摘要：对于印刷行业而言,确保每本书的页码、页面正确排序是提高印刷厂生产率的重点。为了解决目前印刷厂对于图书梯标的检测存在漏检、误检的问题,提出了一种改进YOLOv5的梯标检测算法。该算法增加一个检测尺度以解决漏检问题和提高梯标的识别精度,将主干网络中的C3数量减少,使用深度可分离卷积替代颈部网络中的部分卷积,在能够保证精度稳定的同时降低模型的参数量和计算量;使用SPConv替换Resunit结构里的Conv,形成SPConv-C3结构,SPConv-C3结构不仅能够降低模型的参数量,还能提升网络对图书梯标的检测精度;根据深度可分离卷积和SPConv-C3结构设计特征融合网络结构,能够大幅度提升网络模型的特征融合能力。将所改进的检测算法在自建数据集上进行验证,结果表明,改进后的算法Pm,A@0.5∶0.95达到了64.7%,比原YOLOv5s提高7.5百分点,参数量下降了3.16%,能够满足实际需求。

摘要：为了提升深度卷积神经网络设计的自动化程度,并进一步提高细粒度花卉图像的分类准确率,提出了一种改进的基于DARTS的神经网络搜索方法,用于自动构建细粒度花卉图像分类模型。首先,通过构建注意力-卷积模块,形成全注意力-卷积搜索空间,增强网络对可判别特征的关注度。其次,通过构建具有更多浅层特征输入节点的密集连接缩减单元(DCR cell),保留更多的浅层特征信息,减少可判别特征信息的损失并促进多尺度特征融合。最后,在堆叠最佳cell时调整DCR cell的位置,构建参数量大小不一的网络模型,以便在更多的终端设备上部署。结果表明,该方法耗时4.5 h搜索到了最佳神经网络模型,在Oxford 102和Flower 17上的分类准确率分别为96.14%和94.12%。与AGNAS等方法相比,在Oxford 102上提高了1.40百分点,在Flower 17上提高了3.09百分点。

摘要：为解决短文本信息不全且缺乏领域知识导致关键信息难以充分挖掘而造成的深度学习模型分类性能不足等问题,提出一种知识增强的双向编码器表示转换器(BERT)短文本分类算法(KE-BERT)。提出一种建模短文本与领域知识的方法,通过知识图谱进行领域知识的引入;提出一种知识适配器,通过知识适配器在BERT的各个编码层之间进行知识增强。通过在公开的短文本数据集上,将KE-BERT与其它深度学习模型相比较,该模型的F1均值和准确率均值达到93.46%和91.26%,结果表明了所提模型性能表现良好。

摘要：新工科建设对课程改革提出了新要求。在此背景下,文章以C语言程序设计课程教学改革为例,深入探索课程中的思政元素并将其融入教学中,从“育德方法、育德途径、育德载体”三个方面开展教学活动,对教学目标、内容、形式及考核方式进行了改革探索,取得了良好效果,有效提高了课程思政实效性,同时为新工科背景下其他理工科课程思政教学提供了有益参考。

摘要：地铁已成为当今最关键的交通工具之一,不仅快速而且很便捷。挖掘隧道是至关重要的一环,而盾构技术在此过程中扮演着核心角色。通过盾构机TBM (Tunnel Boring Machine)与超前地质探测技术的结合,我们能够有效预测并分析隧道前方的地质条件,这大大提升了施工的安全性。地震波的传播和采集系统在地质探测中十分重要,通过分析不同类型地震波的传播时间和路径,我们能更准确地理解地层结构。与传统的观测系统不同,本次使用的是环状观测系统,其中检波器和可控震源均位于同一圆面上,这一新布局为研究时距曲线带来了新的视角和更深的意义。鉴于可用于盾构施工的超前探测方法较少,本研究通过数学分析法计算时距曲线,并建立二维隧道模型,使用有限差分法模拟隧道内的地震波场,旨在研究地震波在各种地质异常条件下的响应特征,以期为隧道施工提供更高的安全保障。

摘要：据统计,交通事故中因为疲劳驾驶、精神力不集中所导致的事故率占了93%。针对这个问题,引入人脸68个关键点,基于深度学习及机器视觉算法概念,结合YOLOv8模型以及相关疲劳驾驶判定机制,通过PERCLOS算法、MAR算法和EAR算法以及HPE算法提高系统的准确性和可靠性,成功构建了一套可以对疲劳驾驶行为进行识别的算法。

摘要：针对云计算中大数据审计算法计算与通信成本较高的问题,提出一种快速的云数据审计算法。首先,使用代数签名对云存储内数据的完整性与安全性进行验证;在云数据动态更新操作中,设计了一种外包大数据的数据块描述符表,从而避免对外包数据的直接操作,降低了计算与通信复杂度。基于真实云存储平台的实验结果表明:所提算法降低了云端外包数据审计的计算与通信成本,适用于移动智能设备与4G电信网络的应用场景。

摘要：无线传感器网络中原始的最小暴露路径问题没有考虑对路径的实际限制条件,提出一种要求经过某一特别保护区域部分边界的最小暴露路径问题。由于无法建立相应的图模型,原有求解最小暴露路径问题的经典方法(网格法和维诺图法)对提出的新问题不再起效。先将该问题转化成带约束条件的优化问题,然后针对转化后的数学模型高度非线性、高维度而不好用确定性优化方法的特点,结合问题实际背景设计出混合人工蜂群求解算法。通过在多种情况下的仿真实验发现,设计的带约束条件优化模型和混合人工蜂群求解算法能有效解决提出的最小暴露路径问题。

摘要：传统的双向匹配算法虽然能够发现歧义现象,但是却不能解决歧义问题.为了更好地进行歧义消解,提出了一种基于双向匹配法和特征选择算法的中文分词技术,通过积累的语料库,设计并实现了一个基于两种方法的分词系统.该系统的实验结果表明,基于双向匹配法和特征选择算法的中文分词技术比传统方法的效果要好.

摘要：为了提高轴承故障诊断的准确度,采用深度卷积神经网络算法来实现轴承故障分类。首先根据轴承振动故障特征频率建立轴承故障数据库,接着对轴承的振动信号按不同切片长度和固定宽度进行周期提取,建立特征向量矩阵,然后建立深度卷积神经网络的故障诊断模型,在网络设计时,差异化设置卷积核与池化尺寸,优化神经网络训练的核心参数,最后获得稳定的卷积神经网络模型。经过实例仿真,基于深度卷积神经网络的轴承故障分类准确率高,标准差小。