- 博客(454)
- 资源 (13)
- 收藏
- 关注
RSS订阅原创 从10个磁层状态变量推断出的近乎普适的太阳风-磁层耦合函数
本文研究发现，一个基于磁层顶磁通量开放速率的耦合函数dΦ_MP/dt = v^(4/3)B_T^(2/3)sin^(8/3)(θ_c/2)能够最佳地预测10个磁层活动指数中的9个。该函数考虑了IMF场线接近磁层顶的速率、重联概率、IMF强度及重联线长度等因素。研究表明，这一函数在多个数据集和太阳活动周期中都表现出稳健的预测能力，平均解释了57.2%的方差，优于其他常用耦合函数如E_KL和vBs。唯一例外是Dst指数，其最佳预测因子是p^(1/2)dΦ_MP/dt。结果支持磁层活动主要由日侧重联速率驱动的观点
2025-07-21 20:09:05
720
原创 经典论文 Science子刊：数据驱动的偏微分方程发现 —— Supplementary Materials
本文提出PDE-FIND算法，通过稀疏回归从时空数据中自动发现控制偏微分方程。该方法构建包含非线性项和导数项的候选库矩阵，利用序列阈值岭回归(STRidge)选择稀疏活跃项，平衡模型精度与复杂度。针对噪声数据，采用多项式插值计算数值导数，并通过奇异值分解降噪。算法支持数据降采样处理高维问题，并成功应用于从随机游走推导福克-普朗克方程。相比现有ODE发现方法，PDE-FIND能直接识别PDE的基本形式而非离散版本，为数据驱动的偏微分方程建模提供了有效工具。
2025-07-08 23:53:11
957
原创 经典论文 Science子刊（2017年）：数据驱动的偏微分方程发现（Data-driven discovery of partial differential equations）
摘要 本文提出了一种基于稀疏回归的数据驱动方法，用于从时空测量数据中自动发现控制系统的偏微分方程（PDE）。该方法通过构建包含线性、非线性及空间导数项的超完备函数库，结合顺序阈值岭回归（STRidge）算法，高效地识别出最能表征数据的稀疏PDE模型。该方法在欧拉框架（固定传感器）和拉格朗日框架（移动传感器）中均适用，并通过帕累托分析平衡模型复杂度与精度。实验证明，该方法能准确重构多种经典PDE（如Navier-Stokes方程、量子谐振子、扩散方程等），且对噪声和降采样数据具有鲁棒性。
2025-07-08 16:58:35
831
原创 空间物理学中关键现象和指数之间关系
这是一个关于空间物理学中关键现象和指数之间关系的简单介绍，适合初学者了解这些基本概念。理解这些参数及其相互关系对于监测空间天气、预测地磁暴及其影响至关重要。
2025-07-04 09:27:51
795
原创 视觉通才模型：最新综述 [ 2025 IJCV ]
通用模型（generalist model）在自然语言处理领域取得了巨大成功。这类模型通过海量数据训练构建统一框架，能够同时处理多种下游任务。受其卓越性能的鼓舞，越来越多研究者开始探索将此类模型应用于计算机视觉任务。然而，视觉任务的输入与输出形式更为多样，难以归纳为统一表征。本文对视觉通用模型进行了全面综述，深入探讨其特性与能力：首先回顾研究背景（包括数据集、任务与基准），继而剖析现有研究提出的框架设计
2025-06-15 16:43:03
748
原创 Ming-Omni：统一的多模态感知与生成模型 （Inclusion AI, 蚂蚁集团）
Ming-Omni：统一多模态感知与生成模型本文提出了Ming-Omni，一个突破性的统一多模态模型，能够同时处理图像、文本、音频和视频输入，并具备语音与图像生成能力。该模型采用专用编码器提取各模态特征，通过创新的MoE架构（配备模态专属路由器）实现多模态信息的统一处理。Ming-Omni是首个在模态支持上媲美GPT-4o的开源模型，相关代码和权重已公开。
2025-06-13 06:30:47
1237
原创 感知万物：图像与视频中识别、解释、描述与分割万物
SAM 2. 本文提出了感知万物模型（Perceive Anything Model, PAM），这是一个概念上简洁高效、用于图像和视频全面区域级视觉理解的框架。本文的方法通过集成大语言模型（Large Language Models, LLMs） 扩展了强大的分割模型SAM 2，使其能够同时进行目标分割并生成多样化、区域特定的语义输出，包括类别、标签定义、功能解释和详细描述。本文引入了一个关键组件——。
2025-06-09 01:42:39
1317
原创 CVPR 2025 最佳论文候选16篇 快览
本文介绍了cvpr 2025 全部的16篇最佳论文候选，包括论文摘要、GitHub或项目主页以及论文概述。
2025-06-08 13:52:04
1630
原创 基于VMD-LSTM融合方法的F10.7指数预报
F10.7 太阳辐射通量是一个众所周知的参数，与太阳活动密切相关，是衡量太阳活动水平的关键指标。在本研究中，变分模态分解 (VMD) 和 长短期记忆 (LSTM) 网络被结合起来，构建了一个 VMD-LSTM 模型 用于预测 F10.7 值。F10.7 序列首先通过 VMD 分解为多个本征模态函数 (IMF)，然后利用 LSTM 神经网络对每个 IMF 进行预测。将所有 IMF 的预测结果聚合，即可得到最终的 F10.7 预测值。1957 年至 2008 年的
2025-06-04 15:05:00
1162
原创 深度学习驱动的超高清图修复技术——综述
, , , , and to , , , dehazing, , and and , , and and .摘要。
2025-05-31 06:22:14
868
原创 什么是电离层闪烁
正是这种昼夜交替的密度变化，为电离层闪烁埋下伏笔——当F层电子密度出现剧烈波动（从数百米到数十公里的不规则结构），无线电波穿过时会像光线经过凹凸镜般发生扭曲，导致信号强度骤降（振幅衰落）、时间标记错位（相位超前）或频率突变（多普勒频移）。例如，北斗B1频段信号在强闪烁时，相位噪声可激增3倍，直接反映电子密度的剧烈波动。这类“电子空洞”的形成过程充满复杂力学：日落时分，赤道F层在重力与密度梯度作用下抬升，形成类似水中气泡的等离子体密度耗尽区，其上升速度可达每秒百米，并在高空风剪切作用下向西倾斜扩散。
2025-05-24 21:30:44
774
原创 为什么Python慢？如何用Numba实现Python百倍加速？
Python的多线程因GIL存在无法真正并行（仅适用I/O密集型任务）。即使使用8核CPU，纯Python的CPU密集型多线程代码仍近似单线程速度。：即使是简单整数，Python也需维护引用计数等元数据（占用内存是C的3-4倍）@jit(nopython=True) # 强制类型严格模式。输出高度优化的CPU/GPU指令（如SSE/AVX指令集）：直接操作NumPy数组的底层内存，避免Python对象转换。：每个变量在运行时动态确定类型（如int/float转换）并转换为字节码（而非直接执行机器码）。
2025-05-24 10:10:39
639
原创 解决numba.cuda.cudadrv.error.NvvmSupportError: libNVVM cannot be found. Do `conda install cudatoolkit`
错误表明：代码依赖的nvvm.dll（NVVM库）未在系统路径中找到Conda环境中的CUDA路径与系统实际安装路径不一致，导致符号链接失效和路径未指向正确位置。
2025-05-23 13:22:48
1036
原创 python报错 ValueError: numpy.dtype size changed, may indicate binary incompatibility.
Pandas 内部依赖特定版本的 Numpy，当 Numpy 版本更新后，其二进制接口（如数据类型大小）发生变化，导致已编译的 Pandas 组件无法兼容新版 Numpy。
2025-05-22 16:41:40
1179
原创 scp指令实现本地与服务器之间文件传输：常用指令及详细说明
此前，我仅使用简单的 scp 基础命令（如 scp file user@host:/path）完成文件传输，但对更高级的参数和用法了解有限。为提升效率并应对复杂场景，现系统整理 SCP 的高级用法，包括端口指定、递归传输、限速控制、密钥认证等技巧，以便后续查阅和灵活使用。
2025-04-23 17:12:06
1728
原创 Frequency Dynamic Convolution for Dense Image Prediction
本文提出频率动态卷积(FDConv)，通过在傅里叶域学习固定参数量预算的方法，有效解决了上述问题。FDConv将参数量划分为具有不相交傅里叶索引的频率分组，从而在不增加参数量的前提下构建频率多样化的权重。为进一步增强适应性，提出核空间调制(KSM)和频带调制(FBM)。KSM在空间维度动态调整每个滤波器的频率响应，而FBM在频域将权重分解为不同频带并根据局部内容进行动态调制。
2025-04-23 09:38:17
960
原创 面向一体化图像复原的内容感知型Transformer模型
本文提出DSwinIR（可变形滑动窗口Transformer图像修复模型），该模型引入了一种新颖的可变形滑动窗口自注意力机制，能够根据图像内容自适应调整感受野，使注意力机制能够聚焦重要区域并增强与显著特征对齐的特征提取能力。此外，本文还引入了中心集成模式，以减少注意力窗口中无关内容的干扰。通过这种方式，所提出的DSwinIR模型整合了可变形滑动窗口Transformer和中心集成模式，在充分发挥CNN和Transformer各自优势的同时，有效
2025-04-22 13:56:13
988
原创 YOLOv12综述：基于注意力的增强与先前版本的对比分析
YOLO（You Only Look Once）系列 一直是实时目标检测领域的领先框架，通过不断改进速度与精度的平衡取得了显著进展。然而，由于高计算开销的问题，将注意力机制集成到YOLO中一直存在挑战。YOLOv12引入了一种新颖的方法，成功实现了基于注意力的增强，同时保持了实时性能。本文全面回顾了YOLOv12的架构创新，包括用于计算高效自注意力的区域注意力（Area Attention）、用于改进特征聚合的残
2025-04-21 16:12:57
1002
原创 基于有效样本数的类别平衡损失 (Class-Balanced Loss, CVPR 2019)
本文认为随着样本数量增加，新增数据点带来的边际收益会递减。本文提出新颖的理论框架，通过将每个样本关联到一个小邻域而非单点来度量数据重叠。有效样本数量定义为样本体积，可通过简单公式(1−β^n)/(1−β)计算，其中n为样本数，β∈[0,1)是超参数。本文设计了重加权方案，利用每类的有效样本数量来重新平衡损失，从而得到类别平衡损失。
2025-04-19 13:14:58
851
原创 MambaIRv2：基于注意力状态空间的图像复原模型 （CVPR 2025）
基于这一思想，本文首先确定每个像素的语义标签。注意到ASE中的路由矩阵𝐑已学习到每个像素的提示类别，因此直接利用这一现成的语义信息重组图像。
2025-04-15 14:51:58
909
原创 行星际激波在日球层中的传播：Propagation of Interplanetary Shocks in the Heliosphere （第四部分）
通过对磁场和等离子体数据的可视化检查，本文识别出了磁场B、速度V、密度N和温度T的突变。利用这些参数变化，本文确定了每个航天器数据集中激波发生的具体时间。从各航天器观测到的激波时间点以及磁场和等离子体数据曲线的相似性来看，可以认为每个事件中不同航天器检测到的是同一个激波在不同位置的传播。以下两个事件的案例分析并非按特定顺序排列。首先分析了2007年5月7日的激波事件，然后是2007年4月23日的事件。
2025-04-15 06:58:09
173
原创 行星际激波在日球层中的传播：Propagation of Interplanetary Shocks in the Heliosphere （第三部分）
（https://cdaweb.gsfc.nasa.gov/）下载了。发射（Wilson III等，2021）。，详见http://www.ipshocks.fi/（如。（Gustafsson et al., 1997），其。（Luhmann et al., 2008），其。（Lepping et al., 1995），其。（Ogilvie et al., 1995），其。（McComas et al., 1998），其。（Balogh et al., 1997），其。
2025-04-14 22:51:22
185
原创 行星际激波在日球层中的传播：Propagation of Interplanetary Shocks in the Heliosphere （第二部分）
太阳作为地球上所有生命的主要能量来源，同时也是太阳系动力学的主要决定者。与其他恒星类似，太阳同时具有复杂的内部动力学过程和对行星际空间的深远影响。本章将系统阐述太阳的内部结构及其重要的日球层活动，以完整揭示这些惊人动力学现象的起源机制。
2025-04-13 18:47:19
616
原创 行星际激波在日球层中的传播：Propagation of Interplanetary Shocks in the Heliosphere （参考文献部分）
Bibliography of < Propagation of Interplanetary Shocks in the Heliosphere >
2025-04-13 09:17:04
282
原创 行星际激波在日球层中的传播：Propagation of Interplanetary Shocks in the Heliosphere （第一部分）
行星际激波是日球层内关键的动力学过程之一。它们能将粒子加速至高能状态，产生等离子体波，并可能触发地球磁层中的磁暴，对地球技术基础设施造成显著干扰。本研究选取了两次IP激波事件，基于STEREO-A/B卫星、Wind卫星、Cluster卫星编队及ACE卫星的磁强计与离子等离子体测量数据，分析激波参数的时序变化特征。通过最小方差分析法（MVA）和磁共面法（CP）确定了激波法线方向。
2025-04-13 02:49:18
825
原创 行星际激波数据集 （2023）
本文推出的新版数据库在三个方面实现升级：首先优化了激波参数（特别是撞击角度和速度）的算法标准；其次扩充了激波事件前后伴随的太阳风和地磁参数；最后通过案例演示和结构说明，为研究者提供更完善的数据支持。数据库的应用展望部分着重探讨了撞击角度参数在地磁效应机理研究中的潜在价值。
2025-04-12 16:55:50
768
原创 行星际空间的磁流体动力激波：理论综述
系统介绍磁流体动力激波（Magnetohydrodynamic Shocks，MHD），包括间断MHD的RH方程（The Rankine-Hugoniot Equations for MHD Discontinuities）、激波法向量分解、激波类型、激波驱动源、MHD 激波的 RH 解、激波速度和法向量的计算方法。
2025-04-08 16:30:43
1173
原创 行星际介质与等离子体环境
行星际介质被一种叫做等离子体的导电流体所包围。当移动的等离子体或太阳风以其方式与磁场相互作用时，就会产生电流，进而产生改变等离子体运动的磁场。描述等离子体运动动力学的科学分支被称为磁流体动力学，简称MHD。在特殊条件下，MHD理论对应于流体方程和麦克斯韦方程的耦合系统。这些方程常用于研究等离子体的行为。
2025-04-07 16:26:28
949
原创 新的轻量级模型 LSNet: 见大聚小（See Large, Focus Small） CVPR 2025
具体而言，将x_i的第c个通道记为x_ic（属于第g组），通过N_{K_S}(x_ic)与w^∗_ig∈R^{K_S×K_S}的卷积运算获得其聚合特征表示y_ic。LS卷积的计算主要包含三部分：P_ls中的逐点卷积、P_ls中K_L×K_L的深度卷积，以及A_ls中K_S×K_S的卷积聚合。（N_{K_L}(x_i)表示以x_i为中心的K_L×K_L邻域）。{K_S}(x_i)**（表示以x_i为中心的K_S×K_S邻域）。，其上下文区域是以x_i为中心的K×K邻域，记为N_K(x_i)。
2025-04-04 05:33:38
2809
原创 地球弓形激波前端1分钟和5分钟太阳风数据集
SPDF About OMNIWeb Data (nasa.gov)The data made accessible through this interface are 1-min-averaged, field/plasma data sets shifted to the Earth's bow shock nose(BSN). This "High Resolution OMNI" (HRO) data set involves an interspersal of BSN-shifted ACE,
2025-04-03 10:13:11
977
原创 SegMAN：基于状态空间模型与局部注意力的全尺度上下文建模语义分割方法 CVPR 2025
由于第四阶段的特征图分辨率降至(H/32×W/32)，此时采用计算可行的全局自注意力来替代SS2D，以获得更强大的全局上下文建模能力。高效实现全局注意力，并使用全注意力解码器进行全局和多尺度上下文建模，但由于依赖下采样特征进行token-to-region注意力，会丢失细粒度细节。因此，本文的目标是使分割网络能够同时实现高效的全局上下文建模、高质量的局部细节编码以及针对不同输入分辨率的丰富多尺度特征表示。特征图Fi的空间分辨率为H/2^(1+i)×W/2^(1+i)，其中H和W分别是输入图像的高度和宽度。
2025-03-31 16:46:42
1275
原创 OMNIWeb: High Resolution OMNI 完整介绍
本说明阐述该界面提供的访问与可视化功能。其底层数据——高分辨率OMNI（HRO）数据集由ACE、Wind、IMP 8及Geotail卫星的1分钟平均磁场与等离子体数据经动态模型弓激波鼻位置时移校正后交织构成，具体技术细节详见配套文件OMNIWeb Data Explorer。特别说明，本界面提供的所有变量均在该文件中予以详细定义。
2025-03-31 15:18:36
749
原创 OMNI 2数据集与OMNIWeb界面概述
该数据集包含来自地球轨道和L1拉格朗日点（距地球约225个地球半径）多艘航天器的小时分辨率太阳风磁场与等离子体数据，同时涵盖高能质子每小时通量、地磁活动指数（AE、Dst等）及太阳黑子数。该界面提供多模式访问：不仅支持OMNI 2数据集及其源数据的查询，还可获取未纳入OMNI 2的其他太阳风数据，以及关于OMNI系列数据集的详细文档。OMNIWeb界面提供对多源OMNI 2数据集的访问权限，包括构成OMNI 2的独立数据集以及相关详细文档。OMNI 2数据集与OMNIWeb界面概述。" 章节下的两个选项。
2025-03-31 13:53:46
804
原创 日光层激波数据库: 方法文档
所有数据均从协调数据分析网（CDAWeb）下载。下载的参数如表1所示。对数据进行的初步处理主要包括以下内容：从等离子体数据中剔除明显的虚假尖峰；此外，若尚未完成相关调整，则将时间标签校准至实际测量间隔的中心位置（此项操作仅针对来自 ACE 和 STEREO 航天器的数据）。有关参数分辨率、所采用的坐标系以及其他与航天器相关的特性详情
2025-03-31 11:35:01
360
原创 OMNIWeb 数据介绍
该数据集还提供由小时数据衍生的日分辨率、27天分辨率和年分辨率数据。用户可在https://omniweb.gsfc.nasa.gov/ow.html获取完整的数据描述和访问方式。本界面及其多个底层接口提供访问的所有数据都具有以下共同特点：它们与日球层研究相关，和/或为研究太阳风-磁层耦合提供太阳风输入数据，且这些数据均存储于戈达德太空飞行中心/空间物理数据设施（GSFC/SPDF）。高分辨率数据：https://omniweb.gsfc.nasa.gov/html/omni_min_data.html。
2025-03-29 09:36:59
908
原创 行星际激波特征分析及其在太阳风激波自动检测算法开发与优化中的应用
对人类评估太阳风数据以识别行星际（IP）激波的研究依赖于启发式方法和模式识别，其中前者更易于算法表示和自动化。此类检测算法可提前预警即将到来的激波，从而为后续地磁风暴提供更长的预警时间【意义】。然而，如过去和当前研究表明，仅通过算法处理捕获激波具有挑战性【问题】。本文对L1点观测到的209个IP激波进行了统计分析，并利用这些信息优化了一套用于自动化太阳风激波检测算法的激波识别标准。为了确定算法中阈值范围，本文通过分析ACE航天器上SWEPAM和MAG仪器8年的IP激波数据，量化了太阳风密度、速度、温度和磁场
2025-03-27 18:07:33
855
原创 近地轨道快速行星际激波的特性与驱动源（1995–2013年）
本文针对跨越一个太阳活动周期的快速前向（FF）与快速反向（FR）行星际激波的特性及驱动源开展了全面统计分析。研究综合了1995至2013年间通过近地观测（Wind和ACE卫星）及STEREO-A卫星识别的679个激波事件数据，发现除太阳活动极小期外，FF激波在所有太阳活动相位中均占主导地位。近100%的FR激波由慢-快流相互作用区（SIRs）驱动，而除太阳极小期外，日冕物质抛射（CMEs）是FF激波各相位的主要驱动源。CME驱动的FF激波发生率及中位速度与太阳黑子周期同步变化，SIR相关激波则无此关联特征。
2025-03-27 14:36:56
335
原创 自动行星际激波检测及其在Wind观测中的应用
本文提出了一种自动化的两步检测算法，用于在实时数据流中识别行星际 (IP) 激波，而无需考虑其类型。该算法旨在未来太阳轨道器任务 (Solar Orbiter mission) 中实施，以触发高分辨率数据向地球的传输。算法的第一步基于一个质量因子 Q 的确定，Q 用于指示等离子体参数（质子密度和整体速度）以及磁场强度的突变 。
2025-03-27 12:19:30
969
原创 IPShocks：行星际激波数据库
IPShocks 网站是一个庞大的资料库，为研究人员提供来自诸如“风”号、“先进成分探测器”号、“太阳和日球层探测器”A 号、“太阳和日球层探测器”B 号、“赫利俄斯”A 号、“赫利俄斯”B 号、“尤利西斯”号、“四重奏”号、“深空气候观测站”号、“旅行者”1 号、“旅行者”2 号、“综合日地关系观测台”号、“帕克太阳探测器”号和“太阳轨道飞行器”号等航天器任务观测到的激波的详细信息，涵盖了从 20 世纪 70 年代至今的时期。，从而实现更快的响应时间，并对太阳活动有更深入的了解。的活跃且智能的工具。
2025-03-26 15:10:56
962
基于小波变换的图像增强算法.pdf
2014-07-16
Wasserstein Auto-Encoders 【pdf】
2017-12-20
SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB .pdf
2017-12-20
李飞飞团队《2024年人工智能指数报告》《Artificial Intelligence Index Report 2024》
2024-08-12
腾讯研究院《工业大模型应用报告》 2024年3月
2024-08-12
去雾算法 dehazing 最新顶级会议和期刊论文打包下载（17-18年）
2018-03-19
GitHub上传方法.docx
2020-07-26
去雾算法 dehazing 最新顶级会议和期刊论文打包下载（08-14年）
2018-03-19
17CVPR_CODE_Learning Dynamic Guidance for Depth Image Enhancement
2018-01-11
synset_words.txt
2018-05-25
bvlc_reference_caffenet.caffemodel
2018-05-25
宽度学习 Broad Learning System MATLAB代码（2）：NORB实践
2018-03-19
去雾算法 dehazing 最新顶级会议和期刊论文打包下载（15-16年）
2018-03-19
A Probabilistic Collaborative Representation based Approach for
2018-01-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人