公共文化服务平台

基于改进的Faster R-CNN目标检测算法被引量：19: 2020年; 目标检测是计算机视觉研究中的热门问题,其中加速区域卷积神经网络(Faster R-CNN)对目标检测具有指导意义。针对Faster R-CNN算法在目标检测中准确率不高的问题,先对数据进行增强处理;然后对提取的特征图进行裁剪,利用双线性插值法代替感兴趣区域池化操作,分类时采用软非极大值抑制(Soft-NMS)算法。实验结果表明,该算法在PASCAL VOC2007、PASCAL VOC07+12数据集下的准确率分别为76.40%和81.20%,相较Faster R-CNN算法分别提升了6.50个百分点和8.00个百分点。没有进行数据增强的情况下,在COCO 2014数据集上的准确率相较Faster R-CNN算法提升了2.40个百分点。; 周兵李润鑫尚振宏李晓武; 关键词：目标检测

融合RBF的二值神经网络推荐模型被引量：6: 2019年; 随着网络通信技术的快速发展和互联网信息资源的大规模扩张,信息过载问题日益严重,传统的信息服务使得这一问题得到缓解。但对具有海量条目的信息,用户要根据自己的喜欢找到想要的目标并不容易。为了解决该问题,提出一种融合径向基函数(RBF)的二值化卷积神经网络的推荐模型。该模型建立在卷积神经网络的基础上将输入数据预处理为0或1,极大节省数据存储空间并提高推荐效率。利用RBF建立可信任的亲属网络,根据亲属网络中的相似用户筛选出有用信息并进行分析做出相应推荐。针对电影推荐进行实验,实验结果表明该方法是有效可行的。; 雷妍贾连印李孟娟李孟娟游进国游进国

单阅读器移动RFID系统下改进的标签防碰撞算法被引量：1: 2021年; 在单阅读器移动RFID系统中采用尾码应答机制,并将固定帧时隙ALOHA和后退式二进制搜索算法相结合,提出一种改进算法,通过理论分析和MATLAB仿真实验证明,改进后的算法能使系统所花时间成本降低,系统效率提高。; 李欣怡李晓武游进国贾连印丁家满李润鑫

数据库中文查询对偶学习式生成SQL语句研究被引量：4: 2023年; 针对当前中文NL2SQL(Natural language to SQL)监督学习中需要大量标注数据问题,该文提出基于对偶学习的方式在少量训练数据集上进行弱监督学习,将中文查询生成SQL语句。该文同时使用两个任务来训练自然语言转化到SQL,再从SQL转化到自然语言,让模型学习到任务之间的对偶约束性,获取更多相关的语义信息。同时在训练时使用不同比例带有无标签的数据进行训练,验证对偶学习在NL2SQL解析任务上的有效性。实验表明,在不同中英文数据集ATIS、GEO以及TableQA中,本文模型与基准模型Seq2Seq、Seq2Tree、Seq2SQL、以及-dual等相比,百分比准确率至少增加2.1%,其中在中文TableQA数据集上采用对偶学习执行准确率(Execution Accuracy)至少提升5.3%,只使用60%的标签数据就能取得和监督学习使用90%的标签数据相似的效果。; 赵志超游进国何培蕾李晓武; 关键词：对偶学习半监督学习

一种单阅读器移动RFID系统性能评估方法被引量：6: 2019年; 中小型区域RFID标签的识别通常采用阅读器网路实现,因为只有多阅读器才能静态实现阅读器对所有待识别标签的全覆盖。但这种方法面临阅读器使用成本高,阅读器间碰撞,标签识别率低等问题。为改善上述问题,提出一种运用于中小型区域的单阅读器移动RFID系统性能评估方法,该方法以标签丢失率和全识别圈数作为性能指标,在单阅读器移动RFID系统中对已有的静态防碰撞算法的性能进行评估。实验通过判断当前时隙类型确定阅读器是否成功识别标签,每消耗1个时隙阅读器位置调整一次使得信号区及其区内标签重新确定,直至阅读器结束标签识别任务。仿真结果表明该方法能很好地对各种已有标签算法在中小型区域的RFID标签识别环境中的性能进行有效评估,同时提高RFID系统效率。; 宋月玲李晓武

O-AMAS有效教学模式在“自动识别技术”教学中的应用被引量：4: 2022年; “自动识别技术”是物联网专业的专业基础课程。针对传统教学的不足,本论文将国内研发的“O-AMAS”有效教学模型应用于“自动识别技术”课程教学中,论文以若干章节教学内容为例介绍其教学实施过程,以达到提高自动识别技术的教学效果的目的。; 李晓武李润鑫齐敏; 关键词：自动识别技术教学设计

趣味程序设计基础课堂设计: 2024年; 针对程序设计基础课程知识点繁琐、难以串联,学生按部就班学习的兴趣不高、效果有限等问题,以魔术道具“读心术”为切入点,提出基于读心术的趣味性程序设计基础案例教学方法,介绍具体教学设计,最后说明教学效果。; 贾连印江虹李晓武姜瑛李润鑫; 关键词：程序设计基础读心术案例教学二进制

用于下一项推荐的序列感知深度网络被引量：3: 2020年; 推荐系统旨在解决项目的信息爆炸问题并为用户提供个性化推荐.通常,用户交互的历史项目对于用户交互的下一个项目是有着不同的影响的.为此,本文提出一种序列感知深度网络(SeqaDN).本算法主要分为三部分,即项目嵌入、序列感知和深度神经网络偏好学习.首先,通过Item2vec项目嵌入方法将项目的上下文项目作为输入,得到项目的嵌入;其次,本文在Seqa DN中添加了一个自注意力网络,以感知序列中每个项目关于当前下一个项目的不同影响权重;最后,基于深度双向循环神经网络学习用户的历史偏好.通过在真实数据集MovieLens上设置对比实验验证算法有效性,与传统算法以及同类型算法作对比,实验结果证明了SeqaDN比现有的序列推荐方法取得了更好的推荐性能.; 赵串串游进国李晓武

结合LSTM的分组比特时隙ALOHA改进算法: 2023年; 单阅读器移动射频识别(RFID)系统是一种中小型区域RFID的标签识别系统,传统的标签防碰撞算法在单阅读器移动RFID系统中面临标签丢失、标签碰撞等问题。为改善上述问题,提出一种结合LSTM网络和GBSA(分组比特时隙ALOHA)算法的GBSA改进算法。GBSA算法使用分组策略使答应的标签数在最佳性能区间内,在单阅读器移动RFID系统中GBSA算法存在无法准确计算下一帧分组数的问题,导致阅读器花费大量时间与标签通信反复确认分组数,使识别效率下降,结合LSTM的GBSA改进算法使用LSTM网络解决该问题。LSTM网络使用阅读器识别标签的历史数据预测下一帧中GBSA算法的最佳分组数,通过对分组数的准确预测,提高标签识别率。仿真实验结果表明,结合LSTM的GBSA改进算法可以有效地减少标签丢失,提高识别效率。; 陈培东李晓武李润鑫贾连印; 关键词：射频识别防碰撞算法

用SAS识别ARIMA的简单季节模型与乘积季节模型被引量：3: 2007年; 目前,使用具体工具SAS实现区分ARIMA简单季节模型和乘积季节模型的文章尚不多见,本文先介绍ARIMA模型的一般使用方法,然后着重讲述如何区分ARIMA模型的简单季节模型和乘积季节模型,并给出实例和用SAS 8.1的实现程序.; 李晓武; 关键词：数据挖掘时间序列分析 ARIMA模型

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

李晓武