MDPI开放科学分享 http://blog.sciencenet.cn/u/mdpi https://www.mdpi.com/

博文

Algorithms:中国学者优秀文章合集

已有 214 次阅读 2024-8-7 17:17 |个人分类:编辑荐读|系统分类:论文交流

本期编辑荐读为您推荐 Algorithms 期刊2023年发表的中国学者的文章,内容涵盖了图像物体检测、故障诊断、情绪识别,希望在与读者分享领域内最新研究进展的同时,能为相关领域学者提供新的思路和参考,欢迎大家阅读。

       

期刊英文主页:https://www.mdpi.com/journal/algorithms

      

01.Improved Object Detection Method Utilizing YOLOv7-Tiny for Unmanned Aerial Vehicle Photographic Imagery

基于YOLOv7-Tiny改进无人机摄影图像物体检测方法

Linhua Zhang et al.

https://www.mdpi.com/2559922

文章亮点

(1) 引入了基于YOLOv7-tiny模型的PDWT-YOLO算法,以提高所有尺寸物体的检测效果。

(2) PDWT-YOLO模型的三个关键创新:解耦头、小对象层和WIoU。

(3) 本文为无人机应用的物体检测提供显著的改进。

        

02.A Novel Intelligent Method for Fault Diagnosis of Steam Turbines Based on T-SNE and XGBoost

基于T-SNE和XGBoost的汽轮机故障诊断新方法

Zhiguo Liang, Lijun Zhang and Xizhe Wang

https://www.mdpi.com/2125658

文章亮点

(1) 利用t-SNE和K-means解决了无标记数据集中特征提取的不确定性问题。

(2) 利用SMOTE算法解决了因故障记录较少而导致的数据不平衡问题。

(3) 在新数据的识别中,基于XGBoost的模型准确率等指标均达到97%以上。

              

03.An Adversarial DBN-LSTM Method for Detecting and Defending against DDoS Attacks in SDN Environments

一种用于检测和防御SDN环境中DDoS攻击的对抗性DBN-LSTM方法

Lei Chen et al.

https://www.mdpi.com/2232602

文章亮点

(1) 本文提出了一种对抗式DBN-LSTM方法用于检测和防御DDoS攻击。

(2) 该方法应用GAN以及DBN-LSTM来降低系统对对抗性攻击的敏感度并加快特征提取速度。

(3) 与其他方法相比,该方法可以有效地检测出最新常见的DDoS攻击类型。

           

04.Model Parallelism Optimization for CNN FPGA Accelerator

CNN FPGA加速器的模型并行性优化

Jingnan Wang, Weiqin Tong and Xiaoli Zhi

https://www.mdpi.com/2135196

文章亮点

(1) 本文提出了一种有效的解耦方法,使用组卷积和新的通道混洗算法来替代原有方法。

(2) 该方法旨在实现数据和模型分离,同时消除设备间同步成本。

(3) 本文提出的并行ShuffleNet FPGA加速器在保持精度的同时表现出高度的模型并行性。

       

05.Noise Cancellation Method Based on TVF-EMD with Bayesian Parameter Optimization

基于贝叶斯参数优化的TVF-EMD噪声消除方法

Miaomiao Yu et al.

https://www.mdpi.com/2338096

文章亮点

(1) 提出了一种基于TVF-EMD和贝叶斯优化的噪声消除方法。

(2) 引入目标函数CCKur可系统地识别异常信号。

(3) 本文所提方法具有更好的信号抵消性能。

                

06.EEG Data Augmentation for Emotion Recognition with a Task-Driven GAN

使用任务驱动的GAN增强EEG数据以实现情绪识别

Qing Liu, Jianjun Hao and Yijun Guo

https://www.mdpi.com/2139972

文章亮点:

(1) 本文提出了一种基于CWGAN的任务驱动脑电数据增强网络。

(2) 在原有的CWGAN结构中引入情绪分类器。

(3) 与原版CWGAN相比,所提方法能够更加有效地提高分类任务的准确率。

        

Algorithms 期刊介绍

主编:Frank Werner, Otto-von-Guericke-University, Germany

期刊关注计算机科学、人工智能、数据和信息系统等跨学科领域研究。目前已被  Scopus、ESCI (Web of Science)、Ei Compendex 等数据库收录。

2023 Impact Factor:1.8

2023 CiteScore:4.1

Time to First Decision:15 Days

Acceptance to Publication:2.9 Days

尾图1.jpg

尾图2.jpg



https://blog.sciencenet.cn/blog-3516770-1445511.html

上一篇:Nanomaterials:对话期刊新任栏目副主编北京纳米能源与系统研究所魏迪教授
收藏 IP: 61.242.144.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-8-7 20:22

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部