搜索结果: 31-45 共查到“知识库 计算神经网络”相关记录1141条 . 查询时间(1.515 秒)
现有基于学习的单幅透射图像恢复方法常需要大量成对的标签数据来训练模型,因缺乏成对图像集的监督约束,致使透射图像恢复效果欠佳,限制了其实用性.提出了一种基于自监督学习的单幅透射图像恢复方法,利用循环一致性生成对抗网络的循环结构和约束转移学习能力实现非成对图像的模型训练,通过设计自学习模块,从大规模的无监督数据中挖掘自身的监督信息对网络进行训练,以此形成有效的从浅层到深层的特征提取,提高透射图像正面内...
Machine learning has been successfully applied to various fields in computational science and engineering. In this paper, we propose interfaced neural networks (INNs) to solve interface problems with ...
界面神经网络INN：一种易用的求解界面PDE问题的无网格方法（卢本卓）
界面神经网络 界面PDE问题 无网格方法
2022/12/16
Machine learning has been successfully applied to various fields in computational science and engineering. In this paper, we propose interfaced neural networks (INNs) to solve interface problems with ...
三端口双向直流变换器是现代微电子技术中的新型核心装置，其故障的快速综合诊断可促进电子技术的发展。通过建立SHEV电气系统的三端口双向直流变换器的仿真拓扑模型，考虑功率器件的位置条件，以直流侧母线输出电流作为特征量，细致划分每种故障类别，并分析不同故障下输出电流的特性，通过快速傅里叶变换FFT（fast Fourier transform）分解信号获取各个频率段，以20 kHz频率段直流侧电流信号能...
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...
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第四十九期）。
基于深度神经网络的时空编码磁共振成像超分辨率重建方法
磁共振成像 时空编码 超分辨率重建 深度神经网络
2022/3/5
单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术，它对磁场不均匀和化学位移伪影有较强的抵抗性，但是其固有的空间分辨率较低，因此通常需要进行超分辨率重建，以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率。然而，现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题。为此，本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法。该方法采用模拟样本训练深度神经...
融合预训练语言模型和标签依赖知识的关系抽取方法
关系抽取 预训练模型 标签依赖 图卷积神经网络
2022/2/28
关系抽取旨在从未经标注的自由文本中抽取实体间的关系。然而,现有的方法大都孤立地预测每一个关系而未考虑关系标签相互之间的丰富语义关联。该文提出了一种融合预训练语言模型和标签依赖知识的关系抽取模型。该模型通过预训练模型BERT编码得到句子和两个目标实体的语义信息,使用图卷积网络建模关系标签之间的依赖图,并结合上述信息指导最终的关系分类。实验结果显示,该文方法性能相较于基线方法得到了显著提高。
近些年来,胶囊神经网络(Capsnets)由于拥有强大的文本特征学习能力而被应用到文本分类任务中。目前的研究工作大都将提取到的文本多元语法特征视为同等重要,而忽略了单词所对应的各个多元语法特征的重要程度由具体上下文决定的这一事实,这将直接影响到模型对整个文本的语义理解。针对上述问题,该文提出了多尺度特征部分连接胶囊网络(MulPart-Capsnets)。该方法将多尺度特征注意力融入到Capsne...
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...
基于神经网络的CFD粗网格模拟优化方法研究
神经网络 粗网格 数值模拟 优化
2021/12/23
为缓解使用计算流体力学（ComputationalFluidDynamics，CFD）程序进行反应堆热工水力数值模拟中计算效率和计算精度之间的突出矛盾，以实现在较高计算效率下得到较高精度的计算结果，研究借助机器学习（MachineLearning，ML）中的前馈神经网络（FeedforwardNeuralNetwork，FNN）方法，通过对一定数量物理过程类似但具体参数不同的工况在粗网格、细网格两...
针对当前基于深度学习的散乱点云语义特征提取方法通用性差以及特征提取不足导致的分割精度和可靠性差的难题,提出了一种散乱点云语义分割深度残差−特征金字塔网络框架.首先,针对当前残差网络在卷积方式上的局限性,定义一种立方体卷积运算,不仅可以通过二维卷积运算实现三维表示点的高层特征的抽取,还可以解决现有的参数化卷积设计通用性差的问题;其次,将定义的立方体卷积计算与残差网络相结合,构建面向散乱点...
针对一类带有外部扰动的非严格反馈p规范型非线性系统,在一种新的预设性能控制思想的基础上,结合加幂积分技术、H∞控制理论及神经自适应技术,提出了一种自适应神经预设性能有限时间H∞跟踪控制器的设计方法.所设计的控制器能够保证系统的跟踪误差被有限时间性能函数约束,并在任意给定的停息时间内收敛到平衡点的一个预先给定的邻域内,且能够抑制外部扰动对系统的影响.特别地,该停息时间与系统初始状态无关.两个仿真例子...
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
2021/12/23
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...
半导体神经网络与智能计算系统课题组是我国最早开展类脑计算硬件研究的科研团队，从1990年起，经过30年持续、不间断的研究和实践，形成了一套具有独创性的涵盖类脑神经计算算法、类脑神经形态芯片以及软硬件系统的完整体系。以课题组为核心筹建了北京市半导体神经网络智能感知与计算技术重点实验室、中国科学院半导体研究所类脑计算技术中心等重要研究平台。团队负责人为鲁华祥研究员，共有在职职工12人，其中高级职称5人...