检索结果-内蒙古大学图书馆

华南农业大学学报 2020年第6期41卷 75-81页

作者：彭文兰玉彬岳学军程子耀王林惠岑振钊卢杨洪金宝国家精准农业航空施药技术国际联合研究中心/华南农业大学电子工程学院/人工智能学院广东广州510642 湖南科技学院电子与信息工程学院湖南永州425199

【目的】利用深度卷积神经网络对水稻田杂草进行准确、高效、无损识别,得出最优的网络模型,为水稻田种植管理以及无人机变量喷施提供理论依据。【方法】以水稻田杂草为主要研究对象,利用CCD感光相机采集杂草图像样本,构建水稻田杂草数据... 详细信息

【目的】利用深度卷积神经网络对水稻田杂草进行准确、高效、无损识别,得出最优的网络模型,为水稻田种植管理以及无人机变量喷施提供理论依据。【方法】以水稻田杂草为主要研究对象,利用CCD感光相机采集杂草图像样本,构建水稻田杂草数据集(PFMW)。利用多种结构的深度卷积神经网络对PFMW数据集进行特征的自动提取,并进行建模与试验。【结果】在各深度模型对比试验中,VGG16模型取得了最高精度,其在鬼针草、鹅肠草、莲子草、千金子、鳢肠和澎蜞菊6种杂草中的F值分别为0.957、0.931、0.955、0.955、0.923和0.992,其平均F值为0.954。在所设置的深度模型优化器试验中,VGG16-SGD模型取得了最高精度,其在上述6种杂草中的F值分别为0.987、0.974、0.965、0.967、0.989和0.982,其平均F值为0.977。在PFMW数据集的样本类别数量均衡试验中,无失衡杂草数据集训练出来的VGG16深度模型的准确率为0.900,而16.7%、33.3%和66.6%类别失衡的数据集训练的模型准确率分别为0.888、0.866和0.845。【结论】利用机器视觉能够准确识别水稻田杂草,这对于促进水稻田精细化耕作以及无人机变量喷施等方面具有重要意义,可以有效地协助农业种植过程中的杂草防治工作。

关键词：机器视觉稻田杂草深度卷积神经网络模型优化器

来源：评论

学校读者我要写书评

暂无评论

神经网络模型的训练方法及装置、电子设备和存储介质

神经网络模型的训练方法及装置、电子设备和存储介质

引用

作者：请求不公布姓名 100080 北京市海淀区翠微中里14号楼四层B655

本公开涉及一种神经网络模型的训练方法及装置、电子设备和存储介质，所述方法包括：将获取的待训练的第一神经网络模型中第一网络层，更新为增加了量化模拟结构的第二网络层，得到第二神经网络模型，并根据第二模型优化器，对第二神经... 详细信息

标准号: CN118194954A

本公开涉及一种神经网络模型的训练方法及装置、电子设备和存储介质，所述方法包括：将获取的待训练的第一神经网络模型中第一网络层，更新为增加了量化模拟结构的第二网络层，得到第二神经网络模型，并根据第二模型优化器，对第二神经网络模型进行训练，得到训练好的第二神经网络模型；其中，第二模型优化器是根据量化模拟结构和初始的第一模型优化器确定的，用于调整至少一个第二网络层权重参数的更新步长，量化模拟结构用于对权重参数执行模拟量化操作，并根据模拟量化操作带来的量化误差，调整模拟量化操作的量化位数。本公开实施例可实现在训练过程中模拟量化操作带来的误差，保持量化后模型精度，降低量化的时间和人力成本。

关键词：量化神经网络模型模型优化器模拟结构网络层权重参数存储介质电子设备调整模拟量化位数量化误差人力成本训练过程更新

来源：评论

学校读者我要写书评

暂无评论

模型调优方法、装置及存储介质

模型调优方法、装置及存储介质

引用

作者：周天宝 100176 北京市大兴区北京经济技术开发区科创十街15号院5号楼6层618室

本公开涉及一种模型调优方法、装置及存储介质，可用于自动驾驶，所述方法包括：执行多次迭代更新操作；所述迭代更新操作包括：确定模型优化器针对预设的神经网络模型所确定的网络编码，所述网络编码包括网络拓扑结构策略编码、剪枝策... 详细信息

标准号: CN115271043B

本公开涉及一种模型调优方法、装置及存储介质，可用于自动驾驶，所述方法包括：执行多次迭代更新操作；所述迭代更新操作包括：确定模型优化器针对预设的神经网络模型所确定的网络编码，所述网络编码包括网络拓扑结构策略编码、剪枝策略编码和量化策略编码；根据所述网络编码压缩所述神经网络模型，得到所述压缩模型；确定所述压缩模型针对媒体数据输出的结果数据；在所述结果数据未达到预设收敛条件的情况下，更新所述模型优化器，并基于更新后的模型优化器执行下一次迭代更新操作，提高模型优化效率，且降低对神经网络模型的原网络结构的影响。

关键词：神经网络模型模型优化器网络编码更新操作结果数据压缩预设网络拓扑结构存储介质迭代更新多次迭代剪枝策略媒体数据模型优化收敛条件网络结构一次迭代自动驾驶更新可用量化输出

来源：评论

学校读者我要写书评

暂无评论

一种对OLAP预计算模型进行动态优化的方法及系统

一种对OLAP预计算模型进行动态优化的方法及系统

引用

作者：史少峰韩卿刘凯歌 201203 上海市浦东新区自由贸易试验区亮秀路112号A座404A室

本发明涉及一种对OLAP预计算模型进行动态优化的方法及系统，该方法包括：接收用户输入的查询语句；分析查询语句中使用的查询信息；根据预定义引擎规则，从特征查询信息中查找出当前OLAP预计算模型不支持的特征查询信息，将不支持的特... 详细信息

标准号: CN108052522A

本发明涉及一种对OLAP预计算模型进行动态优化的方法及系统，该方法包括：接收用户输入的查询语句；分析查询语句中使用的查询信息；根据预定义引擎规则，从特征查询信息中查找出当前OLAP预计算模型不支持的特征查询信息，将不支持的特征查询信息转换成新的虚拟查询信息；将新的虚拟查询信息添加到原始查询表中，形成新的查询表；根据新的查询表和新的虚拟查询信息，创建新的OLAP预计算模型。还涉及一种系统，还系统包括：查询统计分析器、模型优化器、规则引擎库、统计数据库。通过本发明创建新的OLAP预计算模型，这样可以提升查询效率，减少存储空间，对用户透明，且更高效地应对大数据上灵活复杂的分析场景。

关键词：查询信息预计算特征查询查询语句虚拟查询表模型优化器统计数据库查询统计查询效率存储空间动态优化规则引擎接收用户信息转换原始查询大数据分析器预定义创建引擎分析查找场景透明灵活

来源：评论

学校读者我要写书评

暂无评论

模型调优方法、装置及存储介质

模型调优方法、装置及存储介质

引用

作者：周天宝 100176 北京市大兴区北京经济技术开发区科创十街15号院5号楼6层618室

标准号: CN115271043A

来源：评论

学校读者我要写书评

暂无评论

基于非校验集预测图像识别模型泛化误差的方法及系统

基于非校验集预测图像识别模型泛化误差的方法及系统

引用

作者：伍冬睿张潇 430074 湖北省武汉市洪山区珞喻路1037号

本发明公开了一种基于非校验集预测图像识别模型泛化误差的方法及系统，属于深度学习优化与泛化领域，方法包括：在每一个训练回合结束后，随机采样K组训练图片，使用模型优化器计算K组训练图片对应图像识别模型的参数更新量；利用参数... 详细信息

标准号: CN112598082B

本发明公开了一种基于非校验集预测图像识别模型泛化误差的方法及系统，属于深度学习优化与泛化领域，方法包括：在每一个训练回合结束后，随机采样K组训练图片，使用模型优化器计算K组训练图片对应图像识别模型的参数更新量；利用参数更新量，得到对应的K个更新后的模型，并记录K个更新后的模型对各张训练图片的输出；计算各张训练图片的输出的方差值，使用输出模长对方差值进行归一化，得到输出相对方差；以输出相对方差预测图像识别模型的泛化误差在训练过程中的变化趋势。如此，本发明不需要使用校验集故能够将所有的训练样本投入训练，从而获得更好的泛化性能；另外该过程只需要训练一轮神经网络，减少了多次训练带来的能量与硬件的损耗。

关键词：训练图片输出参数更新预测图像校验方差模型优化器变化趋势泛化性能神经网络随机采样图像识别训练过程训练样本归一化输出模更新记录优化学习

来源：评论

学校读者我要写书评

暂无评论

基于非校验集预测图像识别模型泛化误差的方法及系统

基于非校验集预测图像识别模型泛化误差的方法及系统

引用

作者：伍冬睿张潇 430074 湖北省武汉市洪山区珞喻路1037号

标准号: CN112598082A

来源：评论

学校读者我要写书评

暂无评论

一种对OLAP预计算模型进行动态优化的方法及系统

一种对OLAP预计算模型进行动态优化的方法及系统

引用

作者：史少峰韩卿刘凯歌 201203 上海市浦东新区自由贸易试验区亮秀路112号A座404A室

标准号: CN108052522B

来源：评论

学校读者我要写书评

暂无评论

一种室内物品飞行搬运机器人的稳定性控制方法及装置

一种室内物品飞行搬运机器人的稳定性控制方法及装置

引用

作者：林必毅贺振中吴福胜 518000 广东省深圳市南山区粤海街道高新区社区科技南路16号深圳湾科技生态园11栋A2305

一种室内物品飞行搬运机器人的稳定性控制方法及装置，包括构建飞行搬运机器人在物品搬运场景下的搬运动作模型，根据飞行搬运机器人的控制输入对和搬运动作模型生成控制预测结果；飞行搬运机器人的控制输入对包括控制作用对和控制状态... 详细信息

标准号: CN117806158A

一种室内物品飞行搬运机器人的稳定性控制方法及装置，包括构建飞行搬运机器人在物品搬运场景下的搬运动作模型，根据飞行搬运机器人的控制输入对和搬运动作模型生成控制预测结果；飞行搬运机器人的控制输入对包括控制作用对和控制状态对；基于控制预测结果构建飞行搬运机器人对应的动力学模型；当动力学模型对应的成本函数满足预设成本阈值时，利用无模型优化器对飞行搬运机器人的控制输入对进行稳定性控制；无模型优化器包括基于混合强化学习的改进后的深度增强学习算法。解决室内物品飞行搬运机器人在物品放置和取走的瞬间，由于物品和飞行搬运机器人之间产生的作用力导致飞行搬运机器人飞行过程中不稳定的问题。

关键词：搬运机器人飞行动力学模型模型优化器稳定性控制动作模型室内物品预测结果构建搬运成本函数飞行过程控制状态控制作用强化学习生成控制物品搬运物品放置学习算法阈值时预设场景改进

来源：评论

学校读者我要写书评

暂无评论

一种基于改进的MobileViT网络的显微镜图像清晰度评价方法

一种基于改进的MobileViT网络的显微镜图像清晰度评价方法

引用

作者：周厚奎吴学程王陈燕 311300 浙江省杭州市临安区锦北街道武肃街666号

本发明公开了一种显微镜图像的清晰度评价方法，所述的方法为：通过显微镜获取不同对焦距离的显微镜图像，对图像进行旋转和翻转等数据增强；调整模型中的MV2模块和MobileViT block模块的数量来提高模型的表达能力和准确率；调整模型优... 详细信息

标准号: CN116612092A

本发明公开了一种显微镜图像的清晰度评价方法，所述的方法为：通过显微镜获取不同对焦距离的显微镜图像，对图像进行旋转和翻转等数据增强；调整模型中的MV2模块和MobileViT block模块的数量来提高模型的表达能力和准确率；调整模型优化器；添加余弦退火的学习率调整策略动态调整学习率；调整模型全连接层节点个数将模型由一个分类模型改为回归模型；并引入平均绝对误差和均方误差来计算输出的预测距离与图像真实距离之前的误差。本发明提出了一个基于MobileViT网络的显微镜图像清晰度评价算法，可确保预测出显微镜图像的对焦距离。

关键词：显微镜图像清晰度评价对焦距离图像退火平均绝对误差模型优化器调整策略动态调整分类模型回归模型均方误差数据增强连接层翻转预测准确率余弦显微镜算法输出学习引入网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：