期刊文献+
共找到243,247篇文章
< 1 2 250 >
每页显示 20 50 100
Dual-Path Vision Transformer用于急性缺血性脑卒中辅助诊断
1
作者 张桃红 郭学强 +4 位作者 郑瀚 罗继昌 王韬 焦力群 唐安莹 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第2期307-314,共8页
急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分... 急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分类智能模型DPVF。为了提高辅助诊断速度,基于EdgeViT的轻量化设计思想进行了模型的构建;为了使模型保持轻量化的同时具有较高的精度,提出空间-通道自注意力模块,促进Transformer模型捕获更全面的特征信息,提高模型的表达能力;此外,对于DPVF的两分支的特征融合,构建交叉注意力模块对两分支输出进行交叉融合,促使模型提取更丰富的特征,从而提高模型表现。实验结果显示DPVF在测试集上的准确率达98.5%,满足实际需求。 展开更多
关键词 急性缺血性脑卒中 视觉transformer 双分支网络 特征融合
下载PDF
基于理性扩展热力学的L-S热声弹性理论框架
2
作者 李元燮 刘财 《吉林大学学报(地球科学版)》 CAS CSCD 北大核心 2024年第2期655-687,共33页
本文基于连续介质力学和理性扩展热力学分析流程,将L-S(Lord and Shulman)热弹性理论与声弹性理论相结合,建立L-S热声弹性理论的基本框架,包括运动学、力学与热力学、本构方程与演化方程、基本场方程四部分。在运动学部分,区分了Lagrang... 本文基于连续介质力学和理性扩展热力学分析流程,将L-S(Lord and Shulman)热弹性理论与声弹性理论相结合,建立L-S热声弹性理论的基本框架,包括运动学、力学与热力学、本构方程与演化方程、基本场方程四部分。在运动学部分,区分了Lagrange描述和Euler描述,以及3种不同的状态和构形,同时针对热声弹性情况定义了两类从自然状态到初始状态的转变过程;在力学与热力学部分,给出了质量守恒定律、动量守恒定律、角动量守恒定律、能量守恒定律以及熵产不等式,从而引出经典不可逆热力学的局限性;在本构方程与演化方程部分,介绍了扩展不可逆热力学原理,并基于理性扩展热力学流程,推导了从自然状态到初始状态、从初始状态到最终状态的热声弹性本构方程与演化方程,将热流作为本构自变量并考虑了热流与应变和温度的相关性;在最后一部分给出了基本场方程的运动方程形式和适用于数值模拟的一阶速度-应力-热流-温度微分方程。 展开更多
关键词 l-s理论 热弹性 声弹性 连续介质力学 理性扩展热力学
下载PDF
Pre-existing orthorhombic embryos-induced hexagonal-orthorhombic martensitic transformation in MnNiSi_(1-x)(CoNiGe)_x alloy
3
作者 张婷婷 龚元元 +1 位作者 鲁子骞 徐锋 《Chinese Physics B》 SCIE EI CAS CSCD 2024年第4期691-699,共9页
The thermal-elastic martensitic transformation from high-temperature Ni_(2)In-type hexagonal structure to low-temperature TiNiSi-type orthorhombic structure has been widely studied in MnMX(M=Ni or Co,and X=Ge or Si)al... The thermal-elastic martensitic transformation from high-temperature Ni_(2)In-type hexagonal structure to low-temperature TiNiSi-type orthorhombic structure has been widely studied in MnMX(M=Ni or Co,and X=Ge or Si)alloys.However,the answer to how the orthorhombic martensite nucleates and grows within the hexagonal parent is still unclear.In this work,the hexagonal-orthorhombic martensitic transformation in a Co and Ge co-substituted MnNiSi is investigated.One can find some orthorhombic laths embedded in the hexagonal parent at a temperature above the martensitic transformation start temperature(M_(s)).With the the sample cooing to M_(s),the laths turn broader,indicating that the martensitic transformation starts from these pre-existing orthorhombic laths.Microstructure observation suggests that these pre-existing orthorhombic laths do not originate from the hexagonal-orthorhombic martensitic transformation because of the difference between atomic occupations of doping elements in the hexagonal parent and those in the preexisting orthorhombic laths.The phenomenological crystallographic theory and experimental investigations prove that the pre-existing orthorhombic lath and generated orthorhombic martensite have the same crystallography relationship to the hexagonal parent.Therefore,the orthorhombic martensite can take these pre-existing laths as embryos and grow up.This work implies that the martensitic transformation in MnNiSi_(1-x)(CoNiGe)_(x) alloy is initiated by orthorhombic embryos. 展开更多
关键词 martensitic transformation MnMX alloy orthorhombic embryo crystallography relationship
下载PDF
Dual-stream coupling network with wavelet transform for cross-resolution person re-identification
4
作者 SUN Rui YANG Zi +1 位作者 ZHAO Zhenghui ZHANG Xudong 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2023年第3期682-695,共14页
Person re-identification is a prevalent technology deployed on intelligent surveillance.There have been remarkable achievements in person re-identification methods based on the assumption that all person images have a... Person re-identification is a prevalent technology deployed on intelligent surveillance.There have been remarkable achievements in person re-identification methods based on the assumption that all person images have a sufficiently high resolution,yet such models are not applicable to the open world.In real world,the changing distance between pedestrians and the camera renders the resolution of pedestrians captured by the camera inconsistent.When low-resolution(LR)images in the query set are matched with high-resolution(HR)images in the gallery set,it degrades the performance of the pedestrian matching task due to the absent pedestrian critical information in LR images.To address the above issues,we present a dualstream coupling network with wavelet transform(DSCWT)for the cross-resolution person re-identification task.Firstly,we use the multi-resolution analysis principle of wavelet transform to separately process the low-frequency and high-frequency regions of LR images,which is applied to restore the lost detail information of LR images.Then,we devise a residual knowledge constrained loss function that transfers knowledge between the two streams of LR images and HR images for accessing pedestrian invariant features at various resolutions.Extensive qualitative and quantitative experiments across four benchmark datasets verify the superiority of the proposed approach. 展开更多
关键词 cross-resolution feature invariant learning person re-identification residual knowledge transfer wavelet transform
下载PDF
基于AL-Transformer的铁路客运站旅客属性识别方法
5
作者 张波 《铁路计算机应用》 2024年第2期7-12,共6页
随着铁路运力的不断提升,旅客在铁路客运站内候车的频次和时间也在不断增加,为主动挖掘候车旅客的个性化需求,提出一种基于AL-Transformer(Attribute Localization-Transformer)模型的铁路客运站旅客属性识别方法。AL-Transformer模型基... 随着铁路运力的不断提升,旅客在铁路客运站内候车的频次和时间也在不断增加,为主动挖掘候车旅客的个性化需求,提出一种基于AL-Transformer(Attribute Localization-Transformer)模型的铁路客运站旅客属性识别方法。AL-Transformer模型基于Swin Transformer主干网络提取进站旅客的结构化信息,通过掩码对比学习(MCL,Mask Contrast Learning)框架抑制特征区域相关性,获取到更有辨识度的属性区域;通过属性空间记忆(ASM,Attribute Spatial Memory)模块选取更加可靠、稳定的属性相关区域。在中国铁路兰州局集团有限公司白银南站试用的效果表明,该方法可有效识别旅客属性,为客运站工作人员推送更有针对性的信息,提升客运站的旅客服务质量,保障旅客候车安全。 展开更多
关键词 属性识别 Al-transformer模型 掩码对比学习(MCL) 属性空间记忆(ASM) 旅客异常行为
下载PDF
基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法 被引量:1
6
作者 田子建 吴佳奇 +4 位作者 张文琪 陈伟 周涛 杨伟 王帅 《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第1期297-310,共14页
高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低... 高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法。基于生成对抗思想搭建生成对抗式主体模型框架,使用目标图像域而非单一参考图像驱动判别器监督生成器的训练,实现对低照度图像的充分增强;基于特征表示学习理论搭建特征编码器,将图像解耦为亮度分量和反射分量,避免图像增强过程中亮度与颜色特征相互影响从而导致颜色失真问题;设计CEM-Transformer Encoder通过捕获全局上下文关系和提取局部区域特征,能够充分提升整体图像亮度并消除局部区域照度不均;在反射分量增强过程中,使用结合CEM-Cross-Transformer Encoder的跳跃连接将低级特征与深层网络处特征进行自适应融合,能够有效避免细节特征丢失,并在编码网络中添加ECA-Net,提高浅层网络的特征提取效率。制作矿井低照度图像数据集为矿井低照度图像增强任务提供数据资源。试验显示,在矿井低照度图像数据集和公共数据集中,与5种先进的低照度图像增强算法相比,该算法增强图像的质量指标PSNR、SSIM、VIF平均提高了16.564%,10.998%,16.226%和14.438%,10.888%,14.948%,证明该算法能够有效提升整体图像亮度,消除照度不均,避免颜色失真和细节丢失,实现矿井低照度图像增强。 展开更多
关键词 图像增强 图像识别 生成对抗网络 特征解耦 transformER
下载PDF
基于RoBERTa和图增强Transformer的序列推荐方法 被引量:1
7
作者 王明虎 石智奎 +1 位作者 苏佳 张新生 《计算机工程》 CAS CSCD 北大核心 2024年第4期121-131,共11页
自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明... 自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。 展开更多
关键词 推荐算法 评论文本 RoBERTa模型 图注意力机制 transformer机制
下载PDF
引入轻量级Transformer的无人机视觉跟踪 被引量:1
8
作者 谌海云 王海川 +1 位作者 黄忠义 余鸿皓 《计算机工程与应用》 CSCD 北大核心 2024年第2期244-253,共10页
随着无人机在军事和民用领域的广泛运用,对于高精度、低功耗智能无人机跟踪系统的需求日益增加。针对目标跟踪算法在无人机跟踪场景下很难平衡跟踪精度和跟踪速度的问题,提出一种引入轻量级Transformer的孪生网络无人机目标跟踪算法Sia... 随着无人机在军事和民用领域的广泛运用,对于高精度、低功耗智能无人机跟踪系统的需求日益增加。针对目标跟踪算法在无人机跟踪场景下很难平衡跟踪精度和跟踪速度的问题,提出一种引入轻量级Transformer的孪生网络无人机目标跟踪算法SiamLT。使用Transformer对AlexNet网络进行改进,在增加最小计算量的情况下捕获全局特征信息。在目标模板与搜索区域匹配方面,联合Transformer和深度互相关运算提出一种二元相关模块,同时捕获目标模板与搜索区域之间的局部相关性和全局依赖关系。在分类回归网络中引入距离交并比,并采用多监督策略训练网络,以获取更准确的目标位置。在UAV123和UAV20L跟踪基准上的实验结果表明,SiamLT算法优于主流的目标跟踪算法,更有效地平衡了跟踪精度和跟踪速度。 展开更多
关键词 无人机 目标跟踪 transformER 孪生网络 多头注意力
下载PDF
基于Transformer改进的YOLOv5+DeepSORT的车辆跟踪算法
9
作者 何水龙 张靖佳 +1 位作者 张林俊 莫德赟 《汽车技术》 CSCD 北大核心 2024年第7期9-16,共8页
针对传统目标检测跟踪算法检测精度低、全局感知能力差、对遮挡和小目标物体的识别能力差等问题,提出了一种基于轻量化Transformer改进的YOLOv5和DeepSORT算法的车辆跟踪方法。首先,利用EfficientFormerV2模型改进YOLOv5算法模型,增强... 针对传统目标检测跟踪算法检测精度低、全局感知能力差、对遮挡和小目标物体的识别能力差等问题,提出了一种基于轻量化Transformer改进的YOLOv5和DeepSORT算法的车辆跟踪方法。首先,利用EfficientFormerV2模型改进YOLOv5算法模型,增强车辆的目标检测能力;然后,利用移位窗口(Swin)模型的优点改进DeepSORT多目标跟踪算法中的重识别(Re-Identification)模块,提高车辆的跟踪能力和精度;最后,通过数据集KITTI和VeRi开展对比试验和消融实验。结果表明,在复杂工况下,该方法的性能在车辆遮挡和小目标识别方面显著提高,平均准确度达到96.7%,目标跟踪准确度提高了9.547%,编号(ID)切换总次数减少了26.4%。 展开更多
关键词 YOLOv5 车辆检测 DeepSORT transformER
下载PDF
基于Depth-wise卷积和视觉Transformer的图像分类模型
10
作者 张峰 黄仕鑫 +1 位作者 花强 董春茹 《计算机科学》 CSCD 北大核心 2024年第2期196-204,共9页
图像分类作为一种常见的视觉识别任务,有着广阔的应用场景。在处理图像分类问题时,传统的方法通常使用卷积神经网络,然而,卷积网络的感受野有限,难以建模图像的全局关系表示,导致分类精度低,难以处理复杂多样的图像数据。为了对全局关... 图像分类作为一种常见的视觉识别任务,有着广阔的应用场景。在处理图像分类问题时,传统的方法通常使用卷积神经网络,然而,卷积网络的感受野有限,难以建模图像的全局关系表示,导致分类精度低,难以处理复杂多样的图像数据。为了对全局关系进行建模,一些研究者将Transformer应用于图像分类任务,但为了满足Transformer的序列化和并行化要求,需要将图像分割成大小相等、互不重叠的图像块,破坏了相邻图像数据块之间的局部信息。此外,由于Transformer具有较少的先验知识,模型往往需要在大规模数据集上进行预训练,因此计算复杂度较高。为了同时建模图像相邻块之间的局部信息并充分利用图像的全局信息,提出了一种基于Depth-wise卷积的视觉Transformer(Efficient Pyramid Vision Transformer,EPVT)模型。EPVT模型可以实现以较低的计算成本提取相邻图像块之间的局部和全局信息。EPVT模型主要包含3个关键组件:局部感知模块(Local Perceptron Module,LPM)、空间信息融合模块(Spatial Information Fusion,SIF)和“+卷积前馈神经网络(Convolution Feed-forward Network,CFFN)。LPM模块用于捕获图像的局部相关性;SIF模块用于融合相邻图像块之间的局部信息,并利用不同图像块之间的远距离依赖关系,提升模型的特征表达能力,使模型学习到输出特征在不同维度下的语义信息;CFFN模块用于编码位置信息和重塑张量。在图像分类数据集ImageNet-1K上,所提模型优于现有的同等规模的视觉Transformer分类模型,取得了82.6%的分类准确度,证明了该模型在大规模数据集上具有竞争力。 展开更多
关键词 深度学习 图像分类 Depth-wise卷积 视觉transformer 注意力机制
下载PDF
乳腺癌前哨淋巴结中Oct-4、VEGF-D、L-selectin水平与前哨淋巴结转移的关系及意义 被引量:1
11
作者 马友龙 张敏 《临床误诊误治》 CAS 2023年第1期55-60,共6页
目的探讨乳腺癌前哨淋巴结中八聚体结合转录因子-4(Oct-4)、血管内皮生长因子-D(VEGF-D)、L-选择素(L-selectin)水平与前哨淋巴结转移(SLNM)的关系及意义。方法选取2020年4月—2022年7月收治的147例乳腺癌,根据SLNM情况分为SLNM组67例、... 目的探讨乳腺癌前哨淋巴结中八聚体结合转录因子-4(Oct-4)、血管内皮生长因子-D(VEGF-D)、L-选择素(L-selectin)水平与前哨淋巴结转移(SLNM)的关系及意义。方法选取2020年4月—2022年7月收治的147例乳腺癌,根据SLNM情况分为SLNM组67例、无SLNM组80例,比较2组及不同T分期、区域淋巴结分期患者前哨淋巴结中Oct-4、VEGF-D、L-selectin水平,采用多因素Logistic回归分析寻找乳腺癌SLNM的危险因素,采用决策曲线分析(DCA)和临床影响曲线(CIC)分析前哨淋巴结中Oct-4、VEGF-D、L-selectin评估SLNM的临床效用和与实际情况的符合度。结果SLNM组前哨淋巴结中Oct-4、VEGF-D、L-selectin水平高于无SLNM组(P<0.01)。随着T分期和区域淋巴结分期升高,前哨淋巴结中Oct-4、VEGF-D、L-selectin水平逐渐升高,差异有统计学意义(P<0.05)。前哨淋巴结中Oct-4、VEGF-D、L-selectin均是乳腺癌患者SLNM的独立危险因素(P<0.01);绘制DCA曲线显示,前哨淋巴结中Oct-4、VEGF-D、L-selectin评估乳腺癌患者SLNM均有正向的净获益,临床效用排序:Oct-4、L-selectin、VEGF-D,三者联合较单独指标评估的临床获益度均明显升高;绘制CIC显示,阈概率值>0.6时,三者联合评估SLNM与实际情况具有较高的符合率。结论乳腺癌前哨淋巴结中Oct-4、VEGF-D、L-selectin水平与SLNM及肿瘤分期有关,是患者发生SLNM的一个潜在机制,三者联合评估SLNM具有良好的临床获益度,可作为评估乳腺癌患者SLNM的可靠方法。 展开更多
关键词 乳腺肿瘤 淋巴结转移 八聚体结合转录因子-4 血管内皮生长因子-D l-选择素 诊断价值
下载PDF
基于多模态掩码Transformer网络的社会事件分类
12
作者 陈宏 钱胜胜 +2 位作者 李章明 方全 徐常胜 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期579-587,共9页
多模态社会事件分类的关键是充分且准确地利用图像和文字2种模态的特征。然而,现有的大多数方法存在以下局限性:简单地将事件的图像特征和文本特征连接起来,不同模态之间存在不相关的上下文信息导致相互干扰。因此,仅仅考虑多模态数据... 多模态社会事件分类的关键是充分且准确地利用图像和文字2种模态的特征。然而,现有的大多数方法存在以下局限性:简单地将事件的图像特征和文本特征连接起来,不同模态之间存在不相关的上下文信息导致相互干扰。因此,仅仅考虑多模态数据模态间的关系是不够的,还要考虑模态之间不相关的上下文信息(即区域或单词)。为克服这些局限性,提出一种新颖的基于多模态掩码Transformer网络(MMTN)模型的社会事件分类方法。通过图-文编码网络来学习文本和图像的更好的表示。将获得的图像和文本表示输入多模态掩码Transformer网络来融合多模态信息,并通过计算多模态信息之间的相似性,对多模态信息的模态间的关系进行建模,掩盖模态之间的不相关上下文。在2个基准数据集上的大量实验表明:所提模型达到了最先进的性能。 展开更多
关键词 多模态 社会事件分类 社交媒体 表示学习 多模态transformer网络
下载PDF
CNN-Transformer特征融合多目标跟踪算法
13
作者 张英俊 白小辉 谢斌红 《计算机工程与应用》 CSCD 北大核心 2024年第2期180-190,共11页
在卷积神经网络(CNN)中,卷积运算能高效地提取目标的局部特征,却难以捕获全局表示;而在视觉Transformer中,注意力机制可以捕获长距离的特征依赖,但会忽略局部特征细节。针对以上问题,提出一种基于CNN-Transformer双分支主干网络进行特... 在卷积神经网络(CNN)中,卷积运算能高效地提取目标的局部特征,却难以捕获全局表示;而在视觉Transformer中,注意力机制可以捕获长距离的特征依赖,但会忽略局部特征细节。针对以上问题,提出一种基于CNN-Transformer双分支主干网络进行特征提取和融合的多目标跟踪算法CTMOT(CNN-transformer multi-object tracking)。使用基于CNN和Transformer双分支并行的主干网络分别提取图像的局部和全局特征。使用双向桥接模块(two-way braidge module,TBM)对两种特征进行充分融合。将融合后的特征输入两组并行的解码器进行处理。将解码器输出的检测框和跟踪框进行匹配,完成多目标跟踪任务。在多目标跟踪数据集MOT17、MOT20、KITTI以及UADETRAC上进行评估,CTMOT算法的MOTP和IDs指标在四个数据集上均达到了SOTA效果,MOTA指标分别达到了76.4%、66.3%、92.36%和88.57%,在MOT数据集上与SOTA方法效果相当,在KITTI数据集上达到SOTA效果。由于同时完成目标检测和关联,能够端到端进行目标跟踪,跟踪速度可达35 FPS,表明CTMOT算法在跟踪的实时性和准确性上达到了较好的平衡,具有较大潜力。 展开更多
关键词 多目标跟踪 transformER 特征融合
下载PDF
基于Transformer复杂运动辨识的机动星凸形扩展目标跟踪方法
14
作者 陈辉 边斌超 +1 位作者 连峰 韩崇昭 《雷达学报(中英文)》 EI CSCD 北大核心 2024年第3期629-645,共17页
针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目... 针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。 展开更多
关键词 扩展目标跟踪 机动目标 transformER 星凸形 弗雷歇距离-面积误差
下载PDF
L-SeMC对酒精致中枢兴奋小鼠学习记忆和自发活动的影响
15
作者 雒磊 吴张良 +5 位作者 李霁宇 王阳 胡慧娟 张继业 胡浩 李帆 《西北药学杂志》 CAS 2023年第1期39-43,共5页
目的探讨L-硒-甲基硒代半胱氨酸(L-selenium-methylselenocysteine,L-SeMC)对酒精致中枢兴奋小鼠学习记忆和自发活动的影响。方法将雄性昆明小鼠随机分为对照组、酒精组及L-SeMC低、中和高剂量组,分别灌胃给予L-SeMC 10.4、13.0、39.0μ... 目的探讨L-硒-甲基硒代半胱氨酸(L-selenium-methylselenocysteine,L-SeMC)对酒精致中枢兴奋小鼠学习记忆和自发活动的影响。方法将雄性昆明小鼠随机分为对照组、酒精组及L-SeMC低、中和高剂量组,分别灌胃给予L-SeMC 10.4、13.0、39.0μg·kg^(-1),30 min后给予酒精1.5 g·kg^(-1),进行自发活动检测、跳台实验和避暗实验,检测血清ALT和AST、肝脏组织MDA含量及SOD活力。结果10.4、13.0、39.0μg·kg^(-1)L-SeMC可显著减少酒精致中枢兴奋小鼠活动次数和站立次数;10.4μg·kg^(-1)L-SeMC可显著延长跳台实验潜伏期,13.0μg·kg^(-1)L-SeMC可显著延长潜伏期,减少错误次数;10.4μg·kg^(-1)L-SeMC可显著延长避暗实验潜伏期,减少错误次数。3个剂量L-SeMC可降低血清ALT、AST水平,降低肝脏组织MDA含量,增强SOD活性。结论10.4、13.0μg·kg^(-1)L-SeMC可改善酒精致中枢兴奋对小鼠学习记忆功能的降低,抑制酒精引起的中枢兴奋自发活动,其机制可能与改善酒精致中枢兴奋小鼠的肝功能和肝脏氧化损伤有关。 展开更多
关键词 l-硒-甲基硒代半胱氨酸(l-seMC) 酒精 中枢兴奋 学习记忆 自发活动
下载PDF
基于残差U-Net和自注意力Transformer编码器的磁场预测方法
16
作者 金亮 尹振豪 +2 位作者 刘璐 宋居恒 刘元凯 《电工技术学报》 EI CSCD 北大核心 2024年第10期2937-2952,共16页
利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型... 利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型,得到深度学习训练所需的数据集;然后将Transformer模块与U-Net模型结合,并引入短残差机制建立ResUnet-Transformer模型,通过预测图像的像素实现磁场预测;最后通过Targeted Dropout算法和动态学习率调整策略对模型进行优化,解决拟合问题并提高预测精度。计算实例证明,ResUnet-Transformer模型在PMSM和AMT数据集上测试集的平均绝对百分比误差(MAPE)均小于1%,且仅需500组样本。该文提出的磁场预测方法能减少实际工况和多工况下精细模拟和拓扑优化的时间和资源消耗,亦是虚拟传感器乃至数字孪生的关键实现方法之一。 展开更多
关键词 有限元方法 电磁场 深度学习 U-Net transformER
下载PDF
基于差分非平稳Transformer的液压支架立柱压力预测
17
作者 杨艺 Aimen Malik +1 位作者 袁瑞甫 王科平 《电子测量技术》 北大核心 2024年第6期41-49,共9页
液压支架立柱压力预测是回采工艺决策的重要依据,也是确保围岩稳定的基础信息之一。然而,液压支架立柱压力虽然具有一定的规律性,却无法用简单的数学模型进行预测;且在回采过程中,支架不接顶、顶板破碎、传感器检测误差等带来大量的随... 液压支架立柱压力预测是回采工艺决策的重要依据,也是确保围岩稳定的基础信息之一。然而,液压支架立柱压力虽然具有一定的规律性,却无法用简单的数学模型进行预测;且在回采过程中,支架不接顶、顶板破碎、传感器检测误差等带来大量的随机噪声,使得压力数据劣化为非平稳时间序列,给压力的预测带来的很大的困难。本文在Transformer基础上,提出一种差分非平稳Transformer模型,在Transformer的编码器和解码器中分别引入差分归一化和反归一化操作,以提升序列的平稳性。同时,在Transformer中采用去平稳注意力机制,计算序列元素之间的关联关系,以增强模型的预测能力。在真实的煤矿支架立柱数据集上的对比实验表明,本文提出的差分非平稳Transformer的预测效果达到0.674,表现明显优于LSTM、Transformer和非平稳Transformer模型。 展开更多
关键词 煤矿安全 工作面 液压支架 压力预测 非平稳transformer 差分
下载PDF
面向肺炎CT图像识别的DL-CTNet模型
18
作者 王威 黄文迪 +1 位作者 王新 王珑润 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第1期122-132,共11页
肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部... 肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部与全局特征的轻量级模型——DL-CTNet.输入预处理的CT图像后,首先采用空洞卷积和动态双路径多尺度特征融合(D-DMFF)模块的2个支路提取浅层特征;然后使用局部与全局特征拼接模块(LGFC)中的D-DMFF模块提取局部特征、Swin Transformer提取全局特征,并通过拼接获得深层特征;最后经过全连接层输出分类标签.实验结果表明,在2个CT图像数据集上,验证了LGFC模块以及DL-CTNet的低复杂度与有效性;DL-CTNet的分类准确率高达98.613%,与其他方法相比,其能更准确地识别肺炎的CT图像. 展开更多
关键词 肺炎 胸部CT图像 卷积神经网络 transformER
下载PDF
多尺度卷积结合Transformer的抑郁脑电分类研究
19
作者 翟凤文 孙芳林 金静 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第2期182-195,共14页
在通过深度学习模型进行抑郁症类脑电信号分析时,针对单一尺度的卷积存在特征提取不充分的问题和卷积神经网络在感知脑电信号全局依赖性方面的局限性,分别设计了多尺度动态卷积网络模块和门控Transformer编码器模块,并与时间卷积网络相... 在通过深度学习模型进行抑郁症类脑电信号分析时,针对单一尺度的卷积存在特征提取不充分的问题和卷积神经网络在感知脑电信号全局依赖性方面的局限性,分别设计了多尺度动态卷积网络模块和门控Transformer编码器模块,并与时间卷积网络相结合,提出了混合网络模型(MGTTCNet)进行抑郁症患者和健康对照组的脑电信号分类。该模型首先通过多尺度动态卷积从空间域和频率域捕捉脑电信号的多尺度时频信息。其次通过门控Transformer编码器学习脑电信号中的全局依赖关系,其利用多头注意力机制有效增强网络表达相关脑电信号特征的能力。之后利用时间卷积网络提取脑电信号可用的时间特征,最后将提取的抽象特征输入到分类模块进行分类。在公开数据集MODMA上用留出法和十折交叉验证法对提出模型进行实验验证,分别取得了约98.51%和98.53%的分类准确率,相较于基线单尺度模型EEGNet,分类准确率分别提升了约1.89%和1.93%,F1值分别提升了约2.05%和2.08%,kappa系数值分别提高了约0.038 1和0.038 5;同时消融实验验证了文中设计的各个模块的有效性。 展开更多
关键词 脑电信号 抑郁分类 深度学习 transformER 时间卷积网络
下载PDF
利用Transformer的多模态目标跟踪算法
20
作者 刘万军 梁林林 曲海成 《计算机工程与应用》 CSCD 北大核心 2024年第11期84-94,共11页
目前目标跟踪方法大多通过融合不同模态信息进行定位决策,存在信息提取不充分、融合方法简单、弱光场景无法准确跟踪目标的问题。为此,提出一种基于Transformer的多模态目标跟踪算法(Trans-RGBT):利用伪孪生网络对可见光图像和红外图像... 目前目标跟踪方法大多通过融合不同模态信息进行定位决策,存在信息提取不充分、融合方法简单、弱光场景无法准确跟踪目标的问题。为此,提出一种基于Transformer的多模态目标跟踪算法(Trans-RGBT):利用伪孪生网络对可见光图像和红外图像分别进行特征提取,并在特征层面充分融合;将首帧目标信息调制到待跟踪帧的特征向量中,得到一个专用跟踪器;应用Transformer的方法对视野中的目标进行编解码,通过空间位置预测分支预测目标在视野中的空间位置,并结合历史信息滤除干扰目标,得到目标的准确位置;使用矩形框回归网络预测目标的外接矩形框,从而实现目标准确跟踪。在最新的大规模数据集VTUAV、RGBT234上进行了实验,与孪生网络(Siambased)、滤波(filter-based)算法相比,Trans-RGBT精度更高、鲁棒性更好、速度接近实时,达22 FPS。 展开更多
关键词 多模态融合 可见光图像 红外图像 transformER 目标跟踪
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部