修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

18 条数据
?? 中文（中国） ▾

  • 基于深度学习的Ti-6Al-4V合金选区激光熔化工艺参数优化

    摘要： 采用选择性激光熔化（SLM）工艺制造的Ti-6Al-4V产品在生物医学、航空航天等诸多领域得到广泛应用。然而，SLM工艺参数繁多且取值范围广泛，成为高效打印理想产品的障碍。由于该工艺耗时长、成本高且需要专业的工艺与材料知识，Ti-6Al-4V产品的SLM打印亟需预处理优化系统。本文基于监督式深度神经网络，运用Python编程语言和TensorFlow库开发了SLM优化系统。该优化方法的输出是最优SLM工艺参数，可用于生产满足用户需求的产品。借助此优化系统，SLM操作员无需丰富经验或大量实验即可打印理想产品。该系统是SLM打印预处理环节的重要?？椤?

    关键词： 深度学习，监督学习，Ti-6Al-4V，选择性激光熔化

    更新于2025-09-19 17:13:59

  • [2019年德国慕尼黑国际激光与光电会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 2019.6.23-2019.6.27] 2019年欧洲激光与光电会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 基于非线性椭圆旋转技术产生的高保真少周期激光脉冲

    摘要： 自组织网络（SON）机制在降低蜂窝网络运营成本的同时提升了服务质量。在该网络中，自愈功能旨在自主解决无线接入网问题并最大限度减少对用户的影响。自愈功能包括自动故障检测、根因分析、故障补偿及恢复。本文提出一种基于模糊逻辑的根因分析系统，并采用遗传算法学习规则库。该方法适配故障排查专家的推理方式，从而简化知识获取与系统输出解读。结果表明，该系统获得的结果与专家人工定义规则时相当甚至更优，且显著优势在于无需专家介入系统定义。此外，由于无需强制进行参数微调，该系统具有强鲁棒性。

    关键词： 遗传算法、自组织网络（SON）、模糊系统、故障排除、根本原因分析、自我修复、监督学习

    更新于2025-09-19 17:13:59

  • 基于非线性自回归神经网络的物联网光伏发电预测

    摘要： 本研究旨在将现代计算技术引入可再生能源供应与管理领域，作为潜在的决策工具。我们力求阐明并利用神经网络概念来预测光伏单元的太阳能转换效率。为此，将构建智能电表并连接至低功率光伏板，该智能电表运行后将采集一组数据，通过LoRa物联网网络自主传输至远程服务器，经处理后用于预测发电量。采用Matlab非线性自回归神经网络(NARX)与Thingspeak物联网数据采集系统，开环配置结果良好，闭环系统仍有改进空间，文末提出了相应改进建议。

    关键词： 光伏，物联网网络，LoRa，自回归神经网络，机器学习，监督学习

    更新于2025-09-12 10:27:22

  • 用于高光谱图像分类的行稀疏判别性深度字典学习

    摘要： 在最近的高光谱成像、生物特征识别和能源分析研究中，深度字典学习框架展现出良好前景。当训练数据有限时，深度字典学习优于其他传统深度学习工具——高光谱成像正是受益于该框架的典型应用。既往研究多基于无监督模型构建，且所有案例中的训练算法均采用贪婪策略导致次优结果。本研究首次提出联合求解深度字典学习问题的方法，并为该框架设计了新型判别性惩罚项。第三项创新在于将随机正则化技术融入深度字典学习体系。高光谱图像分类实验表明，所提技术超越了近期发表的所有基于深度及浅层（传统）学习的先进方法。

    关键词： 高光谱成像、字典学习、分类、深度学习、监督学习

    更新于2025-09-10 09:29:36

  • [IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京 (2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 用于图像检索的深度高阶监督哈希

    摘要： 近年来，深度哈希通过同时学习深度特征和哈希函数，在大规模图像检索中取得了优异表现。然而现有最先进方法尚未探索一阶以上的特征统计量。本文为解决该问题，提出两种新型深度高阶监督哈希架构（DHoSH）：基于点标签的DHoSH（DHoSH-PO）和基于对标签的DHoSH（DHoSH-PA）。其核心是将可训练的双线性池化层融入深度卷积神经网络（CNN）实现端到端学习，该层通过外积捕获图像局部特征交互，利用深度特征的自相关与互相关信息。此外，我们的DHoSH方法系统性地挖掘了多层特征的高阶统计量。在常用基准数据集上的大量实验表明，DHoSH-PO和DHoSH-PA相比一阶对应方法均获得显著提升，在图像检索任务上达到最先进性能。

    关键词： 图像检索、监督学习、深度哈希、高阶统计、双线性池化

    更新于2025-09-04 15:30:14

  • 利用单层神经网络进行高光谱图像的监督波段选择

    摘要： 高光谱图像通过光谱信息提供了被分析场景的精细细节。这是由于连续波段的存在，使得即使物体颜色和形状相似也能被区分。然而相邻波段高度相关，且高光谱图像的高维度会给处理带来沉重负担，还可能引发休斯现象。因此建议在分类任务前进行波段选择的预处理。本文提出一种基于神经网络的新型有监督滤波波段选择方法：针对数据集每个类别，二元单层神经网络分类器执行该类与其余数据的分类，随后选取权重最大和最小的波段，使波段选择过程具有类别导向性。该过程迭代进行直至达到预设波段数量。与三项前沿波段选择方法的对比表明，在训练数据量大幅减少的情况下，本方法在43.33%的案例中取得最优结果，而对比方法在博茨瓦纳、KSC和印度松数据集上的最优表现仅占13.33%至23.33%。

    关键词： 监督学习、神经网络、高光谱图像、波段选择、基于滤波器的方法

    更新于2025-09-04 15:30:14

  • [计算机科学讲义] 模式识别与计算机视觉 第11257卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第二部分）|| 用于图像检索的深度监督自编码器哈希

    摘要： 图像哈希方法将高维图像映射为能保留图像间相似性的紧凑二进制编码。虽然图像标签是监督式图像哈希方法生成哈希码的重要信息，但检索性能会受分类器表现的制约。因此，本文提出一种有效的监督式自编码哈希方法（SAEH），通过深度卷积神经网络以逐点方式生成低维二进制编码。SAEH中的自编码结构被设计为同步学习图像特征并生成哈希码，同时目标函数中增加了若干生成二进制哈希码的松弛约束条件。在多个大规模图像数据集上的大量实验验证了：自编码结构确实能提升监督哈希的性能，且SAEH在同类主流监督哈希方法中取得了最优的图像检索效果。

    关键词： 图像哈希、图像检索、监督学习、深度神经网络、卷积自编码器

    更新于2025-09-04 15:30:14

  • 结合灰色数据预处理器与深度置信网络进行日前光伏功率输出预测

    摘要： 发电输出预测是光伏电站规划与容量确定的关键任务。本文旨在提出一种基于深度置信网络（DBN）结合灰色理论数据预处理器（GT-DBN）的光伏电站日前发电输出有效预测模型，其中DBN通过分层架构学习历史光伏输出数据的高层抽象特征。将所提模型的测试结果与其他五种预测方法（包括自回归积分滑动平均模型（ARIMA）、反向传播神经网络（BPNN）、径向基函数神经网络（RBFNN）、支持向量回归（SVR）及单独使用的DBN）进行对比，结果表明该模型在预测精度上优于其他模型，适用于光伏日前发电输出预测。

    关键词： 监督学习、时间序列分析、发电规划、神经网络、可再生能源

    更新于2025-09-04 15:30:14