- 年份
- 2024(5992)
- 2023(8614)
- 2022(7455)
- 2021(6949)
- 2020(6057)
- 2019(14191)
- 2018(13763)
- 2017(26699)
- 2016(13897)
- 2015(15345)
- 2014(14670)
- 2013(14215)
- 2012(12743)
- 2011(11299)
- 2010(10677)
- 2009(9473)
- 2008(8836)
- 2007(7145)
- 2006(5802)
- 2005(4878)
- 学科
- 济(55843)
- 经济(55788)
- 管理(38327)
- 业(36189)
- 企(30827)
- 企业(30827)
- 方法(30807)
- 数学(27491)
- 数学方法(27003)
- 财(13767)
- 农(12915)
- 中国(12276)
- 学(11397)
- 业经(11098)
- 贸(9983)
- 贸易(9979)
- 易(9747)
- 务(9126)
- 财务(9078)
- 财务管理(9057)
- 理论(9034)
- 技术(8831)
- 地方(8685)
- 企业财务(8613)
- 农业(8478)
- 和(8056)
- 制(7920)
- 环境(7375)
- 划(7091)
- 融(6638)
- 机构
- 大学(185897)
- 学院(183268)
- 管理(75371)
- 济(73703)
- 经济(72394)
- 理学(66468)
- 理学院(65812)
- 管理学(64353)
- 管理学院(64014)
- 研究(58013)
- 中国(42236)
- 京(38145)
- 科学(36956)
- 财(32670)
- 农(31723)
- 业大(30518)
- 中心(28300)
- 所(27909)
- 财经(27184)
- 研究所(25856)
- 江(25741)
- 农业(25169)
- 经(25016)
- 经济学(23119)
- 北京(22769)
- 范(22413)
- 师范(22157)
- 院(21991)
- 经济学院(21067)
- 财经大学(20740)
- 基金
- 项目(138476)
- 科学(110220)
- 基金(103720)
- 研究(96296)
- 家(91944)
- 国家(91309)
- 科学基金(79615)
- 社会(62664)
- 社会科(59613)
- 社会科学(59598)
- 基金项目(54780)
- 自然(53769)
- 省(53292)
- 自然科(52651)
- 自然科学(52637)
- 自然科学基金(51691)
- 划(45372)
- 教育(45319)
- 资助(42715)
- 编号(37042)
- 重点(31209)
- 部(30923)
- 创(29398)
- 成果(28210)
- 发(28150)
- 科研(27784)
- 创新(27503)
- 国家社会(27068)
- 教育部(26640)
- 计划(26141)
共检索到252228条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 湖南农业大学学报(自然科学版)
[作者]
李衡霞 龙陈锋 曾蒙 申佳
针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,最后对比分析结果。油菜虫害检测模型利用VGG16网络提取油菜虫害图像的特征,区域候选网络生成油菜害虫的初步位置候选框,Fast R–CNN实现候选框的分类和定位。结果表明,该方法可实现对蚜虫、菜青虫(幼虫)、菜蝽、跳甲、猿叶甲5种油菜害虫的快速准确检测,平均准确率达94.12%,与RCNN、Fast R–CNN、多特征融合方法、颜色特征提取方法相比,准确率分别提高了28%、23%、12%、2%。
[期刊] 物流技术
[作者]
姚志英 王成林 姚滢滢
设计了一种物品检测深度卷积神经网络,应用于物流分拣传输过程中物品检测。分析了深度卷积神经网络的结构及其在图像特征提取和信息降维方面的作用;设计了由卷积层、池化层、激活函数层和全连接网络层组成的物品检测深度卷积神经网络;构建了由300幅图像和标注结果组成的样本库,抽取60%的样本作为网络训练样本集,其余40%样本平均分成两组,其中一组作为网络训练过程中验证样本,另一组作为对训练好网络进行性能验证的测试样本;在设定网络参数的基础上进行网络的训练和测试;通过分析网络训练过程中各层的输出,发现所设计的网络可以很好地实现图像中所含物品特征的检测;网络训练过程验证精度可达100%,测试正确率可达98.33%。由此可知深度卷积神经网络性能良好,可用于物流分拣生产中的物品检测。
[期刊] 清华大学学报(自然科学版)
[作者]
蒋慧灵 白嘎力 周郑 邓青 腾杰 张越 周亮 周正青
串联故障电弧因多样性、相似性和隐蔽性而难以被检测,容易引发故障电弧保护装置误报和漏报。采用一维空洞卷积神经网络(one-dimensional dilated convolutional neural network, 1D-DCNN)提取以高采样率采集的故障电弧电流特征,引入扩展型指数线性单元(scaled exponential linear unit, Se LU)激活函数和残差连接解决梯度消失和网络退化问题,并结合平均集成学习和Softmax多分类器建立故障电弧检测模型。实验结果表明:所提方法对单负载和混合负载故障电弧的检测准确率达99.67%,相应负载识别准确率达99.95%,总体预测结果准确率达99.62%,优于传统卷积神经网络(convolutional neural network, CNN),满足故障电弧检测要求,有助于串联故障电弧检测和负载识别。
[期刊] 上海海洋大学学报
[作者]
王振华 曲念毅 钟元芾 何婉雯 宋巍 黄冬梅
受不规律潮汐的影响,现有的海岛地物类别自动识别方法存在精度低和时效性差等问题,通过改进深度卷积神经网络提出了一种基于遥感影像的海岛快速识别方法:(1)在深度卷积神经网络的卷积层中增设1×1的卷积核作为瓶颈单元,对多波段的遥感影像进行降维;(2)在池化层引入了重采样方法,基于灰度值对海量的遥感影像进行特征压缩。以300景Landsat-8遥感影像为源数据,分别采用CNN、RCNN和本文改进的深度卷积神经网络对遥感影像中的海岛进行识别,实验结果表明:(1)改进的深度卷积神经网络降低了海岛识别的计算耗时,其计算耗时仅为CNN的4.56%和RCNN的5.60%;(2)改进的深度卷积神经网络较CNN和RCNN提高了海岛识别的精度,识别精度分别为96.0%、93.3%和95.0%。结果说明,改进的深度卷积神经网络适用于面向遥感影像的海岛自动识别。
[期刊] 中南林业科技大学学报
[作者]
徐海文 张贵 谭三清 肖化顺 杨志高 文东新 吴鑫
【目的】随着卫星遥感技术的蓬勃发展，卫星遥感已成为林火监测的重要手段。林火发生初期，由于燃烧温度不高致使卫星红外波段接收不到足以成像的能量辐射。林火发生时会首先产生烟雾，采用深度学习方法利用气象卫星影像进行林火烟雾检测，相较于利用卫星红外通道监测林火而言可更早地发现林火。【方法】以高时间分辨率国产静止气象卫星FY-4A数据为基础，采集研究区内1 500张林火烟雾图片和1 500张云图片作为数据集，以4︰1的比例划分训练集与验证集并进行数据预处理，采用卷积神经网络AlexNet、MobileNet、ResNet及Inception-ResNet(IRNet)结构对数据集进行实验分析，采用准确率、精确率、召回率和Kappa系数评价模型的总体效果，选取最优结果建立基于卷积神经网络的林火烟雾检测模型。【结果】利用准确率、精确率、召回率及Kappa系数定量评价各模型的总体效果，得出：AlexNet模型的准确率达89.3%，精确率达100%，召回率达78.7%,Kappa系数为78.7%;MobileNet模型的准确率达98.2%，精确率达99.7%，召回率达96.7%,Kappa系数为96.3%;ResNet模型的准确率达98.0%，精确率达100%，召回率达96.0%,Kappa系数为96.0%;IRNet模型的准确率达99.8%，精确率达100%，召回率达99.7%,Kappa系数为99.7%。IRNet模型的总体效果高于AlexNet模型、MobileNet模型与ResNet模型，选取IRNet为林火烟雾检测的最优模型。【结论】利用高时效性FY-4A静止气象卫星遥感数据，采用IRNet模型进行林火烟雾检测的总体效果最好，能有效地减少卫星监测时的林火漏判和迟判现象，提高对森林火灾的早期监测预警能力。
[期刊] 西南农业学报
[作者]
苏鸿 温国泉 谢玮 韦幂 王筱东
【目的】研究基于区域卷积神经网络(R-CNN)模型的广西柑橘病虫害识别方法,为提高柑橘重要病症分类和病理检测效率提供参考依据。【方法】设计专用R-CNN模型,采用多层神经网络,通过机器学习算法和神经网络对柑橘黄龙病、红蜘蛛感染和溃疡病等广西柑橘主要病症特征图像进行识别,分析其准确率和空间复杂度。【结果】R-CNN模型对广西柑橘黄龙病的平均识别准确率为95.30%,对红蜘蛛感染的平均识别准确率为90.30%,对溃疡病的平均识别准确率为99.10%,均优于传统机器学习方法中支持向量机算法(SVM)的平均识别准确率(分别为93.20%、88.20%和95.20%),分类效果也优于小型神经网络模型如视觉几何组网络(VGG-19)模型,平均识别准确率分别提高4.25%、4.62%和2.55%。R-CNN模型在较少神经元参数(33层卷积网络)情况下,空间复杂度比SVM和VGG-19模型低,能获得更佳的柑橘黄龙病、红蜘蛛感染和溃疡病识别效果。【结论】R-CNN模型识别是一种对柑橘黄龙病、红蜘蛛感染和溃疡病行之有效的鉴别方法,可在广西柑橘果园大量部署和应用。
[期刊] 河北经贸大学学报(综合版)
[作者]
王建军 刘乐姗 李子坤
针对传统入侵检测算法普遍存在的检测准确率偏低、误报率高和对未知安全威胁检测的不足等问题,利用卷积神经网络的数据特征提取自主发现和提取的技术特征以及高准确率,提出一种基于卷积神经网络算法的网络入侵检测系统模型,公开数据集测试结果显示该模型较传统的入侵检测方法有较高的准确率和较低的漏报率。
关键词：
入侵检测 卷积神经网络 协议分层
[期刊] 实验技术与管理
[作者]
叶涛 赵宗扬 张晞
文章以列车行驶前方障碍物检测为例,介绍了根据所搭建的轨道目标智能检测实验平台设计和改进深度神经网络模型,并将其应用于实际场景的做法。选择了ResNeXt主干特征提取网络,使模型的特征提取能力更强;采用了自适应特征融合优化方法和注意力机制,大幅度提升了算法在铁路环境中的检测性能。
[期刊] 中国农业大学学报
[作者]
李晓丽 张东毅 董雨伦 金娟娟 何勇
儿茶素和咖啡碱是茶叶品质的重要评价指标,为了探索深度卷积神经网络(CNN)结合可见近红外光谱(Vis/NIR)用于茶叶儿茶素和咖啡碱无损快速检测的可行性,本研究通过高效液相色谱来测定茶叶中的儿茶素和咖啡碱含量,并与样本的光谱信息建立对应关系;采用回归分析和CNN建模构建了光谱与茶叶内含物的定量关系;采用竞争自适应重加权采样(CARS)和连续投影算法(SPA)选择特征波长,用于开发基于这些特征波长的简单模型。结果表明:4种儿茶素和咖啡碱含量从第1叶位到第6叶位呈现出逐渐降低的趋势;提取特征波长不仅减少了光谱变量数,还获得了比全谱更优或接近的模型性能;CNN在回归分析和特征提取中均表现出良好的性能,预测儿茶素和咖啡碱最优模型的决定系数(R~2)和残余预测偏差(RPD)分别达到了0.93和3.28以上。因此,卷积神经网络结合可见近红外光谱可以对儿茶素和咖啡碱的含量进行快速无损检测。
[期刊] 华中师范大学学报(自然科学版)
[作者]
李博 张洪刚
为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.
[期刊] 清华大学学报(自然科学版)
[作者]
刘琼 李宗贤 孙富春 田永鸿 曾炜
针对基于卷积神经网络的图像识别采用随机初始化网络权值的方法易收敛到局部最优值的问题,该文提出了一种结合无监督和有监督学习的网络权值预训练算法。融合零成分分析白化与深度信念网络预学习得到的特征,对卷积神经网络权值进行初始化;通过卷积、池化等操作,对训练样本进行特征提取并使用全连接网络对特征进行分类;计算分类损失函数并优化网络参数。在公开图像数据库中进行了大量实验,与公开最佳算法比较,该算法在MNIST中的识别错误率降低了0.1%,在Caltech101中的分类准确率提升了0.56%,验证了该算法优于现有算法。
关键词：
深度信念网络 图像识别 卷积神经网络
[期刊] 中国农业大学学报
[作者]
王泽鹏 陈晓燕 庞涛 余富 胡肖楠 汪震
针对传统的生猪价格预测方法存在预测精度不够高,容易陷入局部最小值等问题,为更加精准地预测生猪价格,采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法,以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本,对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606,平均绝对误差(MAE)为0.288 424,决定系数(R~2)为0.995 683,均优于其他3种机器学习模型;与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较,3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。
[期刊] 工业工程与管理
[作者]
王昊 肖慧灵 王丽亚 邱思琦
为解决机器工况变化下，轴承故障诊断精度显著下降的问题，建立了一种改进迁移诊断模型。综合利用最大均值差异和距离方差来衡量不同分布的差异，对齐源域和目标域数据的联合分布，并利用熵损失改善特征在共享子空间中的可分离性，建立以分类误差、分布差异、可分离性为优化目标的数学模型。其次，构建锯齿状扩展速率的膨胀卷积神经网络，以提取信号中多尺度泛化特征和进行故障诊断。随后制定两阶段训练策略，第一阶段利用源域数据训练诊断模型，第二阶段将模型迁移到目标域数据。最后利用两个轴承数据集进行验证，结果表明该方法在不同负载下有良好的迁移诊断性能，能有效应对不同强度噪声的干扰。
关键词：
轴承故障 迁移诊断 领域适应 膨胀卷积
[期刊] 中南林业科技大学学报
[作者]
陈伟文 邝祝芳 王忠伟
【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。
[期刊] 沈阳农业大学学报
[作者]
王书志 宋广虎 冯全
近几年深度卷积神经网络在很多图像任务,诸如目标检测、图像分类、图像分割等方面得到了广泛应用,在图像分割方面,基于深度学习分割性能已全面超越了传统的分割算法。很多病害都会在葡萄的新梢上产生病症,在图像中准确分割出新梢,可提高病害诊断的精度。为了实现对自然条件下拍摄的葡萄新梢图像的准确分割,用相机、手机分别在不同的光照和环境条件拍摄了葡萄的新稍图像,在制作的训练图像集上对SegNet、FCN和U-NET3种卷积神经网络进行迁移学习,得到3种分割网络模型,分别用这些模型对测试集中不同环境下拍摄的新梢图像进行分割试验。在模型训练的初始阶段设置较大的学习率,以期快速到达最优解附近,随后逐步降低学习率,得到最优解。以人工分割为基准,对3种网络的分割效果进行评价。结果表明:在优选的训练模式下,3种分割网络在标准测试集T1上分割精度(MCC)达到83.58%、93.85%和89.44%,对于标准测试集T1和T2中的阴天图像,3种网络的平均MCC分别比晴天高5.42%、0.73%和0.65%。3种网络中,FCN的总体分割效果最优,在标准测试集T1上的平均分割精度(MCC)分别比SegNet和U-NET高10.27%和4.42%;从人的直观观察也可以看出,FCN分割的葡萄新梢图像轮廓光滑、视觉效果较好。光照对分割效果影响显著,阴天拍摄图像的分割效果整体好于晴天分割效果。在扩展数据集上,3种网络的分割精度均出现一定程度的下降,对于大田条件下(T3)和温室条件下(T4)手机拍摄的图像,FCN的平均分割精度(MCC)依然分别达到78.06%和74.82%,说明FCN的泛化性能较好。
关键词：
自然光照 葡萄新梢 图像分割 深度学习
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
