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10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：
基于五维素质模型的高校工程人才培养路径探究——以福建某工科高校为例 被引量：2
1
作者 俞勇 《大众标准化》 2021年第8期81-83,共3页
随着"工业4.0"和"中国制造2025"的相继提出,新一代人工智能、大数据等新兴技术和产业加速发展。在新的技术与产业变革驱动下,中国工程人才培养需要与世界工程图景融合相通趋势愈加强烈,教育部适时提出了"新工... 随着"工业4.0"和"中国制造2025"的相继提出,新一代人工智能、大数据等新兴技术和产业加速发展。在新的技术与产业变革驱动下,中国工程人才培养需要与世界工程图景融合相通趋势愈加强烈,教育部适时提出了"新工科"建设理念,高校工程人才培养实施路径成为高校工科教育亟待解决的难题。本文将通过问卷调查和访谈结果,结合通识素养、专业素养、实践素养、创新素养和职业素养等五个维度探究工程人才培养管理问题现状,按照"五维"素质模型建构起适合新工科建设的工程人才教育培养体系,对高校工程人才培养管理作出有益对策及建议。 展开更多
关键词 高校工程人才 五维素质模型 培养体系
在线阅读 下载PDF
基于组合模型的城市轨道站点短时客流分类预测 被引量：10
2
作者 王金水 欧雪雯 +1 位作者 陈俊岩 唐郑熠 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第6期2004-2012,共9页
轨道交通客流预测是轨道交通线网规划的重要内容,是确定轨道交通系统的线网规模、设置轨道站点及布设线路基础。不同类型的轨道站点在城市中的功能定位和布局要求等方面均存在差异,进而导致站点的进出客流量呈现显著的时空分布不均衡性... 轨道交通客流预测是轨道交通线网规划的重要内容,是确定轨道交通系统的线网规模、设置轨道站点及布设线路基础。不同类型的轨道站点在城市中的功能定位和布局要求等方面均存在差异,进而导致站点的进出客流量呈现显著的时空分布不均衡性。为了挖掘各类型站点的客流变化规律,将站点自身特征和周边环境特征组成向量因子,运用K-means聚类方法对站点进行分类。在此基础上,将影响乘客出行的多源数据作为输入特征,分别构建了随机森林(RF)模型、门控制循环单元(GRU)模型以及RF-GRU组合模型,从而进行站点短时客流分类预测。利用杭州地铁站自动检票系统(AFC)采集的刷卡客流数据,对所构建的预测模型的有效性进行检验。研究结果表明:利用7个刻画站点自身特征和周边环境特征的参数作为聚类因子,并结合站点客流时间分布数据,可将杭州市地铁站点分为就业导向型车站、职住混合型车站和住宅偏远型车站;采用平均绝对误差以及均方根误差作为评价指标,参数化模型(ARIMA),非参数化模型(SVR),深度学习模型(LSTM,GRU,SAEs和GCN),组合模型(DCRNN,STGCN,STHGCN和DSTHGCN)的预测误差依次降低,其中RF-GRU组合模型的预测精度优于其他的组合模型;对站点进行分类之后,单一模型和组合模型预测结果的精度均有提高。 展开更多
关键词 智能交通 短时客流量预测 组合预测模型 多源数据 随机森林 门控制循环单元
在线阅读 下载PDF
基于时空超图卷积模型的城市轨道站点客流预测 被引量：4
3
作者 王金水 欧雪雯 +2 位作者 陈俊岩 唐郑熠 廖律超 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第12期4506-4516,共11页
城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量。为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-Temporal Hypergra... 城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量。为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-Temporal Hypergraph Convolutional,ST-HConv)的短时进站客流预测方法。门控卷积层用于提取客流的时间特征,双层超图卷积用于获取站点间的近邻性和路网中的全局性,实现空间特征的提取;时空交互模块由时间门控卷积和空间超图卷积组成,将时空特征融合进而获取时空交互信息。以杭州地铁自动检票系统(AFC)采集的乘客刷卡数据为例,对模型的有效性进行检验。研究结果表明,与传统机器学习模型、传统深度学习模型和图网络模型相比,ST-HConv模型同时考虑时间特征和空间特征,并实现了时空特征的有效融合,使得ST-HConv模型的平均绝对误差和均方根误差都低于其他模型。在图结构性能方面,与时空图卷积模型(Spatio-Temporal Graph Convolutional,ST-GConv)相比,ST-HConv模型中的超图卷积层获得了路网中的局部特征和全局特征,有效地降低了预测误差。在不同的时间间隔(15 min/30 min/45 min/60 min)下,ST-HConv相较于ST-GConv,平均绝对误差分别降低了1.3,1.05,1.51和2.29,均方根误差分别降低了2,1.44,2.48和2.89。由此可见,ST-HConv模型综合考虑了时空交互信息,能够提高客流预测的准确性。 展开更多
关键词 城市轨道交通 客流预测 耦合时空特征 超图卷积 门控卷积
在线阅读 下载PDF
基于轻量时空图卷积模型的路网交通流预测 被引量：8
4
作者 贺文武 裴博彧 +1 位作者 毛国君 陈维亚 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2022年第9期2552-2562,共11页
交通流预测是智能交通系统的重要组成部分。针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度... 交通流预测是智能交通系统的重要组成部分。针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度预测模型,提高交通流预测精度的同时降低其计算资源消耗、缩短预测响应时间。模型以单“三明治”式时空卷积模块为核心组件,减少时间卷积与空间卷积间的高计算消耗交互,有效提取交通流时空特征的同时保持整体结构轻量,其中的“厚夹心”空间图卷积采用多层图卷积网络以捕获远程高阶邻居节点信息、扩大空间感受野,并引入递增式丢边策略分阶处理邻居节点边,消解其潜在的过平滑。在模型训练中引入动态初始学习率,随模型训练进程演进动态调适学习率,进一步提升优化器性能,保证模型整体上的优越性。以真实基准交通流数据开展实验,对比分析本文所构建模型与多种相关基线模型的训练时间、预测精度等指标,并分析讨论所建模型在路网各节点上预测结果的离散性及其精度,解析多层图卷积可能具有的过平滑现象以及递增式丢边策略的消解能力。研究结果表明,本文所构建模型能有效捕获路网交通流的时空特性,以更少的训练时间获得更高的预测精度。 展开更多
关键词 智慧交通 路网交通流预测 轻量时空图卷积 递增式丢边 动态初始学习率
在线阅读 下载PDF
基于双向自适应门控图卷积网络的交通流预测 被引量：5
5
作者 贺文武 裴博彧 +2 位作者 李雅婷 刘小雨 徐少兵 《交通运输系统工程与信息》 EI CSCD 北大核心 2023年第1期187-197,共11页
针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑... 针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑交通流特征信息,做好数据准备。考虑交通流的实际有向性,主体模型采用正、反双路网络设计以分向学习交通流时空特征的有效表示。双路网络结构相同,以轻量有效的因果卷积作为模型的时序特征提取器,以多层自适应门控图卷积神经网络作为模型组件提取空间特征,实现信息的自适应聚合与传播,再通过纵向信息聚合层轻量化地实现不同局部视野下的信息融合,基于注意力有效权衡两路网络的信息贡献并将其聚合,建立双向自适应门控图卷积网络交通流预测模型。在真实交通流基准数据集PEMS03、PEMS04、PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在4个数据集上3个预测精度指标均优于基线模型。同时,相较于最先进的基线模型时空同步图卷积网络与时空融合图神经网络,所建模型能以数倍甚至数十倍比例的参数轻量化与低训练时间代价获得更高的预测精度。 展开更多
关键词 智能交通 自适应门控 图卷积 双向图网络 特征融合 纵向层间聚合
在线阅读 下载PDF
基于BERT的高校图书馆微信信息服务的命名实体识别方法 被引量：4
6
作者 李东升 鲍玉来 +1 位作者 刘建华 陈德旺 《现代情报》 CSSCI 2023年第4期64-76,共13页
[目的/意义]微信服务推文信息的命名实体识别是高校图书馆智慧服务领域的重要研究方向。在目前微信服务推文的命名实体识别领域中,存在高校图书馆微信服务领域的实体名称多样、特征信息提取不明确等问题。[方法/过程]针对以上问题,本文... [目的/意义]微信服务推文信息的命名实体识别是高校图书馆智慧服务领域的重要研究方向。在目前微信服务推文的命名实体识别领域中,存在高校图书馆微信服务领域的实体名称多样、特征信息提取不明确等问题。[方法/过程]针对以上问题,本文通过挖掘高校图书馆服务领域的微信服务推文文本,采用现有知识库和词典规则扩充句子语义信息,并在领域专家的指导下构建了一种高校图书馆微信服务推文文本的命名实体语料集ULICNER,实验数据集包含36035条文本语料数据,7大类16个小类。采用基于BERT-BiLSTM-CRF的模型研究高校图书馆微信推文文本的命名实体识别方法。该模型利用BERT网络将大规模文本生成具有语义特征的字符向量,接着对输入文本序列通过BiLSTM获取文本特征,最后连接CRF获得最佳的序列标记输出。[结果/结论]实验结果表明,本文模型在构建的数据集上取得良好的效果,其F1值为98.75%,准确率值为98.59%,召回率值为98.91%,模型可以运用于高校图书馆信息服务的实体识别任务。 展开更多
关键词 命名实体识别 高校图书馆 微信服务 BERT 双向长短记忆网络 条件随机场
在线阅读 下载PDF
基于Tesseract_OCR的化工包装袋喷码质量检测算法 被引量：2
7
作者 张茂林 叶轻舟 +1 位作者 潘鑫 陆华 《电子科技》 2022年第7期27-31,共5页
化工包装袋喷印信息存在人工检测效率低、漏检率高的问题。针对该问题,文中设计了一种基于机器视觉的化工包装袋喷码质量检测方法。使用均值滤波与高斯双边滤波算法对采集图像进行预处理,再通过基于局部统计的可变阈值算法进行字符区域... 化工包装袋喷印信息存在人工检测效率低、漏检率高的问题。针对该问题,文中设计了一种基于机器视觉的化工包装袋喷码质量检测方法。使用均值滤波与高斯双边滤波算法对采集图像进行预处理,再通过基于局部统计的可变阈值算法进行字符区域定位。为解决喷码字符点与点的距离大于字符之间的间隙大小,导致二值图像闭运算后多个字符黏连形成连通域的问题,文中提出了一种改进连通域的动态字符分割算法,通过Tesseract_OCR引擎将分割的字符图像进行分类训练和识别。实验结果表明,该算法对喷码质量检测的精确率高达95.62%,满足化工包装袋喷码质量检测要求。 展开更多
关键词 机器视觉 Tesseract_OCR 化工包装袋 喷码质量检测 预处理 字符定位 改进连通域 字符分割
在线阅读 下载PDF
融合迭代和问题维度的速度约束粒子群算法 被引量：3
8
作者 王子航 刘建华 +2 位作者 薛醒思 朱剑 陈宇翔 《华东交通大学学报》 2023年第4期112-126,共15页
粒子群算法广泛应用于工程、科学与管理等领域实际问题中的复杂优化问题求解,设计新的策略以应对算法的性能和效率瓶颈是该领域的研究热点。针对传统粒子群算法速度约束策略比较单一,容易导致算法收敛速度慢,性能低等问题,提出一种融合... 粒子群算法广泛应用于工程、科学与管理等领域实际问题中的复杂优化问题求解,设计新的策略以应对算法的性能和效率瓶颈是该领域的研究热点。针对传统粒子群算法速度约束策略比较单一,容易导致算法收敛速度慢,性能低等问题,提出一种融合算法迭代和问题维度的速度约束策略。通过分析算法种群进化状态评估值与迭代次数及问题维度的关系,设计计算进化状态评估值的公式,使其受算法迭代次数和问题维度影响,最后根据进化状态评估值计算算法的速度约束范围,得到一种融合迭代和问题维度的速度约束粒子群算法。新的速度约束策略使粒子群算法的种群状态受到迭代次数和问题维度的影响,具有自适应性,并对不同维度问题求解具有扩展性,提高了粒子群算法的收敛速度和求解精度,仿真实验证明了算法的有效性。 展开更多
关键词 粒子群优化算法 速度约束策略 进化状态预估 迭代次数 问题维度
在线阅读 下载PDF
基于Mask R-CNN的密集木材检测分割方法 被引量：9
9
作者 杨攀 郑积仕 +4 位作者 冯芝清 丁志刚 李少艺 黄其悦 孔令华 《林业工程学报》 CSCD 北大核心 2022年第2期135-142,共8页
针对木材检尺中采用人工检尺的方法存在效率低下且检尺主观性较强的问题,提出一种基于掩模区域卷积神经网络(Mask R-CNN)实例分割模型的木材分割方法,探究实例分割在木材密集堆放场景下对各尺寸木材分割的可行性,以期实现智能检尺,提高... 针对木材检尺中采用人工检尺的方法存在效率低下且检尺主观性较强的问题,提出一种基于掩模区域卷积神经网络(Mask R-CNN)实例分割模型的木材分割方法,探究实例分割在木材密集堆放场景下对各尺寸木材分割的可行性,以期实现智能检尺,提高检尺效率。应对密集木材检测分割任务,难点在于密集小木材和大木材的检测。本研究在原始Mask R-CNN模型的基础上通过改进优化模型参数,包括多尺度训练、提升样本采样数、提高图片输入尺寸和有效数据增广等技术,进行多组分割对照实验,同时利用OpenCV库对模型输出的木材分割掩码图完成木材轮廓拟合和木材计数,并就实验结果对模型性能进行分割精度、掩码质量和木材真检率等多维度分析。实验结果表明:测试集木材真检率达到97.989%,误检率为0.30%,并且相较基础网络,对小木材和大木材的检测分割能力提升明显,分割精度最佳提升12.9%和5.2%,掩码分割质量最佳提升2.2%。改进后的Mask R-CNN模型对密集场景下的木材分割效果良好,此外算法具有较强的鲁棒性及迁移能力,微调下能适应各种场景下的各尺寸大小密集木材检测分割任务。 展开更多
关键词 密集木材检测 木材分割 Mask R-CNN 木材计数 深度学习
在线阅读 下载PDF
一种基于改进的GMM算法的数据丢失预测模型 被引量：1
10
作者 王晖 姜春茂 《长江信息通信》 2023年第3期28-34,共7页
随着云平台上运行任务的数量急剧增加,任务失败的概率也随之增加,数据的丢失是任务失败的主要原因。如果在任务运行前判断出是否可能发生丢失以及其丢失类型,那么就可以提前采取措施避免或减少损失。该模型基于谷歌在2019年发布的最新... 随着云平台上运行任务的数量急剧增加,任务失败的概率也随之增加,数据的丢失是任务失败的主要原因。如果在任务运行前判断出是否可能发生丢失以及其丢失类型,那么就可以提前采取措施避免或减少损失。该模型基于谷歌在2019年发布的最新云集群数据,对任务的数据丢失问题进行了深入的研究,针对不同任务属性探究其与数据丢失的相关性,并选用了GMM(Gaussian Mixed Model)算法并将其改进来建立数据丢失预测模型。经过多种聚类算法的实验比较,改进后的GMM模型表现出极好的适应性和准确性,能够精准且迅速地在任务运行前判断其发生数据丢失的可能性以及判断其丢失类型。最后根据预测出的不同数据丢失类型,给出了一定的建议。 展开更多
关键词 谷歌云集群 任务失败 数据丢失预测 Gaussian Mixed Model
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