-
题名基于CNN的水质特征提取模型
- 1
-
-
作者
汪宏舟
张银银
-
机构
三峡大学计算机与信息学院
-
出处
《信息通信》
2017年第12期61-63,共3页
-
文摘
针对液体中物质浓度预测模型,构建一种基于卷积神经网络的水质特征提取模型。首先,定义含有卷积层、采样层、全连接层的七层网络结构,选取适当的最优化方法和损失函数,对模型进行训练调整参数。接着分析了不同损失函数对模型训练和模型验证的影响。实验验证了在水质检测领域运用卷积神经网络回归的可行性。
-
关键词
卷积神经网络回归
光谱分析
水质检测
损失函数
梯度下降
-
Keywords
convolutional neural network regression
spectrum analysis
water qiiality monitoring
loss function
gradient descent
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名地理卷积神经网络时空加权回归理论方法研究
- 2
-
-
作者
杨闻新
-
机构
江西理工大学土木与测绘工程学院
-
出处
《长江信息通信》
2022年第6期62-65,共4页
-
文摘
针对传统时空地理加权回归模型在探测时空异质性方面能力有限的问题,本文引入卷积神经网络,提出地理卷积神经网络时空加权回归模型。该模型通过设计一种时空加权卷积神经网络,并利用Dropout算法和批归一化算法进行优化,从而达到对时空权重矩阵的精确求解,进而为充分探测事物的时空异质性提供理论方法。以2012-2019年福建省县级能源消费碳排放量及其影响因子为基础数据,对两种模型进行验证。结果表明,文章提出的模型的精度指标AICc、RSS、R2比时空地理加权回归模型的分别提升了451.3、0.51、0.06。
-
关键词
时空权重矩阵
时空地理加权回归模型
卷积神经网络
地理卷积神经网络时空加权回归模型
-
Keywords
Space-time weight matrix
Geographically and Temporally Weighted Regression
Convolutional neural network
Geographically and Convolutional Neural Network Temporally Weighted Regression
-
分类号
P258
[天文地球—测绘科学与技术]
-
