-
题名基于多头图注意力网络与图模型的多标签图像分类
被引量：2
- 1
-
-
作者
石琇赟
李顺勇
韩翔
-
机构
山西大学数学科学学院
-
出处
《计算机系统应用》
2023年第6期286-292,共7页
-
基金
国家自然科学基金(82274360,61976128)
2022年度山西省研究生教育教学改革课题(2022YJJG010)
+1 种基金
山西省高等学校教学改革创新项目(J2021059)
高等学校大学数学教学研究与发展中心项目(CMC20210315)。
-
文摘
多标签图像分类是多标签数据分类问题中的研究热点.针对目前多标签图像分类方法只学习图像的视觉表示特征,忽略了图像标签之间的相关信息以及标签语义与图像特征的对应关系等问题,提出了一种基于多头图注意力网络与图模型的多标签图像分类模型(ML-M-GAT).该模型利用标签共现关系与标签属性信息构建图模型,使用多头注意力机制学习标签的注意力权重,并利用标签权重将标签语义特征与图像特征进行融合,从而将标签相关性与标签语义信息融入到多标签图像分类模型中.为验证本文所提模型的有效性,在公开数据集VOC-2007和COCO-2014上进行实验,实验结果表明, ML-M-GAT模型在两个数据集上的平均均值精度(mAP)分别为94%和82.2%,均优于CNN-RNN、ResNet101、MLIR、MIC-FLC模型,比ResNet101模型分别提高了4.2%和3.9%.因此,本文所提的ML-M-GAT模型能够利用图像标签信息提高多标签图像分类性能.
-
关键词
图像分类
残差神经网络
多头注意力
图模型
-
Keywords
image classification
residual neural network(rnn)
multi-head attention
graph model
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名微调残差物理神经网络建模和参数整定方法
被引量：1
- 2
-
-
作者
王海涛
王新超
朱颖
王钱超
潘蕾
-
机构
中国能源建设集团江苏省电力设计院有限公司发电工程公司
能源热转换与控制教育部重点实验室(东南大学)
-
出处
《计算机应用》
CSCD
北大核心
2022年第S02期175-179,共5页
-
基金
国家自然科学基金资助项目(51576040)。
-
文摘
为了解决传统物理信息神经网络(PINN)因同时确定神经网络参数和损失函数中机理模型平衡方程参数而造成的参数不准确性问题,提出了一种微调残差物理信息神经网络(Fine tuning Res-PINN)。Fine tuning Res-PINN结构可以认为是两个神经网络以残差结构进行串联,并以微调方式进行分步训练。在第一个神经网络中,根据深度学习的原理,由深层神经网络建立完整的黑箱模型并以均方根误差(MSE)为损失函数,以实现从输入到输出的近似映射;在第二个神经网络中,根据残差结构和微调的思路,建立以MSE和机理模型方程为损失函数的浅层物理信息神经网络,进一步对机理模型的参数进行整定。基于微调神经网络的训练方式,先训练深层神经网络,并冻结其参数后,再训练浅层物理信息神经网络。两个算例被用来验证Fine tuning Res-PINN的有效性。仿真结果表明,所训练的参数精确地接近实际参数。
-
关键词
物理信息神经网络
深度学习
残差神经网络
微调神经网络
燃气轮机
-
Keywords
Physics-Informed neural network(PINN)
deep learning
residual neural network(rnn)
fine-tuning neural network
gas turbine
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应斥力系数的无人机路径规划
- 3
-
-
作者
曹馨文
时宏伟
-
机构
四川大学计算机学院(软件学院)
-
出处
《计算机系统应用》
2023年第5期36-44,共9页
-
文摘
使用人工势场法进行无人机路径规划时,往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题.传统的人工势场法不能根据环境具体信息对斥力系数进行调整,而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长.针对以上问题,提出了一种基于深度学习的无人机自适应斥力系数路径规划方法.首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集,其次利用该样本集训练残差神经网络,最后通过残差神经网络计算适应环境的斥力系数,进而使用人工势场法进行路径规划.仿真实验表明,该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题,规划效果和规划时长方面均有优异表现,能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.
-
关键词
无人机
路径规划
改进人工势场法
自适应斥力系数
遗传算法
深度学习
残差神经网络
-
Keywords
unmanned aerial vehicle(UAV)
path planning(PP)
improved artificial potential field method
adaptive repulsion coefficient
genetic algorithm(GA)
deep learning(DL)
residual neural network(rnn)
-
分类号
V279
[航空宇航科学与技术—飞行器设计]
V249
[自动化与计算机技术—控制理论与控制工程]
TP18
[自动化与计算机技术—控制科学与工程]
-
