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

886 篇 专利

馆藏范围

886 篇 电子文献
0 种 纸本馆藏

日期分布

机构

21 篇 北京理工大学
21 篇 浙江大学
19 篇 清华大学
18 篇 电子科技大学
16 篇 西安电子科技大学
13 篇 北京百度网讯科技...
13 篇 哈尔滨工业大学
13 篇 南京邮电大学
12 篇 浙江工业大学
12 篇 杭州电子科技大学
11 篇 东南大学
11 篇 中山大学
10 篇 华中科技大学
10 篇 天津大学
10 篇 西安交通大学
10 篇 上海交通大学
9 篇 中国人民解放军国...
9 篇 西北工业大学
9 篇 华南理工大学
8 篇 桂林电子科技大学

作者

7 篇 李鑫
7 篇 王鑫
6 篇 刘斌
6 篇 李雪
5 篇 周武杰
5 篇 王强
5 篇 胡炳然
5 篇 于荣
5 篇 梅涛
5 篇 崔吉哲
5 篇 胡海峰
5 篇 苗乾坤
5 篇 王鹏
4 篇 张银胜
4 篇 季向阳
4 篇 林华东
4 篇 雷景生
4 篇 方滨兴
4 篇 张剑
4 篇 王军

语言

886 篇 中文

检索条件"主题词=计算损失函数"

共 886 条记录，以下是221-230 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：

基于注意力机制和Yolov5的目标检测方法及装置

基于注意力机制和Yolov5的目标检测方法及装置

引用

作者：罗瀚森陈益肖枭何健夏添李非桃高升久冉欢欢李和伦褚俊波陈春王丹李毅捷李东晨董平凯陈未东杨伟 610000 四川省成都市金牛高新技术产业园区兴盛西路2号4栋5层

本发明公开了一种基于注意力机制和Yolov5的目标检测方法及装置，属于目标检测领域。目标检测方法包括：S100.注意力机制网络根据输入的待检测图像输出特征图；S200.对所述特征图进行Argmax分类，将待检测图像上属于同一特征图的像素点... 详细信息

标准号: CN117079061A

本发明公开了一种基于注意力机制和Yolov5的目标检测方法及装置，属于目标检测领域。目标检测方法包括：S100.注意力机制网络根据输入的待检测图像输出特征图；S200.对所述特征图进行Argmax分类，将待检测图像上属于同一特征图的像素点分为同一类别，生成预处理图；S300.判断分类结果是否满足预设条件，若分类结果满足预设条件，则输出预处理图至Yolov5网络，并执行S500，否则执行S400；S400.计算损失函数值，通过反向传播更新所述注意力机制网络的参数，然后执行S100；***5网络根据输入的所述预处理图输出目标检测结果。本发明提高了目标检测网络的针对小目标检测的精度。

关键词：目标检测注意力机制预处理待检测图像分类结果预设条件网络计算损失函数输出预处理反向传播检测结果输出目标输出特征同一特征特征图像素点小目标分类检测更新

来源：评论

学校读者我要写书评

暂无评论

一种基于策略网络强化学习的多类型服务资源编排方法

一种基于策略网络强化学习的多类型服务资源编排方法

引用

作者：马天纯张旭张琦涵冯川郭磊 400065 重庆市南岸区南山街道崇文路2号

本发明公开了一种基于策略网络强化学习的多类型服务资源编排方法，属于通信技术领域，包括以下主要步骤：步骤1：映射业务首节点；步骤2：将特征矩阵输入强化学习模型中；步骤3：输出候选动作概率；步骤4：选择最大概率动作映射；步骤... 详细信息

标准号: CN115941506A

本发明公开了一种基于策略网络强化学习的多类型服务资源编排方法，属于通信技术领域，包括以下主要步骤：步骤1：映射业务首节点；步骤2：将特征矩阵输入强化学习模型中；步骤3：输出候选动作概率；步骤4：选择最大概率动作映射；步骤5：将业务需要映射的下一节点和与上一节点之间的直连链路作为一个元组同时映射，重复步骤2‑4，直至业务全部节点均已映射，判断业务是否映射完成；步骤6：若业务映射完成，计算收益成本比；否则映射剩余链路，重复步骤2‑4直至业务映射完成，计算收益成本比；步骤7：计算损失函数损失值，策略梯度法更新强化学习模型参数。本方法可以提高平均节点服务资源利用率，同时降低业务阻塞率，减少服务提供商成本消耗。

关键词：映射强化学习业务映射计算损失函数通信技术领域多类型服务服务提供商资源利用率策略网络成本消耗候选动作节点服务模型参数剩余链路特征矩阵业务需要业务阻塞映射业务直连链路最大概率首节点梯度法收益重复元组编排输出概率更新

来源：评论

学校读者我要写书评

暂无评论

一种基于符号距离的肝肿瘤分割方法及装置

一种基于符号距离的肝肿瘤分割方法及装置

引用

作者：包锐钻卜佳俊顾静军王旭敏王叶超 310058 浙江省杭州市西湖区余杭塘路866号

本发明提供了一种基于符号距离的肝肿瘤分割方法及装置，该方法包括获取肝脏核磁共振图像数据，进行手动分割标注，获得训练集；将训练集输入至深度学习模型中，对训练集分别进行图像分割预测和符号距离预测，并根据ground truth计算损... 详细信息

标准号: CN116309621A

本发明提供了一种基于符号距离的肝肿瘤分割方法及装置，该方法包括获取肝脏核磁共振图像数据，进行手动分割标注，获得训练集；将训练集输入至深度学习模型中，对训练集分别进行图像分割预测和符号距离预测，并根据ground truth计算损失函数对深度学习模型进行训练，得到肝肿瘤分割模型；将待分割的肝脏核磁共振图像数据输入所述肝肿瘤分割模型中，获得肝肿瘤分割的结果。本发明将符号距离应用在基于深度学习的分割模型中，让分割模型进行多任务学习，不仅通过常规的分割任务学习到逐像素的分类，也通过符号距离图回归任务学习到肝肿瘤本身的形状、位置等信息，两种任务互相补充和促进，显著提高了割模型的表现。

关键词：肝肿瘤分割模型符号距离任务学习训练集分割核磁共振图像肝脏计算损失函数图像分割常规的预测像素学习标注分类回归补充应用表现

来源：评论

学校读者我要写书评

暂无评论

基于对象级别差异记忆的开放混合域适应图像分割方法

基于对象级别差异记忆的开放混合域适应图像分割方法

引用

作者：冯伟冯廷亮林迪万亮刘雪阳安慧莉 300072 天津市南开区卫津路92号

本发明涉及一种基于对象级别差异记忆的开放混合域适应图像分割方法，包括下列步骤：构建语义分割网络，利用源域图像对模型进行粗略训练，计算源域图像不同类别的特征的质心作为不同类别的类别键；对目标域的图像和语义分割结果送入OLD... 详细信息

标准号: CN116612286A

本发明涉及一种基于对象级别差异记忆的开放混合域适应图像分割方法，包括下列步骤：构建语义分割网络，利用源域图像对模型进行粗略训练，计算源域图像不同类别的特征的质心作为不同类别的类别键；对目标域的图像和语义分割结果送入OLDM模块；利用OLDM进行语义分割优化；利用OLDM进行伪标签更新，计算损失函数并反向传播。

关键词：语义分割图像计算损失函数标签更新对象级别反向传播图像分割混合域计算源类别键目标域构建源域质心送入优化网络开放

来源：评论

学校读者我要写书评

暂无评论

一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置

一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置

引用

作者：张祝薇于丽芳翁韶伟 100026 北京市大兴区兴华大街(二段)1号

本发明提供一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置，所述方法的步骤包括：将测试数据集输入到隐写分析网络中，输出测试数据集中每个目标域图像的类别；通过特征提取层，得到预设的训练数据集中对应每个源域图像... 详细信息

标准号: CN116168264A

本发明提供一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置，所述方法的步骤包括：将测试数据集输入到隐写分析网络中，输出测试数据集中每个目标域图像的类别；通过特征提取层，得到预设的训练数据集中对应每个源域图像的参数矩阵，基于源域图像的参数矩阵计算对应每个类别的源域特征均值矩阵，基于测试数据集计算对应每个类别的目标域特征均值矩阵；基于每个类别的源域特征均值矩阵和目标域特征均值矩阵计算对应每个类别的域间平均差，并计算交叉熵损失函数值；基于目标域特征图像属于两个类别的概率参数计算个体预测熵和平均预测熵，并计算总预测熵；基于交叉熵损失函数值和总预测熵计算损失函数值，对隐写分析网络进行训练。

关键词：均值矩阵目标域源域隐写分析测试数据集预测参数矩阵损失函数交叉熵图像计算损失函数输出测试数据概率参数特征提取特征图像网络训练训练数据无监督域间预设网络监督

来源：评论

学校读者我要写书评

暂无评论

一种室内场景下的3D目标检测方法

一种室内场景下的3D目标检测方法

引用

作者：胡幸王敏 210000 江苏省南京市鼓楼区宁海路街道西康路1号

本发明公开了一种室内场景下的3D目标检测器，其包括如下的一些步骤：(1)：获取用于训练3D点云目标检测模型的训练数据集。(2)：将点云通过最远点采样算法后，将剩余的点送入一个点云特征提取网络用来提取点的多尺度特征。(3)：使用输... 详细信息

标准号: CN116071570A

本发明公开了一种室内场景下的3D目标检测器，其包括如下的一些步骤：(1)：获取用于训练3D点云目标检测模型的训练数据集。(2)：将点云通过最远点采样算法后，将剩余的点送入一个点云特征提取网络用来提取点的多尺度特征。(3)：使用输出的特征进行投票和聚类，从而生成提议点。(4)：对提议点进行多尺度特特征的增强。(5)：将提议点送入对比优化器、分类解码器和回归解码器，经过后处理后计算损失函数。(6)：计算损失函数并使用反向传播方法训练整个端到端的点云检测网络。(7)：将模型模式设置为验证模式，对待检测的点云数据进行检测并评估性能。

关键词：点云计算损失函数解码器提议检测送入检测器多尺度特征训练数据集后处理采样算法点云数据反向传播模型模式目标检测室内场景特征提取验证模式多尺度优化器最远点聚类网络输出分类回归投票评估

来源：评论

学校读者我要写书评

暂无评论

一种基于深度对比学习的节点受攻击复杂网络自重建方法

一种基于深度对比学习的节点受攻击复杂网络自重建方法

引用

作者：高庆张可昕吕金虎王薇王滨李超豪 310020 浙江省杭州市滨江区长河街道炬航弄99号

本发明公开了一种基于深度对比学习的节点受攻击复杂网络自重建方法，包括：构建深度对比学习神经网络框架，包括局部区域感知特征编码模块，用于获取输入数据的局部区域感知特征表征矩阵；高维关联特征投影解码模块，用于基于局部区域... 详细信息

标准号: CN117240689A

本发明公开了一种基于深度对比学习的节点受攻击复杂网络自重建方法，包括：构建深度对比学习神经网络框架，包括局部区域感知特征编码模块，用于获取输入数据的局部区域感知特征表征矩阵；高维关联特征投影解码模块，用于基于局部区域感知特征表征矩阵获取自重建网络的邻接矩阵；全局功能特征提取模块，用于计算损失函数并输出自重建网络；输入数据是未受节点攻击网络和受节点攻击网络构成的训练数据对，损失函数包括局部‑局部对比损失函数、局部‑全局对比损失函数和全局‑全局对比损失函数；获取由未受节点攻击网络和受节点攻击网络组成的训练数据对，并利用训练数据对训练深度对比学习神经网络框架至损失函数收敛。该方法可高效稳定恢复网络。

关键词：损失函数节点攻击局部区域深度对比训练数据网络感知学习神经网络特征表征重建全局矩阵计算损失函数特征提取模块复杂网络关联特征解码模块局部对比矩阵获取邻接矩阵全局功能特征编码网络组成高维构建投影收敛攻击输出恢复学习

来源：评论

学校读者我要写书评

暂无评论

基于自编码器和空间差分稀疏约束的EEG弥散源成像方法

基于自编码器和空间差分稀疏约束的EEG弥散源成像方法

引用

作者：刘柯杨虎李宏宇 400065 重庆市南岸区南山街道崇文路2号

本发明属于生物医学成像领域，具体涉及一种基于自编码器和空间差分稀疏约束的EEG弥散源成像方法，包括：大脑建模，导联矩阵计算，利用区域生长法生成仿真脑源信号；将仿真脑源信号作为所构建自编码器的输入，通过自编码器反演皮层脑... 详细信息

标准号: CN117243614A

本发明属于生物医学成像领域，具体涉及一种基于自编码器和空间差分稀疏约束的EEG弥散源成像方法，包括：大脑建模，导联矩阵计算，利用区域生长法生成仿真脑源信号；将仿真脑源信号作为所构建自编码器的输入，通过自编码器反演皮层脑源信号，并输出重构脑电信号；计算损失函数，反向传播优化网络参数；对重构脑源信号进行可视化；本发明损失函数由三部分构成，第一部分为仿真和重构脑电数据间的均方误差，第二部分为仿真和重构脑源信号之间的均方误差和平均绝对误差，第三部分为脑源信号空间差分稀疏正则项；通过这三部分的联合优化，获得准确、鲁棒的皮层弥散源成像估计，为神经疾病诊断和脑机接口领域提供技术支持。

关键词：脑源重构编码器均方误差皮层弥散稀疏成像计算损失函数平均绝对误差生物医学成像区域生长法反向传播技术支持矩阵计算联合优化脑电数据脑电信号脑机接口神经疾病损失函数网络参数信号空间可视化导联反演构建建模鲁棒大脑诊断输出优化

来源：评论

学校读者我要写书评

暂无评论

一种基于NSST和深度学习的人工智能地震数据处理方法

一种基于NSST和深度学习的人工智能地震数据处理方法

引用

作者：徐天吉刘海潮郭济 313000 浙江省湖州市西塞山路819号南太湖科技创新综合体B2幢8层

本发明提供了一种基于NSST和深度学习的人工智能地震数据处理方法，包括以下步骤：步骤1，合成模拟的纯净地震数据，模拟生成实际地震资料中的噪声，模拟实际勘探获取的地震资料；步骤2，将含噪数据和构造的噪声数据进行NSST变换，将变... 详细信息

标准号: CN116047587A

本发明提供了一种基于NSST和深度学习的人工智能地震数据处理方法，包括以下步骤：步骤1，合成模拟的纯净地震数据，模拟生成实际地震资料中的噪声，模拟实际勘探获取的地震资料；步骤2，将含噪数据和构造的噪声数据进行NSST变换，将变换后的Shearlet系数矩阵分别利用尺寸和滑动步长固定的窗口滑动截取，从而构建训练集和测试集；步骤3，搭建多级小波卷积神经网络，使用上述训练集进行迭代训练，利用网络的前后传播更新参数，每一次训练之后计算损失函数，通过不断地修正超参数，让损失函数逐渐收敛；步骤4，利用本方法进行实际地震数据去噪。本方案解决了震勘探数据中多种类型噪声压制难度大、传统去噪方法泛化性差等问题。

关键词：地震数据地震资料训练集去噪地震数据处理计算损失函数卷积神经网络人工智能迭代训练方案解决更新参数滑动步长勘探数据模拟生成损失函数系数矩阵噪声数据噪声压制测试集泛化性固定的滑动截取构建小波噪声收敛合成勘探修正传播网络学习

来源：评论

学校读者我要写书评

暂无评论

模型训练方法和装置、轨迹预测方法和装置

模型训练方法和装置、轨迹预测方法和装置

引用

作者：陈昌浩李勇强吕强苗乾坤 100176 北京市大兴区北京经济技术开发区宏达北路12号A幢二区6层613室

本发明公开了模型训练方法和装置、轨迹预测方法和装置，涉及自动驾驶技术领域。该方法包括：分别将自车的历史轨迹、交通参与者的历史轨迹、交通参与者的未来轨迹和地图特征转换至相对坐标系下；获取目标交通参与者当前所在的位置；将... 详细信息

标准号: CN116558541B

本发明公开了模型训练方法和装置、轨迹预测方法和装置，涉及自动驾驶技术领域。该方法包括：分别将自车的历史轨迹、交通参与者的历史轨迹、交通参与者的未来轨迹和地图特征转换至相对坐标系下；获取目标交通参与者当前所在的位置；将转换后目标交通参与者的历史轨迹、转换后自车的历史轨迹、转换后其他交通参与者的历史轨迹、目标交通参与者当前所在的位置和转换后的地图特征输入神经网络模型，得到一阶差分结果；基于一阶差分结果和目标交通参与者当前所在的位置，计算目标交通参与者的预测轨迹；基于预测轨迹和转换后目标交通参与者的未来轨迹，计算损失函数的损失值；基于损失值调整神经网络模型的参数。该实施方式能够提高轨迹预测的准确度。

关键词：历史轨迹交通转换一阶差分结果方法和装置地图特征轨迹预测预测轨迹计算损失函数神经网络模型输入神经网络准确度获取目标计算目标模型训练自动驾驶

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89页 << < 19 20 21 22 23 24 25 26 27 28 > >>

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：