- 钟嘉进;王红成;张宝扬;邹佳霖;
大多数晶圆缺陷分类模型都依赖于卷积神经网络,利用局部归纳偏置以最少的参数量学习图像的特征。但仅用局部信息使得模型无法更深层次的理解图像特征的整体关系。为了改善上述问题,本研究提出了一种基于MobileVIT网络改进的SwinLite-ViT(Swin-based Lightweight Vision Transformer),并对晶圆缺陷进行了分类。首先,在Transformer结构的基础上,引入卷积分支,通过自适应参数动态的建模全局信息与局部信息。此外,将传统的Transformer结构替换成Swin-Transformer结构以进一步将空间归纳偏置引入Transformer结构,以提升模型的收敛效果。通过构建改进的MobileVIT网络,实现晶圆缺陷的分类。在MIR-WM811K数据集上仅以2.57M的参数量取得了94.1%的平均准确率,平均准确率相较于基准模型MobileVIT提升约2%。
2026年01期 v.33;No.151 65-72页 [查看摘要][在线阅读][下载 1388K] [下载次数:5 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:3 ] - 任斌;王佳伟;吴亮弘;何春红;
在基于知识增强的交通预测方面,现有知识增强方法难以表征交通知识时间动态性。因此,本文提出关系-属性时序知识表示(RAT-KR),据此构建时序交通知识图谱(RAT-KG)。在此基础上,设计时间感知图注意力知识嵌入模块(TGA-KE),在注意力计算中显式引入时间信息以学习关系权重的动态变化,并将该模块以特征融合方式接入GWNet与STAEFormer,形成TGA-GWNet与TGA-STAEFormer两种知识增强模型。实验结果显示,所提方法在提升预测精度的同时,加快了模型收敛,并为预测结果提供了更直观的解释。
2026年01期 v.33;No.151 73-80页 [查看摘要][在线阅读][下载 1563K] [下载次数:8 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:2 ] - 黄智全;徐杰桐;刘国中;秦斐燕;
精确的节点边际电价预测(Locational Marginal Price Forecasting, LMPF)对电力市场参与者的经济效益、电力系统的稳定运行和资源的有效配置至关重要。然而,由于节点边际电价(Locational Marginal Price, LMP)的非平稳性和突变性,许多现有的基于长短期记忆(Long Short Term Memory, LSTM)神经网络的预测模型仍不足以达到实际应用所需的精度。本文采用基于双量子激发的灰狼优化算法(Quantum-inspired Grey Wolf Optimization, QGWO)改进的LSTM神经网络模型的分层方法(HD-QGWO-LSTM)进行节点边际价格预测。该分层方法包括三层:顶层完成节点边际价格的数据处理,包括缺失值输入、离群值检测和校正;中间层是QGWO优化的支持向量机(Support Vector Machine, SVM),用于对节点边际电价进行模式分类;底层是一个双重QGWO改进的LSTM模型(QGWO-LSTM),用于预测实际节点的尖峰电价和正常电价。所提预测方法基于新英格兰电力市场数据进行了测试,测试结果表明,所提方法具有较好的预测精度。
2026年01期 v.33;No.151 81-88页 [查看摘要][在线阅读][下载 1416K] [下载次数:18 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:2 ] - 陈可;周律;郑华;
复杂环境下电源设计繁琐,难以满足直流电源应用需求,设计了一种镜像直流可调稳压电源电路,对电源基本五大模块(变压器降压、单相桥式整流、大电容滤波、LM317稳压以及基准源电路)使用Multisim对电源进行设计与仿真。通过基准源电路解决了LM317无法从0 V开始调节的问题,再根据LM317的特性选择合适的芯片进行镜像电路设计。与传统电源设计相比,本设计通过双通道滑动变阻器协同调节,可独立控制正、负极性输出电压,从而满足实验室内对小幅度电压的需求,为各类小功率电路的电源设计提供了有效的解决方案。
2026年01期 v.33;No.151 89-95页 [查看摘要][在线阅读][下载 1508K] [下载次数:16 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:3 ]