检索结果-内蒙古大学图书馆

物理学报 2023年第21期72卷 360-367页

作者：孙涛袁健美湘潭大学数学与计算科学学院湘潭411105 湘潭大学智能计算与信息处理教育部重点实验室湘潭411105

针对快速获取钙钛矿材料带隙值的问题,建立特征融合神经网络模型(CGCrabNet),利用迁移学习策略对钙钛矿材料的带隙进行预测.CGCrabNet从材料的化学方程式和晶体结构两方面提取特征,并拟合特征和带隙之间的映射,是一个端到端的神经网络模... 详细信息

针对快速获取钙钛矿材料带隙值的问题,建立特征融合神经网络模型(CGCrabNet),利用迁移学习策略对钙钛矿材料的带隙进行预测.CGCrabNet从材料的化学方程式和晶体结构两方面提取特征,并拟合特征和带隙之间的映射,是一个端到端的神经网络模型.在开放量子材料数据库中数据(OQMD数据集)预训练的基础上,通过仅175条钙钛矿材料数据对CGCrabNet参数进行微调,以提高模型的稳健性.数值实验结果表明,CGCrabNet在OQMD数据集上对带隙的预测误差比基于注意力的成分限制网络(CrabNet)降低0.014 eV;本文建立的模型对钙钛矿材料预测的平均绝对误差为0.374 eV,分别比随机森林回归、支持向量机回归和梯度提升回归的预测误差降低了0.304 eV、0.441 eV和0.194 eV;另外,模型预测的SrHfO_(3)和RbPaO_(3)等钙钛矿材料的带隙与第一性原理计算的带隙相差小于0.05 eV,这说明CGCrabNet可以快速准确地预测钙钛矿材料的性质,加速新材料的研发过程.

关键词：特征融合神经网络回归模型带隙预测迁移学习

来源：评论

学校读者我要写书评

暂无评论

随机FitzHugh-Nagumo系统的随机吸引子的分形维数

引用

云南大学学报（自然科学版） 2018年第1期40卷 1-11页

作者：李雪丽尹福其朱雪珂湘潭大学数学与计算科学学院科学工程计算与数值仿真湖南省重点实验室湖南湘潭411105 湘潭大学数学与计算科学学院智能计算与信息处理教育部重点实验室湖南湘潭411105

在给定的Hilbert空间中研究了具可加白噪音的非自治FitzHugh-Nagumo系统的解的渐近行为.首先,证明经变换后相等价的动力系统的随机吸引子的存在性.然后,在可分的Banach空间上,提出了估计随机动力系统的随机不变集的分形维数上界的方法.... 详细信息

在给定的Hilbert空间中研究了具可加白噪音的非自治FitzHugh-Nagumo系统的解的渐近行为.首先,证明经变换后相等价的动力系统的随机吸引子的存在性.然后,在可分的Banach空间上,提出了估计随机动力系统的随机不变集的分形维数上界的方法.最后,利用随机变量的期望和上述条件,证明了具可加白噪音的随机FitzHugh-Nagumo系统的随机吸引子的分形维数的有限性.

关键词：随机FitzHugh-Nagumo系统可加白噪音随机吸引子分形维数

来源：评论

学校读者我要写书评

暂无评论

基于Delta算子统一代数Lyapunov矩阵方程解的估计

引用

数学的实践与认识 2013年第19期43卷 218-230页

作者：张娟刘建州湘潭大学数学与计算科学学院湖南湘潭411105 湘潭大学智能计算与信息处理教育部重点实验室湖南湘潭411105

结合控制不等式的技巧,使用特殊的相似变换,扩充了现有的一些基于Delta算子统一代数Lyapunov矩阵方程解的求解范围,给出了某些条件下相似矩阵的存在定理和相应算法,改进了这类矩阵方程解的上下界估计和解的数值界估计,最后用相应的数值... 详细信息

结合控制不等式的技巧,使用特殊的相似变换,扩充了现有的一些基于Delta算子统一代数Lyapunov矩阵方程解的求解范围,给出了某些条件下相似矩阵的存在定理和相应算法,改进了这类矩阵方程解的上下界估计和解的数值界估计,最后用相应的数值例子说明了所得结果的有效性.

关键词： Lyapunov矩阵方程 Delta算子控制不等式特征值相似变换

来源：评论

学校读者我要写书评

暂无评论

结合全卷积网络与CycleGAN的图像实例风格迁移

引用

中国图象图形学报 2019年第8期24卷 1283-1291页

作者：刘哲良朱玮袁梓洋国防科技大学文理学院长沙410073 湘潭大学数学与计算科学学院智能计算与信息处理教育部重点实验室湘潭411105

目的传统的图像风格迁移主要在两个配对的图像间进行。循环一致性对抗网络(Cycle GAN)首次将生成对抗网络应用于图像风格迁移,实现无配对图像之间的风格迁移,取得了一定的效果,但泛化能力较弱,当训练图像与测试图像之间差距较大时,迁移... 详细信息

目的传统的图像风格迁移主要在两个配对的图像间进行。循环一致性对抗网络(Cycle GAN)首次将生成对抗网络应用于图像风格迁移,实现无配对图像之间的风格迁移,取得了一定的效果,但泛化能力较弱,当训练图像与测试图像之间差距较大时,迁移效果不佳。针对上述问题,本文提出了一种结合全卷积网络(FCN)与Cycle GAN的图像风格迁移方法,使得图像能够实现特定目标之间的实例风格迁移。同时验证了训练数据集并非是造成Cycle GAN风格迁移效果不佳的因素。方法首先结合全卷积网络对图像进行语义分割,确定风格迁移的目标,然后将风格迁移后的图像与目标进行匹配,确定迁移对象实现局部风格迁移。为验证Cycle GAN在训练图像和测试图像差距较大时风格转移效果不佳并非因缺少相应训练集,制作了训练数据集并带入原网络训练。结果实验表明结合了全卷积网络与Cycle GAN的图像风格迁移方法增加了识别能力,能够做到图像局部风格迁移而保持其余元素的完整性,相对于Cycle GAN,该方法能够有效抑制目标之外区域的风格迁移,实验中所用4张图片平均只有4. 03%的背景像素点发生了改变,实例迁移效果得到很好提升。而将自制训练集带入原网络训练后,依然不能准确地在目标对象之间进行风格迁移。结论结合了全卷积网络与CycleGAN的方法能够实现图像的局部风格迁移而保持目标对象之外元素不发生改变,而改变训练数据集对CycleGAN进行实例风格迁移准确性的影响并不大。

关键词：深度学习风格迁移循环一致性对抗网络语义分割全卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于大数据的高铁通信网络质量分析及优化

引用

信息技术 2018年第6期42卷 17-21页

作者：刘莺胡剑炜湖南农业大学理学院信科系长沙410128 湘潭大学数学与计算科学学院智能计算与信息处理教育部重点实验室湖南湘潭411105 中国移动通信集团湖南有限公司长沙410015

通过大数据的采集及分析将用户、小区、路线、方向、时间、场景六维度汇聚成一整体,基于高铁用户身份识别、用户定位、乘车方向识别等,实现高铁用户脱网/公网用户入侵高风险区域的判断,对异常事件进行定位分析,并构造基于多维度算法的... 详细信息

通过大数据的采集及分析将用户、小区、路线、方向、时间、场景六维度汇聚成一整体,基于高铁用户身份识别、用户定位、乘车方向识别等,实现高铁用户脱网/公网用户入侵高风险区域的判断,对异常事件进行定位分析,并构造基于多维度算法的高铁专网质量评估体系,实现全方面的精准监控与质量分析,以提升高铁用户业务感知。

关键词：高铁通信网络大数据分析网络优化

来源：评论

学校读者我要写书评

暂无评论

基于用户感知的移动数据业务端到端优化

引用

吉首大学学报（自然科学版） 2018年第1期39卷 49-53页

作者：刘莺胡剑炜湖南农业大学理学院信科系湖南长沙410128 湘潭大学数学与计算科学学院智能计算与信息处理教育部重点实验室湖南湘潭411105 中国移动通信集团湖南有限公司湖南长沙410015

利用LTE信令监测系统的信令数据对XDR数据的完整性、规范性和准确性进行核查,提升XDR数据质量.完善感知问题,如综合业务低速率质差小区、频繁乒乓TAU问题、质差互联网网元的定界方法,提高问题定界和定位的准确性.以高铁通信网络质量分... 详细信息

利用LTE信令监测系统的信令数据对XDR数据的完整性、规范性和准确性进行核查,提升XDR数据质量.完善感知问题,如综合业务低速率质差小区、频繁乒乓TAU问题、质差互联网网元的定界方法,提高问题定界和定位的准确性.以高铁通信网络质量分析及优化为例,拓展信令数据在端到端业务感知质量提升中的支撑能力.端到端优化效果的大量数据表明,用户感知质量指标得到持续提升.

关键词：用户感知移动数据端到端质量优化

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：