- 年份
- 2024(873)
- 2023(1324)
- 2022(1056)
- 2021(1076)
- 2020(940)
- 2019(1958)
- 2018(2003)
- 2017(3303)
- 2016(1955)
- 2015(2280)
- 2014(2275)
- 2013(2009)
- 2012(2033)
- 2011(1730)
- 2010(2007)
- 2009(1666)
- 2008(1877)
- 2007(1674)
- 2006(1408)
- 2005(1284)
- 学科
- 济(5630)
- 经济(5625)
- 管理(5276)
- 业(4194)
- 企(3698)
- 企业(3698)
- 方法(3204)
- 数学(2693)
- 数学方法(2527)
- 学(2122)
- 财(1981)
- 教学(1976)
- 理论(1941)
- 中国(1527)
- 务(1452)
- 财务(1443)
- 财务管理(1439)
- 企业财务(1263)
- 农(1242)
- 制(1182)
- 策(1115)
- 业经(1106)
- 银(1092)
- 银行(1087)
- 审计(1060)
- 学法(1041)
- 教学法(1041)
- 行(994)
- 技术(983)
- 教育(955)
- 机构
- 学院(25192)
- 大学(24653)
- 研究(8751)
- 管理(8342)
- 中国(8000)
- 济(7030)
- 理学(6884)
- 理学院(6773)
- 经济(6742)
- 科学(6603)
- 管理学(6406)
- 管理学院(6353)
- 京(6288)
- 农(5433)
- 所(5214)
- 江(4559)
- 业大(4494)
- 财(4485)
- 研究所(4477)
- 中心(4461)
- 农业(4390)
- 北京(4188)
- 技术(4054)
- 省(3976)
- 州(3736)
- 院(3434)
- 范(3364)
- 师范(3310)
- 工程(3231)
- 财经(2944)
共检索到44502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] 中南林业科技大学学报
[作者]
罗建华
介绍了连续型和离散型随机变量的卷积公式,研究其在几个重要分布的“可加性”的证明中的应用,最后举例说明了连续型随机变量卷积公式的一个应用.
[期刊] 中国农业大学学报
[作者]
陈奎孚 张森文
利用快速卷积来近似计算随机响应中卷积计算，给出了短形法、梯形法和抛物线形法3种格式。比较了直接法和快速卷积法的计算量。结果表明计算速度可提高1个数量级。
关键词：
结构动力学 快速卷积 数值积分
[期刊] 北京林业大学学报
[作者]
李彦甫 范习健 杨绪兵 徐新洲
【目的】遥感图像分类技术在森林资源调查、生态工程规划以及森林病虫害防控等林业监测业务中,扮演着至关重要的角色。通过引入自注意力模块增强卷积网络对遥感图像的特征刻画能力,以期提高遥感图像的分类效果。【方法】该文提出了一种融合自注意力机制和残差卷积网络的遥感图像分类方法,首先利用卷积神经网络提取丰富的深度纹理语义特征,然后在卷积网络的最后3个瓶颈层嵌入多头自注意力模块,挖掘遥感图像复杂的全局结构信息。嵌入自注意力模块的卷积分类网络,能够有效提升遥感图像的分类精确度。该研究使用RSSCN7、EuroSAT与PatternNet 3个公开的遥感图像数据集,基于Pytorch深度学习库训练与测试该方法,并增加与已有分类框架算法精度和性能的对比试验。同时,使用不同批次、不同数量大小的数据训练改进研究提出的方法,并测试分类效果。【结果】试验得出,该研究提出的方法在3个遥感分类数据集上的平均识别率分别达到了91.30%、97.88%和97.37%,其中在前两个数据集上较现有的基于深度卷积网络的算法分别提升了2.26%和3.73%。同时,该算法的总参数量为2.08×10~7,较现有参数量最低的方法减少了5.2×10~6。【结论】相比已有的遥感图像分类框架,该研究提出的方法能够在图形处理器(GPU)加速的环境中,取得更为准确的分类效果。同时有效减少了模型的参数量,提高了算法执行的效率,便于后续的实际应用部署。
[期刊] 图书馆论坛
[作者]
郭利敏 葛亮 刘悦如
文章尝试将卷积神经网络用于数字人文古籍汉字的元数据加工,将古籍汉字识别问题转换为卷积神经网络的分类问题,在缺乏训练集的情况下通过数据生成技术构建训练集进行模型训练,并用于古籍汉字的识别。通过TensorFlow平台,对773个汉字生成约24万个训练样本,网络模型可自行判定不可识别的图片;在提高精确率同时,对这部分数据可直接转由人工识别,系统更为可靠,作为数字人文古籍元数据加工的半自动化工具,旨在提高古籍资源在数字人文应用研究中的效率。
[期刊] 华中农业大学学报
[作者]
B.费歇 程麟趾 D.S.琼斯
空间Ｒ~ｍ上分布的卷积Ｂ．费歇，程麟趾，Ｄ．Ｓ．琼斯（英国Ｌｅｉｃｅｓｔｅｒ大学数学系；武汉华中农业大学基础课部，４３００７０；英国Ｄｕｎｄｅｅ大学数学和计算机科学系）关键词分布；序列逼近；中性卷积中图法分类号Ｏ１７７．４ＣＯＮＶＯＬＵＴＩＯＮＰＲＯ?..
关键词：
分布 序列逼近 中性卷积
[期刊] 中国农业大学学报
[作者]
曾伟辉 唐欣 胡根生 梁栋
针对真实复杂背景下小样本水稻害虫识别模型泛化能力弱,易受复杂背景干扰以及重要特征表达能力不强等问题,提出了一种基于卷积块注意力胶囊网络的小样本水稻害虫识别方法。采用数据增强的方法扩充数据,以提高模型的泛化能力同时预防过拟合;利用GrabCut算法去除图像中的复杂背景,减小复杂背景对水稻害虫识别的干扰;将空间注意机制和通道注意机制相结合的卷积块注意模块(Convolutional block attention module,CBAM)引入到胶囊网络中,提高模型对水稻害虫特征的表达能力,使模型关注重要特征,抑制不必要的特征。其中胶囊网络主要用来更加敏锐地发现小样本图像中水稻害虫的相对位置和角度等信息。结果表明:在对复杂背景下小样本水稻害虫的识别时,本研究方法准确识别率达99.19%,优于支持向量机(Support vector machine,SVM)、k近邻(k-nearest neighbors,kNN)等浅层网络方法,也优于VGG16、GoogLeNet以及Mobilenet等深度网络方法,可实现复杂背景下的小样本水稻害虫的准确识别。
[期刊] 工业工程
[作者]
石惠芳 苗永浩 夏雨
解卷积方法是机械装备故障诊断的有力工具，但传统研究仍属于浅层特征提取，难以处理极低信噪比情况。针对此问题，在传统解卷积理论的基础上引入特征学习思想，提出一种基于基尼指数(Gini index, GI)的稀疏特征深度解卷积方法 (GI-based sparse deep deconvolution, GI-SDD)进行机械装备早期故障诊断。采用频带均分策略初始化输入层滤波器，为后续解卷提供方向。以能够表征机械故障稀疏特征的GI作为损失函数，指导深度网络进行训练。基于广义的特征向量法(eigenvector algorithm, EVA)执行权重优化，进而对微弱故障特征进行逐层学习。利用相关系数和包络谱峭度(envelope kurtosis, EK)准则联合评价故障信息，降维输出最为显著的故障分量。经仿真分析及试验验证，所提方法对背景噪声具有强鲁棒性，故障特征得到显著加强，其EK值相较于传统MED和MGID结果分别提升163.43%和187.11%。
[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] 实验技术与管理
[作者]
吕淑平 黄毅 王莹莹
针对双流卷积神经网络存在的网络结构较浅、时间流及空间流网络均为独立训练学习、并未学习到时空网络之间关联信息等问题,文章设计了基于双流卷积神经网络的人体动作识别改进算法。采用Res Net-34对原网络进行替换,加深网络结构;将时间流、空间流网络提前进行特征图融合,加强时空网络信息融合的充分性。文章还对具体的融合方式和融合位置进行了实验研究,确定了网络最佳融合策略,在UCF-101数据集上的识别率为91.5%,相较于原网络以及其他相关识别方法有更高的识别精度。
关键词：
动作识别 深度学习 双流卷积神经网络
[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] 物流技术
[作者]
刘建国 代芳 詹涛
为解决字符分割错误造成的车牌识别错误,提出一种基于卷积神经网络的端到端的车牌识别算法,该算法首先采用基于颜色定位、文字定位和边缘检测的方法从自然场景中提取出车牌,由于样本量的问题,采用车牌生成器对车牌样本进行扩充,得到80602张车牌数据,将车牌按照7:1分为训练集和测试集,使用改进的AlexNet网络生成端到端的深度学习模型进行训练,并使用得到的模型进行车牌字符识别,车牌识别准确率达到96.7%。实验结果表明,该方法车牌识别准确率高,且鲁棒性较好。
关键词：
车牌定位 端到端 车牌识别 卷积神经网络
[期刊] 实验技术与管理
[作者]
连远锋 王明月 王智广 孙雷
针对MOOC平台下课程推荐过程中存在的数据稀疏和推荐效果不佳的问题，提出融合可视分析的图卷积课程推荐模型。首先，引入可视分析来展示课程间的相互关系，为图卷积模型提供先验知识；其次，提出了一个时空融合的图卷积MOOC推荐模型，用来同时提取数据的时空演变特征；最后，通过在损失函数中引入正则化项来防止训练过程中的过拟合。结果表明：新模型的预测误差和运行效率取得了更加优异的结果。此外，开发实现了融合可视分析与图卷积的MOOC推荐系统，运行结果显示该系统能够有效预测学习者的喜好和需求。
关键词：
图卷积网络 可视分析 推荐模型 MOOC
[期刊] 水产学报
[作者]
蔡卫明 庞海通 张一涛 赵建 叶章颖
随着人工智能、大数据、机器学习、计算机视觉等技术的发展，卷积神经网络（CNN）越来越多地应用于图像识别领域，图像数据集的丰富性以及多样性对CNN模型的性能和表达能力至关重要，但现有的鱼类图像公共数据集资源较匮乏，严重缺少训练集以及测试集样本，难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象，采用网络爬虫以及实验室人工拍照采集相结合的方式，构建了供鱼种分类的基础图片数据集，针对网络爬虫手段获取到的鱼类图像存在尺度不一、格式不定等问题，采用图像批处理的方式对所有获取到的图像进行了统一的数据预处理，并通过内容变换以及尺度变换对基础数据集做了数据增强处理，完成了7 993个样本的图像采集与归纳；在权值共享和局部连接的基础上，构建了一个用于鱼类识别的CNN模型，采用ReLU函数作为激活函数，通过dropout和正则化等方法避免过度拟合。结果显示，所构建的CNN鱼种识别模型具有良好的识别精度和泛化能力。随着迭代次数的增加，CNN模型的性能也逐步提高，迭代1 000次达到最佳，模型的准确率为96.56％。该模型采用监督学习的机器学习方式，基于CNN模型，实现了5种常见鱼类的鱼种分类，具有较高的识别精度和良好的稳定性，为养殖鱼类的品种识别提供了一种新的理论计算模型。
关键词：
鱼类识别 卷积神经网络 图像识别
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
