日韩一区二区三区免费看,被按摩的人妻中文字幕视频

智能計算芯片技術及產業(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據，體現(xiàn)計算能力的硬件載體，是承載數字經濟時代生產力的重要支撐。隨著人工智能、5G、大數據、區(qū)塊鏈等新一代信息技術的規(guī)?；瘧?，行業(yè)數字化轉型和產業(yè)智能化升級對計算資源的需求呈現(xiàn)指數級增長。加上集成電路的發(fā)展進入后摩爾時代，現(xiàn)行計算架構(馮·諾依曼架構)缺陷所導致的瓶頸愈加凸顯，發(fā)展受到嚴重挑戰(zhàn)。而滿足多樣化計算需求的新型計算架構和計算范式、滿足智能計算需求的先進封裝技術、基于新材料新工藝的新型計算器件也進入到創(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。綜合分析了數字經濟時代智能計算芯片的戰(zhàn)略重要性，梳理了國內外智能計算主要產業(yè)格局、新興關鍵技術以及發(fā)展機遇，并對北京發(fā)展智能計算芯片的機遇與路徑提出相關建議。

發(fā)表于：11/9/2022 1:30:00 PM

針對遙感影像的MSA-YOLO儲油罐目標檢測[其他][其他]

原油作為一種重要的戰(zhàn)略物資，在我國經濟和軍事等多個領域均起到重要作用。提出一種算法MSA-YOLO(MultiScale Adaptive YOLO)，該算法在YOLOv4算法的基礎上進行優(yōu)化，并基于以吉林一號光學遙感衛(wèi)星影像為主的遙感圖像數據集進行實驗，對特定監(jiān)控區(qū)域內的儲油罐進行識別與分類。算法優(yōu)化內容包括：為簡化儲油罐監(jiān)測模型同時保證模型的效率，對YOLOv4的網絡結構中的多尺度識別模塊進行修剪；使用k-means++聚類算法進行初始錨框的選取，使模型加速收斂；使用基于CIoU-NMS的優(yōu)化，進一步提升推理速度和準確度。實驗結果表明，與YOLOv4相比，MSA-YOLO模型參數數量減少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識別算法進行的對比實驗中均體現(xiàn)出了更高效的特點。MSA-YOLO算法對儲油罐進行準確且實時的識別具有通用可行性，可為遙感數據在能源期貨領域提供技術參考。

發(fā)表于：11/9/2022 1:26:00 PM

基于Involution Prediction Head的小目標檢測算法[其他][其他]

針對通用目標檢測算法在檢測小目標時存在錯檢和漏檢等問題,提出了一種小目標檢測算法IPH(Involution Prediction Head)，將其運用在YOLOv4和YOLOv5的檢測頭部分，在VOC2007數據集上的實驗結果表明，運用IPH后的YOLOv4小目標檢測精度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%。經智能交通檢測數據集進一步檢驗，IPH算法和去下采樣能有效提升小目標檢測精度，減少錯檢和漏檢的情況。

發(fā)表于：11/9/2022 1:22:00 PM

基于改進暗通道先驗的車牌圖像去霧方法研究[MEMS|傳感技術][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，提出改進型車牌識別模型。該模型運用改進型暗通道先驗去霧算法進行去霧處理，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，首先對大氣光值進行閾值限制，其次對引入因子進行優(yōu)化選擇，最后引入容差機制以修正透射率，并對圖像亮度進行調整以提升圖像可視化效果。仿真結果表明，運用改進后算法得到的去霧結果在PSNR、SSIM、Entropy、e性能上相對于改進前分別平均提升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，結合卷積注意力機制模型，通過學習圖像的整體和局部細節(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，將提出的預測模型與常見分類模型對比分析。結果顯示基于改進的Swin Transformer模型在測試集上分類準確率可達92.6%。實驗結果表明相較于其他算法，基于改進的Swin Transformer網絡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網絡模型中進行識別，面臨著無法準確定位印章位置、彎曲文本識別準確率低等問題。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行印章圖像特征增強，保證了中文印章檢測精度，同時引入了極坐標轉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)有的文本識別網絡模型進行了多組對比實驗。經實驗表明，已有的網絡模型融合該方法所提取的文本特征均表現(xiàn)出優(yōu)異的識別結果。

發(fā)表于：11/9/2022 11:53:00 AM

時空編碼技術在Web3.0數字金融中的應用研究[其他][其他]

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

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，基于經典的傳染病動力學理論，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，利用微分動力學和下一代矩陣方法計算模型的傳播閾值；最后，運用MATLAB軟件對模型參數進行數值仿真分析。研究結果表明，企業(yè)知識庫的建立可以促進企業(yè)的隱性知識傳播，未知者自學率的提高可以增加企業(yè)傳播者密度，企業(yè)獎勵強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

無線傳感網絡分段線性融合定位算法[通信與網絡][通信網絡]

為實現(xiàn)對移動節(jié)點精確定位，提出一種基于APIT-3D的移動節(jié)點定位模型和算法，綜合3D-DVHop跳段距離和RSSI測距技術，在計算內測點與最近椎面距離基礎上，利用與椎體成形體積判斷內測點位置，有效避免“In-To-Out”和“Out-To-In”兩類錯誤產生。在確定椎體重疊區(qū)域后，通過最小二乘法結合空間分段線性融合方式計算節(jié)點位置。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，并能判斷運動趨勢，追蹤移動目標，描述運動軌跡。該算法為無線傳感網絡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簽在線特征選擇算法[其他][其他]

在線學習方法是用于大規(guī)模數據集的、高效且可擴展的機器學習算法。然而，在對多標簽數據集進行特征選擇時，傳統(tǒng)的在線多標簽學習方法需要訪問數據集的所有特征，當數據集具有較高維度時，這種在線學習方式并不能適用于實際情景。針對多標簽數據集的特征選擇，在現(xiàn)有研究的基礎上，使用二類分解策略，提出基于分解策略的多標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行在線特征選擇，降低計算復雜度。實驗表明，算法的特征選擇性能優(yōu)于其他多標簽在線特征選擇算法。

發(fā)表于：10/27/2022 2:21:02 PM