Results 71 to 80 of about 2,214 (195)
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
基于层数自适应加权卷积神经网络的川藏交通廊道沿线滑坡易发性评价
Earth Science-Journal of China University of Geosciences, 2022 Wu-da Huang +4 more
semanticscholar +1 more source
Gaoya dianqi, 2017 对局部放电进行有效识别可以为评估变压器设备绝缘状况提供科学的参考依据,然而局部放电类型的识别往往需要人为地提取描述特征,适应性很差。针对此问题,提出一种基于卷积神经网络的智能识别新方法。根据视觉注意机制分割出放电信号图像,并将灰度化和双线性插值归一化处理的图像作为卷积神经网络的输入。该方法模拟人脑的机制来解释数据,可以直接对采集到的放电信号图像进行自动特征学习与模式识别。实验中对4种典型放电类型的识别率超过了94%,显著优于传统的方法。试验结果表明,该方法无需进行复杂的特征提取 ...
刘兵, 郑剑
doaj
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