搜索结果: 1-15 共查到“计算机科学技术 卷积神经网络”相关记录19条 . 查询时间(0.16 秒)
海洋遥感中卷积神经网络应用—海洋所发表AI海洋学文章（图）
神经网络应用 海洋遥感 观测
2024/1/12
2024年1月4日，中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构（CNN）在海洋遥感中的应用，研究成果在IEEE Geoscience and Remote Sensing Magazine（影响因子13.925）发表。过去40年里，遥感技术的不断发展极大地推动了海洋观测的进展，使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据，以解决基于这些数据的实际问题，已成为一项重大挑...
由于点云的非结构性和无序性,目前已有的点云分类网络在精度上仍然需要进一步提高.通过考虑局部结构的构建、全局特征聚合和损失函数改进三个方面,构造一个有效的点云分类网络.首先,针对点云的非结构性,通过学习中心点特征与近邻点特征之间的关系,为不规则的近邻点分配不同的权重,以此构建局部结构;然后,使用注意力思想,提出加权平均池化(Weighted average pooling,WAP),通过自注意力方式...
针对矿井电网消弧线圈接地系统单相接地故障选线方法准确率和可靠性不高的问题,提出基于卷积神经网络多判据融合的选线方法。主要分析了深度学习模型——卷积神经网络的结构与原理,通过快速傅里叶变换和小波变换从故障信息中提取5次谐波分量、小波分析模极大值、衰减直流分量和高频暂态分量作为原始输入数据,并利用改进LeNet-5模型强大的学习能力和泛化能力对其进行融合。基于Matlab软件搭建井下电网仿真模型,结果...
随着未来空间大型工程的陆续实施，迫切需要智能化的方法和技术实现航天活动的自主规划、自主控制、自主故障检测和处理等，为航天系统小型化、轻量化、智能化、低功耗需求提供技术支撑。卷积神经网络作为人工智能模型中最重要的经典结构，具有局部连接、权值共享、空间或时间上的下采样等优势，是我国天基遥感数据精准获取、在轨海量数据快速处理与应用向更强、更快发展的重要选择。值得注意的是，卷积神经网络FPGA加速器的空间...
中国科学院声学研究所专利：一种基于卷积神经网络的车辆违章停车检测方法
全波形反演（FWI）是一种非线性拟合观测地震记录从而获得高清晰速度模型的最优化算法。FWI能够通过拟合浅层初至波和反射波获得较准确的浅层速度模型。但是，FWI通常无法通过拟合深层反射波获得较准确的深层速度模型（包括背景速度和反射界面信息），因为模型梯度中的反射界面信息（偏移成分）比背景速度信息（层析成像成分）更加显著。因此，FWI主要更新深层反射界面而不是深层背景速度，而背景速度的误差会降低反射界...
针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题，提出一种基于二维卷积神经网络2D-CNN（two-dimensional convolution neural network）自适应特征提取的故障检测方法，避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理，并将一维数据转换为矩阵形式作为2D-CNN的输入数据，然后利用Adam优化...
基于卦限卷积神经网络的3D点云分析
深度学习 点云 卦限卷积神经网络 局部几何特征
2024/1/18
基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network,Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点,接着通过多...
针对现有的单幅图像去雾问题,提出了一种基于并联卷积神经网络的单幅图像去雾算法,以端对端的方式实现图像去雾.首先,使用雾天RGB图像YUV变换的Y、U和V分量构建并联卷积神经网络,自适应获得雾霾特征;网络结构由两个子网络组成,较深的网络预测清晰图像的亮度通道,较浅的网络预测色度通道和饱和度通道.最后,采用递归双边滤波,对去雾后的图像进行滤波,可以得到更加清晰的无雾图像。
中国科学院地质与地球物理研究所博士后耿智与合作导师王彦飞研究员提出了一种基于数据驱动的能进行有效地震数据分类的自动搜索神经网络架构(SeismicPatchNet, SPN)（图1）。假设嵌入在勘探地震数据中的关键信号特征可以被ANN捕获，则描述其参数比传统的CNN架构要少得多。该研究设计了具有特定地震振幅序列的概念性信号斑块（图1a），以海洋天然气水合物为例，这些信号类似于水合物的关键地震反射；...
中国科学院地质与地球物理研究所博士后耿智与合作导师王彦飞研究员提出了一种基于数据驱动的能进行有效地震数据分类的自动搜索神经网络架构(SeismicPatchNet, SPN)（图1）。假设嵌入在勘探地震数据中的关键信号特征可以被ANN捕获，则描述其参数比传统的CNN架构要少得多。该研究设计了具有特定地震振幅序列的概念性信号斑块（图1a），以海洋天然气水合物为例，这些信号类似于水合物的关键地震反射；...
利用卷积神经网络(convolutional neural network，CNN)算法构建基于临床图像的基底细胞癌和色素痣的智能辅助诊断模型。方法：首先，基于湘雅医学大数据平台构建一个大规模的以中国人种为主的皮肤疾病临床图像数据集——湘雅皮肤疾病数据集；在此数据集的基底细胞癌和色素痣的子集上评估5种主流CNN模型(ResNet50，InceptionV3，InceptionResNetV2，De...
基于深度卷积神经网络的SQL注入攻击检测
SQL注入 检测 CNN 自然语言处理
2022/3/28
结合自然语言处理技术，采用卷积神经网络算法训练SQL注入检测模型，主要包括文本分词处理、提取文本向量和训练检测模型三个部分。实验结果与BP神经网络算法结果对比，发现基于卷积神经网络的SQL注入检测模型仅需提取用户输入的信息，就可以对攻击行为进行检测，具有很强的预测能力，同时针对变异SQL注入攻击具有良好的识别能力。
基于新型三元卷积神经网络的行人再辨识算法
行人再辨识 深度学习 三元卷积神经网络
2018/5/21
基于三元卷积神经网络的行人再辨识算法多数采用欧式距离度量行人之间的相似度，并配合铰链(hinge)损失函数进行卷积神经网络的训练。然而，这种作法存在两个不足：欧式距离作为行人相似度，鉴别力不够强；铰链损失函数的间隔(Margin)参数设定依赖于人工预先设定且在训练过程中无法自适应调整。为此，针对上述两个不足进行改进，该文提出一种基于新型三元卷积神经网络的行人再辨识算法，以提高行人再辨识的准确率。首...