欧鸥
- 作品数：38 被引量：22H指数：2
- 供职机构：成都理工大学更多>>
- 发文基金：四川省应用基础研究计划项目更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 一种基于区块链多通道技术的汽车供应链安全保护方法
- 本发明公开了一种基于区块链多通道技术的汽车供应链安全保护方法，该方法包括(S1)使用两层体系结构构建区块链系统，用户使用node.js服务器提供的Web前端与演示进行交互；(S2)基于node.js服务器的Hyperle...
- 刘明哲蒋鑫王坤李冬芬欧鸥李军
- 文献传递
- 一种高泛用性滑坡位移速率预警方法
- 本发明公开了一种高泛用性滑坡位移速率预警方法，包括步骤：S100：采集不同已滑坡地域在滑坡前后的历史滑坡数据，对历史滑坡数据进行预处理；S200：采用历史滑坡数据训练大型神经网络模型，对已训练的大型神经网络模型进行知识蒸...
- 欧鸥张伟劲冷小鹏林祥李明春
- 文献传递
- 一种智能毛巾架及其控制系统
- 本发明提供一种智能毛巾架及其控制系统，包括衣架主体、显示屏和控制系统，显示屏安装在衣架主体的外表面，衣架主体的下方设置有置物架，控制系统安装在衣架主体内部，控制系统包括微型中央处理器、储存器、温度传感器、红外人体传感器、...
- 秦辉欧鸥
- 文献传递
- 一种基于集成学习的滑坡误报识别方法
- 本发明公开了一种基于集成学习的滑坡误报识别方法，包括滑坡告警及滑坡的类别预设；构建滑坡误报识别单元，包括一类学习器和二类学习器；一类学习器包括经过预训练的n个二分类基学习器和m个多分类基学习器；二类学习器包括二分类计票器...
- 欧鸥孙伟智蒋浩杨长志赵俊兴
- 多层结合的多阶显式交互的融合推荐模型被引量：1
- 2022年
- 现有不少模型着眼于对有限数据通过生成显式特征交互以进行挖掘来提升点击率预测效果,但存在以下问题:对于原特征与新生成的显式特征,直接一起输入到一个统一的神经网络结构进行挖掘然后输出,由于两者参数量差别较大导致在表征上差异巨大;同时如果直接采用多级层数的神经网络结构还会导致低层,如第一、二层信息的丢失,但若直接将各层进行累加以结合,则一些层中有用性有限的信息可能成为噪声以影响预测。为此设计多层权重结合的多阶显式交互的融合推荐模型,通过将原数据与生成的多阶显式特征分别放入各自对应的自注意力层中挖掘,其中各自对应结构的层数不同,同时对各层进行加权后输出以完成多层的结合,以提高点击率预测效果。通过在两个公开数据集上与多个不同模型进行比较分析,并对模型进行消融对比和超参数对比实验,证明了该模型能有效挖掘原特征与显式交互特征信息,平衡各阶特征表征能力。
- 孙伟智欧鸥杜雪垒罗凯耀
- 关键词：推荐系统
- 一种时间域电磁数据反演成像方法
- 一种时间域电磁数据反演成像方法，包括以下步骤：S1：将电磁测量数据进行CDI成像，得到地层初始模型；S2：根据Tikhonov正则化方法建立非线性目标函数；S3：利用全波形灵敏度矩阵<Image file="DDA000...
- 吴旭欧鸥冷小鹏向东升
- 文献传递
- 基于A-Star算法的移动机器人复杂路径规划方法
- 本发明公开了一种基于A‑Star算法的移动机器人复杂路径规划方法，包括步骤：获取环境地图并栅格化，在环境地图上标记障碍物、移动机器人的起点A和终点B；同时以A和B为起始节点、以对向的当前节点为目标节点，展开双向搜索，搜索...
- 欧鸥李林吴旭吴强
- 基于多模型融合检测的平面裂隙光学检测方法
- 本发明公开了一种基于多模型融合检测的平面裂隙光学检测方法，包括构造数据集；选取n个分类识别网络用数据集训练得到n个分类模型；构造图像P的多模型权重向量D，基于形态学分析更新D得到D<Sup>1</Sup>；基于运动学更新...
- 欧鸥杨钰轩王钰洁李建
- 基于改进YOLOv5s的水果图像识别
- 2023年
- 针对已有的水果识别模型在复杂场景下识别准确率低、推理耗时长、对硬件要求高等问题,提出了一种适用于复杂场景下轻量级的水果识别模型YOLOv5s_CB_CA。在YOLOv5s目标检测算法的基础上,对主干特征提取网络Backbone引入卷积注意力机制CBAM,丰富空间和通道维度的特征信息;并采用特征图上采样CARAFE替换原始上采样,减少计算量、提高识别速度。将改进算法与YOLOv5s算法在水果图像数据集作对比。实验结果表明:YOLOv5s_CB_CA算法平均精度(mAP)达到了96.5%、召回率(Recall)达到了93.5%,使模型体积缩小了约14%。YOLOv5s_CB_CA算法提高了检测精度和召回率、缩小了模型体积,证明了该算法的有效性。
- 罗荔豪欧鸥赵伟黄元刘学虎
- 关键词：目标检测
- 基于动态特征提取的深度推荐模型
- 2023年
- 随着互联网技术的快速发展,推荐系统在各个领域有着举足轻重的作用,点击率预测是推荐系统的重要组成部分,如今深度学习在推进系统中有着广泛的运用。近些年来,在原始特征提取上提出了很多关于深度学习模型,但特征之间的相关性和每组特征的权重对点击率预测精度有重要的影响。基于此提出了一种新的SEDeepFM模型,此模型对每组特征进行自适应学习得到相应的权重,将对应权重与原始特征进行乘积计算,从而得到新特征,将新生的特征层与DeepFM模型组合。最后构建的新模型在Movielens数据集上与其它的推荐算法模型进行比较,实验表明该模型取得更好的效果。
- 陈建林董欣悦欧鸥
- 关键词：特征提取
