【摘 要】
：
人工智能的逐步应用对行业的生产效率和技术变革影响显著, 传统行业因样本收集难度大、成本高、涉及个人隐私等原因, 进行深度学习时, 面临着小样本和不平衡数据问题. 现有的样本扩充方法存在着生成效果不能兼顾广泛性和合理性等问题. 为此, 提出一种基于变分自编码器潜变量语义提炼的样本扩充算法, 利用神经网络的权重作为输入特征与潜变量相关性的度量, 获取输入特征与变分自编码器潜变量的依赖关系, 为潜变量赋予语义提供重要依据, 实现显式控制潜变量的不同维度, 生成满足总体分布且在原训练集未包含的样本. 在对民用建筑
【机 构】
：
广东省建筑设计研究院有限公司, 广州 510010
论文部分内容阅读
人工智能的逐步应用对行业的生产效率和技术变革影响显著, 传统行业因样本收集难度大、成本高、涉及个人隐私等原因, 进行深度学习时, 面临着小样本和不平衡数据问题. 现有的样本扩充方法存在着生成效果不能兼顾广泛性和合理性等问题. 为此, 提出一种基于变分自编码器潜变量语义提炼的样本扩充算法, 利用神经网络的权重作为输入特征与潜变量相关性的度量, 获取输入特征与变分自编码器潜变量的依赖关系, 为潜变量赋予语义提供重要依据, 实现显式控制潜变量的不同维度, 生成满足总体分布且在原训练集未包含的样本. 在对民用建筑结构安全数据库的样本扩充结果表明, 该方法能有效生成特定属性的样本, 能一定程度上解决小样本问题和不平衡数据问题.
其他文献
传统供应链服务的发展面临诸多痛点, 包括造假风险、企业信息孤岛、核心企业信用不能跨级传递、违约风险高等. 针对供应链企业信息孤岛以及非法用户对网络资源的非授权访问等问题, 本文提出了一种基于智能合约和企业信用的访问控制模型, 用以保障果品质量溯源系统的数据安全性和完整性. 该模型将RBAC和ABAC相结合, 以智能合约作为底层技术, 引入企业信用值作为跨域访问的参考属性, 利用主体属性与信用值作为决策依据实现域内与域间的访问控制. 实验结果表明了本文提出的访问控制模型的有效性.
智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman filter, UKF)的超宽带(ultra wide band,UWB)和GPS融合定位算法. 通过构建系统方案, 优化UWB模块数据解析算法, 构建UWB和GPS非线性融合系统模型, 分
针对传统的基于多图谱的医学图像分割过程中的相似度加权融合的方法没有考虑图谱集的干扰性和冗余性的不足, 提出一种基于两步图谱选择策略的脑MR图像分割方法. 该方法首先采用一种基于最小角回归的方法进行图谱粗选择, 其次则采用基于豪斯多夫距离的以目标为导向的图谱精选择. 粗选择方法可以在总体上来寻找和目标图像较为相似的图谱, 删除某些无效变量, 降低图谱集的干扰性和冗余性. 精选择方法更加注重于目标组织本身的相似度计算, 并且得到的相似性结果不受目标组织尺寸和目标组织位置的影响. 实验结果表明, 相比于传统的基
图像超分辨率重建技术一直是计算机视觉领域的热门研究方向. 为了提高重建后图像的质量, 本文提出一种基于内容感知的上采样技术用于图像的重建. 将稠密残差网络作为骨干网络, 用基于内容感知上采样取代传统的亚像素卷积上采样技术, 即在特征重建阶段, 卷积核不会在整个特征图中共享参数, 而是神经网络可以根据特征图的内容在每个像素处生成特定的卷积核. 该算法减少了参数数量, 从而加快了网络训练速度. 通过多轮训练和测试,结果显示使用改进技术得到了更加清晰的重建图像, 取得了良好的视觉效果.
机器阅读理解与问答一直以来被认为是自然语言理解的核心问题之一, 要求模型通过给定的文章与问题去挑选出最佳答案. 随着BERT等预训练模型的兴起, 众多的自然语言处理任务取得了重大突破, 然而在复杂的阅读理解任务方面仍然存在一些不足, 针对该任务, 提出了一个基于回顾式阅读器的机器阅读理解模型. 模型使用RoBERTa预训练模型对问题与文章进行编码, 并将阅读理解部分分为词级别的精读模块与句子级别的泛读模块两个模块. 这两个模块以两种不同的粒度来获取文章和问题的语义信息, 最终结合两个模块的预测答案合并输出
图像主体轮廓包含图像非常重要的信息, 精准有效地提取图像主体轮廓不仅能减少信息冗余, 而且能降低后续图像分析和处理的时间复杂度. 本文基于视觉神经元信息处理机理, 提出了一种基于时空脉冲编码的图像主体轮廓提取方法. 首先, 利用Gabor函数模拟神经节细胞感受野对图像进行多尺度多方向的信息提取; 其次, 模拟视网膜非经典感受野构建各向异性抑制模型抑制图像背景纹理边缘. 然后针对不同尺度感受野获取的视觉图像, 基于视觉感受野小尺度可以提取到图像的大多数细节纹理信息, 而大尺度下提取可以使图像大部分细节纹理消
随着无人机技术的飞速发展, 无人机被广泛用于各种领域的巡检任务. 近年来, 电力网络的规模和长度都在快速增长, 无人机因其独特的性能和优势成为了电力巡检的首选, 无人机巡检不仅能保证安全性, 还能有效地提高巡检效率, 而路径规划是其在实际应用中的关键一步. 本文提出了一种新的混合元启发式方法, 用于解决电力巡检中带有多个站点的无人机群路径规划问题. 该算法在自适应大邻域搜索的框架下添加变邻域下降为下属策略, 加强邻域搜索能力, 增加找到更优解的可能. 实验结果表明, 本文提出的算法能够有效地解决该问题,
本文为提高停车场的使用效率提出一种基于视觉的车位检测与分类算法. 针对现有停车场车位分类方法自动化程度低, 设备与部署成本高昂, 以及现有的检测算法召回率低、准确性差的问题. 首先, 对车位进行检测, 建立车位表并增量式地扩充车位分类模型数据集; 其次, 利用测试数据集训练支持向量机车位分类模型; 最后, 根据监控视频流数据实时地对每个车位能否泊车进行判断. 实验结果表明: 在不同的光照条件下, 车位直线检测的召回率在94％以上, 车位分类模型的准确率在95％以上. 该算法自动化程度高, 准确率良好, 部
为了满足分布式存储系统的动态存储和异构存储, 本文提出一种基于节点共边的异构部分重复码(heterogeneous fractional repetition codes based on node common edge, HFRC-NCE)的构造算法. 具体地, 将MDS码编码后的数据块分为冷数据块和热数据块, 结合节点共边的特性, 分别将冷数据块和热数据块复制不同的倍数存储到各个节点中, 构造的异构部分重复码更加简单直观, 可实现故障节点的精确无编码修复. 理论分析表明, 与基于完全图和部分正则图构
为了使得优质石墨资源得到优质优用, 提出利用迁移学习和焦点损失卷积神经网络的石墨分类识别算法.在自建的初始数据集基础上, 通过对数据集的离线扩充与在线增强, 有效扩大数据集并减低深层CNN过拟合的风险. 以VGG16、ResNet34和MobileNet V2为基础模型, 重新设计新的输出模块载入全连接层, 提高了模型的泛化能力与鲁棒性; 结合焦点损失函数, 修改模型超参数并在石墨数据集上训练. 实验仿真发现, 本文所提方法的准确率均在95％以上, 识别准确率提高, 收敛速度加快, 模型更加稳定, 证明了