检索结果-内蒙古大学图书馆

雷达科学与技术 2025年第1期23卷 101-108,118页

作者：鲍子威吴影生房景仕中国电子科技集团公司第三十八研究所安徽合肥230088

精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐... 详细信息

精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐渐变差,影响雷达跟踪精度。针对此缺陷,本文提出一种基于深度卷积神经网络(DCNN)的精密雷达伺服转台消隙策略,通过采集位置闭环传动轴振动数据,利用连续小波变换(CWT)得到时频图,作为DCNN训练输入,训练后得到识别模型,最后根据模型识别出伺服转台传动机构磨损程度来调整双电机消隙控制的偏置电流和拐点电流,通过对比实验验证了调整后消隙效果优于传统消隙方式,极大提高装备运行的可靠性,降低雷达伺服转台的维护成本。

关键词：深度卷积神经网络精密雷达伺服转台双电机消隙可靠性

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的产品无损分级检测方法

引用

激光杂志 2025年第2期46卷 251-256页

作者：孙雯张龙青广东科技学院广东东莞523083

为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用... 详细信息

为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用Savitzky-Golay方法对采集到的吸收光谱实施预处理,降低光谱之间的干扰,增强光谱的纯净度与灵敏度;构建包含4层隐含层的深度卷积神经网络模型,将交叉熵作为代价函数,对该网络模型实施反向传播训练,将经过预处理的待测产品近红外激光吸收光谱输入至训练好的深度卷积神经网络模型中,其输出的结果即待测产品的无损分级检测结果。实验表明,该方法可以有效实现产品的无损分级检测,针对不同类型的产品分级识别率可达97%以上,检测耗时最高为1.11 s,其检测效率更高。

关键词：近红外激光吸收光谱吸光度图像预处理深度卷积神经网络无损分级检测

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络与多源信号的煤岩识别研究

引用

煤炭技术 2025年第3期44卷 233-238页

作者：李富强国家能源集团乌海能源有限责任公司内蒙古乌海016000

煤岩识别是采煤装备自主调高的关键技术,也是实现综采工作面智能化的重要难点,针对低照度噪音大的工作面环境下,给出了一种基于深度卷积神经网络的煤岩识别方法。搭建截割实验台,浇筑不同煤岩硬度的试件,采集截割过程中的三向振动信号... 详细信息

煤岩识别是采煤装备自主调高的关键技术,也是实现综采工作面智能化的重要难点,针对低照度噪音大的工作面环境下,给出了一种基于深度卷积神经网络的煤岩识别方法。搭建截割实验台,浇筑不同煤岩硬度的试件,采集截割过程中的三向振动信号、截割电机电流信号、声发射信号波形图,基于深度卷积神经网络对信号识别,分析煤岩特性,并通过现场实验进行了验证。实验结果表明:多源信号的组合作为煤岩识别的特征信号泛化性更好,验证了卷积神经网络模型具有较高的识别精度,极大地提高综采工作面的整体辨识精度,能够实现截割过程中煤岩界面的准确、快速识别,该模型的构建为实现综采工作面自动化、智能化开采提供了理论基础和技术前提。

关键词：煤岩识别多源信息融合深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的建筑施工进度信息集成方法

引用

长江信息通信 2025年第1期38卷 70-72页

作者：李健邱坤枣庄职业学院山东枣庄277800

针对建筑施工进度信息集成中的分类冗余问题,文章提出基于深度卷积神经网络的集成方法。采用RFID标签唯一标识信息单元,避免冗余。通过构建深度卷积神经网络模型,实现动态信息共享。中间件队列和信息类别选择确保实时性。实验证明,该方... 详细信息

针对建筑施工进度信息集成中的分类冗余问题,文章提出基于深度卷积神经网络的集成方法。采用RFID标签唯一标识信息单元,避免冗余。通过构建深度卷积神经网络模型,实现动态信息共享。中间件队列和信息类别选择确保实时性。实验证明,该方法集成度高、无冗余,适用于复杂施工环境,具有推广价值。

关键词：深度卷积神经网络建筑施工施工进度信息集成方法信息集成编码

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络下单相智能电能表故障检测系统

引用

自动化与仪表 2025年第2期40卷 106-110页

作者：吴泽新深圳供电局有限公司罗湖供电局

考虑到智能电表故障的突发性和复杂性以及传统检测方法所面临的检测精度不足等问题，研究借助深度卷积神经网络进行单相智能电能表故障检测设计。该方法首先对神经网络进行拓扑结构优化和分类代价函数改进，以提高故障信息分类精度，随... 详细信息

考虑到智能电表故障的突发性和复杂性以及传统检测方法所面临的检测精度不足等问题，研究借助深度卷积神经网络进行单相智能电能表故障检测设计。该方法首先对神经网络进行拓扑结构优化和分类代价函数改进，以提高故障信息分类精度，随后对电能表故障模式及关联情况进行分析。结果表明，该方法在数据集上的诊断准确率超过90%，高于其他比较算法，且其在占比类型最多的2种故障上的关联准确率均超过了0.95，检测时间均小于25 s。研究提出的改进方法能有效评估电能表可靠性，保障电力安全稳定。

关键词：深度卷积神经网络单相智能电能表超参数 FMEA 关联分析

来源：评论

学校读者我要写书评

暂无评论

应用深度卷积神经网络的细节模糊图像重建

引用

电子设计工程 2025年第6期33卷 183-186,191页

作者：刘青俞王杨孙昊宇湖北华中电力科技开发有限责任公司湖北武汉430000

当前细节模糊图像重建方法存在图像清晰度低、图像重建效果差等问题,因此提出应用深度卷积神经网络的细节模糊图像重建方法。利用损失函数对细节模糊图像分辨率进行优化,并根据优化结果调整图像参数。基于图像参数调节,建立细节图像处... 详细信息

当前细节模糊图像重建方法存在图像清晰度低、图像重建效果差等问题,因此提出应用深度卷积神经网络的细节模糊图像重建方法。利用损失函数对细节模糊图像分辨率进行优化,并根据优化结果调整图像参数。基于图像参数调节,建立细节图像处理的深度卷积神经网络,计算图像重构参数与神经网络状态之间的关系,得到关键特征信息匹配参数计算结果,根据计算结果实现细节模糊图像重建。实验结果表明,应用所提方法重建的图像清晰度在95%以上,重建后细节更加丰富,图像重建效果更好。

关键词：深度卷积神经网络细节模糊图像图像重建图像参数调节匹配参数

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的客户侧用电安全性评估模型研究

引用

微型电脑应用 2025年第2期41卷 128-131页

作者：王白根鲍兴江邵竹星陆钦胡中鲲国网安徽省电力有限公司安庆供电公司安徽安庆246000

考虑到深度卷积神经网络优秀的性能,提出了基于深度卷积神经网络的客户侧用电安全性评估模型。根据客户侧的用电安全实际情况,构建了客户侧用电安全评级指标体系。利用深度卷积神经网络的数据处理性能以及计算性能,构建了基于深度卷积... 详细信息

考虑到深度卷积神经网络优秀的性能,提出了基于深度卷积神经网络的客户侧用电安全性评估模型。根据客户侧的用电安全实际情况,构建了客户侧用电安全评级指标体系。利用深度卷积神经网络的数据处理性能以及计算性能,构建了基于深度卷积神经网络的客户侧用电安全性评价模型。实验结果表明,所提模型其性能指标表现良好,其F 1值达到了0.962,Recall值达到了0.962,AUC值到达了0.949。在实际的检测中,准确率达到了0.978,相较于深度神经网络、支持向量机模型和逻辑回归模型高出了0.027~0.066。实时预警正确率达到了0.957,实时预警误报率仅为0.037。因此,所提模型在用电安全评估中具备更强的高效性以及实用性。

关键词：深度学习深度卷积神经网络粗糙集评级指标体系安全评估用电安全

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的泌尿系结石成分输尿管镜图像诊断模型构建

引用

浙江临床医学 2025年第2期27卷 243-246页

作者：陈琼秋孔祥辉陈合益方崇国陈武陈大可徐晓敏浙江省温州市人民医院 325200

目的采用深度卷积神经网络(CNN)构建用于诊断泌尿系结石成分的输尿管镜(URS)图像分析模型。方法收集2022年1月至2024年7月本院800例接受泌尿系结石URS手术治疗患者的资料,经过筛选,最终获得2475张高质量URS图像数据,随机分为训练集(70%... 详细信息

目的采用深度卷积神经网络(CNN)构建用于诊断泌尿系结石成分的输尿管镜(URS)图像分析模型。方法收集2022年1月至2024年7月本院800例接受泌尿系结石URS手术治疗患者的资料,经过筛选,最终获得2475张高质量URS图像数据,随机分为训练集(70%)和测试集(30%)。采用在ImageNet数据集上预训练的Inception v3、ResNet50、AlexNet、VGG 19、DenseNet等网络架构,通过迁移学习技术构建了泌尿系结石成分分析模型。此外,还比较各模型的分类性能,并与泌尿外科医师在术中URS下的评估结果进行对比。结果在训练集和测试集上对构建的泌尿系结石成分URS图像诊断模型进行评估发现,Inception v3、ResNet50、AlexNet、VGG 19、DenseNet模型均具有较高的分类能力。其中Inception v3模型表现最佳,具有最高的准确度(训练集98.10%,测试集98.00%)、AUC值(训练集0.852,测试集0.834)、特异度(训练集82.42%,测试集81.37%)及敏感度(训练集88.36%,测试集86.43%)。一致性检验结果表明,各泌尿系结石成分URS图像诊断模型与医师经验诊断具有较好的一致性,并且Inception v3模型的分类一致性最佳(P<0.001)。结论深度学习技术在泌尿系结石成分诊断中显示出一定的应用潜力。基于CNN构建的泌尿系结石成分URS图像诊断模型具有较好的分类能力,可用于预测泌尿系结石成分。

关键词：深度卷积神经网络泌尿系结石输尿管镜图像诊断模型

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的多源网络图像伪造检测方法

引用

网络安全技术与应用 2025年第2期 36-38页

作者：张今吟国家工业信息安全发展研究中心北京100040

针对现有检测方法在对多源网络图像伪造内容检测时,存在检测精度过低,无法准确判定伪造范围的问题。因此,本文章提出基于深度卷积神经网络多源网络图像伪造检测方法。利用深度卷积神经网络,获取多源网络图像,并对其进行融合。生成伪造... 详细信息

针对现有检测方法在对多源网络图像伪造内容检测时,存在检测精度过低,无法准确判定伪造范围的问题。因此,本文章提出基于深度卷积神经网络多源网络图像伪造检测方法。利用深度卷积神经网络,获取多源网络图像,并对其进行融合。生成伪造图像数据集,实现图像伪造检测。通过对比实验证明,新的检测方法可以实现对军事图像伪造内容的准确检测,明确划分伪造内容范围,具备极高检测精度。

关键词：深度卷积神经网络网络伪造图像多源检测

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络的数据表示方法分析与实践

引用

计算机研究与发展 2017年第6期54卷 1348-1356页

作者：王佩琪高原刘振宇王海霞汪东升清华大学计算机科学与技术系北京100084 清华信息科学与技术国家实验室(筹) 北京100084

深度卷积神经网络在多个领域展现了不凡的性能,并被广泛应用.随着网络深度的增加和网络结构不断复杂化,计算资源和存储资源的需求也在不断攀升.专用硬件可以很好地解决对计算和存储的双重需求,在低功耗同时满足较高的计算性能,从而应用... 详细信息

深度卷积神经网络在多个领域展现了不凡的性能,并被广泛应用.随着网络深度的增加和网络结构不断复杂化,计算资源和存储资源的需求也在不断攀升.专用硬件可以很好地解决对计算和存储的双重需求,在低功耗同时满足较高的计算性能,从而应用在一些无法使用通用CPU和GPU的场景中.在专用硬件设计过程中仍存在着很多亟待解决的问题,例如选择何种数据表示方法、如何平衡数据表示精度与硬件实现代价等.为解决上述问题,针对定点数和浮点数建立误差分析模型,从理论角度分析如何选择表示精度及选择结果对网络准确率的影响,并通过实验探究不同数据表示方法对硬件实现代价的影响.通过理论分析和实验验证可知,在一般情况下,满足同等精度要求时浮点表示方法在硬件实现开销上占有一定优势.除此之外,还根据浮点表示特征对神经网络中卷积操作进行了硬件实现,与定点数相比在功耗和面积上分别降低92.9%和77.2%.

关键词：深度卷积神经网络数据表示方式浮点数据表示定点数据表示卷积操作优化

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：