一、DIYer追求的“高性能”电脑之原始评测(论文文献综述)
颜融[1](2021)在《基于数据驱动的电力系统暂态稳定评估》文中研究说明随着近年来新能源发电、智能数字电网、特高压输电互联等新兴技术的高速发展,电力系统面临着全网耦合性强、源荷随机性大以及动态复杂性高等挑战,这对电力系统安全稳定运行带来了较大影响。本文借助于以人工智能为代表的数据驱动等使能技术,针对电力系统暂态稳定评估问题展开了深入的研究工作,旨在提高暂态稳定评估模型精度和计算效率。主要研究工作总结如下:首先,本文提出了暂态稳定快速批量评估算法框架,通过构建的级联式卷积神经网络为待评估样本自适应选择仿真时间窗口,在保证评估结论准确的前提下尽早终止时域仿真,以减轻批量评估任务的整体计算负担。该算法从已有稳定性结论的样本中“学习”,并基于所设计的反馈学习机制不断针对模型进行自适应更新,以进一步提升模型针对不同运行方式的泛化能力。此外,本文进一步设计了基于信息熵的优先评估策略,在分析待评估样本所含信息量的基础上,动态调度评估任务队列,以加速模型性能提升。该算法在保证评估结论准确的前提下降低了批量评估计算负担,使得在有限时间内获取足够用于在线评估模型构建的暂态稳定样本成为可能。其次,为了应对配电网络日益广泛接入的分布式电源等新型设备对输电网络稳态及暂态特性之影响,弥补传统负荷模型的不足,实现输配电系统联合分析等目的,本文进一步提出了基于不对称图学习的生成对抗网络模型,该模型可借助少量真实配网数据,在不泄露关键信息的前提下捕获真实配电网络的拓扑和电气特性,进而生成三相不对称配电网络。此外,所提出的方法还可以有效地生成时序负荷数据并合理配置各类电网元件,使得生成的配电网络兼具真实性与实用性。再次,为了满足在线稳定评估实时获取系统故障信息的需求,本文提出了混联输电线路单端故障定位算法,构建了“云端滚动训练,边缘实时推断”的电力系统嵌入式人工智能应用范式。该范式将云端训练或更新的故障定位深度学习模型分布式的部署于数据侧嵌入式人工智能模块中,借助本地电压和电流等高密度流式数据进行故障定位。该框架有效解决了因量测数据高采样率特性而导致的定位时延高等问题,可满足后续在线稳定评估与监测任务的应用需求。本文最后提出了基于数据驱动的暂态稳定边界生成与在线稳定评估算法框架。借助于所构建的暂态稳定指标及其伴随灵敏度,加速了关键暂态稳定样本(重)采样进程,以在稳定边界附近的高信息熵区域加速生成足够的关键暂态样本,为生成稳定边界提供了数据基础。此外,为解决稳定边界构建问题所面临的“维数灾”、“组合爆炸”等挑战,本文提出了关键运行及扰动场景筛选机制,进一步减少了电力系统边界生成任务的搜索空间与计算规模。借助该算法框架,稳定边界可根据系统当前及预测运行点在线自适应更新,进而由此构建出一套暂态稳定在线评估与监测框架。
龙拂尘[2](2021)在《基于时域分析的视频动作定位和识别研究》文中研究说明随着互联网3.0时代的到来,计算机技术飞速发展,诸如大数据,移动互联网,物联网,大规模并行计算与计算机类脑技术等研究不断驱动着人工智能领域的推陈出新。特别以图像和视频为载体并融入至日常生活的多媒体应用,更是目前人工智能和计算机研究领域的热点。相比静态图像,动态视频包含更多的视觉信息和听觉信息,这类多媒体更为复杂多义,从而针对视频数据的研究,需要在图像研究的基础上进一步挖掘视频在时域上动态变化的特点。视频理解研究包括诸多方面,例如对视频中的物体进行时空位置检测的视频物体检测,对视频中事物场景进行自然语言描述的视频描述,以及对视频所包含动作进行时间位置定位和类别识别的时域动作定位与识别。其中时域动作定位和识别,是人机交互研究中不可缺少的一环。该技术能让计算机理解和认知人的行为动作,有利于在各种人机协助任务中取得高效的成绩。然而,由于视频中动作内容丰富,利用时域滑窗等朴素算法对视频片段进行切分会产生大量冗余结果。此类方法也没有完全探究动作的时域结构。同时,在全监督训练的框架下,昂贵的视频时域标注限制了动作定位模型的可扩展性和泛化能力。如何利用有限数据完成时域动作定位和识别模型的训练也是一个亟待解决的问题。针对以上两个主要研究问题,本文通过分析视频中动作的时域结构,从构建时域动作提名的层级结构,增强定位模型中时域尺度灵活性和加强定位模型泛化能力角度出发,引入多粒度时域动作提名模型,高斯时域感知网络模型,时域动作定位类别迁移模型及视频弱监督预训练模型,增强时域动作定位模型的性能和泛化能力。本文主要的创新点可以概括为:(1)通过探究和分析视频中动作的时域结构,引入动作层级粒度的概念,提出“由粗到细”的时域动作提名方法。在此基础上设计了多粒度时域动作提名模型。模型首先使用单一分类,二元排序和循环网络分类模型建模视频中动作置信度,并利用置信度分组合并算法在融合置信度曲线上完成粗粒度提名定位。其后模型利用时域卷积进行细粒度时域边界的调整,最后通过设计的提名重排序网络对粗细粒度提名进行统一排序和鉴定。实验证明,本方法相比单一粗粒度时域动作提名方法,在ActivityNet v1.3数据集上带来了 2.5%和4.1%的召回率和AUC性能提升,验证了所提出的多粒度时域动作提名框架的有效性。(2)在单步时域动作定位模型框架下,针对时域尺度固定的问题,提出了高斯时域感知网络模型。通过引入高斯核函数,动态学习不同时域分辨率下动作提名的时域尺度,将固定的时域尺度灵活化处理。对于相互靠近的高斯核,设计高斯核分组合并算法进行融合,最后利用高斯曲线权重对特征进行时域上的加权,增强模型对时长多变动作的定位能力。在大规模实验下显示,所提出的高斯时域感知网络模型分别在THUMOS14和ActivityNet v1.3数据集上相比目前最好的时域动作定位竞争方法有1.9%和1.1%的mAP性能提升。(3)为了降低全监督训练下时域动作定位模型对标注的严格要求,并进一步增强时域动作定位模型的可扩展性,本文提出利用迁移学习完成针对大规模动作类别的定位模型构建。算法通过引入权重迁移函数,桥接时域动作定位和动作识别任务,并利用动作识别模型参数对动作定位模型参数进行预测。通过利用目前含有少量时域标注类别的数据集,如ActivityNet,和含有大规模类别但没有时域标注的动作片刻视频数据集,例如Kinetics-600,成功完成了时域动作定位模型从少量动作类别向Kinetics-600中600个动作类别的模型类别迁移。(4)由于时域动作定位模型中基础特征网络不参与后续定位模型的优化,其泛化能力对时域动作定位性能尤为重要。本文最后一章利用丰富的互联网视频数据,针对数据中存在的“查询歧义性”(同一查询代表不同含义)和“文本同构性”(相似语法的句子描述不同的物体)问题,提出双涡轮网络模型不断对查询和文本这两个弱监督信息进行相互校正,增强基础网络的表达能力。在下游动作识别任务上,双涡轮网络模型在Kinetics-400,Something-Something V1&V2数据集上相比目前使用ImageNet数据集进行全监督预训练的最好模型有着2.8%,1.9%和2.7%的分类准确率提升。
邓钰[3](2021)在《面向短文本的情感分析关键技术研究》文中提出社交网络和电子商务平台已变成庞大的公共信息集散地,海量信息数据的挖掘与价值赋能一直在进行。数据科学第四范式的提出,为深度学习在大数据和人工智能(Artificial Intelligence,AI)领域大显身手提供了理论基础,自然语言处理(Natural Language Processing,NLP)也深受其益,迅猛发展。利用海量互联网数据对人们的情感和观点进行分析,有着重要的科研价值和社会价值。NLP中的情感分析是最活跃的研究领域之一,已经从计算机科学扩展到管理学和社会学,如市场营销、金融、政治、历史甚至医疗。观点几乎是所有人类活动的核心,是影响人们行为的关键因素,如何利用NLP技术对主观意见文本进行情感分析,被越来越多的研究人员关注。在NLP中,不同于传统语义分析,情感分析更聚焦与观点有关的情感语义,包括文本情感极性分类问题等,需要更深层次的理解和建模。另外,社交网络文本和产品评论篇幅短,针对性强,往往包含更丰富的情感信息。相较于传统机器学习算法,深度学习不依赖人工构建特征,具有特征的自学习能力,非常适合语言文本的抽象、高维、复杂等特点。本文针对短文本情感分析问题,依据不同的任务阶段、场景和粒度,研究设计有效的深度学习解决方案。论文的主要工作和成果如下:1.提出了一种基于混合词嵌入的交互注意力网络(Hybrid Word Embedding Based Interactive Attention Network,HWE-IAN),该模型主要解决传统词嵌入对文本情感语义表达不足,以及不同领域间语义鸿沟的问题。HWE-IAN利用预训练算法Bidirectional Encoder Representations from Transformers(BERT)对传统词嵌入的情感语义表征能力予以补充,在任务预处理阶段充分挖掘文本蕴含的情感语义信息;同时融入了词性信息、位置信息和n-gram信息等多种语义特征,使模型具有更加丰富的情感语义表达;模型还使用注意力机制让各类特征进行交互,抽象更深层次的上下文内部语义关联,以提升模型的情感分类性能。最后,在两个公开英文情感分类语料上进行实验,结果证明HWE-IAN模型优于其他对比模型,有效提高了情感分类性能。2.提出了一种多头注意力记忆网络(Memory Network based on Multi-head Attention,MAMN),该模型解决了多头注意力机制和记忆力网络的性能瓶颈,进一步充分挖掘短文本蕴含的情感语义特征和上下文内联结构关系。MAMN模型利用n-gram特征和ON-LSTM网络对多头自注意力机制进行改进,以对文本内联关系进行更深层次的提取,使模型可以获得更丰富的文本特征信息;同时利用多头注意力机制对多跳记忆网络结构进行优化,以对短文本上下文内部语义结构进行有效建模,充分挖掘高层情感语义特征。最后在三个公开英文用户评论数据集上对模型进行实验评估,结果验证了MAMN在情感分类任务中的有效性,其分类性能优于CNN、LSTM和胶囊网络架构的其它基线任务模型。3.提出了一种结合多跳注意力的迁移胶囊网络(Transfer Capsule Network with Multi-hop Attention,MHA-TCap),该模型针对特定领域中有标注训练数据稀缺的问题。同时,从面向领域类别的细粒度情感分类任务入手,MHA-TCap模型探究了小数据集上性能提升的方法。模型采用深度记忆力网络和胶囊网络构造迁移学习框架,有效借助胶囊网络的迁移学习特性,将相近领域大规模标注数据蕴含的知识迁移至目标领域,提升在小数据集上的分类性能。MHA-TCap使用多维组合特征弥补一维特征注意力机制的不足,而多个基于领域类别的注意力计算层进行叠加,可以获取更深层次针对特定领域的情感特征信息。实验在一个公开中文评论数据集(包含六类领域数据)上进行,结果不仅表明该模型具有良好的分类性能,还验证了其迁移学习能力,最后证明MHA-TCap对于更细粒度面向目标的情感分类任务也有很好的泛化能力。4.提出了一种基于注意力机制的混合胶囊网络(Attention-based Aspect-level Sentiment Capsule Network,ABASCap),该模型主要针对面向目标(aspect)的细粒度情感分类问题,通过研究目标与上下文之间内部关联更合理的建模方式,更加有效的挖掘与目标有关的情感语义特征。模型使用改进的多头注意力机制对n-gram特征进行加工,以捕获文本内部结构以及目标与上下文之间的语义关联;定义了局部窗口大小(Local Context Window,LCW)来明确目标相关局部上下文区域,提出局部上下文掩码机制(Local Context Mask Mechnism,LCM)对其进行处理,并结合多头注意力机制对目标与局部上下文的强关联进行建模;采用胶囊网络生成最终的文本表征,并根据任务特点对路由算法和激活函数进行优化。最后在三个细粒度情感分类数据集上对模型进行评估,实验结果表明ABASCap模型的性能优于其他基线模型,在结合BERT之后性能提升更加显着,充分证明其在面向目标情感分类任务中的有效性。
刘科[4](2021)在《夏热冬冷地区高大空间公共建筑低碳设计研究》文中研究指明碳排放是指以CO2为主的温室气体排放,大量碳排放加剧气候变化,造成温室效应,使全球气温上升,威胁人类生存和可持续发展,人类活动对化石能源的过度依赖是导致碳排放问题的主要诱因。目前全球主要通过碳排放量衡量各行业对气候变化的影响程度,建筑业是主要碳排放行业之一,建筑业的低碳发展是引领我国低碳道路的周期引擎。目前针对建筑低碳设计研究已有相关成果,但仍存在一定的局限性:对于建筑的低碳化发展不够重视,低碳设计理念认识模糊,多通过相关技术的堆叠,注重相关低碳措施的应用,忽视了建筑低碳化的指标性效果。如何在建筑设计阶段基于相关碳排放量化指标真正实现公共建筑的低碳化是本研究的重要内容。高大空间公共建筑是碳排放强度最高的公共建筑之一,具有巨大的低碳潜力。本文基于地域性特征,针对夏热冬冷地区高大空间公共建筑展开具体的低碳设计研究。首先梳理建筑低碳设计相关理论基础,通过对相关低碳评价体系的研究,总结落实建筑低碳设计的要素指标。其次落实建筑全生命周期碳排放量化与评测方法,开发相应的建筑低碳设计辅助工具。进而从设计策略和技术措施两方面具体展开建筑低碳设计研究。最后通过盐城城南新区教师培训中心项目的应用验证研究的可行性与低碳设计效果。本研究主要成果有:明确了建筑的低碳化特征与低碳设计理念,建筑的低碳设计应从全生命周期视角兼顾建筑各阶段,包含但不等同于节能设计;构建了以碳排放指标为效果导向的建筑低碳设计方法,初步建立了建筑低碳设计流程框架;建筑设计应着重考虑的低碳环节包括:建材的使用、能源的使用、植被的碳汇、建筑碳排放量的计算;完善了适用于设计阶段的建筑全生命周期碳排放量化与评测分析方法,开发夏热冬冷地区公共建筑碳排放量化与评测工具(CEQE-PB HSCW);针对夏热冬冷地区高大空间公共建筑,提供了包含设计策略与技术措施的低碳设计指导;通过在盐城城南新区教师培训中心项目中采用可再生能源、被动式空间调节、主动式节约技术、绿植碳汇系统、绿色低碳建材和低碳施工等方面的具体设计措施17项,最终求得项目全生命周期碳排放量情况,项目符合碳排放量比2005年基准值降低45%的低碳目标,年碳排放量比2005年基准值降低了61%。在进一步优化设计中,得出低碳化使用建材带来的减排贡献率可达67%。针对建筑全生命周期的低碳设计优化,不仅需要通过运行阶段的节能与绿植固碳,同时要强调低碳化地使用建材。论文正文17.2万余字,图片202张,表格85幅。
陈永峰[5](2021)在《基于Flink的异构环境下多模型并行训练系统的研究与实现》文中认为在当前大数据机器学习的时代背景下,训练的数据具有数量多,更新快的特点,且随着时代的发展,越来越多领域需要对多个模型进行训练。这要求模型训练有足够快的训练速率,以适应不断更新的数据。由于收集端设备与服务器、本地机器更新换代等原因,在计算能力、存储速率等方面具有一定差异的异构运算环境较为常见。Flink作为新一代大数据批流混合计算框架,其高吞吐、低延时的特点可以很好的满足当下的任务计算要求,被越来越多的公司所使用。然而,现有的基于Flink的多模型并行训练方法在异构的集群环境下存在运行效率低的问题。针对上述问题,本文依据异构环境下多模型并行训练中的批流混合训练的需求、多模型高效训练的需求、异构环境下的适应性需求以及界面及功能性需求,设计并实现了异构环境下多模型并行训练系统。针对异构环境下多模型训练问题,提出了基于Flink的异构环境下多在线极限学习机并行训练算法。本文的主要贡献有三个方面:(1)设计并实现异构环境下多模型并行训练系统。系统整体分为五个层次。从底层数据缓冲层Kafka,任务计算层Flink平台以及存储层HBase,再到异构并行训练层与顶层展示层的设计实现,满足了多模型训练系统的批流混和训练的需求、高效训练以及异构环境的适应性等方面的需求。(2)提出基于Flink的异构环境下多在线极限学习机并行训练算法。算法针对异构环境下节点性能不同的情况,首先对节点性能进行划分,并通过模型在线并行训练技术,估计计算代价估计,生成模型的并行方案。最后利用Flink调度策略对任务进行调度。仅在一个Flink作业下完成在异构环境对多模型的并行训练。(3)设计对比实验方案对多指标评测。通过设计实验方案,模拟异构集群环境,采用真实数据集与合成数据集对系统训练效果进行多指标评测。实验结果显示,本文实现的多模型训练系统在异构环境下的多模型训练速率方面有较大提升,且在准确率方面与之前多模型训练算法处于同一水准。
谢绍伟[6](2020)在《面向视窗依赖机制的全景视频传输优化研究》文中指出随着用户不断追求自由交互式的数字媒体,面向多相机阵列拍摄的全景视频的传输技术成为研究热点。由于全景视频包含360度场景,而用户每个时刻只能观看其中有限视角范围内的画面,若以当前相当高的码率(约20 Mbits/s)将映射后的完整全景视频编码成均衡质量,其实际提供给用户的视觉质量将仍然明显低于传统高清画质。为了在网络带宽受限时大幅提升用户视觉质量,视窗依赖的全景视频传输机制应运而生,即以相对高质量(高码率)形式传输用户视窗内的可视内容,而以相对低质量(低码率)形式传输其他区域内容。然而,由于交互过程中存在传输、解码及渲染等延时,每当用户切换视窗后,其往往会在高质量内容呈现前观看到一定时长的低质量内容。因此,为了在应用视窗依赖机制时尽可能保证视窗内容平滑切换,本文将围绕视频内容编码参数及交互延时的影响,研究用户视觉质量与全景内容压缩码率模型,以通过视窗内外非均衡编码质量的有效配置实现全景视频传输优化。本文的主要研究内容及贡献如下:首先,研究了视窗依赖机制下面向交互延时的视觉质量建模。当以视窗依赖机制传输全景视频时,由于存在交互延时,用户在切换视窗后将首先观看到低质量内容,且其会持续一定时间才能转变成相应的高质量版本。在此情况下,本文提出采用多维度控制变量法,面向不同的视窗内外非均衡质量分布情景,研究视窗内外视频内容的编码参数以及视窗切换后的低质量内容持续时长(交互延时的外在体现)对用户视觉质量的影响。基于视窗切换后的可视内容特征,本文构建的解析模型能够准确地衡量视窗依赖机制下用户观看全景视频时的视觉质量。实验结果表明,当将模型应用于全新的主观评测数据集时,模型预测值与实际主观分数之间具有较强的线性相关性。此外,本文搭建了真实的视窗依赖的全景视频传输系统,并基于它再次验证了视觉质量模型的准确性和实用性。其次,构建了针对编码参数耦合影响的压缩码率预测模型。对于视频编码技术,由于各种编码参数会同时作用于媒体内容视觉质量与压缩码率,为了在用户体验一定时最小化视频传输带宽占用,本文基于贝叶斯理论及各编码参数之间的耦合影响研究了全景视频的压缩码率变化规律。进一步地,考虑到媒体内容属性对码率预测至关重要,且完整全景视频因数据量庞大而难以从其原始信号中提取内容特征,本文提出面向视窗依赖机制下的空间分块传输策略,利用所有分块视频的平均内容特征对全景视频码率模型参数进行预测。同时,针对各参数在模型构建时的直接或间接作用,本文提出了一种基于平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)的内容特征集选取算法,显着提高了模型准确性。此外,本文探讨了编码结构与分块方式对全景视频码率模型的影响。最后,提出了面向视窗内外非均衡质量有效配置的传输优化方案。虽然视窗依赖的全景视频传输机制已经得到业界一致肯定,但目前尚缺少指导视窗内外非均衡编码质量分配的有效方案。为了实现全景视频传输系统优化,本文提出以面向视窗依赖机制的视觉质量模型为核心,联合视频内容的压缩码率变化规律,解析网络带宽限定时的全景视频视窗内外非均衡质量编码参数。相较于特定的依据经验构造的启发式算法,本文提出的模型驱动式优化方案能使不同码率约束下的平均视觉质量提高23.81%。当基于真实传输系统开展主观验证实验时,四种限定带宽下的平均视觉质量增益仍然可达14.23%。此外,本文以性能较为优越的视窗预测算法为例,通过预取下个视窗内的高质量内容,分析了预测时间跨度及预测准确性对视窗依赖式传输优化的影响。
张侯瑞[7](2020)在《XM公司手机市场营销策略研究》文中指出如今,全球手机市场发展迅猛,从非智能机到智能机,从厚重到轻薄,从小屏幕到全面屏,手机产品同质化日益严重,消费者购买习惯也发生着悄无声息的改变,大浪淘沙后的国内市场中,“中华酷联”中仅有华为保持良好的势头,面对国际厂商苹果、三星及国内老牌手机厂商华为、OPPO、vivo的不断变阵冲击,XM公司如若依旧按照之前高性价比的“饥饿营销”来发展,必然会导致市场份额的下滑,利润的进一步缩减。受2017年整体手机市场大环境疲软及自身产品原因影响,XM公司手机销量增长速度放缓,且单台手机利润率相较其他手机巨头仍然最低,这一系列摆在眼前的问题,与其营销策略有相当大的关系,因此,XM公司手机市场营销策略应根据当前及未来市场环境发展变化及用户需求等因素做出相应及时的调整。本文运用营销管理的相关知识,对XM公司手机市场营销策略进行研究分析,对XM公司所处行业的宏观及微观环境进行分析,发现其相较其他厂商,XM公司在市场营销方面不占优势,需要改变营销策略以提升自身竞争力。本文认为XM公司应当进一步进行市场细分,重视消费者消费特性,寻求新增长点,并且重新进行市场定位,重塑形象。在营销策略方面,应将产品线进行调整,针对不同产品板块制定不同价格策略,并加强线下销售网络建设,区分不同渠道销售产品类别倾向。这将进一步提高XM手机对消费群体的吸引力,在激烈竞争中进一步巩固市场地位,占据主动权。
教育部[8](2020)在《教育部关于印发普通高中课程方案和语文等学科课程标准(2017年版2020年修订)的通知》文中研究表明教材[2020]3号各省、自治区、直辖市教育厅(教委),新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准(2017年版)进行了修订。普通高中课程方案以及思想政治、语文、
王紫云[9](2020)在《内镜图像中手术器械分割及手术钳末端位姿估计的研究》文中进行了进一步梳理消化内镜微创手术器械交互安全预警系统旨在对多器械消化内镜微创手术中手术钳器械操作力的安全性进行实时监控。系统主要由肿瘤分割、手术器械分割、手术钳末端位姿估计、手术钳与软组织交互模型设计等模块构成,其中,手术器械分割与手术钳末端位姿估计是预警系统的基础和关键。然而,目前主流的语义分割网络,对内镜手术器械分割的研究较少,且大都过于片面地强调预测精度或者预测速度,缺乏对网络整体分割性能的有效平衡。另外,主流的目标估计算法大都基于CNN网络进行设计,仅能预测出表示目标整体位置的规则矩形估计框,缺乏对目标方向信息和末端位置信息的估计。而且,目前的位姿估计算法大都基于关键点检测算法设计,需要费时费力的数据集标注。首先,本文基于模拟数据集设计了一个实时高精度器械分割网络。首先搭建了一个多器械内镜微创手术模拟平台模拟手术中器械交互,然后采集、标注和增强了数据,制作了模拟数据集。最后,基于轻量级特征提取网络、注意力机制、特征金字塔网络等高性能模块设计实现了一个性能达到85%m Io U以上和40 FPS以上的实时高精度器械分割网络。其次,本文基于公开的MICCAI竞赛数据集验证了网络分割性能,并基于该数据集对网络进行了边界损失函数、横向连接注意力机制、门机制特征选择等新颖设计,进一步提升了网络分割性能,在该数据集三类分割任务中实现了62.49%m Io U和53.90 FPS的突出性能,优于大多数主流分割网络。最后,本文分析了基于关键点检测去估计目标位姿算法的不足,并基于高精度分割图设计了一个高效的手术钳末端位姿估计算法。首先基于关键点检测算法和分割网络,设计了一个能够同时分割器械和估计手术钳位姿的多任务学习网络,并分析了其优缺点。其次,为了去除标注数据集的负担,本文充分利用器械分割图中丰富的语义信息,设计了一个基于高精度分割图的新颖手术钳末端位姿估计算法。该算法通过检测出包含手术钳的最小外接矩形框,并设计位姿推理算法确定出了其末端的位置和方向,具有无需学习、可基于分割图实时估计等优点。最后,实现了该算法,并验证了其有效性。综上,本文实现了一个新颖的实时高精度手术器械分割网络和一个无需学习的实时手术钳末端位姿估计算法,对预警系统设计等相关研究具有很强的实用价值。
胡雪奎[10](2020)在《基于人体姿态识别的运动辅助评测系统研究与应用》文中研究指明近年来,随着计算机技术的快速发展,计算机视觉凭借着深度学习得到了更好的应用。研究学者们开始结合人工智能技术来实现科学的运动辅助训练,在传统的体育训练的基础上增加了人机交互式的辅助训练功能,达到运动规范指标化和脱离教练式的无人教学效果。传统运动存在场地和设备的限制、专业动作须专人指导,训练数据难以记录等问题,本论文将人体姿态识别应用于体操运动,建立了运动辅助评测系统,引入了关节角和动作相似性两个概念,解决不同人的身高带来的差异影响以及连续帧中动作的筛选问题,实现从基于经验的运动训练方法到基于计算机视觉的人体运动分析训练方法的转变。本文的主要研究工作和贡献包括:(1)研究了基于深度学习的人体姿态识别的基本原理,选用人体姿态识别开源库Open Pose进行姿态提取,并在其原基础上对待评测的输入数据进行压缩处理达到缩短姿态提取时间的效果,更快地提取出人体关键点的二维坐标信息。最后通过实验发现改良后的画面帧数有着近两倍的提升,并对其进行姿态数据提取实验对比完成其精度验证。(2)研究了基于关节角和动作相似性的动作识别与评价,使用关节角来对动作进行描述掌握动作中的更多细节,动作识别方面引入动作相似性的概念,使用欧氏距离求出两个动作间的相似程度,可以对单幅图像中的动作进行识别,同时也能够实现视频中动作的识别。(3)开发了基于人体姿态识别的运动辅助评测系统,该系统主要由标准动作数据库、辅助教学、总体评测三个部分组成,系统用户可自定义标准动作数据库,辅助教学部分系统可将用户的动作与标准动作进行数据对比并通过数据的形式直观的展示给训练者,总体评测部分系统可对视频文件进行动作识别与筛选,为训练者提供一个数据场景化的训练平台。
二、DIYer追求的“高性能”电脑之原始评测(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、DIYer追求的“高性能”电脑之原始评测(论文提纲范文)
(1)基于数据驱动的电力系统暂态稳定评估(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 本文研究背景 |
1.2 电力系统暂态稳定评估及其经典算法 |
1.2.1 暂态稳定评估数学模型 |
1.2.2 暂态稳定评估经典算法 |
1.3 数据驱动技术综述 |
1.3.1 算法 |
1.3.2 数据 |
1.3.3 算力 |
1.3.4 框架 |
1.4 数据驱动技术在暂态稳定评估中的应用综述 |
1.4.1 数据驱动评估模型构建框架 |
1.4.2 数据驱动评估模型构建算法 |
1.4.3 数据驱动评估模型应用挑战 |
1.5 本文研究工作概述 |
1.5.1 拟解决的问题与研究思路 |
1.5.2 后续章节内容安排 |
第二章 基于级联式卷积神经网络的暂态稳定批量评估算法 |
2.1 引言 |
2.2 暂态稳定批量评估问题阐述 |
2.3 基于卷积神经网络的暂态稳定评估 |
2.3.1 卷积神经网络 |
2.3.2 基于单个卷积神经网络的暂态稳定评估模型 |
2.3.3 输入数据仿真及预处理 |
2.3.4 稳定性结论及其可信度评估 |
2.4 快速暂态稳定批量评估算法框架 |
2.4.1 级联式卷积神经网络评估框架 |
2.4.2 基于误判场景的模型训练策略 |
2.4.3 基于反馈学习的模型更新策略 |
2.4.4 性能评价指标 |
2.5 数值实验与分析 |
2.5.1 算法性能评测:以IEEE-39 节点测试系统为例 |
2.5.2 算法可拓展性评测:以Polish-2383 节点系统为例 |
2.6 本章小结 |
第三章 基于信息熵优先策略的暂态稳定批量评估算法 |
3.1 引言 |
3.2 基于信息熵优先策略的批量稳定评估算法 |
3.2.1 基于信息熵的优先评估策略指标 |
3.2.2 基于信息熵优先策略的任务队列与模型更新机制 |
3.2.3 基于内存镜像的存储加速技术 |
3.2.4 待评估样本批次划分策略 |
3.3 基于信息熵优先策略的暂态稳定批量评估应用框架 |
3.4 数值实验与分析 |
3.4.1 测试系统 |
3.4.2 神经网络结构设计与可视化 |
3.4.3 统计性测试结果 |
3.4.4 模型鲁棒性测试结果 |
3.5 本章小结 |
第四章 基于图生成对抗网络的三相不对称电网生成算法 |
4.1 引言 |
4.2 基于图生成对抗网络的拓扑生成算法 |
4.2.1 Wasserstein GAN模型 |
4.2.2 基于UGL-GAN模型的网络拓扑生成算法 |
4.3 三相不对称电网的修正、拓展及性能评价 |
4.3.1 基于核密度估计的时序负荷数据生成算法 |
4.3.2 电网负荷分配及拓扑修正算法 |
4.3.3 考虑电网元件的电网拓展算法 |
4.3.4 性能评价指标 |
4.4 算例分析 |
4.4.1 网络生成结果 |
4.4.2 应用实例 |
4.5 本章小结 |
第五章 基于嵌入式人工智能的混联输电线路单端故障定位 |
5.1 引言 |
5.2 混联输电线路单端故障波形特性分析 |
5.3 基于人工智能技术的故障定位 |
5.3.1 长短期记忆网络 |
5.3.2 单端故障定位模型 |
5.4 基于嵌入式人工智能的故障定位框架 |
5.5 算例分析 |
5.5.1 测试环境与测试系统 |
5.5.2 测试数据生成 |
5.5.3 模型训练结果 |
5.5.4 模型测试结果 |
5.6 本章小结 |
第六章 暂态稳定边界快速生成与在线稳定评估算法 |
6.1 引言 |
6.2 暂态稳定边界快速生成算法 |
6.2.1 暂态稳定边界数学模型 |
6.2.2 暂态稳定性指标及其灵敏度 |
6.2.3 关键暂态稳定数据样本采样策略 |
6.2.4 暂态稳定边界构建及样本重采样算法 |
6.2.5 数据采样终止判据 |
6.3 关键场景筛选算法 |
6.3.1 初始搜索空间筛选 |
6.3.2 关键运行场景筛选 |
6.3.3 关键扰动场景筛选 |
6.3.4 实际运行点匹配与关键发电机组降维算法 |
6.4 电力系统在线稳定评估框架 |
6.5 算例分析 |
6.5.1 暂态稳定边界生成可视化:以IEEE-9 节点电力系统为例 |
6.5.2 暂态稳定边界生成可拓展性测试:以NESTA-162 节点电力系统为例 |
6.6 本章小结 |
第七章 总结与展望 |
7.1 研究工作总结 |
7.2 后续工作展望 |
参考文献 |
附录 |
附录 A 发电机动态模型 |
附录 A.1 发电机模型参数说明 |
附录 A.2 二阶发电机模型 |
附录 A.3 四阶发电机模型 |
附录 A.4 六阶发电机模型 |
附录 B 励磁系统动态模型 |
附录 C 调速系统动态模型 |
附录 D 电力系统稳定器(PSS)动态模型 |
作者简历及攻读学位期间取得的学术成果 |
(2)基于时域分析的视频动作定位和识别研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究领域现状 |
1.2.1 传统镜头边界检测 |
1.2.2 深度学习兴起 |
1.2.3 短视频动作识别 |
1.2.4 长视频时域动作定位 |
1.2.5 定位模型中基础网络泛化性 |
1.3 论文内容与结构 |
第2章 多粒度时域动作提名模型 |
2.1 背景介绍 |
2.2 相关工作 |
2.3 由粗到细多粒度时域动作提名模型(CFTP) |
2.3.1 粗粒度提名网络(CPN) |
2.3.2 时域卷积网络(CAN) |
2.3.3 提名重排序网络(PRN) |
2.4 实验评估 |
2.4.1 实验数据集 |
2.4.2 实验具体细节 |
2.4.3 比较方法 |
2.4.4 实验性能比较 |
2.4.5 CFTP在时域动作定位中的应用 |
2.4.6 CFTP在视频描述中的应用 |
2.5 讨论与总结 |
第3章 时域动作定位: 高斯时域感知网络 |
3.1 背景介绍 |
3.2 相关工作 |
3.3 高斯时域感知网络(GTAN) |
3.3.1 基础特征网络 |
3.3.2 高斯核学习 |
3.3.3 高斯核分组合并 |
3.3.4 高斯池化 |
3.3.5 网络优化 |
3.3.6 测试与后处理 |
3.4 实验评估 |
3.4.1 实验数据集 |
3.4.2 实验具体细节 |
3.4.3 对时域动作提名验证 |
3.4.4 对高斯核和分组合并算法验证 |
3.4.5 对锚点层数目验证 |
3.4.6 与目前最新方案比较 |
3.5 讨论与总结 |
第4章 动作定位类别扩展: 动作传信网络 |
4.1 背景介绍 |
4.2 相关工作 |
4.3 动作传信网络(AherNet) |
4.3.1 基础网络 |
4.3.2 识别和定位间的权重迁移 |
4.3.3 动作片刻及合成背景上的动作定位 |
4.3.4 网络优化 |
4.3.5 测试与后处理 |
4.4 实验评估 |
4.4.1 实验数据集 |
4.4.2 实验具体细节 |
4.4.3 权重迁移函数设计 |
4.4.4 动作片刻及合成背景定位探究 |
4.4.5 模型性能容量探究 |
4.4.6 大规模时域动作定位模型 |
4.5 讨论与总结 |
第5章 基础网络优化: 双涡轮网络 |
5.1 背景介绍 |
5.2 相关工作 |
5.3 双涡轮网络(TTN) |
5.3.1 基础网络 |
5.3.2 文本/查询监督和分类 |
5.3.3 文本到查询涡轮 |
5.3.4 查询到文本涡轮 |
5.3.5 网络优化 |
5.4 实验评估 |
5.4.1 实验数据集 |
5.4.2 实验具体细节 |
5.4.3 对文本监督验证 |
5.4.4 对双涡轮设计验证 |
5.4.5 对网络优化分析 |
5.4.6 与目前最新方案比较 |
5.5 讨论与总结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 研究与应用展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(3)面向短文本的情感分析关键技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关研究进展 |
1.2.1 句级别文本情感分析 |
1.2.2 面向目标的情感分析 |
1.3 研究内容与创新点 |
1.3.1 主要研究内容 |
1.3.2 主要创新点 |
1.4 论文的组织结构 |
第二章 相关理论基础 |
2.1 词的向量表示 |
2.1.1 向量空间模型 |
2.1.2 语言模型 |
2.1.3 词嵌入 |
2.2 卷积神经网络 |
2.3 循环神经网络 |
2.4 注意力机制 |
2.5 分类评价指标 |
2.6 本章小结 |
第三章 基于混合词嵌入的交互注意力网络研究 |
3.1 引言 |
3.2 关键技术 |
3.3 网络模型设计 |
3.3.1 BERT基础模型 |
3.3.2 HWE-IAN网络模型 |
3.3.3 模型训练 |
3.4 实验设计与分析 |
3.4.1 实验数据 |
3.4.2 实验设置 |
3.4.3 词向量性能对比 |
3.4.4 模型性能对比 |
3.4.5 模型结构性能分析 |
3.5 本章小结 |
第四章 基于多头注意力的情感分析记忆网络研究 |
4.1 引言 |
4.2 关键技术 |
4.2.1 多头注意力机制 |
4.2.2 记忆力网络 |
4.3 网络模型设计 |
4.3.1 词嵌入层 |
4.3.2 特征提取层 |
4.3.3 注意力编码层 |
4.3.4 多跳记忆结构 |
4.3.5 预测输出层 |
4.3.6 模型训练 |
4.4 实验设计与分析 |
4.4.1 实验数据 |
4.4.2 实验设置 |
4.4.3 模型性能对比 |
4.4.4 多头注意力结构性能分析 |
4.4.5 多跳结构性能分析 |
4.4.6 实际场景应用分析 |
4.5 本章小结 |
第五章 用于领域情感分析的迁移胶囊网络研究 |
5.1 引言 |
5.2 关键技术 |
5.2.1 迁移学习 |
5.2.2 胶囊网络 |
5.3 网络模型设计 |
5.3.1 多跳注意力卷积网络 |
5.3.2 迁移学习胶囊网络 |
5.4 实验设计及分析 |
5.4.1 实验数据 |
5.4.2 实验设置 |
5.4.3 模型性能对比 |
5.4.4 多跳与窗口选择 |
5.4.5 迁移学习性能测试 |
5.4.6 迁移学习扩展实验 |
5.5 本章小结 |
第六章 用于细粒度情感分析的混合胶囊网络研究 |
6.1 引言 |
6.2 任务定义 |
6.3 网络模型设计 |
6.3.1 词嵌入层 |
6.3.2 特征提取层 |
6.3.3 注意力编码层 |
6.3.4 初级胶囊层 |
6.3.5 分类胶囊层 |
6.3.6 模型训练 |
6.4 实验设计及分析 |
6.4.1 实验数据 |
6.4.2 实验设置 |
6.4.3 模型性能对比 |
6.4.4 模型结构性能分析 |
6.4.5 局部上下文窗口设置分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文工作总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(4)夏热冬冷地区高大空间公共建筑低碳设计研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究缘起 |
1.1.1 低碳概念的兴起 |
1.1.2 建筑低碳发展的反思 |
1.1.3 国家重点研发专项 |
1.2 研究背景 |
1.2.1 气候变化问题与能源危机 |
1.2.2 建筑业发展与碳排放 |
1.2.3 低碳发展相关政策及法规 |
1.2.4 低碳理念的发展 |
1.3 概念界定与研究范围 |
1.3.1 低碳建筑 |
1.3.2 高大空间公共建筑 |
1.3.3 夏热冬冷地区——以长三角地区为例 |
1.4 研究现状 |
1.4.1 建筑碳排放量化分析研究 |
1.4.2 高大空间公共建筑相关研究 |
1.4.3 夏热冬冷地区建筑环境影响特征及低碳措施研究 |
1.4.4 现状总结 |
1.5 研究目标与意义 |
1.5.1 研究目标 |
1.5.2 研究意义 |
1.6 研究方法与框架 |
1.6.1 研究方法 |
1.6.2 研究框架 |
第二章 建筑低碳化与设计理论 |
2.1 建筑低碳化发展的特征研究 |
2.1.1 地域性特征 |
2.1.2 外部性特征 |
2.1.3 经济性特征 |
2.1.4 全生命周期视角 |
2.1.5 指标化效果导向 |
2.2 建筑低碳设计概论 |
2.2.1 建筑设计的特征 |
2.2.2 设计阶段落实建筑低碳化 |
2.2.3 建筑低碳设计研究方法 |
2.3 建筑相关低碳评价体系研究 |
2.3.1 相关评价体系概况 |
2.3.2 相关减碳指标比较研究 |
2.3.3 对我国《绿色建筑评价标准》关于减碳评价的建议 |
2.4 本章小结 |
第三章 夏热冬冷地区公共建筑碳排放量化分析 |
3.1 公共建筑碳排放量化方法 |
3.1.1 建筑碳排放量化的方法类型 |
3.1.2 建筑全生命周期碳排放计算 |
3.2 夏热冬冷地区公共建筑碳排放基准值研究 |
3.2.1 公共建筑碳排放基准值现状 |
3.2.2 夏热冬冷地区公共建筑碳排放基准值的确定与选用 |
3.3 夏热冬冷地区公共建筑碳排放量化与评测方法的建立 |
3.3.1 适用于设计阶段的建筑全生命周期碳排放清单数据的确立 |
3.3.2 建筑碳排放量化与评测方法的具体落实 |
3.3.3 建立夏热冬冷地区公共建筑碳排放量化评测工具(CEQE-PB HSCW) |
3.4 本章小结 |
第四章 夏热冬冷地区高大空间公共建筑低碳设计策略 |
4.1 提高场地空间利用效能 |
4.1.1 场地布局与空间体形优化 |
4.1.2 建筑空间隔热保温性能优化 |
4.2 降低建筑通风相关能耗 |
4.2.1 利用高大空间造型的通风策略 |
4.2.2 改善温度分层现象的通风策略 |
4.3 优化建筑采光遮阳策略 |
4.3.1 建筑自然采光优化 |
4.3.2 建筑遮阳设计优化 |
4.4 提高空间绿植碳汇作用 |
4.4.1 增加空间绿植量 |
4.4.2 提高绿植固碳效率 |
4.5 本章小结 |
第五章 夏热冬冷地区高大空间公共建筑低碳技术措施 |
5.1 可再生能源利用 |
5.1.1 太阳能系统 |
5.1.2 清洁风能 |
5.1.3 热泵技术 |
5.1.4 建筑可再生能源技术的综合利用 |
5.2 结构选材优化 |
5.2.1 建筑材料的低碳使用原则 |
5.2.2 高大空间公共建筑中相关建材的低碳优化 |
5.3 管理与使用方式优化 |
5.3.1 设计考虑低碳施工方式 |
5.3.2 设计预留智能管理接口 |
5.3.3 设计提高行为节能意识 |
5.4 本章小结 |
第六章 盐城城南新区教师培训中心项目实证研究 |
6.1 项目概况 |
6.2 项目实施 |
6.2.1 确定项目2005 年碳排放量基准值 |
6.2.2 建筑低碳设计流程应用 |
6.2.3 参照建筑的建立 |
6.2.4 项目相关低碳设计关键措施 |
6.2.5 项目全生命周期碳排放量计算与分析 |
6.3 项目优化 |
6.3.1 主要低碳优化策略 |
6.3.2 项目全生命期碳排放优化分析 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 研究结论 |
7.2 研究创新点 |
7.3 对现状的启示 |
7.4 研究中的困难与不足 |
7.5 后续研究与展望 |
附录 |
附表A:公共建筑非供暖能耗指标(办公建筑、旅馆建筑、商场建筑) |
附表B:主要能源碳排放因子 |
附表C:主要建材碳排放因子 |
附表D:部分常用施工机械台班能源用量 |
附表E:各类运输方式的碳排放因子 |
附表F:部分能源折标准煤参考系数 |
附表G:全国各省市峰值日照时数查询表(部分夏热冬冷地区省市数据) |
附表H:全国五类太阳能资源分布区信息情况表 |
附表I:项目主要低碳设计策略减排信息表 |
参考文献 |
图表索引 |
致谢 |
(5)基于Flink的异构环境下多模型并行训练系统的研究与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 课题来源及主要贡献 |
1.4 论文结构 |
第二章 相关理论与技术 |
2.1 大数据计算平台 |
2.2 Flink计算平台 |
2.3 分布式消息队列Kafka |
2.4 分布式数据库HBase |
2.5 极限学习机 |
2.6 本章小结 |
第三章 系统需求分析设计 |
3.1 系统需求分析 |
3.2 架构设计 |
3.3 本章小结 |
第四章 异构环境多模型训练算法研究 |
4.1 问题描述 |
4.2 算法研究 |
4.3 算法实现 |
4.4 算法复杂度分析 |
4.5 本章小结 |
第五章 系统实现与实验结果分析 |
5.1 系统实现 |
5.2 实验设计 |
5.3 实验结果 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
个人简介 |
(6)面向视窗依赖机制的全景视频传输优化研究(论文提纲范文)
摘要 |
abstract |
主要符号对照表 |
主要缩略语对照表 |
第一章 绪论 |
1.1 研究意义与主要内容 |
1.1.1 研究背景与意义 |
1.1.2 主要研究内容 |
1.2 国内外相关技术的研究现状 |
1.2.1 视窗依赖的全景视频传输策略 |
1.2.2 全景内容封装与传输标准化 |
1.2.3 用户视觉质量与压缩码率模型 |
1.2.4 基于视窗预测的传输系统优化 |
1.3 论文结构及主要贡献 |
第二章 视窗依赖机制下面向交互延时的视觉质量建模 |
2.1 引言 |
2.2 主观实验设计与数据采集 |
2.2.1 全景视频选择与分组 |
2.2.2 测试序列制作与实验方法 |
2.2.3 数据处理 |
2.3 多维度的视觉质量建模 |
2.3.1 情景A:Q_l转变到Q_(Hst) |
2.3.2 情景B:Q_(Lst)转变到Q_h |
2.3.3 情景C:Q_l转变到Q_h |
2.4 基于真实传输系统的模型验证 |
2.4.1 视窗依赖的传输系统要素 |
2.4.2 基于RWP处理的传输系统与模型验证 |
2.5 本章小结 |
第三章 针对编码参数耦合影响的压缩码率预测模型 |
3.1 引言 |
3.2 全景视频码率模型构建 |
3.2.1 码率数据分析 |
3.2.2 码率模型构建 |
3.3 基于内容特征的模型参数预测 |
3.3.1 内容特征描述 |
3.3.2 模型参数预测 |
3.4 面向编码结构与分块方式的模型验证 |
3.4.1 面向编码结构的模型有效性 |
3.4.2 分块视频帧尺寸的影响 |
3.5 本章小结 |
第四章 面向视窗内外非均衡质量有效配置的传输优化 |
4.1 引言 |
4.2 视窗依赖的传输策略与统计模型 |
4.2.1 面向视窗依赖机制的OMAF文件 |
4.2.2 视窗依赖的传输策略对比分析 |
4.2.3 针对全景视频传输的统计模型 |
4.3 面向非均衡质量分配的传输优化 |
4.3.1 优化问题描述 |
4.3.2 场景一:视窗内内容配置为最高质量 |
4.3.3 场景二:仅以量化步长调整视频质量 |
4.3.4 基于真实传输系统的主观验证 |
4.3.5 媒体片段时长的影响 |
4.4 结合视窗预测的动态视觉质量优化 |
4.4.1 基于HMM的视窗预测算法 |
4.4.2 基于预测性能的动态视觉质量优化 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
攻读学位期间申请的专利 |
攻读学位期间参与的项目 |
攻读学位期间被采纳的标准提案 |
(7)XM公司手机市场营销策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第二章 研究的理论基础 |
2.1 4P营销理论 |
2.2 STP理论 |
2.3 SWOT分析法 |
第三章 XM公司手机市场营销现状 |
3.1 XM公司简介 |
3.2 XM公司手机市场现行营销策略 |
3.2.1 XM公司STP战略 |
3.2.2 XM公司4P营销组合 |
3.3 XM公司营销存在的主要问题 |
3.3.1 STP战略问题 |
3.3.2 营销组合问题 |
第四章 XM公司手机市场营销环境分析 |
4.1 宏观环境分析 |
4.1.1 政治环境分析 |
4.1.2 经济环境分析 |
4.1.3 法律环境分析 |
4.1.4 海外市场人口环境分析 |
4.1.5 技术环境分析 |
4.2 微观环境分析 |
4.2.1 供应商环境分析 |
4.2.2 营销中介环境分析 |
4.2.3 竞争环境分析 |
4.2.4 购买者议价能力分析 |
4.3 SWOT分析及结论 |
4.3.1 优势分析 |
4.3.2 劣势分析 |
4.3.3 机会分析 |
4.3.4 威胁分析 |
4.3.5 SWOT分析结论 |
第五章 XM公司市场营销策略优化 |
5.1 XM公司手机市场STP战略 |
5.1.1 市场细分 |
5.1.2 目标市场选择 |
5.1.3 市场定位 |
5.2 XM公司手机营销组合策略制定 |
5.2.1 产品策略 |
5.2.2 价格策略 |
5.2.3 渠道策略 |
5.2.4 促销策略 |
5.3 XM公司市场营销策略优化的实施保障措施 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间参加科研情况及获得的学术成果 |
(9)内镜图像中手术器械分割及手术钳末端位姿估计的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 语义分割研究现状 |
1.2.2 内镜医疗图像分割研究现状 |
1.2.3 目标位姿估计研究现状 |
1.3 课题难点 |
1.4 本文的主要研究内容 |
第2章 高性能手术器械分割网络设计 |
2.1 模拟数据集的制作 |
2.1.1 多器械内镜微创手术模拟平台的搭建 |
2.1.2 数据采集与预处理 |
2.2 基于经典深度语义分割网络的手术器械分割 |
2.2.1 高精度分割网络 |
2.2.2 实时分割网络 |
2.2.3 医疗图像分割网络 |
2.2.4 实验结果 |
2.3 高性能手术器械分割网络设计 |
2.3.1 特征提取网络的轻量化设计 |
2.3.2 注意力机制的引入 |
2.3.3 多尺度上下文特征的提取与融合 |
2.3.4 网络设计与实现 |
2.3.5 实验结果 |
2.4 本章小结 |
第3章 基于MICCAI数据集对网络的验证和改进 |
3.1 网络在真实内镜图像上的有效性验证 |
3.2 组合损失函数设计 |
3.2.1 引入形状先验的边界损失函数设计 |
3.2.2 正负难易样本平衡 |
3.2.3 实验结果 |
3.3 门机制特征选择 |
3.3.1 横向连接引入注意力机制 |
3.3.2 门控特征选择设计 |
3.3.3 实验结果 |
3.4 数据增强 |
3.4.1 数据增强方式 |
3.4.2 数据增强训练 |
3.4.3 实验结果 |
3.5 本章小结 |
第4章 高性能手术钳末端位姿估计算法设计 |
4.1 基于关键点检测技术的手术钳末端位姿估计算法探讨 |
4.1.1 关键点的选取 |
4.1.2 基于关键点的手术钳末端位姿推理算法设计 |
4.1.3 多任务学习网络设计 |
4.1.4 网络分析 |
4.2 基于分割图的手术钳末端位姿估计算法设计 |
4.2.1 分析任务相关性 |
4.2.2 手术钳最小外接矩形的获得 |
4.2.3 手术钳末端位姿的确定 |
4.2.4 整个手术钳末端位姿估计算法设计 |
4.2.5 实验结果 |
4.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(10)基于人体姿态识别的运动辅助评测系统研究与应用(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究综述 |
1.2.1 人体姿态识别技术综述 |
1.2.2 动作评价方法研究综述 |
1.2.3 运动辅助系统研究综述 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 本文结构安排 |
2 相关技术和理论 |
2.1 卷积神经网络 |
2.1.1 特征提取 |
2.1.2 VGGNet |
2.2 人体姿态识别技术 |
2.2.1 人体关键点检测 |
2.2.2 关键点处理 |
2.3 动作评价方法 |
2.3.1 基于模板的方法 |
2.3.2 基于状态空间的方法 |
2.4 本章小结 |
3 人体姿态识别模块实现与改进 |
3.1 人体姿态识别模块 |
3.1.1 模块整体介绍 |
3.1.2 Open Pose开源库 |
3.2 Open Pose姿态识别实现 |
3.2.1 安装配置 |
3.2.2 识别效果 |
3.3 Open Pose姿态识别改进 |
3.3.1 待测数据处理 |
3.3.2 识别效果 |
3.4 关节点选取 |
3.5 本章小结 |
4 动作评价方法及实现 |
4.1 动作描述规则 |
4.1.1 关节角指标 |
4.1.2 动作相似度 |
4.2 动作评价 |
4.2.1 单个动作评价 |
4.2.2 连续动作评价 |
4.3 实验结果分析 |
4.4 本章小结 |
5 运动辅助评测系统设计与实现 |
5.1 系统开发平台 |
5.1.1 硬件平台 |
5.1.2 软件平台 |
5.2 系统需求分析 |
5.2.1 功能性需求分析 |
5.2.2 非功能性需求分析 |
5.3 系统整体概要设计 |
5.4 系统详细设计与实现 |
5.4.1 登陆模块 |
5.4.2 个人信息模块 |
5.4.3 标准动作数据库模块 |
5.4.4 辅助教学模块 |
5.4.5 总体评测模块 |
5.5 系统测试 |
5.5.1 建立标准动作数据库 |
5.5.2 辅助教学 |
5.5.3 总体评测 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录 A:作者攻读硕士学位期间发表论文及科研情况 |
致谢 |
四、DIYer追求的“高性能”电脑之原始评测(论文参考文献)
- [1]基于数据驱动的电力系统暂态稳定评估[D]. 颜融. 浙江大学, 2021(09)
- [2]基于时域分析的视频动作定位和识别研究[D]. 龙拂尘. 中国科学技术大学, 2021(09)
- [3]面向短文本的情感分析关键技术研究[D]. 邓钰. 电子科技大学, 2021(01)
- [4]夏热冬冷地区高大空间公共建筑低碳设计研究[D]. 刘科. 东南大学, 2021
- [5]基于Flink的异构环境下多模型并行训练系统的研究与实现[D]. 陈永峰. 北方民族大学, 2021(08)
- [6]面向视窗依赖机制的全景视频传输优化研究[D]. 谢绍伟. 上海交通大学, 2020(01)
- [7]XM公司手机市场营销策略研究[D]. 张侯瑞. 西安石油大学, 2020(11)
- [8]教育部关于印发普通高中课程方案和语文等学科课程标准(2017年版2020年修订)的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [9]内镜图像中手术器械分割及手术钳末端位姿估计的研究[D]. 王紫云. 哈尔滨工业大学, 2020(01)
- [10]基于人体姿态识别的运动辅助评测系统研究与应用[D]. 胡雪奎. 重庆师范大学, 2020(05)