检索结果-维普期刊中文期刊服务平台

基于变革性经验教学方法的深度学习——以“碳酸钠和碳酸氢钠的性质”课堂教学为例被引量：1: 1; 作者冯丹丁伟《化学教与学》 2019年第3期8-12,20,共6页; 深度学习(DL)不仅包含学生的认知过程,也涉及丰富的情感世界。变革性经验(TE)注重知识联系生活、理论联系实际。将TE运用至具体的课堂情境中,促进课堂知识的内化过程,最终达成深度学习目的。着重介绍变革性经验教学方法及其在化学课堂... 展开更多; 关键词变革性经验(TE) 深度学习(dl) 高中化学教学方法; 在线阅读下载PDF 职称材料

基于深度学习的信号调制自动识别被引量：3: 2; 作者孙玉霖李军《齐鲁工业大学学报》 2020年第1期58-63,共6页; 深度学习(DL)在很多领域都显示出强大的生命力,但它很少涉及无线通信。本文提出了一种基于深度卷积神经网络的信号调制自动识别方法,以解决无线通信中的常见问题。该算法通过深度学习的深度卷积神经网络自动提取图像的各种特征细节,以... 展开更多; 关键词深度学习(dl) 神经网络调制无线通信; 在线阅读下载PDF 职称材料

基于YOLOv5-RTBBS的遥感卫星图像目标检测算法研究: 3; 作者韩国东范国玺《电视技术》 2025年第1期5-10,共6页; 为解决遥感卫星图像目标检测中背景复杂、目标尺寸复杂和小目标检测困难等问题,提出YOLOv5-RTBBS检测算法,使模型在遥感图像分析中具有更高的精确度和健壮性。首先,将RepConv、Transformer Encoder和BiFPN模块整合到原始YOLOv5网络中,... 展开更多; 关键词遥感卫星图像注意力机制目标检测特征融合深度学习(dl); 在线阅读下载PDF 职称材料

基于U1-net网络的放疗脑肿瘤靶区分割: 4; 作者张本健林辉 +2 位作者郭栋王桂林胡敏《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第8期1070-1078,共9页; 文章基于全卷积神经网络(fully convolutional network,FCN)的U-net网络,并通过对U-net网络的调整,构建适用于脑肿瘤图像分割的U1-net网络。U1-net网络由卷积层、最大池化层、反卷积层和激活函数4个部分组成。通过在公共数据集BRATS 201... 展开更多; 关键词深度学习(dl) 全卷积神经网络(FCN) U1-net网络 BRATS 2015数据集脑肿瘤分割; 在线阅读下载PDF 职称材料

题名基于变革性经验教学方法的深度学习——以“碳酸钠和碳酸氢钠的性质”课堂教学为例被引量：1: 1; 作者冯丹丁伟; 机构华东师范大学教师教育学院; 出处《化学教与学》 2019年第3期8-12,20,共6页; 文摘深度学习(DL)不仅包含学生的认知过程,也涉及丰富的情感世界。变革性经验(TE)注重知识联系生活、理论联系实际。将TE运用至具体的课堂情境中,促进课堂知识的内化过程,最终达成深度学习目的。着重介绍变革性经验教学方法及其在化学课堂中的实际运用,为广大学者进一步研究深度学习提供方向。; 关键词变革性经验(TE) 深度学习(dl) 高中化学教学方法; 分类号 G632.41 [文化科学—教育学]; 在线阅读下载PDF 职称材料

题名基于深度学习的信号调制自动识别被引量：3: 2; 作者孙玉霖李军; 机构齐鲁工业大学(山东省科学院)电气工程与自动化学院; 出处《齐鲁工业大学学报》 2020年第1期58-63,共6页; 基金山东省船舶控制工程与智能系统工程技术研究中心2019年科研开放专项基金项目(SSCC-2019-0007) 山东省高等学校科技发展计划(J14LN04)。; 文摘深度学习(DL)在很多领域都显示出强大的生命力,但它很少涉及无线通信。本文提出了一种基于深度卷积神经网络的信号调制自动识别方法,以解决无线通信中的常见问题。该算法通过深度学习的深度卷积神经网络自动提取图像的各种特征细节,以在各种信噪比条件下实现信号调制类型准确识别。该方法使用图像处理GPU构建VGGNet,在深度学习架构Tensorflow下自动识别MPSK和MQAM中的10种调制信号。仿真结果表明,当信噪比为5dB时,各种信号的最小识别精度为96.7%。与其他方法相比,该方法更好。; 关键词深度学习(dl) 神经网络调制无线通信; Keywords Deep learning(dl) neural network modulation wireless communication; 分类号 TP242 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于YOLOv5-RTBBS的遥感卫星图像目标检测算法研究: 3; 作者韩国东范国玺; 机构中国海洋大学工程学院; 出处《电视技术》 2025年第1期5-10,共6页; 文摘为解决遥感卫星图像目标检测中背景复杂、目标尺寸复杂和小目标检测困难等问题,提出YOLOv5-RTBBS检测算法,使模型在遥感图像分析中具有更高的精确度和健壮性。首先,将RepConv、Transformer Encoder和BiFPN模块整合到原始YOLOv5网络中,使不同尺度目标的检测精度得到提高。其次,通过引入BAM(Bottleneck Attention Module)注意力机制到C3模块来应对复杂背景区域的干扰。最后,将SIoU(Scaled-IoU)损失函数集成到YOLOv5s中以精确定位较小的目标。实验结果表明,改进后的YOLOv5s算法在遥感卫星图像数据集上的各项指标均有所提升,优于其他现有算法的性能。; 关键词遥感卫星图像注意力机制目标检测特征融合深度学习(dl); Keywords remote sensing satellite imagery attention mechanism target detection feature fusion Deep Learning(dl); 分类号 TP311.1 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于U1-net网络的放疗脑肿瘤靶区分割: 4; 作者张本健林辉郭栋王桂林胡敏; 机构合肥工业大学电子科学与应用物理学院合肥工业大学计算机与信息学院; 出处《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第8期1070-1078,共9页; 基金国家自然科学基金资助项目(61672202,U1613217)。; 文摘文章基于全卷积神经网络(fully convolutional network,FCN)的U-net网络,并通过对U-net网络的调整,构建适用于脑肿瘤图像分割的U1-net网络。U1-net网络由卷积层、最大池化层、反卷积层和激活函数4个部分组成。通过在公共数据集BRATS 2015上的实验验证了该网络的有效性。实验结果表明,该网络能适应脑肿瘤轮廓取得较好的分割效果,在脑肿瘤的完整肿瘤区、核心肿瘤区、增强肿瘤区的Dice相似系数(Dice similarity coefficient,DSC)分别为0.95、0.85、0.83。; 关键词深度学习(dl) 全卷积神经网络(FCN) U1-net网络 BRATS 2015数据集脑肿瘤分割; Keywords deep learning(dl) fully convolutional network(FCN) U1-net network BRATS 2015 data set brain tumor segmentation; 分类号 R811.1 [医药卫生—放射医学] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于变革性经验教学方法的深度学习——以“碳酸钠和碳酸氢钠的性质”课堂教学为例	冯丹丁伟	《化学教与学》	2019	1	在线阅读下载PDF 职称材料
2	基于深度学习的信号调制自动识别	孙玉霖李军	《齐鲁工业大学学报》	2020	3	在线阅读下载PDF 职称材料
3	基于YOLOv5-RTBBS的遥感卫星图像目标检测算法研究	韩国东范国玺	《电视技术》	2025	0	在线阅读下载PDF 职称材料
4	基于U1-net网络的放疗脑肿瘤靶区分割	张本健林辉郭栋王桂林胡敏	《合肥工业大学学报（自然科学版）》 CAS 北大核心	2023	0	在线阅读下载PDF 职称材料