您的检索：
学者姓名：张勇
精炼检索结果：
年份
成果类型
收录类型
来源
综合
曾用名
合作者
语言
清除所有精炼条件
摘要 ：
The traffic data corrupted by noise and missing entries often lead to the poor performance of Intelligent Transportation Systems (ITS), such as the bad congestion prediction and route guidance. How to efficiently impute the traffic data is an urgent problem. As a classic deep learning method, Generative Adversarial Network (GAN) achieves remarkable success in image recovery fields, which opens up a new way for the traffic data imputation. In this paper, we propose a novel spatio-temporal GAN model for the traffic data imputation (STGAN). Firstly, we design the generative loss and center loss, which not only minimizes the reconstructed errors of the imputed entries, but also ensures each imputed entry and its neighbors conform to the local spatio-temporal distribution. Then, the discriminator uses the convolution neural network classifier to judge whether the imputed matrix conforms to the global spatio-temporal distribution. As for the network architecture of the generator, we introduce the skip-connection to keep all well preserved data unchanged, and employ the dilated convolution to capture the spatio-temporal correlation in the traffic data. The experimental results show that our proposed method obviously outperforms other competitive traffic data imputation methods.
关键词 ：
Generative adversarial networks Generative adversarial networks Task analysis Task analysis Data models Data models Generators Generators Image reconstruction Image reconstruction Matrix decomposition Matrix decomposition traffic data imputation traffic data imputation Data mining Data mining Correlation Correlation generative adversarial network generative adversarial network
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Yuan, Ye , Zhang, Yong , Wang, Boyue et al. STGAN: Spatio-Temporal Generative Adversarial Network for Traffic Data Imputation [J]. | IEEE TRANSACTIONS ON BIG DATA , 2023 , 9 (1) : 200-211 . |
| MLA | Yuan, Ye et al. "STGAN: Spatio-Temporal Generative Adversarial Network for Traffic Data Imputation" . | IEEE TRANSACTIONS ON BIG DATA 9 . 1 (2023) : 200-211 . |
| APA | Yuan, Ye , Zhang, Yong , Wang, Boyue , Peng, Yuan , Hu, Yongli , Yin, Baocai . STGAN: Spatio-Temporal Generative Adversarial Network for Traffic Data Imputation . | IEEE TRANSACTIONS ON BIG DATA , 2023 , 9 (1) , 200-211 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于边缘注意门控图卷积网络的半监督视频分割方法，用于解决复杂场景中的无法准确分割出目标物体的问题。本发明将整个视频分割成若干超像素，并在视频第一帧生成若干种子点；将第一帧的种子点逐帧传播到后续帧，并将视频序列转化为时空图。之后，提出边缘注意力门控图卷积网络，实现对超像素前景、背景标签的划分，实现视频预分割。最后，基于目标在帧间形变的规律，对目标构造全局外观模型，优化分割，减缓相似物体或复杂背景干扰时的分割挑战。本发明基于超像素提取目标底层特征和边界轮廓，基于图卷积网络提取图像的深度特征，挖掘帧内和帧间的相关性，提升了捕获视频中蕴含的关联关系和潜在语义信息的能力，在多种分割挑战中表现良好。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张勇 , 张宇晴 , 李亚静 et al. 基于边缘注意门控图卷积网络的半监督视频分割方法 : CN202310638743.0[P]. | 2023-06-01 . |
| MLA | 张勇 et al. "基于边缘注意门控图卷积网络的半监督视频分割方法" : CN202310638743.0. | 2023-06-01 . |
| APA | 张勇 , 张宇晴 , 李亚静 , 王少帆 , 尹宝才 . 基于边缘注意门控图卷积网络的半监督视频分割方法 : CN202310638743.0. | 2023-06-01 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Accurately estimating the number of individuals contained in an image is the purpose of the crowd counting. It has always faced two major difficulties: uneven distribution of crowd density and large span of head size. Focusing on the former, most CNN-based methods divide the image into multiple patches for processing, ignoring the connection between the patches. For the latter, the multi-scale feature fusion method using feature pyramid ignores the matching relationship between the head size and the hierarchical features. In response to the above issues, we propose a crowd counting network named CCST based on swin transformer, and tailor a feature adaptive fusion regression head called FAFHead. Swin transformer can fully exchange information within and between patches, and effectively alleviate the problem of uneven distribution of crowd density. FAFHead can adaptively fuse multi-level features, improve the matching relationship between head size and feature pyramid hierarchy, and relief the problem of large span of head size available. Experimental results on common datasets show that CCST has better counting performance than all weakly supervised counting works and great majority of popular density map-based fully supervised works.
关键词 ：
Large span of head size Large span of head size Crowd counting Crowd counting Uneven distribution of crowd density Uneven distribution of crowd density Feature adaptive fusion Feature adaptive fusion Transformer Transformer
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Li, Bo , Zhang, Yong , Xu, Haihui et al. CCST: crowd counting with swin transformer [J]. | VISUAL COMPUTER , 2022 , 39 (7) : 2671-2682 . |
| MLA | Li, Bo et al. "CCST: crowd counting with swin transformer" . | VISUAL COMPUTER 39 . 7 (2022) : 2671-2682 . |
| APA | Li, Bo , Zhang, Yong , Xu, Haihui , Yin, Baocai . CCST: crowd counting with swin transformer . | VISUAL COMPUTER , 2022 , 39 (7) , 2671-2682 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Finding students at high risk of poor academic performance as early as possible plays an important role in improving education quality. To do so, most existing studies have used the traditional machine learning algorithms to predict students' achievement based on their behavior data, from which behavior features are extracted manually thanks to expert experience and knowledge. However, owing to an increase in the varieties and overall volume of behavioral data, it has become more and more challenging to identify high-quality handcrafted features. In this paper, we propose an end-to-end deep learning model that automatically extracts features from students' multi-source heterogeneous behavior data to predict academic performance. The key innovation of this model is that it uses long short-term memory networks to capture inherent time-series features for each type of behavior, and it takes two-dimensional convolutional networks to extract correlation features among different behaviors. We conducted experiments with four types of daily behavior data from students of the university in Beijing. The experimental results demonstrate that the proposed deep model method outperforms several machine learning algorithms.
关键词 ：
Academic performance prediction Academic performance prediction LSTM LSTM 2DCNN 2DCNN Time-series features Time-series features Correlation features Correlation features
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Li, Xiaoyong , Zhang, Yong , Cheng, Huimin et al. Student achievement prediction using deep neural network from multi-source campus data [J]. | COMPLEX & INTELLIGENT SYSTEMS , 2022 , 8 (6) : 5143-5156 . |
| MLA | Li, Xiaoyong et al. "Student achievement prediction using deep neural network from multi-source campus data" . | COMPLEX & INTELLIGENT SYSTEMS 8 . 6 (2022) : 5143-5156 . |
| APA | Li, Xiaoyong , Zhang, Yong , Cheng, Huimin , Li, Mengran , Yin, Baocai . Student achievement prediction using deep neural network from multi-source campus data . | COMPLEX & INTELLIGENT SYSTEMS , 2022 , 8 (6) , 5143-5156 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于多尺度动态图卷积网络的弱监督人群计数方法属于人群计数在公共安全、城市规划和交通调度等领域。由于交通场景的复杂性和多样性，对大量人群进行点级标注非常困难，而且需要大量人力。弱监督人群计数更适合这些场景，因为它们只需要计数级别的注释。现有的弱监督人群计数忽略了交叉距离人群密度分布的不均匀性和多尺度人群头部，无法获得与全监督人群计数方法相似的准确计数结果。本发明提出了一种多级区域动态图卷积模块来提取不同人群区域之间的内在关系，从而学习动态区域得分，进而优化区域特征表示，还设计了一个粗粒度的多级特征融合模块来提取多尺度人群头部信息。本发明具有较高的回归精度的端到端人群计数能力。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张勇 , 苗壮壮 , 孙艳丰 et al. 一种基于多尺度动态图卷积的弱监督人群计数方法 : CN202210859858.8[P]. | 2022-07-21 . |
| MLA | 张勇 et al. "一种基于多尺度动态图卷积的弱监督人群计数方法" : CN202210859858.8. | 2022-07-21 . |
| APA | 张勇 , 苗壮壮 , 孙艳丰 , 胡永利 , 尹宝才 . 一种基于多尺度动态图卷积的弱监督人群计数方法 : CN202210859858.8. | 2022-07-21 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提出一种基于半监督超图聚类的个体出行模式分析方法，用于解决现有技术没有考虑到乘客出行之间复杂的关联关系以及实际应用中交通出行数据的难以标记，进而无法准确挖掘出具有相似出行行为的个体。本方法首先根据公共交通出行链数据从多个维度提取乘客出行行为特征，利用根据出行行为特征构建超图来表示乘客之间复杂的高阶关联关系。其次提出卷积融合模块自适应地融合乘客自身的出行信息和乘客之间的关联结构信息。然后将融合后的特征表示执行聚类，从而识别出行模式。最后，为了提升聚类的性能，采用半监督学习，通过少量监督信息达到更好的聚类效果。本方法在北京市公共交通数据上能够挖掘出具有相似出行模式的乘客。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张勇 , 王铭 , 杨轶圣 et al. 一种基于半监督超图聚类的个体出行模式分析方法 : CN202211218949.X[P]. | 2022-10-07 . |
| MLA | 张勇 et al. "一种基于半监督超图聚类的个体出行模式分析方法" : CN202211218949.X. | 2022-10-07 . |
| APA | 张勇 , 王铭 , 杨轶圣 , 朴星霖 , 尹宝才 . 一种基于半监督超图聚类的个体出行模式分析方法 : CN202211218949.X. | 2022-10-07 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种具有可变姿态的移动和滑翔一体的仿飞鼠机器人。包括移动机构、折展机构和扑翼机构。移动机构作用是让在地面上高速爬行移动；折展机构的作用是滑翔过程中为仿飞鼠机器人提供升力，让仿飞鼠机器人滑翔的更远；扑翼机构作用的带动折展机构上下摆动，作用是在仿飞鼠机器人滑翔过程中调整飞行姿态。此机器人模仿飞鼠的运动规律具有移动和滑翔两种运动模式。仿飞鼠机器人在地面上可以利用轮子的滚动实现高速移动，且在高速移动时，其轮子采用添加柔性元素的特殊形式可以提高其对地形的适应能力。采用折叠机构组成的折叠翼，让仿飞鼠机器人具有滑翔功能，并采用扑翼机构实现让仿飞鼠机器人在滑翔过程中实现转向动作。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张自强 , 张勇 , 刘春岐 . 一种具有可变姿态的移动和滑翔一体的仿飞鼠机器人 : CN202210345117.8[P]. | 2022-03-31 . |
| MLA | 张自强 et al. "一种具有可变姿态的移动和滑翔一体的仿飞鼠机器人" : CN202210345117.8. | 2022-03-31 . |
| APA | 张自强 , 张勇 , 刘春岐 . 一种具有可变姿态的移动和滑翔一体的仿飞鼠机器人 : CN202210345117.8. | 2022-03-31 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了肝靶向的早期药物性肝炎和自身免疫性肝炎的荧光/光声双模态成像探针，所述的探针化合物结构如式I所示。该探针本身荧光/光声双模态信号极弱，与超氧阴离子特异性响应后荧光/光声双模态信号显着增强。该探针不仅制备方法简单，具有高灵敏度、高选择性和肝靶向性，而且还成功用于早期药物性肝炎和自身免疫性肝炎中超氧阴离子浓度和分布的可视化，在生物医药领域具有广阔的应用前景。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 苏冬冬 , 张勇 . 肝靶向的早期药物性肝炎和自身免疫性肝炎的荧光/光声双模态探针 : CN202211349415.0[P]. | 2022-10-31 . |
| MLA | 苏冬冬 et al. "肝靶向的早期药物性肝炎和自身免疫性肝炎的荧光/光声双模态探针" : CN202211349415.0. | 2022-10-31 . |
| APA | 苏冬冬 , 张勇 . 肝靶向的早期药物性肝炎和自身免疫性肝炎的荧光/光声双模态探针 : CN202211349415.0. | 2022-10-31 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于视角变换的正面人体图像生成方法，用于解决在无需输入目标姿态的情况下，从人体侧面视角图像生成正面视角图像的问题。本方法首先通过FP‑Net获取人体正面姿态作为网络的目标姿态。然后，将人体图像和姿态输入到生成器，更新人体的外观和形态特征。最后，将生成的正面人体图像输入到鉴别器中，帮助生成具有真实感的正面人体图像。实验结果表明，该模型可以生成具有较好的外观一致性和形态一致性的正面人体图像。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张勇 , 陈路飞 , 张宇晴 et al. 一种基于视角变换的正面人体图像生成方法 : CN202210303798.1[P]. | 2022-03-24 . |
| MLA | 张勇 et al. "一种基于视角变换的正面人体图像生成方法" : CN202210303798.1. | 2022-03-24 . |
| APA | 张勇 , 陈路飞 , 张宇晴 , 王博岳 , 尹宝才 . 一种基于视角变换的正面人体图像生成方法 : CN202210303798.1. | 2022-03-24 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种具有多地形适应性的具有少自由度腿部结构的仿蜈蚣机器人。包括腿部机构、转向机构、主传动链、传感系统。腿部机构和转向机构有多套，腿部机构和转向机构交替连接形成仿蜈蚣机器人主体结构；主传动链为腿部机构提供爬行动力。爬行过程中，一部分脚趾着地做支撑，另外一部分脚趾离地向前，周期性交替运动。攀爬过程保持平衡，确保地面附着能力；仿蜈蚣机器人通过前后两个主传动链电机为主传动链提动力，主动链为所有腿部机构提高动力；仿蜈蚣机器人每个转向机构都有左右和俯仰两个自由度，增加仿蜈蚣机器人复杂地形适应能力，可完成复杂运动；仿蜈蚣机器人具有最智能传感系统可检测、侦查外部环境，并可完成自主运动规划。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张自强 , 刘春岐 , 张勇 et al. 一种具有多地形适应性的具有少自由度腿部结构的仿蜈蚣机器人 : CN202210345128.6[P]. | 2022-03-31 . |
| MLA | 张自强 et al. "一种具有多地形适应性的具有少自由度腿部结构的仿蜈蚣机器人" : CN202210345128.6. | 2022-03-31 . |
| APA | 张自强 , 刘春岐 , 张勇 , 李珺 , 赵越 . 一种具有多地形适应性的具有少自由度腿部结构的仿蜈蚣机器人 : CN202210345128.6. | 2022-03-31 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
