神经网络以及Transformer在医学图像分割领域提供了一个新颖而高效的模型结构设计范式. 展开更多
关键词 医学图像分割 多尺度 卷积调制 TRANSFORMER
在线阅读 下载PDF
面向侵权假冒商品数字证据的区块链存证研究
7
作者 胡春华 胡荔波 +1 位作者 刘祥程 张雪荣 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第10期3768-3778,共11页
针对数字证据数据安全性低、容错性低、审计溯源难与运维效率低等问题,提出一种基于隐私保护分类的共识协议运行机制,通过融合数字证据相似度与随机评估模型,计算节点的评估分数以及相似度,并利用节点的评估分数和节点自身的声望值来确... 针对数字证据数据安全性低、容错性低、审计溯源难与运维效率低等问题,提出一种基于隐私保护分类的共识协议运行机制,通过融合数字证据相似度与随机评估模型,计算节点的评估分数以及相似度,并利用节点的评估分数和节点自身的声望值来确保共识节点所得奖励;将所得奖励进一步鼓励节点成为共识节点参与共识进度,提高共识成功概率。原型搭建与仿真实验结果验证了模型的有效性,提高了系统的容错率与安全性。 展开更多
关键词 区块链 数字证据 共识算法 随机评估模型
在线阅读 下载PDF
基于注意力卷积长短时记忆模型的城市出租车流量预测
8
作者 周新民 金江涛 +2 位作者 鲍娜娜 袁涛 崔烨 《中国安全科学学报》 CAS CSCD 北大核心 2024年第7期153-162,共10页
为解决城市交通拥堵和安全问题,提出一种注意力卷积长短时记忆(ConvLSTM)残差(ACLR)模型,该模型通过结合ConvLSTM、注意力机制和残差结构,分别处理出租车流量的时间、空间、和其他特征,挖掘区域兴趣点(POI)数据对出租车流量的影响,有效... 为解决城市交通拥堵和安全问题,提出一种注意力卷积长短时记忆(ConvLSTM)残差(ACLR)模型,该模型通过结合ConvLSTM、注意力机制和残差结构,分别处理出租车流量的时间、空间、和其他特征,挖掘区域兴趣点(POI)数据对出租车流量的影响,有效提升交通时空特征的提取能力。同时,引入专门的学习元件考虑外部因素和POI密度对交通流量的影响,并利用北京市出租车轨迹数据验证。结果表明:ACLR模型在城市交通流预测中的精度高于差分自回归滑动平均(ARIMA)模型、长短时记忆(LSTM)网络、深度时空残差网络(ST-ResNet)、卷积神经网络(CNN)-残差神经单元-LSTM(CRL)循环神经网络、ACFM等模型,在无POI密度和考虑POI密度的情况下,均有助于提升模型的预测性能,ACLA模型的预测值与真实值基本一致,高峰时段也能与真实值较好地吻合,有效提升交通时空特征的提取能力,降低预测误差,使得交通流量预测性能得到优化。 展开更多
关键词 注意力卷积长短时记忆残差网络(ACLR)模型 交通流量预测 城市出租车 时空特征 残差结构
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部