检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

972 篇 专利

馆藏范围

972 篇 电子文献
0 种 纸本馆藏

日期分布

机构

32 篇 西安电子科技大学
21 篇 大连海事大学
20 篇 西安理工大学
19 篇 南京邮电大学
17 篇 中国人民解放军国...
17 篇 华南理工大学
15 篇 合肥工业大学
14 篇 杭州电子科技大学
13 篇 国家电网有限公司
13 篇 南京航空航天大学
12 篇 大连理工大学
12 篇 西安交通大学
12 篇 河海大学
11 篇 山东大学
11 篇 上海交通大学
11 篇 哈尔滨工业大学
10 篇 天津大学
10 篇 重庆邮电大学
10 篇 西南交通大学
10 篇 浙江工业大学

作者

15 篇 马武彬
15 篇 吴亚辉
15 篇 邓苏
12 篇 李璇
11 篇 黄宏斌
11 篇 吴继冰
11 篇 刘丽华
9 篇 何耀耀
8 篇 焦李成
8 篇 孙希明
7 篇 顾桐菲
7 篇 李哲
6 篇 金超
6 篇 董超
6 篇 金海燕
6 篇 王靖淇
6 篇 唐旭
6 篇 鲁赢
6 篇 纪勋
6 篇 周松斌

语言

972 篇 中文

检索条件"主题词=测试集数据"

共 972 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于LGBM的离散调制CV-QKD协议码率预测方法

基于LGBM的离散调制CV-QKD协议码率预测方法

引用

作者：富尧 210000 江苏省南京市中国(江苏)自由贸易试验区南京片区江淼路88号腾飞大厦b座11层

本发明公开了一种基于LGBM的离散调制CV‑QKD协议码率预测方法，包括：根据离散调制CV‑QKD协议，使用光强、传输距离、额外噪声这三个参数计算出训练集的数据；将训练集数据中一部分数据作为测试集；使用训练集对LGBM网络进行训练；然后... 详细信息

标准号: CN115529124B

本发明公开了一种基于LGBM的离散调制CV‑QKD协议码率预测方法，包括：根据离散调制CV‑QKD协议，使用光强、传输距离、额外噪声这三个参数计算出训练集的数据；将训练集数据中一部分数据作为测试集；使用训练集对LGBM网络进行训练；然后采用测试集的数据对LGBM网络进行测试，测试得到预测的码率值，当预测的码率值与标签相差超过0.1的测试数据占测试集数据的比例小于等于百分之十，则LGBM网络训练完成；将训练好的LGBM网络用于实际模拟过程，实验测出参数后，进行输入LGBM网络，得到码率对应的结果。本发明提高了协议在实际应用中的可行性和实用性，码率误差完全满足通讯要求且量子通信的无条件安全也得到了保证。

关键词：码率离散调制测试集训练集网络预测测试测试集数据训练集数据参数计算测试数据传输距离量子通信模拟过程通讯要求网络训练光强噪声标签应用安全保证

来源：评论

学校读者我要写书评

暂无评论

一种特种车辆推进动力装置轴承故障诊断方法

一种特种车辆推进动力装置轴承故障诊断方法

引用

作者：鲍珂柳月李孟伟 100072 北京市丰台区槐树岭4号院

本发明为一种特种车辆推进动力装置轴承故障诊断方法，包括：采集数据、模型参数优化、噪声过滤、故障诊断。首先，通过加速度传感器采集特种车辆推进动力装置轴承设备在不同信噪比下的振动信号，并划分为训练集和测试集。其次，选取包... 详细信息

标准号: CN117972504A

本发明为一种特种车辆推进动力装置轴承故障诊断方法，包括：采集数据、模型参数优化、噪声过滤、故障诊断。首先，通过加速度传感器采集特种车辆推进动力装置轴承设备在不同信噪比下的振动信号，并划分为训练集和测试集。其次，选取包络熵平均最小值作为适应度函数，利用WOA算法对VMD算法的分解参数进行优化。然后，通过VMD算法对原始振动信号进行模态分解，依据峭度准则过滤子模态信号中的无用噪声分量，选取有效故障分量进行振动信号重构，将重构后的训练集数据输入到BiLSTM神经网络进行训练。训练完成后，将测试集数据输入到BiLSTM神经网络中进行故障分类。本发明实现不同信噪比下的特种车辆推进动力装置轴承故障诊断，具有较高的诊断精度和较强的鲁棒性。

关键词：推进动力装置特种车辆算法神经网络振动信号轴承故障信噪比诊断重构加速度传感器原始振动信号测试集数据适应度函数训练集数据采集数据故障分类故障诊断模态分解模型参数有效故障噪声分量噪声过滤轴承设备测试集鲁棒性训练集包络峭度子模优化过滤采集分解

来源：评论

学校读者我要写书评

暂无评论

一种基于大数据的脑电信号识别训练方法及系统

一种基于大数据的脑电信号识别训练方法及系统

引用

作者：孙成才张新敏 110027 辽宁省沈阳市沈阳经济技术开发区沈辽西路111号

本发明公开了一种基于大数据的脑电信号识别训练方法及系统，涉及脑电信号训练识别技术领域，包括获取脑电信号数据，进行划分输出训练集数据以及测试集数据；对脑电信号数据进行计算分析，输出标签电压以及判断电压频率；基于判断电压... 详细信息

标准号: CN117743854A

本发明公开了一种基于大数据的脑电信号识别训练方法及系统，涉及脑电信号训练识别技术领域，包括获取脑电信号数据，进行划分输出训练集数据以及测试集数据；对脑电信号数据进行计算分析，输出标签电压以及判断电压频率；基于判断电压频率输出对应状态，计算状态电压区间，利用深度学习技术进行模型训练；对测试集数据进行分析，计算F1分数；本发明用于解决现有技术中因缺少对测试集信息未知时，仅分析单一的结果无法准确判断识别模型识别结果是否正确，从而导致识别模型的准确率降低的问题。

关键词：脑电信号测试集数据电压频率输出训练集数据计算分析模型识别模型训练识别训练状态电压测试集大数据准确率标签分析学习

来源：评论

学校读者我要写书评

暂无评论

一种基于支持向量机的RC框架地震响应计算方法

一种基于支持向量机的RC框架地震响应计算方法

引用

作者：王尉阔骆欢 443002 湖北省宜昌市西陵区大学路8号

本发明提供一种基于支持向量机的RC框架地震响应计算方法，包括以下步骤：步骤一从众多RC框架地震响应影响因素中选择关键因素，作为计算RC框架地震响应的解释变量；步骤二根据所选解释变量，建立有限元模型计算地震响应并建立大规模数... 详细信息

标准号: CN117688795A

本发明提供一种基于支持向量机的RC框架地震响应计算方法，包括以下步骤：步骤一从众多RC框架地震响应影响因素中选择关键因素，作为计算RC框架地震响应的解释变量；步骤二根据所选解释变量，建立有限元模型计算地震响应并建立大规模数据集，将数据划分为训练集数据集和测试集数据集；步骤三利用训练集数据进行支持向量机的结构学习和参数学习，构建解释变量与工程需求参数之间的依赖关系；步骤四基于测试集数据，对建立的RC框架地震响应计算方法进行验证，并获得该方法的性能评价指标，与现有方法的进行对比；解决了现有传统计算方法效率和机器学习训练效率低下等问题。

关键词：地震响应测试集数据训练集数据支持向量机大规模数据集性能评价指标参数学习传统计算工程需求关键因素机器学习训练效率依赖关系影响因素元模型构建验证学习

来源：评论

学校读者我要写书评

暂无评论

基于长短期记忆网络的桥梁温度预测方法、介质及设备

基于长短期记忆网络的桥梁温度预测方法、介质及设备

引用

作者：张建龙束景晓郑旭达赵东月傅磊王韶鹏王一戈崔潇 450046 河南省郑州市郑东新区农业东路100号

本发明公开了一种基于长短期记忆网络的桥梁温度预测方法、介质及设备，将桥梁温度数据集按比例分为训练集，验证集和测试集；基于Keras构建网络模型，使用训练集和验证集对网络模型进行训练，得到预测模型；将测试集数据送入预测模型... 详细信息

标准号: CN112446173B

本发明公开了一种基于长短期记忆网络的桥梁温度预测方法、介质及设备，将桥梁温度数据集按比例分为训练集，验证集和测试集；基于Keras构建网络模型，使用训练集和验证集对网络模型进行训练，得到预测模型；将测试集数据送入预测模型中，在预测窗口发现异常值时，进行预警处理。本发明通过对时间窗口的划分，提供了充分的预警时间来解决发现的问题，并且神经网络预测模型在峰值的预测上更为精准，更稳定。

关键词：网络模型预测模型训练集验证集神经网络预测模型测试集数据记忆网络时间窗口温度数据温度预测预警处理测试集预测桥梁构建送入预警发现

来源：评论

学校读者我要写书评

暂无评论

一种基于AI视觉检测算法的光伏组件评估方法及系统

一种基于AI视觉检测算法的光伏组件评估方法及系统

引用

作者：徐昊旻殷荣耀陈路通陈升张超 210000 江苏省南京市玄武区洪武北路188号603室

本发明一种基于AI视觉检测算法的光伏组件评估方法及系统，所述方法包括以下步骤：步骤S1.采集图像，步骤S2.对采集到的图像进行标注，步骤S3.对标注完成的图像进行预处理；步骤S4.选择改进Faster R‑CNN的光伏组件评估模型作为目标检测... 详细信息

标准号: CN118261878A

本发明一种基于AI视觉检测算法的光伏组件评估方法及系统，所述方法包括以下步骤：步骤S1.采集图像，步骤S2.对采集到的图像进行标注，步骤S3.对标注完成的图像进行预处理；步骤S4.选择改进Faster R‑CNN的光伏组件评估模型作为目标检测的基础模型；步骤S5.将测试集数据输入到训练完成的模型中进行验证；步骤S6.在模型训练和评估完成后，将模型部署到实际环境中进行缺陷检测；步骤S7.在模型检测出的缺陷结果之后，进行NMS非极大值抑制操作；步骤S8.将后处理检测出的缺陷结果输入到决策模型中进行分析和决策；步骤S9.输出光伏组件的缺陷大小、缺陷位置、缺陷种类、严重程度，并存储在数据库中。该方法经过实际验证，在提高检测效率的同时确保了检测结果的可靠性，拥有良好的泛化能力和应用价值。

关键词：光伏组件缺陷结果标注预处理验证图像非极大值抑制测试集数据采集图像处理检测基础模型检测结果决策模型模型检测模型训练目标检测评估模型缺陷检测缺陷位置实际环境视觉检测输出光评估算法数据库存储采集检测应用部署改进决策分析

来源：评论

学校读者我要写书评

暂无评论

一种基于知识交互图神经网络的井间连通性预测方法

一种基于知识交互图神经网络的井间连通性预测方法

引用

作者：张凯李玉佳张华清张黎明贾立静严侠刘丕养 266580 山东省青岛市黄岛区长江西路66号

本发明公开了一种基于知识交互图神经网络的井间连通性预测方法，属于石油工程领域，包括如下步骤：步骤1、获取地质数据和生产动态数据，对数据进行预处理并进行数据集划分；步骤2、构建知识交互图神经网络模型；步骤3、使用目标井网... 详细信息

标准号: CN118296975A

本发明公开了一种基于知识交互图神经网络的井间连通性预测方法，属于石油工程领域，包括如下步骤：步骤1、获取地质数据和生产动态数据，对数据进行预处理并进行数据集划分；步骤2、构建知识交互图神经网络模型；步骤3、使用目标井网的生产动态数据进行模型训练，基于训练完成的知识交互图神经网络模型，进行连通性预测分析；步骤4、利用测试集数据检查模型的泛化能力；步骤5、实时获取当前待预测油藏区块的地质数据与生产动态数据，进行归一化处理后输入知识交互图神经网络模型进行训练，根据训练完成的模型得到井间连通系数，从而进行井间连通性的预测。本发明能精准反演油藏地下通道，进而精准预测油藏开发过程中的井间连通性。

关键词：交互图连通性神经网络模型生产动态预测地质数据预处理地下通道测试集数据归一化处理模型训练神经网络石油工程实时获取油藏开发油藏区块目标井数据集反演构建油藏连通分析检查

来源：评论

学校读者我要写书评

暂无评论

一种基于经验模态分解的海杂波智能抑制方法

一种基于经验模态分解的海杂波智能抑制方法

引用

作者：何元侯奇奇 100876 北京市海淀区西土城路10号

本发明提出了一种基于经验模态分解的海杂波智能抑制方法，利用经验模态分解(Empirical Mode Decomposition，EMD)处理非线性、非平稳信号的优势，与智能优化算法相结合，对现有算法进行改进。主要内容如下：采用EMD方法处理海杂波数据... 详细信息

标准号: CN118349881A

本发明提出了一种基于经验模态分解的海杂波智能抑制方法，利用经验模态分解(Empirical Mode Decomposition，EMD)处理非线性、非平稳信号的优势，与智能优化算法相结合，对现有算法进行改进。主要内容如下：采用EMD方法处理海杂波数据的某一距离单元的数据序列；将EMD分解后的获得的每个IMF及残差项的数据进行归一化处理；使用GWO优化算法获取RBF神经网络需优化的初始网络参数，从而确定RBF神经网络的具体结构，建立具体的海杂波预测模型；使用训练集数据训练海杂波预测模型，并使用训练得到的模型对测试集数据及其他距离单元数据进行预测，对预测数据进行整合后获得完整的海杂波数据，再利用相对应的雷达时域回波数据与预测所得海杂波数据作差，最终实现海杂波抑制。

关键词：杂波经验模态分解预测模型智能优化算法测试集数据非平稳信号归一化处理训练集数据初始网络单元数据回波数据数据序列优化算法预测数据杂波抑制再利用预测残差时域整合算法雷达智能优化改进

来源：评论

学校读者我要写书评

暂无评论

一种基于多尺度特征融合的遥感图像路网提取方法

一种基于多尺度特征融合的遥感图像路网提取方法

引用

作者：陈泽华杨志刚赵哲峰郭学俊杨莹张佳鹏曹桂芳郭晓澎 030024 山西省太原市迎泽西大街79号

本发明提供了一种基于多尺度特征融合的遥感图像路网提取方法，通过获取高分辨率遥感图像道路数据集并分为训练集核测试集；搭建基于多尺度特征图融合的遥感道路分割网络；所述遥感图像道路语义分割网络由特征提取模块、上下文语义提取... 详细信息

标准号: CN113850824B

本发明提供了一种基于多尺度特征融合的遥感图像路网提取方法，通过获取高分辨率遥感图像道路数据集并分为训练集核测试集；搭建基于多尺度特征图融合的遥感道路分割网络；所述遥感图像道路语义分割网络由特征提取模块、上下文语义提取模块、多尺度特征融合模块、解码器组成，将输入的遥感图像输入特征提取模块，得到的图像高层语义特征图输入上下文语义特征图得到具有上下文语义特征图的融合特征图，将编码器同层次特征图、低层特征图、高层语义特征图送入多尺度特征融合模块为不同尺度解码器补充道路信息；模型收敛保存参数；将测试集数据输入模型，输出测试集图像路网结构；本发明适用于遥感图像路网提取。

关键词：遥感图像多尺度特征上下文语义特征图高层语义特征解码器路网提取融合模块提取模块融合图像补充道路信息特征提取模块测试集数据层次特征道路分割道路数据低层特征高分辨率路网结构输出测试输入特征语义分割编码器测试集训练集收敛送入遥感尺度网络保存

来源：评论

学校读者我要写书评

暂无评论

一种基于Transformer的高光谱图像分类方法及系统

一种基于Transformer的高光谱图像分类方法及系统

引用

作者：徐亦飞谢艺璇任帅强刘思新李佳潞刘明圻谯凯饶元 710049 陕西省西安市碑林区咸宁西路28号

本发明公开了一种基于Transformer的高光谱图像分类方法及系统，从原始高光谱图像中提取以像素为中心的3D立方体，将其作为训练集和测试集数据，基于训练集和测试集数据，沿空间维度提取包含局部空间‑光谱关系的嵌入特征；再基于局部空... 详细信息

标准号: CN117788889A

本发明公开了一种基于Transformer的高光谱图像分类方法及系统，从原始高光谱图像中提取以像素为中心的3D立方体，将其作为训练集和测试集数据，基于训练集和测试集数据，沿空间维度提取包含局部空间‑光谱关系的嵌入特征；再基于局部空间‑光谱关系的嵌入特征，沿着光谱维度提取包含层次化空间‑光谱关系的嵌入特征，然后进行分类，本发明分别沿着空间维度和光谱维度表征局部和层次的空间‑光谱关系，提高了空间和光谱信息的利用率，能够对其进行充分利用，降低了计算量，在提取层次的空间‑光谱关系时，引入了跨块归一化连接，提高模型泛化能力，利用多头自注意力，提高了分类效果。

关键词：光谱关系嵌入测试集数据高光谱图像局部空间空间维度光谱维训练集分类效果光谱信息层次化归一化计算量分类像素注意力多头引入

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共98页 << < 1 2 3 4 5 6 7 8 9 10 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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

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：