搜索结果: 31-45 共查到“知识库 人工智能”相关记录5286条 . 查询时间(3.021 秒)
电熔镁砂生产用电需量多步智能预报方法
需量多步预报 需量尖峰 端边云协同 自适应深度学习
2024/1/16
电熔镁砂生产(Fused magnesia smelting process,FMSP)用电需量会出现先升后降的尖峰现象,当峰值达到用电需量限幅值,会将电熔镁炉(Fused magnesia furnace,FMF)拉闸断电.为避免尖峰时刻的不必要拉闸需要对需量尖峰进行识别,因此需要进行需量多步预报。
给出了矩阵同构变换、简单无向图距离矩阵、距离矩阵列和向量以及图的距离谱的定义,将基于邻接矩阵的同构判定条件推广到简单无向图距离矩阵.针对简单无向连通图的同构判定问题:给出了基于距离矩阵特征多项式的同构判定条件;进一步,为避免计算误差对判定结果的影响,给出了基于距离矩阵的秩与列和向量的同构判定条件.上述两个判定条件均是充要条件且均具有多项式时间复杂度。
基于语境辅助转换器的图像标题生成算法
图像标题生成 注意力机制 转换器 视觉连贯性
2024/1/16
在图像标题生成领域,交叉注意力机制在建模语义查询与图像区域的关系方面,已经取得了重要的进展.然而,其视觉连贯性仍有待探索.为填补这项空白,提出一种新颖的语境辅助的交叉注意力(Context-assisted cross attention,CACA)机制,利用历史语境记忆(Historical context memory,HCM),来充分考虑先前关注过的视觉线索对当前注意力语境生成的潜在影响.同...
基于重组性高斯自注意力的视觉Transformer
Transformer 局部自注意力 混合高斯权重重组 图像分类 目标检测
2024/1/16
在目前视觉Transformer的局部自注意力中,现有的策略无法建立所有窗口之间的信息流动,导致上下文语境建模能力不足.针对这个问题,基于混合高斯权重重组(Gaussian weight recombination,GWR)的策略,提出一种新的局部自注意力机制SGW-MSA(Shuffled and Gaussian window-multi-head self-attention),它融合了3种...
人工智能技术的飞速发展带来了新闻内容生产、平台分发乃至整个传媒生态体系的巨大变革,用户在人机交互过程中呈现的注意、认知、情绪等反应作为传播效果的重要维度,可借助认知神经科学的工具体系与方法路径而得以测量。本研究关注视频新闻中人工智能主播形象的用户视觉偏好问题,遵循认知神经传播学的研究范式,通过生物传感实验与问卷调查相结合的方法,提出通过变更或调整主播形象的视觉特征来增强视频新闻信息传播效果的研究方...
陈阳等:数字新闻消费与人机关系——一项关于阅读机器人新闻的在线实验
数字新闻消费 人机 机器人新闻
2024/1/2
日本科学家开发出一种先进的人工智能(AI)模型,能利用患者的胸部X射线影像准确估计其实际年龄。更重要的是,当发现估计年龄与真实年龄出现较大差异时,AI还可揭示患者罹患慢性病的情况。此项发现标志着医学影像学的巨大飞跃,为改进早期疾病检测和干预铺平了道路。研究结果发表于最新一期《柳叶刀·健康长寿》杂志。
视网膜功能启发的边缘检测层级模型
边缘检测 视网膜 Izhikevich模型 神经编码 方向选择性神经节细胞
2024/1/16
基于视网膜对视觉信息的处理方式,提出一种视网膜功能启发的边缘检测层级模型.针对视网膜神经元在周期性光刺激下产生适应的特性,构建具有自适应阈值的Izhikevich神经元模型;模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力,构建亮度感知编码层;引入双极细胞对给光−撤光刺激的分离能力,并结合神经节细胞对运动方向敏感的特性,构建双通路边缘提取层;另外根据神经节细胞神经元在多特征调控下延迟激...
属性网络异常检测在网络安全、电子商务和金融交易等领域中具有重要的理论与现实意义,近年来受到了越来越多的关注.大多数异常检测方法凭借网络有限的属性或结构信息进行决策生成,往往难以对异常模式做出可靠的描述.此外,网络节点对应的实体往往关联着丰富的领域知识,这些知识对于异常的识别具有重要的潜在价值。
基于自适应ANN的孤岛微网群电压频率分布式协同控制
人工神经网络 协同控制 分布式电源 李雅普诺夫理论
2024/3/11
针对孤岛微网群稳定运行难度大,电压和频率控制极为复杂的问题,提出了一种适用于含多逆变器分布式电源DGs(distributed generations)微网群MGC(microgrid cluster)的智能电压、频率协同控制方法。首先,该方法利用李雅普诺夫理论和基于逆变器DG的动态特性设计了基于模型化的控制器;然后,利用人工神经网络ANN(artificial neural network)来近...
一种同伴知识互增强下的序列推荐方法
序列推荐 动态兴趣 知识蒸馏 刻意训练
2024/1/16
序列推荐(Sequential recommendation,SR)旨在建模用户序列中的动态兴趣,预测下一个行为.现有基于知识蒸馏(Knowledge distillation,KD)的多模型集成方法通常将教师模型预测的概率分布作为学生模型样本学习的软标签,不利于关注低置信度序列样本中的动态兴趣.为此,提出一种同伴知识互增强下的序列推荐方法(Sequential recommendation en...