卷积
基于改进卷积神经网络CNND的电主轴轴承故障诊断方法( ) 目的 解决深度学习方法在建立电主轴轴承故障诊断模型时出现的过拟合现象,提高电主轴轴承故障诊断准确率.方法 提出一种基于改进卷积神经网络的诊断方法,该方法在卷积神经网络的训练过程中融入Dropout优化方法,使整个故障诊断模型按照一定的比例随机“关闭”隐藏层中的神经元,减少模型在每一次训练过程中所需要调整的参数数量.结果 将Dropout优化方法与卷积神经网络相结合所建立的电主轴轴承故障诊断模型是可行的,其平均诊断准确率能够达到99.012%,远高于基于CNN、CNN+L2和BPNN这3种神经网络诊断方法的诊断准确率.卷积神经网络方法相比于传统的“基于信号处理提取到的特征和机器学习模型”方法,更适用于电主轴轴承故障诊断.结论 提出的CNND方法实现了卷积神经网络与Dropout优化方法的有机结合,对原始数据进行降维处理使模型学习到的特征更利于电主轴故障的分类,同时根据故障数据的特点确定相关参数的初始值,克服一般深度学习方法在进行电主轴故障诊断时出现的过拟合现象提高诊断准确率.
第九届吴文俊人工智能科学技术奖颁奖典礼于2019年11月30在苏州举行。深港微电子学院副院长余浩教授团队项目“面向边缘计算的深度学习芯片的关键技术开发”获得吴文俊人工智能技术发明奖,余浩教授作为第一完成人,代表团队上台领奖。吴文俊人工智能科学技术奖被誉为“中国智能科学技术最高奖”
卡耐基梅隆大学计算机图形学课程有哪些重点? 你好,我想咨询一下卡内基梅隆大学计算机图形学课程,想知道有哪些重点知识,可不可以分享一下? 同学你好,关于计算机图形学的课程重点,我们考而思可以给同学提供的。计算机图形学为本科阶段的同学提供了学习计算机图形基础和来自各种应用和研究领域的专业知识的机会。参与课程的同学将在介绍性课程中获得计算机图形学的广阔视野,并从主题领域的选择中获得深入的经验,包括独立研究的选择
报告地点:新校区信息楼416 报告摘要:药物-靶标结合亲和力的预测是药物研发中的重要课题,随着人工智能在药物发现中的广泛应用,人们已经测试了各种深度学习模型并试图提高药物-靶标结合亲和力的预测精度。为了更好的挖掘药物-靶标中的长程相互作用和短程相互作用,提出了传统卷积和空洞卷积相融合的多框架深度学习模型。在这个构建的模型中,靶标蛋白质的结合口袋作为局部特征被首次用于药物-靶标间结合亲和力的预测
本课程内容包含:人工智能技术演进、深度学习多层神经网络(DNN)和卷积神经网络(CNN)的模型原理,以及相关套件(Tensorflow Keras)的实作方法。资料视觉化呈现、资料前处理和常用机器学习(MLP Random Forest Logistic Regression SVM等)的原理和实作方法。使同学具备影像和数据资料的模型训练、分类、预测和评估的技术
天宇文化 编程百科 卷积和(信号处理中的重要概念) 卷积和(信号处理中的重要概念) 什么是卷积和? 在信号处理中,卷积和是一种重要的概念。它是一种数学运算,用于将两个函数合并成一个新的函数。在信号处理中,卷积和是一种重要的概念
我对几年前的一个晚上坐在 Yosemite 一个熊熊燃烧的篝火旁的情景记忆犹新。 这一记忆非常生动,因为在某个时刻,我从篝火转过头,看着周围的黑暗,却看到一群郊狼的眼睛耐心地从四面八方看着。 这段经历让我对基于边缘的监控有了一个相当独特的视角
什么是DALL-E?DALL-E 是如何工作的? 什么是DALL-E? DALL-E 是由 OpenAI 发布的一种基于 GPT-3 和图像生成技术的 AI 模型,它可以根据文本描述生成具有创意的图片。DALL-E 的名字来自于 Pixar 动画电影《怪兽电力公司》中的角色 Dall-e 和艺术家 Salvador Dalí。 DALL-E 是如何工作的? DALL-E 的工作方式可以简单地概括为:根据输入的文本描述生成对应的图像
报告地点:大学城校区工学一号馆201 报告内容:随着互联网技术的发展蜘蛛电竞直播,图像在互联网上的传播越来越频繁。图像隐写是利用视觉冗余,将秘密信息嵌入到图像中而不被感知的技术。图像隐写在秘密情报的传递中起著非常重要的作用
在图像分类应用下,诞生了不少经典网络。ShuffleNet以速度快和便于移植而著称,这篇博客将简单介绍ShuffleNet,以及Pytorch下模型的训练、保存、微调、生成CaffeModle。 理解ShuffleNet的关键在与理解通道混洗