国产一区二区三区三区,日韩欧美视频在线观看播放不卡

智能計算芯片技術(shù)及產(chǎn)業(yè)趨勢和對北京的建議[其他][其他]

智能計算芯片是處理海量數(shù)據(jù)，體現(xiàn)計算能力的硬件載體，是承載數(shù)字經(jīng)濟(jì)時代生產(chǎn)力的重要支撐。隨著人工智能、5G、大數(shù)據(jù)、區(qū)塊鏈等新一代信息技術(shù)的規(guī)模化應(yīng)用，行業(yè)數(shù)字化轉(zhuǎn)型和產(chǎn)業(yè)智能化升級對計算資源的需求呈現(xiàn)指數(shù)級增長。加上集成電路的發(fā)展進(jìn)入后摩爾時代，現(xiàn)行計算架構(gòu)(馮·諾依曼架構(gòu))缺陷所導(dǎo)致的瓶頸愈加凸顯，發(fā)展受到嚴(yán)重挑戰(zhàn)。而滿足多樣化計算需求的新型計算架構(gòu)和計算范式、滿足智能計算需求的先進(jìn)封裝技術(shù)、基于新材料新工藝的新型計算器件也進(jìn)入到創(chuàng)新活躍的階段，智能計算芯片迎來了快速發(fā)展的黃金時代。綜合分析了數(shù)字經(jīng)濟(jì)時代智能計算芯片的戰(zhàn)略重要性，梳理了國內(nèi)外智能計算主要產(chǎn)業(yè)格局、新興關(guān)鍵技術(shù)以及發(fā)展機(jī)遇，并對北京發(fā)展智能計算芯片的機(jī)遇與路徑提出相關(guān)建議。

發(fā)表于：11/9/2022 1:30:00 PM

針對遙感影像的MSA-YOLO儲油罐目標(biāo)檢測[其他][其他]

原油作為一種重要的戰(zhàn)略物資，在我國經(jīng)濟(jì)和軍事等多個領(lǐng)域均起到重要作用。提出一種算法MSA-YOLO(MultiScale Adaptive YOLO)，該算法在YOLOv4算法的基礎(chǔ)上進(jìn)行優(yōu)化，并基于以吉林一號光學(xué)遙感衛(wèi)星影像為主的遙感圖像數(shù)據(jù)集進(jìn)行實驗，對特定監(jiān)控區(qū)域內(nèi)的儲油罐進(jìn)行識別與分類。算法優(yōu)化內(nèi)容包括：為簡化儲油罐監(jiān)測模型同時保證模型的效率，對YOLOv4的網(wǎng)絡(luò)結(jié)構(gòu)中的多尺度識別模塊進(jìn)行修剪；使用k-means++聚類算法進(jìn)行初始錨框的選取，使模型加速收斂；使用基于CIoU-NMS的優(yōu)化，進(jìn)一步提升推理速度和準(zhǔn)確度。實驗結(jié)果表明，與YOLOv4相比，MSA-YOLO模型參數(shù)數(shù)量減少25.84%；模型尺寸減少62.13%；在Tesla V100的GPU環(huán)境下，模型的訓(xùn)練速度提升6 s/epoch，推理速度提升15.76 F/s；平均精度為95.65%。與此同時，MSA-YOLO算法在多種通用目標(biāo)識別算法進(jìn)行的對比實驗中均體現(xiàn)出了更高效的特點(diǎn)。MSA-YOLO算法對儲油罐進(jìn)行準(zhǔn)確且實時的識別具有通用可行性，可為遙感數(shù)據(jù)在能源期貨領(lǐng)域提供技術(shù)參考。

發(fā)表于：11/9/2022 1:26:00 PM

基于Involution Prediction Head的小目標(biāo)檢測算法[其他][其他]

針對通用目標(biāo)檢測算法在檢測小目標(biāo)時存在錯檢和漏檢等問題,提出了一種小目標(biāo)檢測算法IPH(Involution Prediction Head)，將其運(yùn)用在YOLOv4和YOLOv5的檢測頭部分，在VOC2007數(shù)據(jù)集上的實驗結(jié)果表明，運(yùn)用IPH后的YOLOv4小目標(biāo)檢測精度APs(AP for small objects)相比原始算法提升了1.1%，在YOLOv5上的APs更是提升了5.9%。經(jīng)智能交通檢測數(shù)據(jù)集進(jìn)一步檢驗，IPH算法和去下采樣能有效提升小目標(biāo)檢測精度，減少錯檢和漏檢的情況。

發(fā)表于：11/9/2022 1:22:00 PM

基于改進(jìn)暗通道先驗的車牌圖像去霧方法研究[MEMS|傳感技術(shù)][智能交通]

針對霧霾場景下車牌識別系統(tǒng)存在識別精度較差的問題，提出改進(jìn)型車牌識別模型。該模型運(yùn)用改進(jìn)型暗通道先驗去霧算法進(jìn)行去霧處理，考慮到原去霧算法處理含明亮區(qū)域霧霾圖像時會出現(xiàn)顏色失真等問題，首先對大氣光值進(jìn)行閾值限制，其次對引入因子進(jìn)行優(yōu)化選擇，最后引入容差機(jī)制以修正透射率，并對圖像亮度進(jìn)行調(diào)整以提升圖像可視化效果。仿真結(jié)果表明，運(yùn)用改進(jìn)后算法得到的去霧結(jié)果在PSNR、SSIM、Entropy、e性能上相對于改進(jìn)前分別平均提升1.934 dB、0.082、0.235、38.995。將去霧前后車牌圖像進(jìn)行識別測試，車牌識別精度提升22%，證明了所提模型的優(yōu)越性。

發(fā)表于：11/9/2022 1:17:00 PM

基于Swin Transformer的肝囊型包蟲病超聲圖分類研究[其他][醫(yī)療電子]

為了提高肝包蟲病的篩查和診斷效率，彌補(bǔ)部分地區(qū)醫(yī)療資源不足的情況，提出一種基于Swin Transformer的肝包蟲病病灶智能分型方法，結(jié)合卷積注意力機(jī)制模型，通過學(xué)習(xí)圖像的整體和局部細(xì)節(jié)特征來實現(xiàn)對五種類型的囊型包蟲病病灶的全自動分類。為了驗證模型具有優(yōu)越性，將提出的預(yù)測模型與常見分類模型對比分析。結(jié)果顯示基于改進(jìn)的Swin Transformer模型在測試集上分類準(zhǔn)確率可達(dá)92.6%。實驗結(jié)果表明相較于其他算法，基于改進(jìn)的Swin Transformer網(wǎng)絡(luò)能較好地分類出肝囊型包蟲超聲圖像，并且該方法可以推廣到其他醫(yī)療應(yīng)用中。

發(fā)表于：11/9/2022 1:13:00 PM

基于漫水填充算法的中文印章識別方法[其他][其他]

印章識別是智能化辦公中必不可少的一環(huán)，現(xiàn)階段的印章識別方法是將掃描后的電子文檔直接輸入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行識別，面臨著無法準(zhǔn)確定位印章位置、彎曲文本識別準(zhǔn)確率低等問題。針對上述問題，提出了一種高效的中文印章文本識別方法，該方法使用漫水填充算法處理灰度圖像進(jìn)行印章圖像特征增強(qiáng)，保證了中文印章檢測精度，同時引入了極坐標(biāo)轉(zhuǎn)換操作以確保文本特征完整性。為了評估本文方法的有效性，在現(xiàn)有的文本識別網(wǎng)絡(luò)模型進(jìn)行了多組對比實驗。經(jīng)實驗表明，已有的網(wǎng)絡(luò)模型融合該方法所提取的文本特征均表現(xiàn)出優(yōu)異的識別結(jié)果。

發(fā)表于：11/9/2022 11:53:00 AM

時空編碼技術(shù)在Web3.0數(shù)字金融中的應(yīng)用研究[其他][其他]

以青島市城市信息模型(Q-CIM)為基礎(chǔ)，分析了基于時間和空間數(shù)據(jù)的新一代編碼技術(shù)——時空編碼技術(shù)的特征，結(jié)合Web3.0開放性和可能的發(fā)展方向，從架構(gòu)、身份管理、信息管理等方面論證時空編碼技術(shù)成為Web3.0的重要支撐技術(shù)的合理性，并利用時空編碼的唯一性和確定性特征，結(jié)合區(qū)塊鏈、大數(shù)據(jù)等現(xiàn)有技術(shù)手段，探討將時空編碼技術(shù)應(yīng)用在Web3.0數(shù)字金融流量分發(fā)與反欺詐、智能化風(fēng)險控制、數(shù)字金融風(fēng)控等方面的可能性。

發(fā)表于：10/27/2022 2:39:52 PM

考慮知識庫的企業(yè)隱性知識傳播模型研究[其他][其他]

針對企業(yè)知識庫對隱性知識傳播的影響，基于經(jīng)典的傳染病動力學(xué)理論，提出考慮知識庫的企業(yè)隱性知識傳播模型。首先，將企業(yè)員工分為未知者S、潛伏者Se、傳播者I、免疫者R四類；其次，利用微分動力學(xué)和下一代矩陣方法計算模型的傳播閾值；最后，運(yùn)用MATLAB軟件對模型參數(shù)進(jìn)行數(shù)值仿真分析。研究結(jié)果表明，企業(yè)知識庫的建立可以促進(jìn)企業(yè)的隱性知識傳播，未知者自學(xué)率的提高可以增加企業(yè)傳播者密度，企業(yè)獎勵強(qiáng)度的增大僅對傳播者有較大影響，對未知者和潛伏者影響較小。

發(fā)表于：10/27/2022 2:34:43 PM

無線傳感網(wǎng)絡(luò)分段線性融合定位算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為實現(xiàn)對移動節(jié)點(diǎn)精確定位，提出一種基于APIT-3D的移動節(jié)點(diǎn)定位模型和算法，綜合3D-DVHop跳段距離和RSSI測距技術(shù)，在計算內(nèi)測點(diǎn)與最近椎面距離基礎(chǔ)上，利用與椎體成形體積判斷內(nèi)測點(diǎn)位置，有效避免“In-To-Out”和“Out-To-In”兩類錯誤產(chǎn)生。在確定椎體重疊區(qū)域后，通過最小二乘法結(jié)合空間分段線性融合方式計算節(jié)點(diǎn)位置。仿真實驗證明，該分段線性融合定位算法對移動節(jié)點(diǎn)定位在百分之25th，50th和75th定位偏差值分別為1.81 m，2.45 m和3.32 m，并能判斷運(yùn)動趨勢，追蹤移動目標(biāo)，描述運(yùn)動軌跡。該算法為無線傳感網(wǎng)絡(luò)定位提供了算法借鑒和創(chuàng)新。

發(fā)表于：10/27/2022 2:29:15 PM

基于分解策略的多標(biāo)簽在線特征選擇算法[其他][其他]

在線學(xué)習(xí)方法是用于大規(guī)模數(shù)據(jù)集的、高效且可擴(kuò)展的機(jī)器學(xué)習(xí)算法。然而，在對多標(biāo)簽數(shù)據(jù)集進(jìn)行特征選擇時，傳統(tǒng)的在線多標(biāo)簽學(xué)習(xí)方法需要訪問數(shù)據(jù)集的所有特征，當(dāng)數(shù)據(jù)集具有較高維度時，這種在線學(xué)習(xí)方式并不能適用于實際情景。針對多標(biāo)簽數(shù)據(jù)集的特征選擇，在現(xiàn)有研究的基礎(chǔ)上，使用二類分解策略，提出基于分解策略的多標(biāo)簽在線特征選擇算法。該算法利用稀疏正則化和截取方法進(jìn)行在線特征選擇，降低計算復(fù)雜度。實驗表明，算法的特征選擇性能優(yōu)于其他多標(biāo)簽在線特征選擇算法。

發(fā)表于：10/27/2022 2:21:02 PM