Results 81 to 90 of about 5,473,456 (145)
本发明涉及一种基于雪模型和深度学习融合的图像去雪算法。针对雪天气影响共融机器人视觉系统鲁棒性的问题,首先根据雪的成像过程推导了一个简化的雪模型,然后设计了一个基于该模型的图像深度去雪网络,该网络由雪花检测子网络和去除子网络串联组成。雪花检测子网络采用了残差学习网络,该网络可以准确地学习雪图像和无雪图像之间的差异。去雪子网络采用了密集连接的U网络。它一方面利用U‑net保留背景的细节信息,另一方面利用DenseNet将低层特征复用到高层的特点来提高去雪的准确度 ...
田建东, 尹赫, 唐延东, 李鹏越
core
研究如何通过暖气设备自适应地调节室温,提升室内环境的舒适度,具有非常重要的意义。因此,提出了基于双深度Q网络方法的智能暖气温度控制系统,根据人的表情信息控制暖气设备的阀门开度,实时调整室温。首先,介绍针对原始输入状态的预处理算法。然后,设计通过双深度Q网络方法学习控制暖气设备阀门开度的最佳策略。最后,通过仿真结果验证提出的方法的有效性。
李涛, 魏庆来
doaj
在自动化集装箱码头,自动化智能车辆(automated intelligent vehicle, AIV)代替传统的内部集装箱卡车,在码头的岸区和箱区进行货运。在这个过程中,AIV面临的一个重要挑战是需要主动识别港口环境中的各种障碍物。提出基于深度学习的方法识别港口AIV运行场景中的障碍物,把识别的信息提交到调度系统中,为后续调度规划提供依据。在实验室场景下,使用深度学习可以完成95%的识别正确率。在实际码头应用场景中,该方法达到了90%以上的识别率,并且已实际投入使用。
孙佳哲, 邹鹰
doaj
Research and application progress in deep learning in otology. [PDF]
Mao S +5 more
europepmc +1 more source
7月24日下午,中国科学院心理研究所一室职工党支部举办“基层组织建设年”学习讨论活动。本次活动共有28位党员参加。 活动学习了党内的重要法规制度,并对支部组织生活进行了自查自检,深入听取了党员群众对相关工作的意见与建议。作为“基层组织建设年”的重要学习内容,大家在支部书记李娟的带领下,对《关于新形势下党内政治生活的若干准则》、《中国共产党党和国家机关基层组织工作条例》等党内法规制度进行了系统学习。对照相应法规制度,对支部日常工作进行了细致的自查自检,并广泛听取了参会党员的意见建议 ...
郭黎媛
core
[目的] 水土保持措施类型及其配置模式复杂繁多,准确识别与精细化提取水土保持措施详细配置信息是获取水土保持措施因子值的基础。[方法] 水土保持措施信息获取方式主要有传统的野外调查、卫星遥感影像和无人机近景摄影等,其识别与提取方法主要包括目视解译、传统的机器学习、面向对象分类方法及深度学习模型。通过梳理国内外水土保持措施识别与提取方法的研究成果,总结存在的不足并提出研究展望。[结果] 在语义分割中未来的特征融合与多模态学习、弱监督与半监督学习、集成学习和元学习等均可被运用到水土保持措施提取中。[结论 ...
田培, 任益伶, 陈妍
doaj
文章构建了基于深度学习的主题资源监测采集模型,并利用深度学习词向量工具word2vec对收集的语料进行深度训练,对采集资源与主题模型进行相似度匹配,通过设定合适阈值来实现自动化监测主题资源。实践证明:基于深度学习的定主题监测方法在海洋战略研究所信息监测系统的应用过程中,在主题资源自动监测的准确性上效果优于传统基于向量空间模型的监测算法,能为专题知识库和领域情报信息监测系统的构建打下坚实的基础。
张旺强 +3 more
core
为了探索元极学在实际中的应用,采用智力测验方法,对学习元极学的深浅程度不同者进行了测试和研究,结果表明,学习元极学对开发智力的某些方面如记忆、动作协调、注意分配等有一定作用,学习的程度越深 ...
王极盛, 赫尔实, 刘玉珠
core
模态分解算法被广泛应用于提升深度学习模型的预测能力。然而,传统变分模态分解(VMD)方法通常需要人工调整参数,且存在信息泄露问题。此外,常规深度学习模型依赖人工经验调参,难以适应多变的水质条件,导致预测泛化能力有限。针对这些问题,提出一种新型混合深度学习模型——CRVMD-BBia。该模型采用基于冠豪猪优化算法(CPO)的滚动变分模态分解(RVMD),及基于黑寡妇优化算法(BWOA)的多头注意力机制双向长短期记忆网络(BiLSTM)模块,用于预测市政污水处理厂的关键出水水质。基于实际数据的实验结果表明 ...
高新宇 +5 more
doaj +4 more sources
针对单一传感器数据在复杂工程系统的故障诊断中难以全面获取机械设备的状态信息、且易受工况变化干扰的问题,提出了一种基于卷积神经网络(convolutional neural network,简称CNN)的多模态数据融合轴承故障诊断方法。首先,构建小波滤波器组,对振动信号和声发射信号自适应选择时频变换尺度区间,进行连续小波变换生成时频图样本;其次,搭建深度学习诊断模型,设计多尺度模块、密集耦合模块以及融合与决策模块,提取不同模态数据的故障特征,并引入相似性约束学习联合特征信息;最后 ...
doaj +1 more source

