公共文化服务平台

搜索到12115篇“ 前馈神经网络“的相关文章

应用前馈神经网络的智能分析系统: 本发明涉及一种应用前馈神经网络的智能分析系统，包括：旋转捕获机构，包括旋转云台、成像镜头、光电传感器以及印刷电路板，设置在建筑工地内，用于面对建筑工地内部安置的脚手架执行图像捕获操作；请求分发机构，用于基于智能分析脚手架...; 陈响通古藤王立军马同谟

基于类卷积编码的强化前馈神经网络系统: 本发明涉及人工神经网络技术领域，公开一种基于类卷积编码的强化前馈神经网络系统，包括输入层、隐藏层和输出层；输入层包括：双通道任意波形发生器，并行产生原始信号和基于类卷积编码的编码信号；调制器，用于调制两种信号；光耦合器，...; 周长笛李念强周沛黄于

利用前馈神经网络的电器设备接触状态报警系统: 本发明涉及一种利用前馈神经网络的电器设备接触状态报警系统。所述系统包括：网络辨识器件，用于引入完成多次学习后的前馈神经网络以基于第二滤波图像的噪声类型数量、第二滤波图像的最大噪声幅值、加油岛在第二滤波图像中的各个构成像素...; 王苗苗路雪杨清源

基于前馈神经网络的多模式集成降水预报研究: 2024年; 为提高山东定量降水预报准确率,采用深度前馈神经网络(Deep Forword Neural Networks,DFNN)和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting,ECMWF)全球数值预报系统、中国气象局上海数值预报模式系统(China Meteorological Administration Shanghai 9 km,CMA-SH9)和中国气象局中尺度天气数值预报系统(China Meteorological Administration Meso⁃scale,CMA-MESO)逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比检验、个例分析应用。结果表明:不同起报时间、不同预报时效,5组集成方案均降低了平均相对误差,ESM方案最好,Mul-OTS方案最差;4组DFNN方案均提高了晴雨准确率,ESM方案最好,Mul-OTS方案低于模式预报;4组DFNN方案均提高了各降水等级TS、ETS评分,对弱降水的提高幅度大于强降水,Mul-OTS方案对小量级降水等级订正是负技巧,对大量级降水等级的订正效果较好,但仍不如ESM方案;个例分析发现降水强度和落区预报ESM方案均优于其他集成方案。因此业务上采用最优的ESM方案建立了定量降水格点预报系统,为智能网格预报提供重要支撑。; 朱文刚朱文刚范苏丹盛春岩曲美慧; 关键词：前馈神经网络

一种基于BERT和前馈神经网络的文本纠错方法: 本发明公开了一种基于BERT和前馈神经网络的文本纠错方法，能对大规模语料进行快速准确的错误识别和纠正。方法首先对文本进行预处理，然后将文本用BERT进行语义编码，之后先用文本整体的语义信息判断文本是否正确，然后对判断为错...; 潘法昱曹斌於其之

前馈神经网络在预测连续泄漏系数中的应用: 2024年; 受泄漏孔几何参数、液位、液体物理特性及流动状态等因素影响,储罐连续泄漏系数难以直接采用流体力学建模求解。通过常压立式储罐连续泄漏试验获取数据样本,利用前馈神经网络(Feedforward Neural Network, FNN)算法构建连续泄漏系数(Cs)与输入变量间的非线性关系,建立基于前馈神经网络算法的Cs预测模型。模型性能评估结果表明,模型的平均绝对误差(EMA)、解释方差分(SEV)及决定系数(R2)分别为0.015 4、0.949 2及0.948 2,表明模型预测性能良好。与相应连续泄漏试验值比较,预测Cs的总平均绝对偏差范围为5.28%~7.34%,质量流率平均偏差为4.60%~6.51%,连续泄漏量的平均偏差为0.84%~2.03%,模型预测结果优于采用泄漏经验常数的计算结果,证明该模型可有效预测连续泄漏期间Cs值及变化趋势。; 何娟霞黄丽文蒋文豪段青山; 关键词：安全工程

基于前馈神经网络的钻孔精度影响因素预测模型: 2024年; 孔的加工是影响机械产品质量的关键工序之一,一旦出问题很难修复,钻孔精度的提升对于改进孔的加工质量、降低钻孔工件废品率、减少重复加工有着重要意义。机械产品中设计孔时经常有较高的精度要求,但实际孔加工时受到设备、钻头、材料加工方法等的影响,其精度影响因素众多,要在加工前对孔的加工精度进行预测,无法利用数学关系建立准确的预测模型,因此将其精度主要影响因素进行分析,设计影响因素的主要数据采集点,通过小批量的实验采集数据建立钻孔实验数据库,结合其数据特点,基于多模态的需要,利用深度为2的前馈神经网络拟态模型将钻孔精度定义的定位精度、尺寸精度、形状精度、表面精度和垂直精度五种精度建立预测模型,利用Adam优化器,结合均方误差(mean-square error,MSE)以及梯度下降法进行反向传播训练,对比实际加工结果,本模型在训练集中达到了89%的孔加工精度预测准确度。基于本模型的结果即可针对孔加工过程不同的影响因素进行针对性调整优化,提升孔加工的整体精度。; 杨晓勇龙麒谭; 关键词：前馈神经网络影响因素

一种基于残差前馈神经网络的动车组阻抗辨识方法: 本发明公开了一种基于残差前馈神经网络的动车组阻抗辨识方法，具体为：搭建CRH5动车组仿真模型；采集数据集并对数据进行归一化处理；将残差网络融合到前馈神经网络中，搭建模型；将处理好的数据包括电压、功率和频率信息输入到神经网...; 刘志刚胡贵洋孟祥宇王惠

应用前馈神经网络模型的耐热钢棒杂质识别系统: 本发明涉及一种应用前馈神经网络模型的耐热钢棒杂质识别系统，包括：棒体切割机构，用于在耐热钢棒坯胎完成设定长度的生产后，对耐热钢棒坯胎执行切割以获得单件设定长度的耐热钢棒成品；第三解析器件，用于基于切割获得的单件设定长度的...; 矣忠徽梁齐宋贺陆廖智恒李嘉敏

基于前馈神经网络的道路病害快速识别方法及系统: 本发明公开了基于前馈神经网络的道路病害快速识别方法及系统；其中方法，包括：获取车辆姿态变化信息；从车辆姿态变化信息中，提取道路特征；将道路特征输入到训练后的前馈神经网络中，训练后的前馈神经网络输出道路病害识别结果；其中，...; 解全一王昱森牛沛刘健鲁冠宏吕高航张瀚鸣

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈