首页期刊导航|应用科学学报
期刊信息/Journal information
应用科学学报
应用科学学报

王朔中

双月刊

0255-8297

yykxxb@department.shu.edu.cn

021-66131736

200444

上海市上大路99号123信箱

应用科学学报/Journal Journal of Applied SciencesCSCD北大核心CSTPCD
查看更多>>办刊宗旨：积极反映我国应用科学方面的最新科研成果，广泛开展国内外学术交流，努力为繁荣科学研究、推广科研成果服务，促进应用科学领域的发展。报道范围：本刊强调科学的应用性，主要刊登电子技术、信息与通信工程、计算机科学、机电自动化、材料科学、应用物理、应用化学、应用数学等领域内的创新性科研成果。进入数据库情况：本刊被定为：中国综合性科技类核心期刊、中国科技论文统计源期刊（中国科技核心期刊）、中国学术期刊综合评价数据库来源期刊、中国科学引文数据库来源期刊、中国核心期刊（遴选）数据库收录期刊、中国期刊全文数据库全文收录期刊、中国学术期刊（光盘版）全文收录期刊。本刊是下列数据库和文摘的来源期刊：中国数学文摘、中国数学文摘数据库、中国物理文摘、中国物理文摘数据库、电子科技文摘、IEEE微波和无线元器件快报（IEEE Microwave and Wireless Components Letter）、英国《科学文摘》（SA, INSPEC）、美国化学文摘（CA）、俄罗斯《文摘杂志》。
正式出版
收录年代

    融合Transformer的剩余使用寿命预测模型

    郑红刘文邱俊杰余金浩...
    847-856页
    查看更多>>摘要：剩余使用寿命(remaining useful life,RUL)预测对大型设备的故障预测与健康管理十分重要.然而,一些设备监测数据具有维度高、规模大、强耦合、参数时变等非线性特征,这些特征会导致RUL预测的准确性较低.为此引入Transformer解码器,并通过多头注意力机制综合全局信息,提出了一种基于多尺度双向长短期记忆网络和Transformer的神经网络模型,以提高模型预测精度.选取航空发动机作为研究对象,使用各个模型在NASA的C-MPASS数据集上进行对比实验,结果表明,在剩余使用寿命预测方面,该文提出的融合Transformer模型的多尺度双向长短期记忆网络模型在准确率和均方根误差指标上均优于其他对比模型.

    剩余使用寿命故障预测与健康管理双向长短期记忆网络Transformer

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于RFE-OPTUNA-XGBoost模型的高速公路逃费模式识别

    马飞虎雷皓安孙翠羽罗佳洁...
    857-870页
    查看更多>>摘要：受经济利益驱动,中国高速公路逃费行为频繁发生.为此,该文选取了 2020年某研究区域的脱敏通行数据,通过数据挖掘分析逃费车辆的行为特征,提出一种基于递归特征消除算法和OPTUNA优化框架的极限梯度提升树(recursive feature elimination-OPTINA-extreme gradient boosting,RFE-OPTUNA-XGBoost)的逃费模式识别模型,该识别模型准确率达到了 0.945,各逃费方式的平均接受者操作特性曲线下面积值(area under curve,AUC)分别为:大车小标0.997、U/J型0.980、假绿通0.969、冲岗0.924.结果证明,基于RFE-OPTUNA-XGBoost的模型对于逃费模式识别的准确程度及各逃费模式的AUC值都更高.综上所述,提出的基于RFE-OPTUNA-XGBoost的高速公路逃费车辆逃费的识别模型能精准识别逃费模式.在实际应用中,对于高速公路管理部门展开稽查工作具有重大现实意义.

    高速公路逃费模式识别数据挖掘机器学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于CNN和Transformer混合网络模型的车道线检测

    唐洪邓锋张恺聂学方...
    871-883页
    查看更多>>摘要：车道线检测技术在自动驾驶系统中发挥着重要作用,目前基于深度学习的车道线检测方法通常在主干网络提取特征之后分别获取车道线关键点的置信度以及这些点相对车道线起始点的偏移.但由于车道线是细长结构,现有的主干网络无法有效提取这种结构特征,偏移网络也难以回归车道线上关键点相对起始点的偏移.鉴于注意力机制在提取空间结构特征、表征长距离图像序列间依赖关系方面的优越性能,在基于点的车道线检测方法的基础上提出了一种基于卷积神经网络(convolutional neural network,CNN)和 Transformer 的混合网络(CNN-Transformer hybrid network,CTNet)模型,该模型通过特征金字塔和增强的坐标注意力机制提高特征的表征能力,使用基于视觉Transformer的偏移网络回归关键点的偏移量,因此,CTNet能够提取细长车道线特征、捕获长距离点间的偏移,有效提升车道线检测的精度.实验对比了 CTNet和6种常用车道线检测算法在数据集TuSimple和CULane上的效果,在TuSimple上CTNet各项精度指标均优于现有方法,在CULane数据集的9种不同车道场景中,CTNet在6个场景中取得了最佳精度.

    车道线检测视觉Transformer坐标注意力特征金字塔网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    跨通道交互注意力机制驱动的双流网络跨模态行人重识别

    何磊栗风永秦川
    884-892页
    查看更多>>摘要：现有的跨模态行人重识别方法不能同时兼顾模态间与模态内的目标行人差异,很难提升检索准确度.为解决这一问题,引入跨通道交互的注意力机制,增强行人特征的鲁棒提取能力,有效抑制冗余特征的提取并获得更具辨别力的特征表达.进一步,联合异质中心三元组损失、三元组损失和身份损失进行监督学习,有效结合了行人特征的跨模态类间差异和类内差异.实验证明了所提方法的有效性.与7个已有的经典方法相比,所提方法在两个标准数据集RegDB与SYSU-MM01上都取得了较好的性能效果.

    跨模态行人重识别卷积神经网络注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    电磁近场测试平面扫描系统设计

    贾洪川程鑫万发雨RAVELO Blaise...
    893-902页
    查看更多>>摘要：设计了一种测量电子器件电磁场分布的近场扫描系统,用于电磁兼容测试.首先,设计了一种四层印刷电路板结构的磁场探头,其工作频率达12 GHz,空间分辨率为2 mm,仿真与实测结果吻合较好,并对探头进行了校准.其次,实现了近场扫描的自动化,采用LabVIEW设计上位机软件,STM32作为运动控制核心,通过串口接收上位机数据,并控制步进电机带动探头移动,实现定点扫描,上位机通过局域网与矢量网络分析仪实现通信,完成数据的读取与保存.最后,通过上位机对数据进行可视化处理,在扫描完成时对结果进行校准,并实时生成被测物体的场强分布图,实现电磁场分布数据可视化.场强测试结果与电磁仿真结果吻合较好,可用于分析电磁耦合路径及实现近场与远场的转换.

    电磁兼容近场扫描宽带磁场探头自动控制LabVIEW

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《应用科学学报》征稿简则

    封3页
      原文链接:
    • NETL
    • NSTL
    • 万方数据