基于多源地学数据的找矿预测应用研究 被引量：2

1

作者 于立红 张善良 王国君 《矿产勘查》 2023年第8期1432-1439,共8页

为提高地质找矿精度,本文结合研究区化探、航磁、地质以及断裂构造数据,运用卷积神经网络(CNN)模型,对基于多种数据的铜矿床预测结果进行了对比分析。结果表明:在运用卷积神经网络(CNN)模型进行找矿预测前,需要利用克里格插值法对化探... 为提高地质找矿精度,本文结合研究区化探、航磁、地质以及断裂构造数据,运用卷积神经网络(CNN)模型,对基于多种数据的铜矿床预测结果进行了对比分析。结果表明:在运用卷积神经网络(CNN)模型进行找矿预测前,需要利用克里格插值法对化探和航磁数据进行预处理;同时传统地质数据断裂构造解释不详细的问题,需利用生成式对抗网络(GAN)模型对遥感影像数据进行断裂构造数据的解译,从而获得多种地质数据。基于化探、航磁、地质以及断裂构造数据预测得到的铜矿床面积分别占研究区的27.3%、12.1%和19.7%;由于地质数据仅包括研究区的主干断裂,导致在预测过程中某些重点找矿区未被圈定,而采用GAN模型对断裂构造数据进行训练预测后,未被圈定的区域被重新圈定,将断裂构造数据+化探航磁数据相结合应用到铜矿床预测模型中,具有更好的预测效果和可信度。 展开更多

关键词 卷积神经网络模型 生成式对抗网络模型 化探数据 航磁数据 断裂构造数据 找矿预测

下载PDF 职称材料

基于混合神经网络的语言文本分类方法 被引量：5

2

作者 谷文静 《电子设计工程》 2021年第19期44-48,共5页

对数据进行分类处理是当前的研究热点,采用传统机器学习算法对英语文本进行分类有文本特征不明显、训练周期长、词序丢失等诸多缺点。针对传统机器学习算法的不足,文中对Word2vec算法和TF-IDF算法进行融合,生成改进的TF-Word算法。同时... 对数据进行分类处理是当前的研究热点,采用传统机器学习算法对英语文本进行分类有文本特征不明显、训练周期长、词序丢失等诸多缺点。针对传统机器学习算法的不足,文中对Word2vec算法和TF-IDF算法进行融合,生成改进的TF-Word算法。同时应用卷积神经网络组成混合神经网络模型实现文本分类,该方法可以有效提高传统文本分类方法的精度。实验表明,文中所构建算法模型的F1值相比于传统机器学习算法均有12%以上的提升,证明所提出的基于融合句法特征的自然语言处理方法,对英语长句的翻译质量有一定程度的提升。 展开更多

关键词 文本分类 TF-Word模型 卷积神经网络模型 自然语言处理

下载PDF 职称材料

带比例因子的卷积神经网络压缩方法 被引量：4

3

作者 徐喆 宋泽奇 《计算机工程与应用》 CSCD 北大核心 2018年第12期105-109,151,共6页

针对卷积神经网络在图像分类任务中,分类准确率高但实时性差的问题。提出了一种含比例因子的"知识提取"算法。此方法在已有的"知识提取"算法上,加入了衡量样本类间相近关系的比例因子,充实了网络压缩手段,使得神经... 针对卷积神经网络在图像分类任务中,分类准确率高但实时性差的问题。提出了一种含比例因子的"知识提取"算法。此方法在已有的"知识提取"算法上,加入了衡量样本类间相近关系的比例因子,充实了网络压缩手段,使得神经网络可以更精确地进行"知识提取"。其原理是将比例因子误差值作为代价函数的一部分参与训练调节神经网络的神经元参数,进而使得神经网络的泛化能力更加趋近于具有更好分类表现能力的压缩参考网络。结果表明,含比例因子的神经网络压缩算法可以更细致地刻画训练集的类间相近关系,拥有比原"知识提取"算法更好的训练性能,进而训练出泛化性能更强、精度更高的神经网络。实现了在网络分类准确率下降尽量小的前提下,较大程度地减少神经网络的分类耗时,以达到网络压缩的目的。 展开更多

关键词 卷积神经网络 图像分类 网络模型压缩 知识提取 实时性

下载PDF 职称材料

关于卷积神经网络损失函数的改进算法 被引量：3

4

作者 徐振忠 《高师理科学刊》 2019年第1期23-27,共5页

经典的卷积神经网络模型损失函数在设计时只考虑输出与标签之间的比较,没有涉及到图片之间的差异.为了提高卷积神经网络模型提取特征的差异,提出了基于Triplet network模型约束的卷积神经网络模型,这种方法提高了卷积神经网络提取有效... 经典的卷积神经网络模型损失函数在设计时只考虑输出与标签之间的比较,没有涉及到图片之间的差异.为了提高卷积神经网络模型提取特征的差异,提出了基于Triplet network模型约束的卷积神经网络模型,这种方法提高了卷积神经网络提取有效特征的能力,减少数据集数量对于模型的影响.在MNIST数据集和cifar-10数据集上进行实验,提出的新模型在这2个数据集上比经典的卷积神经网络模型识别效果更好. 展开更多

关键词 卷积神经网络 TRIPLET network模型 反馈调节

下载PDF 职称材料

人工智能在医疗彩超检查中的应用及发展趋势研究 被引量：1

5

作者 梅寒婷 《影像研究与医学应用》 2020年第2期13-14,共2页

人工智能推动了医疗领域的进步。基于此,本文以医疗彩超检查为切入点,从问题分类处理、检测问题处理以及分割问题处理三方面说明了人工智能在医疗彩超检查中的应用,并对基于人工智能的彩超检查的发展趋势进行了展望。

关键词 人工智能 医疗彩超检查 卷积神经网络模型

下载PDF 职称材料

卷积神经网络模型应用研究 被引量：1

6

作者 余久方 《信息技术与标准化》 2021年第1期34-36,47,共4页

深入分析各种卷积神经网络模型,通过对比模型结构、复杂度,给出各种模型的优缺点。最后以典型的LeNet和ResNet进行实验,通过实验结果给出了效果和网络复杂度的数据,为其他研究者选择网络模型提供依据。

关键词 卷积神经网络 网络模型 LeNet ResNet

下载PDF 职称材料

基于三维深度卷积神经网络的车间生产行为识别 被引量：17

7

作者 刘庭煜 陆增 +3 位作者 孙毅锋 刘芳 何必秒 钟杰 《计算机集成制造系统》 EI CSCD 北大核心 2020年第8期2143-2156,共14页

传统的依赖视频监控的人员行为管理方式费时且易产生疏漏,难以适用复杂的生产制造环境,为了实现更加有效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,提出一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传... 传统的依赖视频监控的人员行为管理方式费时且易产生疏漏,难以适用复杂的生产制造环境,为了实现更加有效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,提出一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传感器采集人体骨架关节位置数据,用标准化重构方法对骨架关节数据进行归一化处理,合成人体行为的时空特征RGB图像。在此基础上构建深度卷积神经网络模型,进行时空域的生产行为识别。最后通过CUDA GPU加速环境下面向MSR-Action3D数据集和自建验证数据集NJUST3D进行实验验证,说明所提方法具有较高的准确率和实用价值。 展开更多

关键词 深度视觉 行为识别 骨架 深度学习 深度卷积神经网络模型

下载PDF 职称材料

基于知识图谱与特征识别的新能源微网消纳数据分析算法研究 被引量：2

8

作者 冯侃 边辉 +2 位作者 陈丽娜 张洋 王浩强 《电子设计工程》 2023年第6期162-166,共5页

针对现有电力数据分析算法缺乏结果可视性以及准确性不理想的问题,提出一种基于知识图谱与特征识别的新能源微网消纳数据分析算法。该算法根据微网架构明确新能源的出力模型,并利用结合长短时记忆网络和条件随机场的知识图谱技术,将微... 针对现有电力数据分析算法缺乏结果可视性以及准确性不理想的问题,提出一种基于知识图谱与特征识别的新能源微网消纳数据分析算法。该算法根据微网架构明确新能源的出力模型,并利用结合长短时记忆网络和条件随机场的知识图谱技术,将微网中新能源消纳数据转化成图形结构。同时通过图卷积神经网络模型识别数据的图特征,并根据识别结果制定微网能量调控措施,以提高微网新能源的消纳能力。基于某微网的真实数据集对所提算法进行实验论证,结果表明所提算法的准确率、召回率和F1值分别为91.53%、89.95%、90.81%,均优于其他算法,故具有良好的工程应用价值。 展开更多

关键词 微网 新能源消纳 知识图谱 特征识别 图卷积神经网络模型 长短时记忆网络

下载PDF 职称材料

采用一维卷积神经网络的铣削振动状态识别

9

作者 郑华林 张冲 何勇 《机械科学与技术》 CSCD 北大核心 2023年第7期1081-1087,共7页

由于铣削加工中发生颤振会极大地降低工件的加工质量,铣削振动状态的高效与精准辨识一直是颤振研究的热点问题之一。基于LetNet-5经典卷积网络提出一维卷积网络模型,直接对时域铣削力信号进行处理与识别,针对信号量较少与数据不均衡等问... 由于铣削加工中发生颤振会极大地降低工件的加工质量,铣削振动状态的高效与精准辨识一直是颤振研究的热点问题之一。基于LetNet-5经典卷积网络提出一维卷积网络模型,直接对时域铣削力信号进行处理与识别,针对信号量较少与数据不均衡等问题,采用重叠-随机协同采样的方法对数据进行处理。应用T-分布随机邻域嵌入技术可视化模型在训练集上的学习进程并对端到端的学习目标进行验证。对比基于支持向量机与卷积神经网络识别策略,所提方案在测试集上取得了最高的96.17%准确率,识别结果表明:该方法相较于对比方法过程简单、识别快速且辨识准确率高。 展开更多

关键词 铣削振动 状态识别 一维卷积神经网络

下载PDF 职称材料

人脸检测算法的优化 被引量：2

10

作者 龚格格 吴珊 郭湘南 《计算机技术与发展》 2019年第6期47-51,共5页

面部特征被广泛应用于一系列视频监控系统,其中公安系统中人脸检测模块尤为突出。由于人脸的巨大视觉变化,如遮挡、光照、大的姿态变化问题使人脸检测一直存在着瓶颈,在实际应用中这些问题依旧很常见。对此,文中通过简要介绍候选框生成... 面部特征被广泛应用于一系列视频监控系统,其中公安系统中人脸检测模块尤为突出。由于人脸的巨大视觉变化,如遮挡、光照、大的姿态变化问题使人脸检测一直存在着瓶颈,在实际应用中这些问题依旧很常见。对此,文中通过简要介绍候选框生成算法,同时结合FasterRCNN、联合人脸检测和对齐的级联卷积神经网络框架的优缺点进行分析和改进,提出了快速级联卷积神经网络模型。由于候选框网络和RoI检测网络共享卷积层,在候选框网络中使用多层卷积层信息,采用RoI池化和L2归一化将身体信息与面部信息进行融合,实现结合身体上下文信息来处理较小的人脸区域,并对数据集进行测试来验证模型的有效性,弥补因视觉变化导致人脸检测中的不足,提高人脸检测网络性能。 展开更多

关键词 人脸检测 候选框生成算法 FasterRCNN 快速级联卷积神经网络模型 网络性能

下载PDF 职称材料

铁路异物入侵深度识别网络快速训练算法 被引量：1

11

作者 沈悦 《电子设计工程》 2019年第22期48-54,共7页

异物侵入铁路限界对铁路系统可靠性造成了极大的威胁。为达到高分类准确率及低模型内存占用率兼备的目的,针对既有技术方法中分类效果、泛化性能较差以及耗时久、模型占用空间大等问题,本文提供了一种快速训练算法,采用网络迁移压缩同... 异物侵入铁路限界对铁路系统可靠性造成了极大的威胁。为达到高分类准确率及低模型内存占用率兼备的目的,针对既有技术方法中分类效果、泛化性能较差以及耗时久、模型占用空间大等问题,本文提供了一种快速训练算法,采用网络迁移压缩同时进行的方式,提出基于特征图L1或L2范数的递归式裁剪准则剔除冗余卷积核以压缩网络。对于单个相机新场景的目标分类任务,只需使用在混合场景数据上得到的最优分类网络模型通过压缩和微调训练便可以实现不同场景铁路异物分类的快速训练。实验表明,在基于铁路场景数据库的测试中,该算法可以将原始VGG16模型的参数消耗内存压缩1020倍,在不同的单个相机场景测试样本库上压缩后网络的分类误差最低为0.34%。 展开更多

关键词 铁路异物分类 卷积神经网络 VGG16深度网络模型 迁移压缩

下载PDF 职称材料

基于深度学习的抗年龄干扰人脸识别 被引量：8

12

作者 何星辰 郭勇 +1 位作者 李奇龙 高唱 《自动化学报》 EI CAS CSCD 北大核心 2022年第3期877-886,共10页

随着年龄的增长,人脸的形状、纹理等特征会随之发生较明显的改变从而造成显著的类内干扰,这使得人脸识别的性能大大降低.为了解决上述问题,本文基于深度卷积神经网络将年龄估计任务和人脸识别任务相结合,提出了一种抗年龄干扰的人脸识... 随着年龄的增长,人脸的形状、纹理等特征会随之发生较明显的改变从而造成显著的类内干扰,这使得人脸识别的性能大大降低.为了解决上述问题,本文基于深度卷积神经网络将年龄估计任务和人脸识别任务相结合,提出了一种抗年龄干扰的人脸识别新方法AD-CNN(Age decomposition convolution neural network),首先将卷积块注意力模型(Convolutional block attention module,CBAM)嵌入到残差网络中以学习更具有代表性的面部特征,随后利用线性回归指导年龄估计任务,提取出年龄干扰因子,通过多层感知机将整个面部特征与年龄干扰特征投影到同一线性可分空间,最后从面部稳定的特征中将年龄干扰分离,得到与年龄无关的面部特征,并采用改进后的角度损失函数基于年龄无关的身份特征进行人脸识别任务,从而达到抑制年龄干扰的目的.本文在MORPH和FGNET数据集上的识别正确率分别达到了98.93%,和90.0%,充分证实了本文所提方法的先进性和有效性. 展开更多

关键词 人脸识别 年龄干扰 深度学习 年龄估计 卷积神经网络注意力模型

下载PDF 职称材料

基于Word2vec和改进型TF-IDF的卷积神经网络文本分类模型 被引量：40

13

作者 王根生 黄学坚 《小型微型计算机系统》 CSCD 北大核心 2019年第5期1120-1126,共7页

针对传统机器学习文本分类算法语义特征表达弱、文本表示维度高、词序丢失、矩阵稀疏等问题,提出基于Word2vec、改进型TF-IDF和卷积神经网络三者相结合的文本分类模型(CTMWT):首先通过Word2vec模型训练得出样本中所有的词向量;然后提出... 针对传统机器学习文本分类算法语义特征表达弱、文本表示维度高、词序丢失、矩阵稀疏等问题,提出基于Word2vec、改进型TF-IDF和卷积神经网络三者相结合的文本分类模型(CTMWT):首先通过Word2vec模型训练得出样本中所有的词向量;然后提出基于类频方差改进型TF-IDF算法,分析每个词向量在文本中的权重,构建基于词向量和权重的文本向量表示;最后借助卷积神经网络从局部到全局相关性特征的学习能力,对该大量文本向量进行深度学习.试验结果表明三者结合的文本分类模型不仅能实现文本的准确分类,并且相比传统的机器学习文本分类算法具有更好的分类效果. 展开更多

关键词 Word2vec 改进型TF-IDF算法 卷积神经网络 文本分类 CTMWT

下载PDF 职称材料