期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到539篇文章
< 1 2 … 27 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
DDNet:A Novel Dynamic Lightweight Super-Resolution Algorithm for Arbitrary Scales 认领 引用
1
作者 Yiqiao Gong Chunlai Wu +4 位作者 Wenfeng Zheng Siyu Lu Guangyu Xu Lijuan Zhang Lirong Yin 《Computer Modeling in Engineering & Sciences》 SCIE EI 2025年第11期2223-2252,共30页
Recent Super-Resolution(SR)algorithms often suffer from excessive model complexity,high computational costs,and limited flexibility across varying image scales.To address these challenges,we propose DDNet,a dynamic an... Recent Super-Resolution(SR)algorithms often suffer from excessive model complexity,high computational costs,and limited flexibility across varying image scales.To address these challenges,we propose DDNet,a dynamic and lightweight SR framework designed for arbitrary scaling factors.DDNet integrates a residual learning structure with an Adaptively fusion Feature Block(AFB)and a scale-aware upsampling module,effectively reducing parameter overhead while preserving reconstruction quality.Additionally,we introduce DDNetGAN,an enhanced variant that leverages a relativistic Generative Adversarial Network(GAN)to further improve texture realism.To validate the proposed models,we conduct extensive training using the DIV2K and Flickr2K datasets and evaluate performance across standard benchmarks including Set5,Set14,Urban100,Manga109,and BSD100.Our experiments cover both symmetric and asymmetric upscaling factors and incorporate ablation studies to assess key components.Results show that DDNet and DDNetGAN achieve competitive performance compared with mainstream SR algorithms,demonstrating a strong balance between accuracy,efficiency,and flexibility.These findings highlight the potential of our approach for practical real-world super-resolution applications. 展开更多
关键词 DDNet DDNetGAN fully dynamic lightweight arbitrary scale super-resolution algorithm
暂未订购 下载PDF
SW-YOLO:Lightweight Attitude Estimation Algorithm Based on Weighted Convolution and Star Network 认领 引用
2
作者 Qian Xu 《Journal of Electronic Research and Application》 2025年第5期192-199,共8页
This paper proposes SW-YOLO(StarNet Weighted-Conv YOLO),a lightweight human pose estimation network for edge devices.Current mainstream pose estimation algorithms are computationally inefficient and have poor feature ... This paper proposes SW-YOLO(StarNet Weighted-Conv YOLO),a lightweight human pose estimation network for edge devices.Current mainstream pose estimation algorithms are computationally inefficient and have poor feature capture capabilities for complex poses and occlusion scenarios.This work introduces a lightweight backbone architecture that integrates WConv(Weighted Convolution)and StarNet modules to address these issues.Leveraging StarNet’s superior capabilities in multi-level feature fusion and long-range dependency modeling,this architecture enhances the model’s spatial perception of human joint structures and contextual information integration.These improvements significantly enhance robustness in complex scenarios involving occlusion and deformation.Additionally,the introduction of WConv convolution operations,based on weight recalibration and receptive field optimization,dynamically adjusts feature importance during convolution.This reduces redundant computations while maintaining or enhancing feature representation capabilities at an extremely low computational cost.Consequently,SW-YOLO substantially reduces model complexity and inference latency while preserving high accuracy,significantly outperforming existing lightweight networks. 展开更多
关键词 YOLO11-Pose WConv StarNet Lightweight algorithms Feature fusion
暂未订购 下载PDF
Tree Detection Algorithm Based on Embedded YOLO Lightweight Network 认领 引用 被引量：1
3
作者 吕峰 王新彦 +2 位作者 李磊 江泉 易政洋 《Journal of Shanghai Jiaotong university(Science)》 EI 2024年第3期518-527,共10页
To avoid colliding with trees during its operation,a lawn mower robot must detect the trees.Existing tree detection methods suffer from low detection accuracy(missed detection)and the lack of a lightweight model.In th... To avoid colliding with trees during its operation,a lawn mower robot must detect the trees.Existing tree detection methods suffer from low detection accuracy(missed detection)and the lack of a lightweight model.In this study,a dataset of trees was constructed on the basis of a real lawn environment.According to the theory of channel incremental depthwise convolution and residual suppression,the Embedded-A module is proposed,which expands the depth of the feature map twice to form a residual structure to improve the lightweight degree of the model.According to residual fusion theory,the Embedded-B module is proposed,which improves the accuracy of feature-map downsampling by depthwise convolution and pooling fusion.The Embedded YOLO object detection network is formed by stacking the embedded modules and the fusion of feature maps of different resolutions.Experimental results on the testing set show that the Embedded YOLO tree detection algorithm has 84.17%and 69.91%average precision values respectively for trunk and spherical tree,and 77.04% mean average precision value.The number of convolution parameters is 1.78×106,and the calculation amount is 3.85 billion float operations per second.The size of weight file is 7.11MB,and the detection speed can reach 179 frame/s.This study provides a theoretical basis for the lightweight application of the object detection algorithm based on deep learning for lawn mower robots. 展开更多
关键词 Embedded YOLO algorithm lightweight model machine vision tree detection mowing robot
暂未订购 下载PDF
An Anti-Physical Attack Scheme of ARX Lightweight Algorithms for IoT Applications 认领 引用
4
作者 Qiang Zhi Xiang Jiang +3 位作者 Hangying Zhang Zhengshu Zhou Jianguo Ren Tong Huang 《Computer Systems Science & Engineering》 SCIE EI 2023年第7期389-402,共14页
The lightweight encryption algorithm based on Add-Rotation-XOR(ARX)operation has attracted much attention due to its high software affinity and fast operation speed.However,lacking an effective defense scheme for phys... The lightweight encryption algorithm based on Add-Rotation-XOR(ARX)operation has attracted much attention due to its high software affinity and fast operation speed.However,lacking an effective defense scheme for physical attacks limits the applications of the ARX algorithm.The critical challenge is how to weaken the direct dependence between the physical information and the secret key of the algorithm at a low cost.This study attempts to explore how to improve its physical security in practical application scenarios by analyzing the masking countermeasures of ARX algorithms and the leakage causes.Firstly,we specify a hierarchical security framework by quantitatively evaluating the indicators based on side-channel attacks.Then,optimize the masking algorithm to achieve a trade-off balance by leveraging the software-based local masking strategies and non-full-round masking strategies.Finally,refactor the assembly instruction to improve the leaks by exploring the leakage cause at assembly instruction.To illustrate the feasibility of the proposed scheme,we further conducted a case study by designing a software-based masking method for Chaskey.The experimental results show that the proposed method can effectively weaken the impact of physical attacks. 展开更多
关键词 IoT security lightweight encryption anti-physical attack ARX algorithms
暂未订购 下载PDF
SPD-YOLO:A Novel Lightweight YOLO Modelfor Road Information Detection 认领 引用
5
作者 Guoliang Li Xianxin Ke +1 位作者 Tao Xue Xiangyu Liao 《Journal of Beijing Institute of Technology》 EI CAS 2025年第5期482-495,共14页
Rapid and high-precision speed bump detection is critical for autonomous driving and road safety,yet it faces challenges from non-standard appearances and complex environments.To address this issue,this study proposes... Rapid and high-precision speed bump detection is critical for autonomous driving and road safety,yet it faces challenges from non-standard appearances and complex environments.To address this issue,this study proposes a you only look once(YOLO)algorithm for speed bump detection(SPD-YOLO),a lightweight model based on YOLO11s that integrates three core innova-tive modules to balance detection precision and computational efficiency:it replaces YOLO11s’original backbone with StarNet,which uses‘star operations’to map features into high-dimensional nonlinear spaces for enhanced feature representation while maintaining computational efficiency;its neck incorporates context feature calibration(CFC)and spatial feature calibration(SFC)to improve detection performance without significant computational overhead;and its detection head adopts a lightweight shared convolutional detection(LSCD)structure combined with GroupNorm,minimizing computational complexity while preserving multi-scale feature fusion efficacy.Experi-ments on a custom speed bump dataset show SPD-YOLO achieves a mean average precision(mAP)of 79.9%,surpassing YOLO11s by 1.3%and YOLO12s by 1.2%while reducing parameters by 26.3%and floating-point operations per second(FLOPs)by 29.5%,enabling real-time deploy-ment on resource-constrained platforms. 展开更多
关键词 lightweight object detection road speed bump detection YOLO11 algorithm
暂未订购 下载PDF
Random Strip Peeling:A novel lightweight image encryption for IoT devices based on colour planes permutation 认领 引用
6
作者 Kenan Ince Cemile Ince Davut Hanbay 《CAAI Transactions on Intelligence Technology》 SCIE EI CSCD 2025年第2期529-544,共16页
This paper introduces a novel lightweight colour image encryption algorithm,specifically designed for resource-constrained environments such as Internet of Things(IoT)devices.As IoT systems become increasingly prevale... This paper introduces a novel lightweight colour image encryption algorithm,specifically designed for resource-constrained environments such as Internet of Things(IoT)devices.As IoT systems become increasingly prevalent,secure and efficient data transmission becomes crucial.The proposed algorithm addresses this need by offering a robust yet resource-efficient solution for image encryption.Traditional image encryption relies on confusion and diffusion steps.These stages are generally implemented linearly,but this work introduces a new RSP(Random Strip Peeling)algorithm for the confusion step,which disrupts linearity in the lightweight category by using two different sequences generated by the 1D Tent Map with varying initial conditions.The diffusion stage then employs an XOR matrix generated by the Logistic Map.Different evaluation metrics,such as entropy analysis,key sensitivity,statistical and differential attacks resistance,and robustness analysis demonstrate the proposed algorithm's lightweight,robust,and efficient.The proposed encryption scheme achieved average metric values of 99.6056 for NPCR,33.4397 for UACI,and 7.9914 for information entropy in the SIPI image dataset.It also exhibits a time complexity of O(2×M×N)for an image of size M×N. 展开更多
关键词 chaotic encryption image scrambling algorithm lightweight image encryption symmetric encryption
暂未订购 下载PDF
Lightweight Algorithm for MQTT Protocol to Enhance Power Consumption in Healthcare Environment 认领 引用 被引量：1
7
作者 Anwar D.Alhejaili Omar H.Alhazmi 《Journal on Internet of Things》 2022年第1期21-33,共13页
Internet of things(IoT)is used in various fields such as smart cities,smart home,manufacturing industries,and healthcare.Its application in healthcare has many advantages and disadvantages.One of its most common proto... Internet of things(IoT)is used in various fields such as smart cities,smart home,manufacturing industries,and healthcare.Its application in healthcare has many advantages and disadvantages.One of its most common protocols is Message Queue Telemetry Transport(MQTT).MQTT protocol works as a publisher/subscriber which is suitable for IoT devices with limited power.One of the drawbacks of MQTT is that it is easy to manipulate.The default security provided by MQTT during user authentication,through username and password,does not provide any type of data encryption,to ensure confidentiality or integrity.This paper focuses on the security of IoT healthcare over the MQTT protocol,through the implementation of lightweight generating and key exchange algorithms.The research contribution of this paper is twofold.The first one is to implement a lightweight generating and key exchange algorithm for MQTT protocol,with the key length of 64 bits through OMNET++simulation.The second one is to obtain lower power consumption from some existing algorithms.Moreover,the power consumption through using the proposed algorithm is 0.78%,1.16%,and 1.93% of power for 256 bits,512 bits,and 1024 respectively.On the other hand,the power consumption without using the encryption is 0.25%,0.51%,and 1.03% for the same three payloads length. 展开更多
关键词 Lightweight algorithm IoT healthcare MQTT power consumption
暂未订购 下载PDF
基于轻量级教育大模型的个性化实践学习资料动态推荐 认领 引用 被引量：3
8
作者 翟洁 李艳豪 +1 位作者 陈乐旋 郭卫斌 《计算机科学》 CSCD 北大核心 2026年第2期48-56,共9页
人工智能技术在教育领域的深度应用,已成为国家教育数字化转型的核心战略。在计算机实践教学领域,实践学习资料的精准推荐是提升学生学习效能与质量的重要途径。针对高校教育规模化与学生需求多元化之间的矛盾,提出一种基于轻量级教育... 人工智能技术在教育领域的深度应用,已成为国家教育数字化转型的核心战略。在计算机实践教学领域,实践学习资料的精准推荐是提升学生学习效能与质量的重要途径。针对高校教育规模化与学生需求多元化之间的矛盾,提出一种基于轻量级教育大模型的个性化实践学习资料推荐模型LightPLRec(Lightweight Personalized Learning Recommender for Dynamic Practice Materials),旨在依据学生个体特征的动态变化智能推荐个性化的实践学习资料。基于低算力需求的轻量级大模型,通过指令微调和强化学习方法构建了面向个性化实践学习资料推荐的教育大模型SPIR(Student Profile&Interest-based Re-commender)。通过整合多源异构数据,深度融入课程知识体系、学科前沿动态、产业发展趋势、国家战略导向,构建了跨学科、多模态的实践学习资料库,并设计了图转主题文本方法gragh2topic。依托于SPIR大模型的强大赋能和多源资料库的坚实支撑,提出了基于智能工作流的资料推荐方法。设计主题分析方法从学生能力评估结果中提取学生的能力特征,应用图卷积网络算法GCN从学生学习行为数据中挖掘学生的兴趣特征,创建了“能力-推荐智能体”和“兴趣-推荐智能体”,构建了双智能体协同驱动的智能化流程体系,实现了从学生个性化画像智能生成到实践学习资料动态推荐的系列工作流任务;并且构建了个性化资料推荐数据集,在该数据集上验证了所提模型的性能显著优于基线模型。其中,以Qwen2.5-3.0B为基模型训练的LightPLRec模型,在能力推荐与兴趣推荐这两项任务中展现出卓越性能,准确率分别高达0.947和0.939,其表现均优于DeepSeek-V3在同一数据集上的测评结果。该研究为教育大模型的垂直场景应用提供了技术范式,同时通过创建个性化实践学习资料动态推荐模型,为践行“因材施教”理念和培育高素质计算机实践人才提供了创新路径。 展开更多
关键词 轻量级教育大模型 个性化推荐 GCN算法 智能工作流 智能体 强化学习
暂未订购 下载PDF
一种轻量级道路缺陷检测算法 认领 引用 被引量：1
9
作者 路成龙 庆光蔚 +1 位作者 孙勇 倪大进 《汽车工程学报》 2026年第3期395-405,共11页
针对现有道路缺陷检测方法精度不足、参数量较大且不利于边缘部署等问题,提出一种轻量级道路缺陷检测算法RDD-YOLOv8。设计主干网络RepHGNetV2,保证检测精度的同时提高轻量化水平。引入SimAM注意力机制,提高算法的整体性能。在Neck中引... 针对现有道路缺陷检测方法精度不足、参数量较大且不利于边缘部署等问题,提出一种轻量级道路缺陷检测算法RDD-YOLOv8。设计主干网络RepHGNetV2,保证检测精度的同时提高轻量化水平。引入SimAM注意力机制,提高算法的整体性能。在Neck中引入GSConv,构建VoVGSCSP模块,形成Slimneck结构,进一步提高算法的轻量化水平。采用RDD-2022数据集进行试验,RDD-YOLOv8相对改进前YOLOv8n算法,mAP0.5及mAP0.5∶0.95均提高0.7个百分点,Flops下降24.7%,Params下降29.2%,增强了实时检测性能。 展开更多
关键词 道路缺陷检测 轻量级算法 无参数注意力机制 Slimneck模块 主干网络
暂未订购 下载PDF
边缘计算中轻量化人工智能算法优化方法研究 认领 引用 被引量：1
10
作者 杨雄 卓禀航 +2 位作者 吴志诚 陈儒晖 贺朋飞 《贵州大学学报（自然科学版）》 2026年第3期20-25,共6页
随着物联网与5G技术的快速发展,边缘计算因其低延迟、高带宽及数据本地化处理等优势,逐渐成为人工智能模型部署的重要计算架构。然而,传统深度学习模型在参数规模和计算复杂度上存在显著瓶颈,难以直接适应资源受限的边缘设备。本文围绕... 随着物联网与5G技术的快速发展,边缘计算因其低延迟、高带宽及数据本地化处理等优势,逐渐成为人工智能模型部署的重要计算架构。然而,传统深度学习模型在参数规模和计算复杂度上存在显著瓶颈,难以直接适应资源受限的边缘设备。本文围绕边缘计算环境下的轻量化人工智能算法优化展开研究,首先,分析了模型压缩、网络剪枝、参数量化、知识蒸馏等轻量化方法在边缘设备上的适用性与局限性;其次,构建了融合剪枝与量化的混合优化策略,并在典型边缘计算平台上进行了部署实验;最后,通过延迟、吞吐量、能耗及推理精度等指标对优化前后的模型性能进行对比分析。实验结果表明,该优化策略在保持精度下降不超过2%的前提下,将模型推理延迟降低约35%,功耗降低约22%,显著提升了轻量化算法在边缘计算环境下的综合性能。本研究为资源受限场景下人工智能模型的高效部署提供了参考。 展开更多
关键词 边缘计算 轻量化人工智能算法 模型优化 性能分析
暂未订购 下载PDF
基于全局-局部注意力机制的甘蔗病害分类算法 认领 引用
11
作者 邓健志 黄福兴 +3 位作者 王泽平 罗丽平 井佩光 李云 《农业机械学报》 EI CAS CSCD 北大核心 2026年第6期300-310,共11页
针对复杂自然场景下,甘蔗病斑受光照不均等干扰,识别难度大,检测效率低等问题,本文提出了一种基于全局-局部注意力机制的甘蔗病虫害分类算法(Sugarcane disease classification algorithm using global-local attention mechanism, SDCA... 针对复杂自然场景下,甘蔗病斑受光照不均等干扰,识别难度大,检测效率低等问题,本文提出了一种基于全局-局部注意力机制的甘蔗病虫害分类算法(Sugarcane disease classification algorithm using global-local attention mechanism, SDCA-GLAM)。为扩充模型容量,将改进的Vision Transformer (ViT)模型线性投影层替换为可变形的卷积模块,自适应地提取病斑纹理与叶片边缘信息;引入可重参数化的卷积结构以增强空间位置信息表达能力,在多层感知机环节融合深度卷积模块,用于挖掘高维空间特征;为减少模型参数量并提升检测准确率,设计全局-局部自注意力并行学习支路,局部支路采用窗口注意力细化高频纹理特征,全局支路引入池化策略压缩向量K/V的空间维度,并通过超参数α聚合关键区域信息;将层归一化操作替换为批归一化,以降低频繁reshape带来的内存开销和时间损耗。实验结果表明,SDCA-GLAM在包含11个类别的甘蔗叶片数据集上准确率达到88.26%,吞吐量达1 620幅/s,模型参数量为2.758×10~7,显著优于对比的主流模型。本文算法在准确率与效率之间取得了良好平衡,可为甘蔗病害移动端快速识别提供有效技术支撑。 展开更多
关键词 甘蔗 分类算法 轻量化模型 ViT 全局-局部注意力机制
暂未订购 下载PDF
列车轮对踏面缺陷的轻量级检测算法优化设计 认领 引用
12
作者 侯涛 任祎坤 牛宏侠 《西安交通大学学报》 EI CAS CSCD 北大核心 2026年第3期220-232,共13页
针对列车轮对踏面缺陷检测算法计算量、参数量较大,且高精度与低计算复杂度难以匹配等问题,提出一种基于YOLO11n算法的列车轮对踏面缺陷的轻量级检测算法。构建轻量化的高效幽灵开端(Ghost-Inceptiona)特征提取模块替代YOLO11n骨干网络... 针对列车轮对踏面缺陷检测算法计算量、参数量较大,且高精度与低计算复杂度难以匹配等问题,提出一种基于YOLO11n算法的列车轮对踏面缺陷的轻量级检测算法。构建轻量化的高效幽灵开端(Ghost-Inceptiona)特征提取模块替代YOLO11n骨干网络中的特征提取模块,降低模型的参数量与计算量,提高轮对踏面缺陷检测的精度和效率;在颈部网络中采用改进的带小卷积核的跨阶段部分连接瓶颈模块(C3k2_Faster-EMA)作为特征提取模块,提升算法对不同尺度下目标区域的特征提取融合能力,进而提高轮对踏面缺陷的检测精度;优化设计轻量化检测头,通过加入深度可分离卷积实现算法参数量、计算量的大幅降低;设计基于交并比(IoU)的改进损失函数(Focaler-PIoU),加强算法对不同尺度缺陷的适应性,提高踏面缺陷检测能力。实验结果表明:在自制列车轮对踏面缺陷的数据集上,所提改进算法的参数量减少了18.2%,计算量下降了28.6%,平均精度均值提升了2.3%。改进算法在提升踏面缺陷检测精度的前提下实现算法的轻量化改进,在轮对踏面缺陷检测中具有广泛的应用前景。 展开更多
关键词 列车轮对踏面 缺陷检测 YOLO11n算法 轻量化改进
暂未订购 下载PDF
基于改进YOLOv5s的旋转绝缘子缺陷检测 认领 引用
13
作者 朱文凯 李运堂 +7 位作者 张坤 李恒杰 冯娟 金杰 章聪 陈源 李孝禄 白金鹏 《计量学报》 CSCD 北大核心 2026年第2期271-282,共12页
针对航拍角度导致的水平矩形框中的绝缘子检测背景区域过大的问题,采用旋转目标框替代水平矩形框对绝缘子进行检测,构建Ghost-YOLOv5s网络,实现旋转绝缘子缺陷高精度、快速检测。将轻量化的GhostNet作为YOLOv5s主干网络,减少网络参数,... 针对航拍角度导致的水平矩形框中的绝缘子检测背景区域过大的问题,采用旋转目标框替代水平矩形框对绝缘子进行检测,构建Ghost-YOLOv5s网络,实现旋转绝缘子缺陷高精度、快速检测。将轻量化的GhostNet作为YOLOv5s主干网络,减少网络参数,提高检测速度;颈部网络采用双向特征金字塔结构,并引入可学习的通道权重进行自适应加权,加强网络浅层特征的有效复用,提高检测精度;头部网络预测模块引入旋转量,使预测框定位更精准,减少漏检,提高检测准确性;采用相对熵损失函数计算边界框回归损失,解决引入旋转量导致的损失值突变问题;添加第4检测层并聚类分析绝缘子数据集确定预测锚框尺寸,提高网络小目标检测精度;利用剪枝算法压缩模型体积,加快检测速度。实验结果表明:剪枝后的Ghost-YOLOv5s网络检测精度和速度分别为95.9%和78.6帧/s,满足绝缘子缺陷检测要求。 展开更多
关键词 绝缘子缺陷 旋转目标框 聚类分析 剪枝算法 航拍图像 轻量化
暂未订购 下载PDF
30轮LBC-IoT算法的线性分析 认领 引用
14
作者 李灵琛 陈佐甲 +1 位作者 韦永壮 叶涛 《通信学报》 EI CSCD 北大核心 2026年第2期209-218,共10页
为了评估LBC-IoT算法抵抗线性分析的能力,基于MILP自动化搜索技术,同时采用直接搜索和迭代线性逼近循环构建两种方法求解轮数最长的线性逼近集合,并在扩展轮数尽可能长的情况下得到每一条线性逼近的初始密钥猜测基。进一步结合最小猜测... 为了评估LBC-IoT算法抵抗线性分析的能力,基于MILP自动化搜索技术,同时采用直接搜索和迭代线性逼近循环构建两种方法求解轮数最长的线性逼近集合,并在扩展轮数尽可能长的情况下得到每一条线性逼近的初始密钥猜测基。进一步结合最小猜测基技术对初始密钥猜测基进行压缩,以此筛选出最优线性逼近进行密钥恢复攻击。结果表明,LBC-IoT算法共有6条线性偏差为2-15的23轮线性逼近,其中存在唯一一条最小猜测基仅为52 bit的最优线性逼近。基于该区分器向上和向下分别扩展3轮和4轮,首次对LBC-IoT算法发起了最长30轮的密钥恢复攻击。该攻击的数据、时间和存储复杂度分别为230个已知明文、277.9次30轮加密和252。相比已有结果,攻击轮数整体提升了4轮,导致LBC-IoT算法的安全冗余轮数不足7%,不建议用于实际的通信数据加密。 展开更多
关键词 轻量级分组密码 LBC-IoT算法 线性分析 最小猜测基
暂未订购 下载PDF
桥式起重机快速轻量化系统研究 认领 引用
15
作者 兰朋 陈军 +1 位作者 刘曼兰 任海涛 《中国工程机械学报》 北大核心 2026年第2期199-203,215,共5页
针对桥式起重机优化设计中的过程繁琐、周期长,难以实现系列化桥式起重机优化等问题。对轻量化和参数化技术进行了研究,提出一种快速轻量化设计方法。该方法以Visual Studio为平台,分别使用C#、参数化设计语言(APDL)对SolidWorks和Ansy... 针对桥式起重机优化设计中的过程繁琐、周期长,难以实现系列化桥式起重机优化等问题。对轻量化和参数化技术进行了研究,提出一种快速轻量化设计方法。该方法以Visual Studio为平台,分别使用C#、参数化设计语言(APDL)对SolidWorks和Ansys进行联合二次开发,并融入智能优化算法对起重机结构进行优化,设计了一个桥式起重机快速轻量化设计系统。根据优化方案可以快速完成优化设计与有限元分析校核。以KSQ型桥式起重机为例,该系统缩短了设计周期,减轻了设计人员繁重的计算工作量,主梁自重减轻了18.8%,节约了后期成本。 展开更多
关键词 桥式起重机 轻量化 参数化 二次开发 智能算法
暂未订购 下载PDF
基于改进Jaya算法的车身发盖轻量化设计研究 认领 引用
16
作者 俞陆新 崔强 +1 位作者 柳砚 唱志强 《佳木斯大学学报（自然科学版）》 CAS 2026年第3期89-92,共4页
汽车整体造型和风阻系数等相关性能要求,车辆前端结构设计受到诸多限制。而随着行人保护法规的强制实施和节能减排轻量化的双碳目标;使得车企开发过程中,越发重视行人保护的研究。将Levy飞行引入Jaya算法进行算法优化,并用三个统计量指... 汽车整体造型和风阻系数等相关性能要求,车辆前端结构设计受到诸多限制。而随着行人保护法规的强制实施和节能减排轻量化的双碳目标;使得车企开发过程中,越发重视行人保护的研究。将Levy飞行引入Jaya算法进行算法优化,并用三个统计量指标衡量近似模型的准确性。在前仓发盖减重轻量化前提下提升儿童头部行人保护性能。 展开更多
关键词 Jaya算法 Levy飞行 行人保护 轻量化
暂未订购 下载PDF
基于改进YOLOv5s的轻量化草莓成熟状态检测算法 认领 引用
17
作者 秦维彩 秦培亮 梁正龙 《中国农机化学报》 北大核心 2026年第2期86-93,共8页
为实现自然环境下草莓成熟状态精准检测,以草莓为研究对象,提出一种基于改进YOLOv5s的轻量化草莓成熟状态检测算法PBW—YOLOv5s。首先,将部分卷积(Pconv)引入C3模块中,有效函数(IoU)替换为基于动态非单调聚焦机制(WIoU),以更精确地考量... 为实现自然环境下草莓成熟状态精准检测,以草莓为研究对象,提出一种基于改进YOLOv5s的轻量化草莓成熟状态检测算法PBW—YOLOv5s。首先,将部分卷积(Pconv)引入C3模块中,有效函数(IoU)替换为基于动态非单调聚焦机制(WIoU),以更精确地考量预测框与真实框之间的重叠程度,进一步减少网络参数量并应对不规则遮挡;其次,引入加权双向特征金字塔网络(BiFPN)融合不同尺度特征;最后,将边界框回归损失提升检测性能。试验结果表明,PBW—YOLOv5s的精确率、召回率以及平均精度均值分别提升2.49%、1.21%和1.06%;参数量和权重大小分别减少到原始YOLOv5s的80.06%和80.00%。验证集测试结果表明,所提检测算法能够避免漏检、误检发生,且更准确地识别出草莓成熟状态,为后续草莓智能化采摘和管理提供技术支持。 展开更多
关键词 草莓成熟状态 图像识别 机器视觉 目标检测 轻量化算法
暂未订购 下载PDF
基于NSGA-Ⅲ算法的商用车驾驶室轻量化设计 认领 引用
18
作者 彭雪梅 孙永厚 +1 位作者 刘夫云 刘凯扬 《机械设计与制造》 北大核心 2026年第4期6-10,共5页
为了提升商用车驾驶室轻量化优化效果,以企业某型号商用车驾驶室为研究对象,在SFE-Concept中建立驾驶室隐式参数化模型并生成有限元模型,通过试验分析验证了模型的准确性;以弹性模量为变量进行结构灵敏度分析,筛选出相关结构的厚度和截... 为了提升商用车驾驶室轻量化优化效果,以企业某型号商用车驾驶室为研究对象,在SFE-Concept中建立驾驶室隐式参数化模型并生成有限元模型,通过试验分析验证了模型的准确性;以弹性模量为变量进行结构灵敏度分析,筛选出相关结构的厚度和截面形状作为设计变量用于试验设计;根据模态置信因子自动追踪模态阵型并验证了近似模型的拟合精度;利用NSGA-Ⅲ算法进行驾驶室轻量化多目标优化研究,结合TOPSIS方法筛选出最优方案。结果表明:驾驶室质量降低22.5kg,降幅达7.3%,同时提升了刚度,满足驾驶室轻量化和性能要求。 展开更多
关键词 轻量化 隐式参数化 结构灵敏度 NSGA-Ⅲ算法 多目标优化
暂未订购 下载PDF
复杂电力环境下的轻量化火灾检测算法 认领 引用
19
作者 何超勋 陈智霖 +1 位作者 黄声勇 彭道福 《安全与环境学报》 CAS CSCD 北大核心 2026年第3期884-895,共12页
野外架空电力线路周围环境常面临多种火灾隐患,这些隐患对电力线路的安全运行构成严重威胁。针对现实场景中环境复杂、目标尺度变化大,以及现有检测算法在实时性和准确性方面的不足,提出了一种改进的实时检测变换器(Real-Time Detection... 野外架空电力线路周围环境常面临多种火灾隐患,这些隐患对电力线路的安全运行构成严重威胁。针对现实场景中环境复杂、目标尺度变化大,以及现有检测算法在实时性和准确性方面的不足,提出了一种改进的实时检测变换器(Real-Time Detection Transformer,RT-DETR)算法,称为残差相似性广义交并比的实时检测变换器(Residual-Similarity-Generalized intersection over union Real-Time Detection Transformer,RSG-RTDETR),用于轻量化多目标检测。首先,改进了骨干残差网络(Residual Network,ResNet),并设计了部分卷积块(Partial Convolution Block,PConv-Block)模块,使得网络仅对特征的部分区域进行卷积计算,从而有效降低了模型的参数量。其次,为了降低现有火灾检测算法的漏检率和误检率,提出了相似性感知可解释特征融合(similarity-Aware Interpretable Feature Integration,sim-AIFI)模块,将相似性注意力机制(similarity Attention Mechanism,simAM)引入Transformer编码器中,增强了特征图在局部和全局上的依赖信息,从而提高了复杂场景中小目标的检测精度。最后,优化了损失函数,采用内部广义交并比(Inner Generalized Intersection over Union,Inner-GIoU)损失函数的缩放因子来优化辅助边界框的回归,进一步加快了模型的收敛速度。通过消融试验与不同算法进行对比,试验结果表明,所提算法在检测精度上比基线算法提升了5.67%,检测速度提高了17.88%,计算量减少了24.91%,证明了该算法在复杂电力环境下进行火灾隐患多目标检测的有效性与应用潜力。 展开更多
关键词 安全工程 复杂电力环境 火灾检测 实时检测 轻量化算法
暂未订购 下载PDF
数据加密算法LiCi的差分-线性分析方法 认领 引用
20
作者 李艳俊 黄丁韫 +2 位作者 王忠 陈鑫 高原 《计算机应用》 CSCD 北大核心 2026年第7期2208-2215,共8页
目前还缺少针对数据加密算法LiCi的差分-线性安全性分析,因此,本文基于约束规划(CP)建模和密钥恢复提出一种适用于LiCi算法的差分-线性分析方法。首先,将LiCi算法拆分为差分层、中间层与线性层3层,并对每一层分别建立差分与线性掩码传... 目前还缺少针对数据加密算法LiCi的差分-线性安全性分析,因此,本文基于约束规划(CP)建模和密钥恢复提出一种适用于LiCi算法的差分-线性分析方法。首先,将LiCi算法拆分为差分层、中间层与线性层3层,并对每一层分别建立差分与线性掩码传播的约束,包括对LiCi算法差分与线性掩码的S盒、分支传播以及异或过程中的不等式约束以及目标函数的约束;其次,使用Gurobi求解器进行搜索。实验结果表明:对于LiCi算法存在概率为2-27.4的13轮差分-线性区分器,在此基础上分别向前添加4轮,并向后扩展3轮,可以实现20轮的密钥恢复攻击,并可恢复91 bit的密钥信息,其中时间复杂度为2114.3次20轮加密,数据复杂度为248个明文。该结果将LiCi算法的可攻破轮数从17轮推进到20轮,并首次给出31轮总轮数下剩余11轮的安全冗余量。 展开更多
关键词 LiCi算法 差分-线性分析 密钥恢复攻击 轻量级分组密码 区分器
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 27 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈