Results 71 to 80 of about 1,997 (147)
Resource allocation strategy for ultra-dense Internet of things based on graph convolutional neural network [PDF]
To address the significant issue of hidden terminal interference that severely impacted resource management in ultra-dense Internet of things (UD-IoT) environments, a deep deterministic gradient-based conflict-free resource allocation strategy using ...
CAI Jieliang +6 more
core +1 more source
Gaoya dianqi为了提高电力系统暂态电压在系统拓扑结构发生变化时能够稳定评估，以及提高在时空方面的特征提取能力，提出一种图卷积网络与循环神经网络相融合的方法。首先，引入图卷积网络对电力数据进行图表示，将电力系统建模为网络结构，自动学习电压节点的特征表示。其次，提出使用循环神经网络来处理暂态电压数据的时间依赖关系，捕捉暂态电压数据的时序特征。然后，提出自适应增强模块，用于将两个输出特征表示相互融合，提高模型在系统拓扑结构上的时空特征提取能力。最后，通过算例验证表明，相比于传统的评估模型，所提方法具有更高的预测精度和有效性。
徐焕 +5 more
doaj
Dianci bileiqi, 2020 针对无人机巡检输电线路图像中存在绝缘子串定位难点,笔者在分析散射变换原理和卷积神经网络（CNN）的基础上,通过低通滤波器作散射系数处理,结合Gram矩阵法来降低绝缘子串背景信息的噪声干扰,以增强低频系数的边缘纹理特征,结合SSD网络框架实现了CNN对绝缘子串实时定位计算的高效性。实验结果表明:该方法在保证实时计算的前提下,与传统SSD网络框架相比,召回率和交并比分别提升了1. 04%和1. 38%。
潘翀 +5 more
doaj
野生动物学报, 2022 蛇在野外广泛分布,不同种类的蛇具有不同的特性,实现蛇的准确识别对保护生物多样性和促进全球健康具有重要意义。为提高传统神经网络模型在蛇类图像上的识别效果,以中国地区常见蛇种作为研究对象,包括金环蛇(Bungarus fasciatus)、银环蛇(B.multicinctus)、圆斑蝰(Daboia russelli siamensis)、尖吻蝮(Deinagkistrodon acutus)、竹叶青(Trimeresurus stejnegeri)和王锦蛇(Elaphe carinata ...
周志斌 罗志聪 张展榜 孙奇燕
doaj
智能科学与技术学报, 2021 空间关联特性的关联因素过于复杂且难以量化等问题导致短时交通流预测过于依赖时间关联特性。针对这一问题，提出一种考虑时空关联的深度学习短时交通流预测方法。首先，通过构建同时考虑距离、车流流量相似性和车流速度相似性的空间关联性度量函数，量化目标路段与周边关联道路间的空间关联性。然后，构建内嵌长短时记忆神经元的卷积神经网络模型，利用长短时记忆神经元提取数据间的时间关联性，利用空间关联性度量值及交通数据的卷积传输提取数据间的空间关联性，以实现同时考虑时空关联性的交通流预测。实验结果表明 ...
张阳, 胡月, 辛东嵘
doaj
Dizhen xuebao首先利用四分量钻孔应变数据独有的自洽特性，构建震前应变特征数据集；之后基于一维卷积神经网络框架，设计地震震级与方位的预测模型；然后通过混淆矩阵计算准确率、召回率以及F1分数，对模型预测结果进行评价与修正；最后对我国西南地区的永胜、昭通、姑咱及腾冲四个台站的钻孔应变特征分别进行训练与验证，并讨论了不同特征窗长对预测效果的影响。训练完成后的模型效果在测试集上均表现优异，四个台站对震级和方位预测的平均准确率分别可达85%和80%左右，说明四分量钻孔应变数据特征与地震的发生有着很强的相关性 ...
Zining Yu +4 more
doaj +1 more source
, 2019 目前,事件检测的难点在于一词多义和多事件句的检测.为了解决这些问题,提出了一个新的基于语言模型的带注意力机制的循环卷积神经网络模型(recurrent and convolutional neural network with attention based ..
施喆尔, 陈锦秀
core
MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型 [PDF]
, 2019 针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练集和校准集,通过使用CNN从训练集中学习出规则D。基于规则D和校准集使用算法随机性对被测数据进行置信预测,即为每个被测数据提供附带置信度的多标记预测集。在对Chest X-ray14胸片数据集的实验结果表明 ...
何霆 +5 more
core
Non-destructive Detection of Water Content in Porphyra Based on Near-infrared Spectroscopy and Deep Learning [PDF]
In order to explore the feasibility of combining near-infrared (NIR) spectroscopy and deep learning network for quantitative moisture detection, the dried Porphyra was divided into 479 groups, which detected the NIR spectra and moisture content.
Jin QIAN +7 more
core +1 more source
Zhendong Ceshi yu Zhenduan为了提高小样本图像条件下列车轮对轴承故障检测水平，提出了一种基于多分辨率孪生神经网络（multi⁃resolution siamese neural network， 简称MrSNN）模型的列车轮对轴承表面缺陷机器视觉检测方法。首先，采用孪生神经网络（siamese neural network， 简称SNN）为基础模型框架，构建了包含不同卷积核尺寸及不同膨胀因子大小的多分辨率卷积融合模块（multi‑resolution convolution fusion block， 简称MrCFB ...
doaj +1 more source