会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

边端融合的终端情境自适应深度感知模型

研究边端融合的深度模型终端情境自适应问题. 提出边端融合增强的模型压缩方法（X-ADMM），利用模型压缩技术简化模型结构，以层为粒度寻找模型最佳分割点，协同边端设备提高运行效率. 为了实现模型分割的动态自适应，提出基于图的自适应深度模型手术刀算法（GADS）. 当模型运行情境（如存储、电量、带宽等）发生变化时，优先在邻近分割状态中快速搜索最能满足资源约束的分割点，实现快速自适应调整. 实验结果表明，该模型平均在 0.1 ms 内实现了模型分割点的自适应调优，在保证模型精度下降不超过 2.5% 的情况下，运行总时延最高下降了 56.65%.

  • 2021-06-18
  • 阅读741
  • 下载1
  • 13页
  • pdf

基于Memetic算法的闭环物流网络模糊规划模型_张鑫

综合考虑多级物流网络参数的模糊性以及设施选址及设施间流量的选择决策,以最小化物流网络的总成本为目标,采用基于可信性理论的期望值规划和机会约束规划方法,构建了目标和约束条件双重模糊的闭环物流网络模糊规划模型。根据问题的特点,以MATLAB为平台,编写一个基于双层优先级编码的Memetic算法代码,并分别利用算法和LINGO对若干算例的求解结果进行了对比分析。结果验证了所提算法的可行性,并就置信水平的变化进行了分析,表明了模糊规划模型的实用性。

  • 2021-05-06
  • 阅读362
  • 下载0
  • 13页
  • pdf

基于张量积B样条的几何模型EMD算法及其应用_周财进

经验模态分解（empirical mode decomposition,简称EMD）算法是一种处理非线性非平稳信号的时频分析方法.文章针对拓扑同胚于圆盘的开网格模型提出几何模型上的EMD算法,并应用于网格去噪以及特征编辑.首先,借助曲面上离散高斯曲率提取模型的极值点,随后对模型进行平面参数化,利用均匀节点的三次张量积B样条计算极大和极小包络曲面,最后将平均包络曲面离散成网格模型作为分解一次的残差模型,并将原模型与残差模型的差值向量记为当前分解的偏置向量,迭代地处理残差模型得到模型各个层次的偏置向量以及最终表示原模型基本形状的残差模型.通过对偏置向量的处理与重构,实现算法在网格去噪以及特征编辑的应用.实验结果表明,文章算法可以有效地实现网格模型的多尺度分解,并在网格去噪以及特征编辑方面取得了较好的效果.

  • 2021-04-29
  • 阅读369
  • 下载0
  • 13页
  • pdf

基于亮度模型融合的改进暗通道图像去雾算法_李雅梅

针对暗通道先验在天空区域的失效问题，提出了一种基于亮度模型融合的改进暗通道图像去雾算法。首先通过Canny算子分割得到天空区域与非天空区域；其次，利用亮度模拟景深重新构造亮度透射率，并通过与暗通道透射率的融合构成天空区域透射率，最后的透射率图经由快速引导滤波进行精细化处理；大气光值选择抗干扰能力更强的天空区域像素前0.1%的中值；最后，经由大气散射模型恢复出无雾图像。实验结果表明，该算法针对含有天空的雾图能够有效的恢复出图像的细节并抑制光晕现象，明亮度适宜，颜色自然。

  • 2021-04-29
  • 阅读361
  • 下载0
  • 13页
  • pdf

基于共形辛Euler算法的非金属_省略_下管道精细化高效探地雷达正演模型_雷建伟

我国城市地下管线种类繁多、规模巨大.近年来,因城市管网家底不清、位置不明导致的管道挖断事故频发.探地雷达（GPR）是目前最为有效的地下设施探测定位设备,通过对探地雷达回波信号进行反演分析,可获取管道埋深、位置等信息.然而,地下管道等地下圆形目标,传统正演模型中阶梯近似方法会产生一定误差.本文结合辛Euler算法与曲面共形技术,建立探地雷达电磁波在含非金属管道地下结构中传播的精细化数值模型,并通过图形处理器（GPU）加速技术进一步提升模型计算效率.数值模拟结果显示,共形网格技术有效降低了由于阶梯近似造成的虚假绕射波,并通过结合GPU并行计算,在不增加网格密度的前提下,实现了对地下管道电磁响应的高效精细化计算.

  • 2021-04-25
  • 阅读361
  • 下载0
  • 13页
  • pdf

基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数_薛华柱

卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能,但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型,选取地面观测数据较多的4个研究区,包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区,针对4个研究区,分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型,利用地面实测数据对模型进行验证。结果表明:在研究所选的3个主要研究区,基于模拟退火算法的BP神经网络模型的估算精度比BP神经网络模型和NDVI经验模型的估算精度高,农田、草地和林地站点估算结果的决定系数分别为0.899、0.858和0.863,BP神经网络模型的估算结果决定系数分别为:0.763、0.710和0.742,NDVI经验模型的精度最差,其估算结果的决定系数分别为0.622、0.536和0.637。为了验证SA-BP神经网络的适用性,选取独立研究区进行验证,结果显示验证精度较高,R2为0.842,RMSE为0.689 5,说明该模型外推能力较好。研究证明了基于模拟退火算法的BP神经网络模型提高了模型泛化能力,有效防止了BP神经网络模型滑入局部最小值,是提高高空间分辨率LAI估算精度的有效手段。

  • 2021-04-22
  • 阅读369
  • 下载0
  • 13页
  • pdf

基于烟花算法的基站群协作计算卸载模型研究_许斌

车联网、AR、AI等计算密集、时延敏感型应用迅速发展，而移动设备因自身计算能力相对不足，执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求。针对此问题，提出综合考虑时延与成本的多用户、多MEC（Mobile Edge Computing）服务器的基站群协作计算卸载模型。并提出基于凸优化的改进烟花算法（Improved Fireworks Algorithm based on Convex Optimization， CVX-FWA）来对模型进行求解，对用户任务进行合理的卸载与资源分配。仿真结果表明，提出的计算卸载方案有效降低了任务总时延成本值，实现计算卸载资源的整体优化配置。

  • 2021-04-20
  • 阅读382
  • 下载0
  • 13页
  • pdf

如何提高"强化学习算法模型"的泛化能力?

在深度学习中，模型很容易过拟合到参与训练的数据集。因此，深度学习训练模型的时候通常会将数据集分成训练集和测试集，保证训练的模型在测试集上仍然有很好的性能，即模型的泛化能力。在深度强化学习的应用中，模型的泛化能力也同样重要。本文将介绍最近深度强化学习领域中提高模型泛化能力的一些方法，如域随机化、正则等。

  • 2021-04-17
  • 阅读438
  • 下载0
  • 13页
  • pdf