公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

未知纬度条件下基于重力视运动与小波去噪的SINS自对准方法被引量：14: 2016年; 基于惯性系的双矢量定姿方法选择惯性系中的两个重力视运动向量作为不共线矢量,解决了传统双矢量定姿方法在晃动基座条件下易受载体角运动干扰而无法实现对准的问题,但该方法仍需要精确的地理纬度信息以参与对准计算。针对未知纬度条件下的SINS抗晃动自对准问题,提出了一种基于重力视运动的三矢量自对准方法。该方法将初始对准问题归结为求解当前时刻导航系相对于初始时刻载体系的姿态矩阵问题,并利用矢量运算进行求解,仿真结果表明:加速度计随机测量噪声会映射为重力视运动随机噪声,降低对准精度;当加速度计随机噪声量级较大时,会带来对准计算失败。针对噪声问题,引入Daubechies(db4)小波进行5层分解来实现对重力视运动的降噪,并选择去噪后的重力视运动向量参与三矢量定姿解算,仿真结果表明:db4小波具有良好的去噪效果,基于小波去噪的三矢量自对准方法可以有效完成未知纬度条件下的SINS初始对准。; 刘锡祥杨燕黄永江宋清; 关键词：捷联式惯性导航系统小波去噪

基于元图同构网络的分子毒性预测: 2024年; 为了获得更准确的分子毒性预测结果,提出基于元图同构网络的分子毒性预测模型Meta-MTP。首先,使用图同构神经网络将原子作为节点、键作为边、分子作为图结构,以获取分子表征;使用预训练模型对图同构网络(GIN)初始化,使它获得更好的参数;引入基于分层注意力和局部增强的前馈Transformer;使用原子类型预测和键预测作为辅助任务提取更多的分子内部信息;通过元学习双层优化策略对模型进行训练;最后使用Tox21和SIDER数据集对模型进行训练。实验结果表明,在Tox21和SIDER数据集上,Meta-MTP具有良好的分子毒性预测能力,当样本数为10时,相较于FSGNNTR(Few-Shot Graph Neural Network-TRansformer)模型,Meta-MTP的曲线下面积(AUC)分别提高了1.4%和5.4%,相较于图同构网络(GIN)、图卷积网络(GCN)和GraphSAGE(Graph Sample and AGgrEgate)3种传统的图神经网络模型,Meta-MTP的AUC提高了18.3%~23.7%和7.3%~22.2%。; 黄云川江永全黄骏涛杨燕; 关键词：元学习 TRANSFORMER

双层墙构造中龙骨对隔声性能的影响: 为了探索龙骨对双层墙构造隔声性能的影响，本文采用统计能量分析法从双层墙构造中的声传递路径开始研究，经计算确定主要传声路径后，得出相应的隔声量预测模型，将计算值和实测值进行对比，得到了较好的一致性。然后，通过改变龙骨参数：...; 黄险峰杨燕杨宗筱; 关键词：统计能量分析隔声量

基于双分支点流语义先验的路面病害分割模型: 2024年; 针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题,本文提出一种基于双分支语义先验网络,用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系,运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取,并引入语义局部增强模块提高局部特征聚合能力。本文提出了一种新的稀疏主体点流模块,并与传统特征金字塔网络相结合,进一步缓解路面病害的类别不平衡问题;构建了一个真实场景的道路病害分割数据集,并在该数据集和公开数据集上与多个基线模型进行对比实验,实验结果验证了本模型的有效性。; 庞荣杨燕杨燕杨燕刘言; 关键词：路面病害

一种基于在线序贯极限学习机的大型舰船甲板态势预测方法被引量：4: 2016年; 在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、随机性和时变性。针对上述特性,引入具有信息实时更新功能的在线序贯极限学习机(OS-ELM)方法对甲板运动态势进行预测。该方法通过实时更新参与模型解算的样本数据,具有计算量小、学习映射能力强的优点。针对OS-ELM中存在的隐含层节点个数选择,以及甲板态势预测中出现的样本个数、历史数据长度等参数选择问题,引入遗传算法(GA)进行寻优。基于模拟甲板摇荡数据的仿真表明,该预测方法可以实时跟踪甲板运动的实时性变化,并对甲板运动态势进行预测。; 刘锡祥宋清司马健黄永江杨燕; 关键词：信息更新遗传算法

LNG-Transformer:基于多尺度信息交互的图像分类网络: 2024年; 鉴于Transformer的Self-Attention机制具有优秀的表征能力,许多研究者提出了基于Self-Attention机制的图像处理模型,并取得了巨大成功。然而,基于Self-Attention的传统图像分类网络无法兼顾全局信息和计算复杂度,限制了Self-Attention的广泛应用。文中提出了一种有效的、可扩展的注意力模块Local Neighbor Global Self-Attention(LNG-SA),该模块在任意时期都能进行局部信息、邻居信息和全局信息的交互。通过重复级联LNG-SA模块,设计了一个全新的网络,称为LNG-Transformer。该网络整体采用层次化结构,具有优秀的灵活性,其计算复杂度与图像分辨率呈线性关系。LNG-SA模块的特性使得LNG-Transformer即使在早期的高分辨率阶段,也可以进行局部信息、邻居信息和全局信息的交互,从而带来更高的效率、更强的学习能力。实验结果表明,LNG-Transformer在图像分类任务中具有良好的性能。; 王文杰王文杰杨燕杨燕刘言; 关键词：图像分类多尺度 TRANSFORMER

结合视点变换的三维地形无缝绘制算法被引量：3: 2020年; 针对传统地形裂缝消除技术普遍存在构网速度慢,层次约束强等问题,提出了一种结合视点变换的地形无缝绘制算法。该方法首先根据精度生成LOD粗模型,然后利用纹理映射技术生成精细网格,并根据视点动态调整顶点位置以消除因层次细节过渡产生的T型裂缝。此外,通过CPU-GPU协同工作的方式,将批量构网及渲染的工作从CPU移植到GPU中,提升了整个系统的处理速度。实验结果表明,该方法可以有效消除地形裂缝,保证网格平滑过渡。; 杨燕王慧青焦越; 关键词：三维地形基于视点纹理映射

全选清除导出

共1页<1>

杨燕