基于物联网和改进Yolo-v4-tiny的智能果蝇诱捕方案

为了研究人工智能技术在物联网远程检测方面的应用,设计一种结合深度学习和物联网技术的自动诱捕器解决方案。设计了采用低功耗嵌入式传感系统和神经网络加速器的智能诱捕器原型。利用边缘计算设备在本地运行改进的Yolo-v4-tiny网络以完成害虫图像自动检测计数,所提模型引入了空间金字塔池化模块,并改进了原始网络的损失函数,增强了对小目标特征的捕捉能力。试验结果表明,所提嵌入式解决方案能够自动采集信息素粘虫板图像并完成准确果蔬害虫的检测,取得了最高0.842的检测精度和0.837的召回率数值,性能优于其他先进的轻量级目标检测模型,具有成本低、检测精度高、通信量低、工作寿命长的优点。     

神经信息检索模型建模因素综述

信息检索模型被广泛运用于搜索引擎中,且在工业领域被广泛应用.信息检索任务中,模型对信号量的侧重建模导致模型指标差异巨大.目前模型大部分基于以下部分或全部信息建模:精确信号量、相似信号量、信号量区分度、查询词权重、临近量、文本结构信息、不同分布假设.本文介绍各个建模因素的具体含义,并通过引用相关实验例证该因素对于建模起到...     

强夯法在处理湿陷性黄土中的研究

从工程应用出发,阐述了强夯法在处理湿陷性黄土地基的加固机理以及强夯技术在处理黄土地基中的有效加固深度、夯击能等的确定,并对夯点的布置、夯击遍数和间歇时间和夯击加载机具的选择进行了介绍.     

多维度深海鱼类识别算法

针对深海光线分布不均匀导致鱼类识别检测困难的问题,提出了符合视觉认知的多维度深海鱼类识别算法.该方法从时间维度优化传统的高斯混合模型(GMM)初步确定变化区域,从空间维度构建目标特征,完整提取运动目标,从时空关联维度建立深度学习的鱼类识别框架,试验结果表明:本算法可在多种复杂条件下准确提取运动目标,面积交迭度(AOM)...     

人工智能心理学研究的知识图谱分析

借助CitespaceⅢ对选自WoS的人工智能心理学研究文献进行知识图谱探析,结合自动聚类视图与议题标签展现了人工智能心理学领域的6个知识聚类:#0人工智能解决问题议题;#1人工与人类认知共性议题;#2人工智能学习议题;#3人工智能脑科学议题;#4人工智能环境认知议题;#5人工智能表征议题.在深入探究各聚类的核心与热点...     

激光诱导残余应力的试验

对激光诱导残余应力的机理进行了分析研究.用波长1.06μm、脉宽23 ns、功率密度108~109W/cm2的脉冲激光冲击外形尺寸为30 mm×30 mm×5.5 mm的LY12CZ试样,研究了激光能量密度和冲击次数对残余应力分布的影响,并将激光诱导的残余应力与传统的机械喷丸形成的残余应力进行比较.结果表明:残余压应力随着激光能量密度的加大而加大,残余压应力层的深度随着冲击次数的增加而增加,激光诱导的残余压应力层的深度是传统机械喷丸形成的3~4倍.     

自动驾驶专利技术分析

汽车已经成为人们生活中举足轻重的交通工具,随着汽车工业、计算机技术以及计算机视觉技术的不断发展,智能化的自动驾驶技术能够大大减少交通事故并提高城市通行效率。本文对自动驾驶领域的专利发展状况和国内重要申请人进行了梳理,以期对自动驾驶在国内的发展提供一定的借鉴。     

一种面向深度数据包检测的紧凑型正则表达式匹配算法

深度数据包检测(Deep Packet Inspection,DPI)采用正则表达式匹配算法,将每个数据包内容与一组预定义的特征进行匹配.正则表达式匹配算法是一种多模式特征匹配算法,采用确定型有限自动机(Deterministic Finite Automaton,DFA)表示一组正则表达式特征,实现一次内容扫描可匹配多个特征.基于硬件的正则表达式匹配算法面临存储空间需求大等挑战,即片上嵌入式存储器难以存储日益增长的DFA存储空间需求,从而限制了DPI的性能和可伸缩性.近年来,Smith等人提出了一种基于扩展有限自动机(eXtended Finite Automaton,XFA)的正则表达式匹配算法,即在状态上增加辅助变量和简单操作指令,消除了DFA状态空间爆炸问题,从状态方面减少存储空间需求.为了进一步减少XFA存储空间需求,本文提出了一种基于紧凑型有限自动机(Compact Finite Automaton,CFA)的正则表达式匹配算法,称为紧凑型正则表达式匹配算法.CFA是一种存储高效的有限自动机,即从迁移边方面减少XFA存储空间需求.在CFA构建过程,本文提出了基于优先级的迁移边压缩方法,融合相同目的状态最多的迁移边,从而减少存储空间需求;在CEA匹配过程,本文提出了基于位图的迁移边查找方法,并行查找不同优先级的迁移边子集,从而确保匹配效率.Snort特征规则集的实验结果表明:与XFA相比,CFA在迁移边条数上减少了88.2%,在存储空间大小上减少了83%,在匹配时间上减少了12%.     

基于ConvLSTM的气象雷达回波外推

针对传统雷达回波外推方法存在数据利用率低、预报精度不高等局限,利用定标后的青海大学校内X波段天气雷达监测数据,建立ConvLSTM深度学习模型进行回波外推,并与传统光流法的外推结果进行对比.结果表明:(1)在不同的输入时长和外推时间中,ConvLSTM的精度都明显优于光流法,在第1.5小时内的平均预测误差比光流法低69...