2023年第6卷第24期

      研究论文

    • 深度学习下的小样本玉米叶片病害识别研究

      李婷婷, 王晴晴, 唐琦, 张浩, 惠向晖
      2023, 6(24): 1-5. DOI: 10.3969/j.issn.2096-6091.2023.24.001
      摘要：通过深度学习网络模型来实现玉米叶片病害识别分类已成为主流，但深度学习的模型需要拥有较多的数据集，然而实际情况是人工获得的样本种类和数据是有限的，且小样本数据集下的模型容易出现过度拟合从而丧失泛化能力。基于此背景，本文提出了一种迁移学习下的小样本玉米叶片病害识别方法，一方面从迁移学习角度出发，解决了因少样本而导致模型泛化差的问题；另一方面从深度学习的方向出发，采用并训练AlexNet、ResNet50和MobileNetV2模型，并对比三种模型在基于迁移学习下的病害识别准确率。研究结果表明，迁移学习有助于提高小样本泛化能力，MobileNetV2模型更适合小样本玉米叶片病害的识别。  
      关键词：小样本;病害识别;迁移学习;深度学习   
      171
      |
      298
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 62071805 false
      更新时间：2025-03-26

    • 真实世界超分辨率—语义分割联合框架研究

      刘晓, 王正勇, 何小海, 任超
      2023, 6(24): 6-11. DOI: 10.3969/j.issn.2096-6091.2023.24.002
      摘要：现有的语义分割方法在干净的图像上可以产生较好的结果，但是在干净图像上训练的分割模型应用到真实世界的图像上时则会出现性能下降，这是因为训练域和测试域之间存在域间隙，从而降低了分割的准确性。针对真实世界语义分割的问题，本文提出了一种超分辨率—语义分割联合框架，用于提升语义分割准确性。具体来说，所提出的框架嵌入了一个两分支网络，其中包括超分辨率分支、语义分割分支和一个特征共享模块。超分辨率任务鼓励网络找到对不同分辨率特征鲁棒的表示，从而分割头部可以使用恢复的“干净”特征进行更好的预测。其中超分辨率分支仅配置在训练过程中，在推理阶段可以丢弃。基于构建的伪真实配对数据集CityDeg进行监督训练，提出的框架联合现有先进的语义分割方法能够在不引入额外计算成本的情况下有效提高低分辨率场景语义分割性能。  
      关键词：超分辨率;语义分割;联合框架;深度学习   
      145
      |
      453
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 56265791 false
      更新时间：2025-03-26

    • 基于可解释性机器学习的阿尔茨海默症痴呆风险预测

      富丹, 孙悦, 郭金兴, 陈广新, 韩杨
      2023, 6(24): 12-16. DOI: 10.3969/j.issn.2096-6091.2023.24.003
      摘要：阿尔茨海默病（AD）是当今社会面临的重要挑战之一，早期诊断对于有效治疗AD至关重要。本研究探索了机器学习算法在预测AD风险方面的应用，并使用了多种模型进行比较。结果显示选择的多种模型，由于数据集中的缺失值，预测效果并不理想。SHAP特征分析揭示了抑郁症和APOE ε4等位基因在模型预测中的关键作用。未来的研究应进一步探索这些遗传和环境因素对AD发病机制的影响，并利用先进技术优化预测模型，以提高早期诊断和干预能力，为阿尔茨海默症的预防和治疗提供更精准有效的方法。  
      关键词：机器学习;SHAP;模型可解释性;风险预测   
      204
      |
      187
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 56210816 false
      更新时间：2025-03-26

    • 以云网智算融合为基础的数字家庭操作系统研究与实践

      吕超, 王晨昕, 于雷, 刘彧
      2023, 6(24): 17-22. DOI: 10.3969/j.issn.2096-6091.2023.24.004
      摘要：本文基于云网智算融合技术，探讨数字家庭操作系统的设计与实践。首先介绍家庭操作系统的概念与架构，包括基本概念、资源层抽象、家庭层抽象、调度原理。其次详细讨论家庭操作系统的资源调度模型，包括资源的抽象与量化、家庭资源调度模型的构建与管理。最后，通过实践案例展示数字家庭操作系统在提升家庭生活质量、优化资源利用等方面的应用与成效。  
      关键词：云网智算融合;数字家庭;操作系统;资源调度;分布式系统   
      108
      |
      117
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 62073338 false
      更新时间：2025-03-26

      综述

    • 广电网络技术应用的现状及趋势

      王飞, 王彩屏, 周志强, 汤德辉, 史萌
      2023, 6(24): 23-28. DOI: 10.3969/j.issn.2096-6091.2023.24.005
      摘要：随着新一代信息技术和互联网的迅猛发展，技术的边界正在打破，新兴的信息技术正在融入广电行业，给传统的广电行业带来了前所未有的改变。如何深刻理解新技术的优势与特点，并与广电网络自身相结合，通过创新的理念，打造符合广电网络发展需求的产品、生态，让广电网络在激烈的市场竞争中求生存、谋发展，已经成为当下广电行业的重要课题。本文概述了IPv6、人工智能生成内容（AI Generated Content，AIGC）、卫星互联网、元宇宙、信息安全、5G新通话、WiFi7、Web4.0等广电网络相关技术在我国广电网络的应用现状和发展趋势。  
      关键词：广电网络;技术应用;趋势   
      185
      |
      403
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 73311493 false
      更新时间：2025-03-26

      科研通信

    • 人工智能引领未来：大语言模型在电力系统中的创新应用

      林向阳
      2023, 6(24): 29-34. DOI: 10.3969/j.issn.2096-6091.2023.24.006
      摘要：本文研究了大语言模型及人工智能在电力系统中的应用。首先，介绍了大语言模型的基本原理和特点，包括其发展历程和应用领域。其次，探讨了人工智能技术在电力系统中的应用现状和前景。分析了大语言模型在电力系统中的三个关键应用领域：电力负荷预测、电力设备故障诊断和电力系统安全评估。在电力负荷预测方面，大语言模型通过学习历史数据和环境特征，可实现准确的负荷预测，为电力系统运行和调度提供有力支持；在电力设备故障诊断方面，大语言模型能够根据设备运行状态和故障特征，自动识别和定位故障，提高设备故障的诊断效率；在电力系统安全评估方面，大语言模型能够分析系统运行数据和风险因素，快速评估系统的安全状态，提供预警和决策支持。最后，讨论了大语言模型及人工智能在电力系统应用中面临的挑战及对策。我们认为，随着大语言模型的不断发展和人工智能技术的不断创新，电力系统的运行效率和安全性将得到显著提升。  
      关键词：大语言模型;人工智能;电力系统   
      374
      |
      555
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 62071989 false
      更新时间：2025-03-26

    • 智慧校园弱电智能化优化设计和实施

      吴亦立
      2023, 6(24): 35-40. DOI: 10.3969/j.issn.2096-6091.2023.24.007
      摘要：随着科技的飞速发展，智慧校园建设业已成为当前教育领域的重要议题。智慧校园由智慧教室系统、智慧图书馆系统、校园信息管理系统、校园一卡通系统、广播系统、时钟系统、安防系统、火灾报警系统、校园机房服务器等组成。本文的智慧校园是根据各系统使用功能结合项目自身具体情况进行灵活设计，使用BIM设计进行关键技术上的验证，通过详细的设计、后期施工及验收，能正常实现各系统功能，在性价比、安全性、可靠性等方面尤为突出，值得其他同类智慧项目设计和实施借鉴。  
      关键词：智慧教室系统;监控系统;广播系统;门禁系统;电子钟系统   
      181
      |
      227
      |
      0
      <HTML>
      <网络PDF><WORD><Meta-XML>
      <引用本文> <批量引用> 63469067 false
      更新时间：2025-03-26
    0