您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 对灰色预测模型残差问题的探讨.pdf

  2. 对灰色预测模型残差问题的探讨.pdf对灰色预测模型残差问题的探讨.pdf对灰色预测模型残差问题的探讨.pdf
  3. 所属分类:专业指导

    • 发布日期:2010-04-22
    • 文件大小:110592
    • 提供者:penglixing
  1. FLUENT运行过程中,残差曲线震荡问题

  2. 针对fluent运行过程中的残差震荡问题,给出了相应的解决方法,希望给使用者一定收获,谢谢支持!
  3. 所属分类:数据库

    • 发布日期:2012-05-30
    • 文件大小:36864
    • 提供者:niurf
  1. C#七参数坐标转换(布尔莎七参数计算,根据七参数进行坐标转换,公共点残差配置)

  2. 布尔莎七参数;公共点残差;大地测量学;坐标换算;大地测量学 的编程作业,含源码,有兴趣的童鞋可以看一看,运行没有任何问题,用于坐标转换,最后成果输出为TXT文件
  3. 所属分类:C/C++

    • 发布日期:2018-04-03
    • 文件大小:88064
    • 提供者:weixin_40760639
  1. 交替残差三线性化算法结合三维荧光光谱应用于多色荧光基团的DNA序列同时检测

  2. 交替残差三线性化算法结合三维荧光光谱应用于多色荧光基团的DNA序列同时检测,唐丽娟,杜文,本文提出了一种新的二阶校正方法--交替残差三线性化(ART),用于解决多种靶序列同时定量检测时分子信标荧光光谱重叠的问题。分子�
  3. 所属分类:其它

    • 发布日期:2020-02-17
    • 文件大小:733184
    • 提供者:weixin_38665814
  1. 基于电离层残差法的周跳探测和修复方法研究

  2. 基于电离层残差法的周跳探测和修复方法研究,赵义春,秦滔,在GPS载波相位测量中,周跳探测和修复是需要解决的关键问题之一,本文深入分析了周跳产生的原因和特性以及电离层残差检测量的构造
  3. 所属分类:其它

    • 发布日期:2020-01-18
    • 文件大小:202752
    • 提供者:weixin_38536716
  1. 基于马尔科夫残差修正的瓦斯浓度预测

  2. 针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦斯浓度进行分析预测。实际应用结果表明,经马尔科夫残差修正后的瓦斯浓度预测值与实测值的最大相对误差从14%减小到6%,修正后的瓦斯浓度变化曲线更接近实际瓦斯浓度变化趋势。
  3. 所属分类:其它

    • 发布日期:2020-07-17
    • 文件大小:201728
    • 提供者:weixin_38717574
  1. 基于残差网络的学生课堂行为识别.pdf

  2. 学生课堂行为识别旨在识别学生在课堂上的行为表现,反映课堂教学质量。针对目前卷积神经网络在随着网络层数加深表现出来的性能退化的问题,提出基于残差结构的深度残差网络。通过搭建学生课堂行为识别数据集,训练深度残差网络,使网络成功识别出上课、睡觉、玩手机、做笔记、看书、东张西望等行为。将深度残差网络与深度卷积神经网络在该数据集上的准确率进行对比,实验结果表明前者拥有更好的网络识别性能。
  3. 所属分类:其它

    • 发布日期:2020-12-06
    • 文件大小:1048576
    • 提供者:qq_47590788
  1. 【人工智能学习】【十五】残差网络

  2. 深度学习的问题 理论上来说深层网络一定包含了浅层网络能拟合出的映射,但并不是层数越多越好。深度CNN网络达到一定深度后再一味地增加层数并不能带来进一步地分类性能提高,反而会招致网络收敛变得更慢,准确率也变得更差。 残差网络 网络随着深度的变深,映射出来的特征越抽象,包含的信息越少(信息论的角度讲,由于DPI(数据处理不等式)的存在,在前向传输的过程中,随着层数的加深,Feature Map包含的图像信息会逐层减少),那么如果使每一层的信息都变得比前面一层多,就解决这个问题了,这个就是残差网络的核
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:215040
    • 提供者:weixin_38658471
  1. RRH:此存储库用于提供以下文章的实例的访问:“针对一维切割物料问题的残差重组启发式”-源码

  2. RRH 该存储库用于提供对以下文章的实例的访问:“针对一维切割物料问题的残差重组启发式”
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:287744
    • 提供者:weixin_42099151
  1. 基于多流扩张残差稠密网络的图像去雨算法

  2. 针对传统图像去雨算法未考虑多尺度雨条纹及图像去雨后细节信息丢失的问题,提出一种基于多流扩张残差稠密网络的图像去雨算法,利用导向滤波器将图像分解为基础层和细节层。通过直接学习含雨图像细节层和无雨图像细节层的残差来训练网络,缩小映射范围。采用3条带有不同扩张因子的扩张卷积对细节层进行多尺度特征提取,获得更多上下文信息,提取复杂多向的雨线特征;同时,将扩张残差密集块作为网络的参数层,加强特征传播,扩大接受域。在合成图片和真实图片上的实验结果表明,所提算法能有效去除不同密度的雨条纹,并较好地恢复图像细节
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:9437184
    • 提供者:weixin_38589774
  1. 基于低通滤波残差图的高光谱条带噪声去除

  2. 针对高光谱遥感图像中存在的条带噪声,提出了一种基于低通滤波残差图的条带噪声去除算法。算法首先使用高斯低通滤波器对图像进行滤波,得到低通滤波残差图;然后借助条带噪声秩为1以及残差图中的细节与条带噪声正交的先验信息,使用正交子空间投影技术将低通滤波残差图中的条带噪声和图像细节进行分离;最后将分离出的细节信息加入滤波后的图像中。通过对上述三步不断迭代,算法能够有效地去除图像中的条带噪声,并且能够解决低通滤波法去条带造成图像模糊的问题。实验结果表明,与现有前沿的去条带算法相比,该方法能在有效去除条带噪声
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:14680064
    • 提供者:weixin_38569675
  1. 基于多尺度残差式卷积神经网络与双向简单循环单元的光学乐谱识别方法

  2. 光学乐谱识别在音乐信息检索和计算机辅助教学等领域有着重要价值,针对传统框架处理步骤复杂、精度较低,而基于深度学习的算法模型训练耗时久,且对难点音符识别误差较大的问题,提出了一种改进的卷积循环神经网络以提升识别精度。首先在原始乐谱中增加不同的噪声,以扩充乐谱图像,提高训练模型的鲁棒性;随后利用多尺度残差式卷积神经网络对乐谱图像中的音符特征进行提取,提升后续识别精度;最后利用双向简单循环单元网络识别音符特征,加快训练收敛速度。实验结果表明,改进后网络模型的平均符号错误率下降至0.3234%,收敛速度
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:10485760
    • 提供者:weixin_38633897
  1. 基于多尺度残差网络的小样本高光谱图像分类

  2. 为了解决基于深度学习的高光谱图像分类方法对于小样本数据分类精度低的问题,提出了一种基于多尺度残差网络的分类模型。该模型通过在残差模块中加入分支结构,分别构造了基于光谱特征和空间特征的提取模块,实现了空间特征和光谱特征的多尺度提取融合,充分利用了高光谱图像中丰富的空谱信息。此外,所提模型使用了动态学习率、批归一化以及Dropout等来提高计算效率和防止过拟合。实验结果表明,该模型在Indian Pines和Pavia University数据集上分别取得了99.07%和99.96%的总体分类精度,
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:9437184
    • 提供者:weixin_38717031
  1. 基于残差块和注意力机制的细胞图像分割方法

  2. 针对相衬显微镜采集的细胞图像具有亮度不均衡且细胞与背景对比度较低的问题,提出一种以U-Net为基本框架,结合残差块和注意力机制的细胞分割模型。首先,利用具有编码器-解码器结构的U-Net对细胞图像进行细胞初始分割;然后,在U-Net中引入残差块,以强化特征的传播能力,提取更多细胞细节信息;最后,利用注意力机制加重细胞区域的权重,降低亮度不均衡、对比度较低对模型的干扰。实验结果表明,与其他模型相比,所提模型在视觉效果和客观评价指标上均有较好的分割效果。
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:10485760
    • 提供者:weixin_38639642
  1. 基于压缩激励残差网络与特征融合的行人重识别

  2. 为解决现有基于深度学习的行人重识别算法中网络深度过深,网络层间的特征关系利用率、时间效率低等问题,提出了一种基于压缩激励残差网络(SE-ResNet)与特征融合的改进算法。通过引入压缩激励(SE)模块,在特征通道上对特征进行压缩和激励,然后重新对各通道分配权重,以增强有用特征通道,抑制无用特征通道,降低网络的深度;为提高识别精度和运算效率,将浅层特征与深层特征融合,删除部分特征提取模块,并对卷积核的大小与运行时间、识别精度的关系进行建模,寻找最佳平衡点。实验结果表明,相比ResNet50,本算法
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:7340032
    • 提供者:weixin_38604330
  1. 基于三维空洞卷积残差神经网络的高光谱影像分类方法

  2. 高光谱影像是典型的高维数据,在光谱维和空间维都包含了大量信息。针对高光谱影像分类时光谱维数据量巨大的特点,提出一种基于三维空洞卷积残差神经网络的高光谱影像分类方法。该方法以高光谱像元立方体作为数据输入,使用三维卷积核同时提取高光谱数据的空间维和光谱维特征,并通过在卷积核中引入空洞结构,在不增加网络参数量和不消减数据特征的情况下提高卷积核的感受野,从而提高神经网络的分类的精度。该方法利用残差结构避免了由网络层数加深导致的梯度消失问题,最终使用Softmax分类器完成高光谱像元的分类工作。实验结果表
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:11534336
    • 提供者:weixin_38515897
  1. 事实:残差网络的空间自适应计算时间-源码

  2. 残差网络的空间自适应计算时间 该代码实现了基于残差网络的深度学习架构,该架构可动态调整图像区域的已执行层数。 该体系结构是端到端可训练的,确定性的且与问题无关的。 随附的代码将此应用于CIFAR-10和ImageNet图像分类问题。 它使用TensorFlow和TF-Slim实现。 描述项目的论文: 迈克尔·菲格诺夫(Michael Figurnov),麦克斯韦·D·柯林斯(Maxwell D. 残差网络的空间自适应计算时间。 CVPR 2017 。 图像(带有检测) 思考成本图 建立
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:855040
    • 提供者:weixin_42131316
  1. 基于深度残差学习的乘性噪声去噪方法

  2. 图像去噪是数字图像处理中最基本的研究内容, 也是一项十分关键的技术, 一直以来是图像处理领域的难点。图像去噪的好坏直接影响后续图像边缘检测、特征提取、图像分割和模式识别等图像处理。为有效去除乘性噪声的影响, 提出一种深度残差学习的乘性噪声去噪方法。该方法通过引入残差优化, 解决了卷积神经网络在层数较多时, 随着层数加深, 梯度在传播过程中逐渐消失的问题。与4种经典去噪算法进行比较, 结果表明, 该方法在有效去除乘性噪声的同时, 可以更好地保留图像的边缘和纹理区域的细节信息, 为后续的图像分割、配
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:14680064
    • 提供者:weixin_38751031
  1. 基于深层残差网络的加速图像超分辨率重建

  2. 针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题, 提出了一种基于深层残差网络的加速图像超分辨率重建方法, 该方法在提高图像分辨率的同时加快收敛速度。设计更深的卷积神经网络模型来提高精确度, 通过残差学习并且使用Adam优化方法使网络模型加速收敛。在原始低分辨率图像上直接进行特征映射, 只在网络的末端引入子像素卷积层, 将像素进行重新排列, 得到高分辨率图像。实验结果表明, 在set 5, set 14, BSD100测试集上, 所提算法的峰
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:11534336
    • 提供者:weixin_38621441
  1. 基于可分离残差模块的精确实时语义分割

  2. 针对当前智能驾驶领域场景理解中的语义分割算法无法同时满足高精度和高效率要求的问题,提出了精确高效的语义分割算法。基于可分离残差模块和降采样模块,设计了充分利用其学习能力和学习效率的高效精确语义分割网络结构。利用Cityscapes数据集,在图像处理效率12 frame/s的基础上达到分割精度67.86%。研究结果表明,所提方法在精度和效率上均能达到较好的效果,实现了精度和效率的平衡。
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:5242880
    • 提供者:weixin_38571544
« 12 3 4 5 6 7 8 9 10 ... 13 »