期刊文献+
共找到15篇文章
< 1 >
每页显示 20 50 100
基于深度学习框架的建筑领域算法服务平台研究与实践
1
作者 肖朋林 曾莎洁 《数字通信世界》 2024年第4期98-100,107,共4页
文章提出了一种基于深度学习框架的建筑领域算法服务平台,研究了深度学习和深度学习基础框架,并对该平台的架构、功能和数据模型研究和实践进行了阐述。
关键词 深度学习 深度学习框架 建筑领域 算法服务平台
在线阅读 下载PDF
分布式深度学习框架下主动式网络安全性能感知系统设计
2
作者 许辰宏 于刘 《电子设计工程》 2024年第14期169-173,共5页
主动式网络在数据传输过程中容易受到黑客的攻击,威胁网络整体安全性能,为此,在分布式深度学习框架下设计主动式网络安全性能感知系统。基于分布式理论加速训练深度学习算法获取最佳参数集合,应用训练好的深度学习算法——卷积自动编码... 主动式网络在数据传输过程中容易受到黑客的攻击,威胁网络整体安全性能,为此,在分布式深度学习框架下设计主动式网络安全性能感知系统。基于分布式理论加速训练深度学习算法获取最佳参数集合,应用训练好的深度学习算法——卷积自动编码器提取安全性能感知数据的重要特征,以此为基础,分析影响网络安全性能的关键因素。选取感知指标,并应用模糊层次分析法计算其权重数值。构建网络安全性能感知模型,制定网络安全性能等级判定规则,即可确定网络安全性能感知结果。实验数据显示,设计系统应用后主动式网络安全性能感知误差最小值为0.4%,保障了主动式网络安全运行。 展开更多
关键词 网络安全性能 主动式网络 感知系统 分布式深度学习框架 性能评估
在线阅读 下载PDF
深度学习框架对城市日供水量预测的研究 被引量:8
3
作者 牟天蔚 蒋白懿 +1 位作者 沈丹玉 赵明 《人民黄河》 CAS 北大核心 2018年第9期58-62,共5页
供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行... 供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行训练,最后利用训练的模型进行预测。以新开河2014—2015年日供水量为训练数据,2016年1月1—7日供水量为测试数据,导入该模型进行预测。依据该测试方法对其后200 d的供水量进行预测,结果表明:该模型用于日供水量预测比深度信念网络模型及传统BP神经网络模型精度高,相对误差均小于5%,是一种有效的方式。 展开更多
关键词 深度信念网络模型 深度学习框架 Symlets小波 日供水量
在线阅读 下载PDF
Caffe深度学习框架下的电力系统异常数据智能捕获研究 被引量:1
4
作者 陈华彬 《无线互联科技》 2023年第9期117-119,共3页
文章基于Caffe深度学习框架构建了一种电力系统异常数据智能捕获系统,从自动化协议栈的多层架构、异常数据拷贝及数据捕获映射条件等方面进行具体异常数据智能捕获分析,验证了该体系的实际异常数据处理量及处理效率等。
关键词 Caffe深度学习框架 电力系统 数据异常 自动捕获
在线阅读 下载PDF
Keras深度学习框架下BP神经网络的热轧带钢力学性能预测
5
作者 戚功文 《新材料·新装饰》 2020年第17期1-2,共2页
文章在分析人工神经网络模型理论和建模方法的基础上,结合某厂带钢研究单元的参数和机械性能检测数据,通过选择Traingdm进行训练网络,确定网络的输入输出参数、隐含层数、学习速率、动量因子分数和训练精度,建立了BP人工神经网络性能预... 文章在分析人工神经网络模型理论和建模方法的基础上,结合某厂带钢研究单元的参数和机械性能检测数据,通过选择Traingdm进行训练网络,确定网络的输入输出参数、隐含层数、学习速率、动量因子分数和训练精度,建立了BP人工神经网络性能预测模型的三层结构。实验结果表明,通过训练和实测数据预测屈服强度、抗拉强度、伸长率的结果具有较高的一致性。因此,BP人工神经网络性能预测模型具有较高的预测精度和实用性,可用于带钢生产过程的预测计算。 展开更多
关键词 Keras深度学习框架 BP神经网络 热轧带钢 力学性能
在线阅读 下载PDF
基于权参数优化的并行深度学习光伏功率预测 被引量:5
6
作者 董坤 冉鹏 +4 位作者 刘旭 樊钦洋 李政 曾庆华 李伟起 《动力工程学报》 CAS CSCD 北大核心 2024年第1期91-98,共8页
针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-S... 针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-Seq2Seq单元、Transformer单元)以及一个权参数自适应优化单元。基于所提出的并行深度学习框架,对光伏发电功率进行预测,并分别与Attention-Seq2Seq、Transformer模型的预测结果进行了对比验证。结果表明:基于权参数优化的并行深度学习光伏功率预测框架弥补了不同数据波动模式下单一算法预测精度和适应性不足的问题,也可以有效解决时间序列预测中的长距离依赖问题,较单一算法预测精度更高,其平均绝对误差和均方根误差在夏季典型日最大降幅分别是41.18%和45.59%,在冬季典型日最大降幅分别是81.13%和82.86%。 展开更多
关键词 光伏发电功率预测 权参数优化 并行深度学习框架 量子粒子群
在线阅读 下载PDF
国产深度学习推理框架嵌入式适用性研究 被引量:2
7
作者 王琳博 白林亭 文鹏程 《航空计算技术》 2023年第3期121-125,共5页
随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选... 随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选择四个典型的国产深度学习推理框架,分别从设计原理、落地实现和特殊优化方式三个维度进行介绍与对比,并通过实验验证性能、支持精度、硬件支持这三个衡量指标对比探究四个框架是否适用于航空领域任务需求。 展开更多
关键词 航空领域任务需求 端侧深度学习模型部署 AI深度学习推理框架 高性能优化
在线阅读 下载PDF
基于深度强化学习的数据探索性会话自动生成 被引量:1
8
作者 汪洋 《现代信息科技》 2024年第4期66-73,78,共9页
探索性数据分析(EDA)是一种数据分析方法,旨在通过对数据集进行可视化和摘要统计等方式揭示数据的结构、模式和关系。数据分析人员可通过操作交互式地探索不熟悉的数据集,并为用户提供先导性见解。深度强化学习(DRL)已被证明可以用来解... 探索性数据分析(EDA)是一种数据分析方法,旨在通过对数据集进行可视化和摘要统计等方式揭示数据的结构、模式和关系。数据分析人员可通过操作交互式地探索不熟悉的数据集,并为用户提供先导性见解。深度强化学习(DRL)已被证明可以用来解决众多难以解决的人工智能挑战,可尝试将EDA与DRL进行结合,提出了一个名为AEDAS的系统。该系统将EDA建模为一个控制决策问题,从而结合一个新颖的DRL架构来自动生成有说服力的探索性会话,并以EDA笔记本的形式呈现。实验表明,该系统生成的EDA笔记本,可以使用户获得切实有效的先导性见解。 展开更多
关键词 探索性数据分析 深度强化学习框架 控制性问题 探索性会话 EDA笔记本
在线阅读 下载PDF
学习科学视角下深度学习的多模态研究 被引量:24
9
作者 刘哲雨 郝晓鑫 +1 位作者 王红 吴立宝 《现代教育技术》 CSSCI 北大核心 2018年第3期12-18,共7页
文章从技术、推广、评价、整合和拓展五个方面,说明深度学习研究有赖于基本规律研究。作为学习科学的重要研究内容,深度学习基本规律研究应借鉴多模态的研究方法,全面揭示深度学习发生的内在机制。同时,文章归纳了不同学科和不同行为的... 文章从技术、推广、评价、整合和拓展五个方面,说明深度学习研究有赖于基本规律研究。作为学习科学的重要研究内容,深度学习基本规律研究应借鉴多模态的研究方法,全面揭示深度学习发生的内在机制。同时,文章归纳了不同学科和不同行为的多模态,着重分析了学习科学与深度学习领域的多模态。在完善深度学习框架的基础上,文章针对框架的各个组成部分提出了基础型、专业型多模态指标,构建了基于深度学习框架的多模态指标体系,可为不同目的、条件和层次的深度学习基本规律的多模态研究提供指标依据和机制参考。 展开更多
关键词 深度学习框架 多模态指标 内在机制 学习科学
在线阅读 下载PDF
智能物探技术的过去、现在与未来 被引量:3
10
作者 杨午阳 魏新建 李海山 《岩性油气藏》 CAS CSCD 北大核心 2024年第2期170-188,共19页
通过梳理国内外人工智能技术在地球物理勘探(物探)领域中的发展历程、主要研究进展以及发展方向,总结了智能物探的优势和面临的难题,并提出了解决方案。研究结果表明:(1)物探技术在人工智能发展的第2次浪潮中开始与人工智能技术相结合,... 通过梳理国内外人工智能技术在地球物理勘探(物探)领域中的发展历程、主要研究进展以及发展方向,总结了智能物探的优势和面临的难题,并提出了解决方案。研究结果表明:(1)物探技术在人工智能发展的第2次浪潮中开始与人工智能技术相结合,得益于物探领域数据量的指数级增长、硬件算力的高速发展以及不断出现的新深度学习框架,智能物探技术从早期的机器学习发展为目前的深度学习,在地震资料处理、解释等方面的应用中取得了大量研究成果。(2)目前智能物探技术被广泛应用于标签集的构建、去噪、断裂检测、层位与层序解释、地震相分类和异常体检测、岩性识别与油气藏开发、地震反演成像等方面,大幅提高了工作效率,降低了工作成本,克服了人工交互操作和人工经验的主观性和不可靠性,助力打破传统物探技术瓶颈。(3)智能物探技术的发展面临着缺少公开的标签数据集、缺少解决地球物理领域问题的智能化框架及尚未形成适用于地球物理领域共享的智能化开发平台等难题,可以从解决数据基础、构建智能平台、开展网络架构基础性研究及与应用场景结合等方面着手解决;此外,智能物探技术的发展方向还包含智能地震成像方法研究,储层成像方法研究,油气大数据挖掘、智能风险评估与智能决策以及超算软件装备研发等方面。 展开更多
关键词 智能物探 大数据 人工智能 机器学习 深度学习 标签数据集 深度学习框架 智能处理与解释 地震资料
在线阅读 下载PDF
基于目标识别和OCR的水位智能检测方法
11
作者 于凤芹 胡蒙 王颖慧 《水利建设与管理》 2024年第12期17-22,共6页
目前自动识别水位的算法绝大多数以摄像头静止不动为前提,然而在现实视频监控中,水尺在监控中的位置并非一成不变。因此提出一种基于目标识别技术和光学字符识别(OCR)技术的水位智能检测方法,对采集到的视频数据进行水位识别实验。实验... 目前自动识别水位的算法绝大多数以摄像头静止不动为前提,然而在现实视频监控中,水尺在监控中的位置并非一成不变。因此提出一种基于目标识别技术和光学字符识别(OCR)技术的水位智能检测方法,对采集到的视频数据进行水位识别实验。实验结果表明,该方法能够准确识别水尺刻度,平均水位值偏差为11.3mm,满足行业要求。 展开更多
关键词 水位检测 目标识别 深度学习框架YOLOv8 光学识别
在线阅读 下载PDF
基于飞桨的智能电影推荐系统研究
12
作者 陈煌坤 孙良旭 李林林 《消费电子》 2024年第12期25-27,共3页
本研究基于飞桨深度学习框架,探讨了电影推荐系统的设计与实现。推荐系统在信息时代中扮演着关键角色,能满足用户个性化需求、提高信息获取效率。本研究针对推荐系统的挑战,提出了一种基于深度学习的电影推荐模型;通过收集和分析用户历... 本研究基于飞桨深度学习框架,探讨了电影推荐系统的设计与实现。推荐系统在信息时代中扮演着关键角色,能满足用户个性化需求、提高信息获取效率。本研究针对推荐系统的挑战,提出了一种基于深度学习的电影推荐模型;通过收集和分析用户历史行为数据,构建了用户——电影交互矩阵,并利用飞桨深度学习框架建立了多层神经网络模型,结合用户和电影特征进行训练和优化。实验证明,该模型在准确性和效率方面显著增强,提升了推荐系统的用户体验和满意度。 展开更多
关键词 飞桨 电影推荐 用户——电影交互 深度学习框架
在线阅读 下载PDF
基于图像梯度的数据增广方法 被引量:3
13
作者 刘之瑜 张淑芬 +2 位作者 刘洋 罗长银 李敏 《应用科学学报》 CAS CSCD 北大核心 2021年第2期302-311,共10页
卷积神经网络用于图像识别的分类任务,需要大规模的图像数据集进行训练。因需要采集目标图像数量和设备条件的限制,采用常规方法难以获取足够多的图像样本,且耗时耗力耗财。目前已提出了多种多样的样本增广方法来解决图像样本不足的问题... 卷积神经网络用于图像识别的分类任务,需要大规模的图像数据集进行训练。因需要采集目标图像数量和设备条件的限制,采用常规方法难以获取足够多的图像样本,且耗时耗力耗财。目前已提出了多种多样的样本增广方法来解决图像样本不足的问题,本文介绍了数据增广的研究背景和意义。以提高卷积神经网络的图像识别的准确率为目的,针对图像数据增广提出了基于图像梯度的数据增广方法。选取最大图像梯度值,通过精准裁剪方法增加图像样本,扩增图像数据集,使用增广后的数据集对卷积神经网络进行训练。应用Tensorflow深度学习框架和VGG16网络模型,选取PlantVillage的部分数据集,将训练集数据增广至原来的6倍,对扩增前后的训练集进行训练和对比。实验结果表明:使用数据增广后训练集训练的模型的准确率提升4.18%。 展开更多
关键词 数据增广 图像梯度 卷积神经网络 Tensorflow深度学习框架 PlantVillage数据集
在线阅读 下载PDF
TensorFlow在人名识别中的应用前景 被引量:1
14
作者 加日拉.买买提热衣木 《数字技术与应用》 2017年第12期215-216,共2页
由于深度学习的相关研究不断深入,深度学习平台TensorFlow在命名实体识别中的应用也得到了广泛的应用,并且推动了人名识别研究的发展进程。利用传统方法识别人名可能识别效率较低,需要不断研究并找出新统计模式、新规则。然而使用深度... 由于深度学习的相关研究不断深入,深度学习平台TensorFlow在命名实体识别中的应用也得到了广泛的应用,并且推动了人名识别研究的发展进程。利用传统方法识别人名可能识别效率较低,需要不断研究并找出新统计模式、新规则。然而使用深度学习框架可以很大程度上减少一些复杂的统计过程、采集规则过程。 展开更多
关键词 深度学习框架 人名识别 命名实体识别
在线阅读 下载PDF
基于多域卷积神经网络跟踪的动态手势识别 被引量:2
15
作者 姬晓飞 张旭 李俊鹏 《沈阳航空航天大学学报》 2021年第5期51-57,共7页
针对传统的手势跟踪方式在复杂环境下跟踪效果差导致动态手势识别准确率不高的问题,提出了一种多域卷积神经网络跟踪框架下的动态手势识别算法。该算法采用多域卷积神经网络实现手势跟踪环节,并根据手势跟踪的特点,精简网络结构,构建全... 针对传统的手势跟踪方式在复杂环境下跟踪效果差导致动态手势识别准确率不高的问题,提出了一种多域卷积神经网络跟踪框架下的动态手势识别算法。该算法采用多域卷积神经网络实现手势跟踪环节,并根据手势跟踪的特点,精简网络结构,构建全域通用fc6层,增强网络对动态手势跟踪的适用性,提升跟踪效果。其次,采用VGG-19对跟踪网络构建的动态手势轨迹特征图谱进行识别。算法将跟踪问题简化成目标与背景的二分类,采用多域卷积神经网络学习跟踪目标共性,能更好地给出跟踪目标模型,且浅层卷积神经网络的利用更能强化空间信息,从而提高动态手势跟踪和识别的效果。通过两组数据库测试表明,对自建的动态手势库识别率高达97.5%,并在Chalearn Gesture Data国际标准手势数据库取得了93.33%的识别率,验证了算法的有效性。 展开更多
关键词 多域卷积神经网络 动态手势识别 深度学习跟踪框架 手势建模 VGG-19
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部