【摘 要】
：
CNN网络深度的增加,导致计算成本急剧提升,且深层网络不能充分利用浅层特征.针对这个问题,提出了注意力机制引导下的特征增强网络(AGFENet),主要包括扩展卷积块(DVB)、特征增强块(FEB)和注意块(AB). DVB采用扩张卷积来扩大卷积核的感受野,有效降低网络深度,权衡性能和效率. FEB使浅层特征信息更多地流向深层网络,提高网络特征表达能力. AB引导FEB与DVB进行注意力机制处理,对
【机 构】
：
闽南师范大学计算机学院,数据科学与智能应用福建省高校重点实验室,闽南师范大学物理与信息工程学院
【基金项目】
：
漳州市自然科学基金(ZZ2020J33),闽南师范大学研究生教改课题(MSYJG8)。
论文部分内容阅读
CNN网络深度的增加,导致计算成本急剧提升,且深层网络不能充分利用浅层特征.针对这个问题,提出了注意力机制引导下的特征增强网络(AGFENet),主要包括扩展卷积块(DVB)、特征增强块(FEB)和注意块(AB). DVB采用扩张卷积来扩大卷积核的感受野,有效降低网络深度,权衡性能和效率. FEB使浅层特征信息更多地流向深层网络,提高网络特征表达能力. AB引导FEB与DVB进行注意力机制处理,对厚薄雾区域采取不同的计算权重,充分提取图像厚雾的信息.实验表明,AGFENet的网络层数有效降低,针对合
其他文献
对于具有相依性的数据,指数加权移动平均(EWMA)方法是控制图领域中的实用方法 .其中,指数加权移动平均均方误差(EWMA MSE)控制图对相依单一值数据的监控性能较好.随着测量技术的发展,往往会监测到相依区间值数据,传统的方法只能将其转化为单一值数据再计算,这样会造成信息丢失.为此,提出指数加权移动平均模糊区间均方误差(EWMA FIMSE)控制图,通过数值模拟和漳州市一氧化碳浓度数据的实证分析,证实它可以比传统的控制图更快地监测到过程的异常波动.
本文通过改良的制备石墨炔方法,制得纳米片层状的石墨炔(GDY),采用扫描电子显微镜、透射电镜、红外光谱和拉曼光谱等手段对其结构进行表征.确定了其具有特定的形貌结构、丰富的sp杂化的炔键和sp2杂化的苯环外延扩展的结构特性,将其作为催化活性物质应用于构筑电化学传感器,采用差分脉冲伏安法(DPV)研究对比了其电化学性能并将其应用于重金属铅离子(Pb2+)的检测.实验结果表明Pb2+在GDY修饰电极上的响应信号更优于裸电极和石墨烯修饰电极,在1μ
研究了具有Allee效应和反馈控制的单种群Logistic模型的动力学行为.首先对此模型边界平衡点的局部稳定性时做了进一步修正,证明了边界平衡点在正平衡点存在时是鞍结点,但正平衡点不存在时却是一个稳定结点.其次证明了正平衡点全局渐近稳定的充分条件以及Hopf分支和极限环的存在性.结论说明Allee效应和反馈控制使得系统变得不稳定,种群密度随着Allee效应的增大而降低直至绝灭.最后用数值模拟证明结论的正确性.
设G=(V,E)为简单连通图.图G的维纳指标W(G)是图中所有不同顶点对间的距离之和.图G的离心率ε(G)是指图中所有顶点的离心率之和,其中顶点的离心率是其到G中其它顶点的最大距离.设G为通过收缩G中一条割边成为一个点并在该点上连接一条新的悬挂边而得到的图.研究了W(G)-ε(G)与W(G)-ε(G)之间的大小关系,给出不同情况下两者之间的大小关系.
当今条件下,信息和知识传播的方式与速度都发生了根本性变化,知识更新周期也越来越短,个性化学习、精致学习和元知识迁移能力等素养核心成分的培养受到了前所未有的重视.本研究在借鉴PISA模式并结合我国基础教育阶段各科课程标准开展多轮学习素养评估研究的基础上,重点讨论了评估中内容效度保证的设计、效标的选择及其计算、构想效度的EFA+CFA方法检验和效度检验的未来趋势等问题.实践表明:上述效度保障策略对提高学习素养评估的可靠性和大众接受度起到了关键作用.
知识空间理论是数学心理学的重要组成部分.简单拟阵是组合优化中的一个重要分支,几何格是拟阵论中的一个重要概念.知识空间理论与简单拟阵之间存在着紧密的联系.首先基于技能映射中技能与问题之间的联系确定知识基,通过知识基来生成简单拟阵的一个闭集族.其次定义了问题与技能的伽罗瓦联络,讨论知识空间的伽罗瓦格与简单拟阵闭集族的几何格之间的关系.随后在伽罗瓦格与几何格同构的意义下,以构造的方式建立起知识空间与简单拟阵的关系.最后得出了知识空间与简单拟阵是一一对应的结论 .
疫情过后,人们对于建设宜居生态的社区空间更为重视,同时国家致力发展绿色生态城市概念,更加注重打造健康的人居环境.在此背景下,我们从社区环境的植物景观设计出发,进一步审视现社区环境中植物景观与人们的密切关系,思考如何在有限的空间里,利用植物作为设计媒介,创设一种更加健康且符合国家发展理念的社区生活环境,从而帮助人们提升幸福生活指数.
Hadoop是一个用于以高效的方式处理大数据的框架.任务调度是Hadoop框架的核心问题之一,其默认的调度器不能根据节点及作业资源的异构性进行任务分配.针对该问题,本文提出一种异构环境下基于作业及资源分配的调度算法.该算法可根据估计作业到达率和平均作业的执行时间将作业分类,找到与该类作业匹配的资源,优先将本地任务分配给节点,并将非本地任务公平地分配给每个节点进行计算.实验结果表明,与原有的调度算法相比,改进后的算法平均任务执行时间减少34 s,减少数据的跨节点传输,提升了任务执行效率,提高了资源利用率.
本研究探讨了Pb2+和Cd2+对副溶血弧菌生物被膜形成的影响.实验选用副溶血弧菌ATCC17802标准株为研究对象,采用结晶紫染色法和微孔板分光光度法,确定副溶血弧菌形成生物被膜的最佳培养温度和时间,然后分析不同浓度的Pb2+和Cd2+对该菌生物被膜形成的影响.结果表明:37℃培养条件下副溶血弧菌ATCC17802生长72 h时生物被膜形成量最大;Pb2+和Cd2+对副溶血弧
提出了一种基于深度学习的红绿灯目标检测算法.在Yolo V3模型中引入残差模块学习方法,提出以ResNet残差网络模块作为特征提取网络,优化网络结构深度,对图像模型裁剪、训练参数等方面进行调整,利用PaddlePaddle深度学习平台AI Studio对红绿灯目标检测模型进行训练,得到了红绿灯的准确检测结果,红灯测试精准率达到0.992 6,绿灯精准率达到0.972 4,相比原网络结构模型红灯精准