摘要：本文提出一种基于LSTM与EKF耦合的无人机磁干扰补偿方法，通过LSTM网络捕获电机转速、相电流等特征的时序非线性规律，结合EKF对残差进行后验修正，有效解决了传统方法在高维度耦合干扰下的精度不足问题。实验表明，该方法在仿真和实机测试中均显著优于传统T-L模型和单一深度学习模型，补偿后均方根误差降至1.7403nT，改善比较次优模型提升39%。该研究为高精度磁探测提供了有效技术方案。

本文提出YOLOv8n-CCNet模型，针对密集人群计数中的尺度变化、遮挡和复杂背景问题，通过三项创新改进：1）采用渐进式GhostConv轻量化设计，减少27.3%参数；2）引入通道与位置注意力机制增强小目标定位；3）使用WIoUv3损失函数提升回归稳定性。在1500张图像的自建数据集上测试显示，模型mAP50达65.3%，召回率56.4%，较基线模型显著提升。该研究为边缘设备实现高精度实时人群

摘要：本文系统探讨红外小目标检测技术，分析其成像机理与特性，重点综述基于深度学习的检测方法。研究显示，YOLO和SSD系列算法通过多尺度改进显著提升检测精度，而CNN方法中多尺度特征融合与注意力机制表现突出但计算成本较高。针对数据稀缺等问题，Transformer架构与小样本学习展现出互补优势。未来趋势包括：物理模型与深度学习的异构融合、轻量化编解码设计、多模态协同检测等创新方向，以推动该技术向高

摘要：本研究提出一种基于DBNet和CRNN的电梯铭牌及限速器检验单智能识别方法，实现检验工作的远程化转型。通过DBNet进行文本区域检测（Hmean指标达87.5%），结合CRNN完成字符识别，相较于传统方法显著提升识别准确率。实验采用ICDAR2015数据集验证，网络结构性能优于对比模型，其中PP-OCRv4预训练模型表现最佳。该技术将现场检验转化为远程智能检测，为电梯质量监管提供高效解决方案

本研究提出一种基于改进YOLOv8的苹果品质智能检测算法，通过引入多尺度特征融合模块(MSFM)、卷积块注意力机制(CBAM)和改进的FocalLoss损失函数，有效解决了传统检测方法效率低、主观性强的问题。实验结果表明，该算法在构建的15,000张多品种苹果图像数据集上取得96.8%的准确率、93.7%的mAP值和45.1FPS的处理速度，相比基线YOLOv8性能显著提升，对各类缺陷检测准确率均

本文提出了一种基于YOLOv11改进的遥感图像小目标检测算法YOLOv11_ACMix。该方法采用Transformer架构增强特征提取能力，并创新性地引入ACMix模块，融合自注意力机制与卷积运算的优势，有效提升小目标检测性能。实验在DOTA数据集上验证，结果显示改进后的模型在精度、召回率等指标上优于传统方法，且训练收敛稳定。该研究为复杂场景下小目标检测提供了有效解决方案，具有实际应用价值。

摘要：本研究针对生产车间安全管理需求，提出基于YOLOv8算法的智能管控系统。通过构建2000张人员检测和2000个跌倒样本的专用数据集，优化网络结构设计，采用多尺度特征融合策略，实现了人员密度监测和跌倒行为识别。实验表明模型精度稳定，系统具备实时检测预警功能，为车间安全管理提供了有效解决方案。研究获江西省教育厅科技项目支持（GJJ210817），具有实际应用价值。

摘要：本文基于CiteSpace软件对中国知网2010-2024年人工智能领域深度学习研究的3040篇核心期刊文献进行可视化分析。研究发现：2016年后发文量快速增长；研究机构呈现"一超多强"格局，以中国科学院大学为核心的合作网络最为紧密；研究热点集中于人工智能、深度学习等基础技术，未来将向预测、隐私保护等方向拓展。研究表明深度学习正从技术突破转向"算法-场景-伦理&

摘要：本文针对智能网联汽车在缺失车车通信条件下的跟驰控制问题，提出一种基于历史车间距信息的加权最优速度改进模型。该模型通过引入多历史时刻车间距的加权调节项，使车辆加速度决策不仅依赖当前车间距，还能参考历史变化趋势。理论分析表明，适当增加历史时刻数(N)和采样间隔(τ)可扩大稳定域，但超过阈值会反致失稳。环形车道仿真验证了理论预测，证实短时历史信息能有效抑制扰动，而长时信息会导致稳定性衰减。研究为缺

摘要：本文系统梳理了因果发现的理论基础、算法分类及发展历程。首先阐述了结构因果模型、有向无环图等核心理论框架；其次将算法分为基于约束、评分、函数因果模型、混合策略及深度学习的五大类，分析各类方法的优势与局限；最后探讨了未观测混杂因子、数据异质性、高维计算等挑战。研究对统一概念体系、重构算法谱系、指导未来突破具有重要价值。