检索结果-维普期刊中文期刊服务平台

基于神经网络模型可解释性的降水预报: 1; 作者樊仲欣王妍王若曈《热带气象学报》 CSCD 北大核心 2024年第6期1030-1044,共15页; 为提高局地精细化预报的准确性和可靠性,提出了一种基于核函数KernelExplainer和可解释性“夏普值”(SHAP值)聚类分析的神经网络降水预报技术。该方法首先通过正态化分布变换解决神经网络的输出抖动问题,然后使用KernelExplainer估计由... 展开更多; 关键词卷积长短期记忆 relu激活函数 KernelExplainer SHAP 降水预报; 在线阅读下载PDF 职称材料

基于图像增强和注意力机制的作物杂草识别被引量：9: 2; 作者曲福恒李婉婷 +2 位作者杨勇刘红玉郝忠林《计算机工程与设计》北大核心 2023年第3期815-821,共7页; 为提高复杂环境下无人机获取的作物杂草图像识别的准确率,提出一种基于图像增强与注意力机制的作物杂草识别方法。在多尺度Retinex算法中加入颜色恢复函数调节3个通道颜色的占比以恢复其颜色特征,使图像更清晰;将残差网络模型中的激活... 展开更多; 关键词无人机作物杂草识别多尺度RETINEX算法颜色恢复函数残差网络 Leaky relu激活函数注意力机制; 在线阅读下载PDF 职称材料

基于深度信念网络和多信息融合的复杂机电装备故障诊断方法被引量：9: 3; 作者刘秀丽徐小力《机床与液压》北大核心 2019年第1期151-156,126,共7页; 针对复杂机电装备故障诊断中存在的数据量大、提取故障特征困难等问题,结合深度学习理论强大的感知与自我学习能力,提出一种基于深度信念网络和多信息融合的复杂机电装备故障诊断方法。将多个传感器的原始时域信号数据输入深度信念网络... 展开更多; 关键词深度信念网络复杂机电装备 relu激活函数 BATCH Normalization方法故障诊断; 在线阅读下载PDF 职称材料

基于Tensorflow对卷积神经网络的优化研究被引量：17: 4; 作者郭敏钢宫鹤《计算机工程与应用》 CSCD 北大核心 2020年第1期158-164,共7页; 针对卷积神经网络在性耗比上的不足,提出了异构式CPU+GPU的协同计算模型,在模型计算过程中使CPU负责逻辑性强的事物处理和串行计算,使GPU执行高度线程化的并行处理任务。通过实验测试与单GPU训练、单CPU训练进行对比,结果表明异构式CPU+... 展开更多; 关键词 Tensorflow CPU+GPU 卷积神经网络 Swish激活函数 relu激活函数 relu-Swish激活函数; 在线阅读下载PDF 职称材料

基于改进CNN的苹果缺陷检测方法研究被引量：3: 5; 作者杜国真卢明星 +1 位作者季泽旭刘继超《食品与机械》 CSCD 北大核心 2023年第6期155-160,共6页; 目的:解决现有苹果缺陷检测方法存在的精度低、效率差等问题。方法:基于水果图像采集系统,提出一种改进的卷积神经网络用于苹果表面缺陷检测;引入深度可分离卷积代换原网络标准卷积,提高特征提取速度;引入Leaky ReLU激活函数代替ReLU激... 展开更多; 关键词缺陷检测苹果卷积神经网络深度可分离卷积 Leaky relu激活函数全局平均池化; 在线阅读下载PDF 职称材料

融合多种神经网络与多特征的答案排序方法: 6; 作者王龙段利国李爱萍《计算机工程与设计》北大核心 2021年第3期846-852,共7页; 针对答案排序问题,提出并构建融合多种神经网络与多特征的答案排序模型。将问题和候选答案的词向量送入使用Leaky Relu激活函数的卷积神经网络进行学习,得到的学习结果与词汇特征、主题特征等相互拼接,输入到双向门控循环单元,其输出结... 展开更多; 关键词多特征答案排序 Leaky relu激活函数卷积神经网络双向门控循环单元; 在线阅读下载PDF 职称材料

题名基于神经网络模型可解释性的降水预报: 1; 作者樊仲欣王妍王若曈; 机构南京信息工程大学大气科学与环境气象国家级实验教学示范中心国家气象中心; 出处《热带气象学报》 CSCD 北大核心 2024年第6期1030-1044,共15页; 基金国家自然科学基金项目(42075115) 江苏省自然科学基金项目(BK20221344)共同资助。; 文摘为提高局地精细化预报的准确性和可靠性,提出了一种基于核函数KernelExplainer和可解释性“夏普值”(SHAP值)聚类分析的神经网络降水预报技术。该方法首先通过正态化分布变换解决神经网络的输出抖动问题,然后使用KernelExplainer估计由卷积(CNN)层、长短期记忆(LSTM)网络、全连接层构建的深度学习神经网络模型,并获取气象要素参数m和时间步长参数tl对于预测结果的贡献值SHAP,最后通过聚类分析SHAP值,在每次滚动预报中动态调整模型的m和tl参数,从而提高了无降水和强降水事件的预报效果。使用该方法基于2018年1月—2023年12月的观测和数值预报模式数据建立了南京信息工程大学大气观测基地的降水预报模型。实验证明,该方法相对于固定参数的深度学习神经网络模型、多层卷积长短期记忆网络(多层ConvLSTM)、模拟集合卷积神经网络(AnEn-CNN)和数值预报模式,降水平均绝对误差减少8%、7%、11%和19%。; 关键词卷积长短期记忆 relu激活函数 KernelExplainer SHAP 降水预报; Keywords convolution long short-term memory relu activation function KernelExplainer Shapley additive explanations(SHAP) precipitation forecasting; 分类号 P457.6 [天文地球—大气科学及气象学]; 在线阅读下载PDF 职称材料

题名基于图像增强和注意力机制的作物杂草识别被引量：9: 2; 作者曲福恒李婉婷杨勇刘红玉郝忠林; 机构长春理工大学计算机科学技术学院长春师范大学教育学院; 出处《计算机工程与设计》北大核心 2023年第3期815-821,共7页; 基金国家自然科学基金面上基金项目(41971323) 吉林省教育厅科研基金项目(JJKH20181164KJ)。; 文摘为提高复杂环境下无人机获取的作物杂草图像识别的准确率,提出一种基于图像增强与注意力机制的作物杂草识别方法。在多尺度Retinex算法中加入颜色恢复函数调节3个通道颜色的占比以恢复其颜色特征,使图像更清晰;将残差网络模型中的激活函数换为Leaky ReLU,加入CBAM注意力机制模块,获取更多有用信息,抑制其它无用信息。实验结果表明,该方法可以提高复杂环境下无人机获取的作物杂草图像的识别准确率,其准确率达到95.3%,高于AlexNet、ResNet18、ResNet50及其它主流算法的识别结果。; 关键词无人机作物杂草识别多尺度RETINEX算法颜色恢复函数残差网络 Leaky relu激活函数注意力机制; Keywords UAV(unmanned air vehicle) crop weed identification multi-scale Retinex algorithm color recovery function residual network Leaky relu activation function attention mechanism; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于深度信念网络和多信息融合的复杂机电装备故障诊断方法被引量：9: 3; 作者刘秀丽徐小力; 机构北京信息科技大学现代测控技术教育部重点实验室; 出处《机床与液压》北大核心 2019年第1期151-156,126,共7页; 基金国家自然科学基金面上项目(51275052) 国家高技术发展研究计划(2015AA043702) 北京市教委科研计划项目(KM201811232023); 文摘针对复杂机电装备故障诊断中存在的数据量大、提取故障特征困难等问题,结合深度学习理论强大的感知与自我学习能力,提出一种基于深度信念网络和多信息融合的复杂机电装备故障诊断方法。将多个传感器的原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性,同时在训练过程采用ReLu激活函数和加入Batch Normalization,减少过拟合出现概率的同时提高了网络收敛的速度。将此方法运用到复杂数控加工中心刀具的故障诊断中,结果表明该方法相比传统BPNN算法和采用Sigmoid激活函数的深度神经网络算法准确率更高。; 关键词深度信念网络复杂机电装备 relu激活函数 BATCH Normalization方法故障诊断; Keywords Deep belief network Complex electromechanical equipment relu activation function Batch Normalization method Fault diagnosis; 分类号 TU85 [建筑科学]; 在线阅读下载PDF 职称材料

题名基于Tensorflow对卷积神经网络的优化研究被引量：17: 4; 作者郭敏钢宫鹤; 机构吉林农业大学信息技术学院吉林农业大学吉林省智能环境工程研究中心吉林农业大学吉林省农业物联网科技协同创新中心; 出处《计算机工程与应用》 CSCD 北大核心 2020年第1期158-164,共7页; 基金吉林省教育厅项目（No.20170204038NY）吉林省发改委项目（No.2014Y108）长春市科技局项目（No.12SF31）; 文摘针对卷积神经网络在性耗比上的不足,提出了异构式CPU+GPU的协同计算模型,在模型计算过程中使CPU负责逻辑性强的事物处理和串行计算,使GPU执行高度线程化的并行处理任务。通过实验测试与单GPU训练、单CPU训练进行对比,结果表明异构式CPU+GPU计算模型在性耗比上更加优异。针对在卷积神经网络中Swish激活函数在反向传播求导误差梯度时涉及参数较多所导致的计算量较大,收敛速度慢,以及ReLU激活函数在x负区间内导数为零所导致的负梯度被置为零且神经元可能无法被激活的问题,提出了新的激活函数ReLU-Swish。通过测试训练对比并分析结果,将Swish激活函数小于零与ReLU激活函数大于零的部分组成分段函数,并且通过CIFAR-10和MNIST两个数据集进行测试对比实验。实验结果表明,ReLU-Swish激活函数在收敛速度以及模型测试训练的准确率上对比Swish激活函数及ReLU激活函数有较明显的提高。; 关键词 Tensorflow CPU+GPU 卷积神经网络 Swish激活函数 relu激活函数 relu-Swish激活函数; Keywords Tensorflow CPU+GPU convolutional neural network Swish activation function relu activation function relu-Swish activation function; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于改进CNN的苹果缺陷检测方法研究被引量：3: 5; 作者杜国真卢明星季泽旭刘继超; 机构河南护理职业学院中国科学技术大学郑州大学; 出处《食品与机械》 CSCD 北大核心 2023年第6期155-160,共6页; 基金河南省高等学校青年骨干教师培养计划项目(编号:2016GGJS-285) 河南省教育厅教学改革研究与实践项目(编号:豫教[2023]03010)。; 文摘目的:解决现有苹果缺陷检测方法存在的精度低、效率差等问题。方法:基于水果图像采集系统,提出一种改进的卷积神经网络用于苹果表面缺陷检测;引入深度可分离卷积代换原网络标准卷积,提高特征提取速度;引入Leaky ReLU激活函数代替ReLU激活函数,提高计算效率和精度;引入全局平均池化替换全连接层,降低网络模型的计算量;并在每层卷积后加入批量归一化层,通过试验与常规方法进行对比分析,验证其优越性。结果:与常规方法相比,所提方法在苹果缺陷检测中具有较高的检测准确率和速度,且模型参数量少,准确率达99.60%,检测速度(每秒帧数)达526,模型参数量为389 072。结论:该苹果缺陷检测方法能有效降低模型参数和检测时间,具有较高的准确率和速度。; 关键词缺陷检测苹果卷积神经网络深度可分离卷积 Leaky relu激活函数全局平均池化; Keywords defect detection apple convolutional neural network depth separable convolution Leaky relu activation function global average pooling; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP391.41 [自动化与计算机技术—计算机应用技术] S661.1 [农业科学—果树学]; 在线阅读下载PDF 职称材料

题名融合多种神经网络与多特征的答案排序方法: 6; 作者王龙段利国李爱萍; 机构太原理工大学信息与计算机学院武汉大学软件工程国家重点实验室; 出处《计算机工程与设计》北大核心 2021年第3期846-852,共7页; 基金山西省基础研究计划基金项目(201801D121137)。; 文摘针对答案排序问题,提出并构建融合多种神经网络与多特征的答案排序模型。将问题和候选答案的词向量送入使用Leaky Relu激活函数的卷积神经网络进行学习,得到的学习结果与词汇特征、主题特征等相互拼接,输入到双向门控循环单元,其输出结果经由多层感知器进行处理后,通过softmax分类器得出最终答案排序的结果。实验结果表明,该模型在WikiQACorpus数据集上取得了较好实验结果,准确率略高于已有基线模型,达到74.43%。; 关键词多特征答案排序 Leaky relu激活函数卷积神经网络双向门控循环单元; Keywords multiple features answer selection sorting Leaky relu activation function convolutional neural network bidirectional gated recurrent units; 分类号 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	基于神经网络模型可解释性的降水预报	樊仲欣王妍王若曈	《热带气象学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于图像增强和注意力机制的作物杂草识别	曲福恒李婉婷杨勇刘红玉郝忠林	《计算机工程与设计》北大核心	2023	9	在线阅读下载PDF 职称材料
3	基于深度信念网络和多信息融合的复杂机电装备故障诊断方法	刘秀丽徐小力	《机床与液压》北大核心	2019	9	在线阅读下载PDF 职称材料
4	基于Tensorflow对卷积神经网络的优化研究	郭敏钢宫鹤	《计算机工程与应用》 CSCD 北大核心	2020	17	在线阅读下载PDF 职称材料
5	基于改进CNN的苹果缺陷检测方法研究	杜国真卢明星季泽旭刘继超	《食品与机械》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
6	融合多种神经网络与多特征的答案排序方法	王龙段利国李爱萍	《计算机工程与设计》北大核心	2021	0	在线阅读下载PDF 职称材料