期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于PSO-CNN-XGBoost水下柱形装药峰值超压预测 被引量：1
1
作者 刘芳 李士伟 +1 位作者 卢熹 郭策安 《兵工学报》 EI CAS CSCD 北大核心 2024年第5期1602-1612,共11页
为探索水下柱形装药结构、爆距等参数与水下柱形装药峰值超压的关系,将装药样本数据视为二维数据,建立粒子群优化(Particle Swarm Optimization,PSO)算法、一维卷积神经网络(1D Convolutional Neural Network,1DCNN)和极端梯度提升(Extr... 为探索水下柱形装药结构、爆距等参数与水下柱形装药峰值超压的关系,将装药样本数据视为二维数据,建立粒子群优化(Particle Swarm Optimization,PSO)算法、一维卷积神经网络(1D Convolutional Neural Network,1DCNN)和极端梯度提升(Extreme Gradient Boosting,XGBoost)的水下柱形装药峰值超压融合预测算法。采用相关性分析与数据可视化方法,分析装药结构参数、爆距与峰值超压之间的关联关系。设计1DCNN深度网络挖掘不同长径比、爆距等参数与峰值超压之间的纵向时序关系。运用XGBoost算法寻找装药结构参数、爆距与峰值超压之间的横向非线性关系,提升小样本数据的预测精度。使用PSO算法优化1DCNN和XGBoost的超参数,获得最优算法结构。研究结果表明,在包含10种智能算法的对比实验中,PSO-CNN-XGBoost水下柱形装药峰值超压预测算法在精度、稳定性、拟合程度上均高于其他模型。 展开更多
关键词 水下柱形装药 长径比 爆距 峰值超压 粒子群优化算法 一维卷积神经网络 极端梯度提升
下载PDF
基于NanoDet-SimAM小尺寸松材线虫病受害木检测
2
作者 刘芳 姜生伟 +1 位作者 张峻豪 何姗 《沈阳工业大学学报》 CAS 北大核心 2024年第4期428-433,共6页
针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声... 针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集,设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测。结果表明,该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型,具有更高的检测精度、速度和稳定性。 展开更多
关键词 松材线虫病 目标检测 轻量级网络NanoDet 注意力机制 无参注意力 迁移学习 数据增强 小尺寸
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部