您的位置: 专家智库 > >

张俊

作品数:6 被引量:32H指数:2
供职机构:太原理工大学信息工程学院更多>>
发文基金:国家自然科学基金山西省高等学校科技创新项目山西省自然科学基金更多>>
相关领域:自动化与计算机技术理学电子电信更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 1篇电子电信
  • 1篇理学

主题

  • 3篇人脸
  • 3篇人脸识别
  • 3篇网络
  • 2篇多任务
  • 2篇多任务学习
  • 2篇信念网络
  • 2篇感器
  • 2篇传感
  • 2篇传感器
  • 1篇电化学
  • 1篇电化学传感
  • 1篇电化学传感器
  • 1篇电化学特性
  • 1篇亚硝酸
  • 1篇亚硝酸盐
  • 1篇氧化铁
  • 1篇神经网
  • 1篇神经网络
  • 1篇手写
  • 1篇手写字符

机构

  • 6篇太原理工大学

作者

  • 6篇张俊
  • 4篇李鑫
  • 2篇胡杰
  • 2篇张萌
  • 1篇刘杰
  • 1篇张文栋
  • 1篇连崑
  • 1篇梁燕飞
  • 1篇赵莎莎
  • 1篇王秀
  • 1篇王泽鹏

传媒

  • 2篇电脑知识与技...
  • 2篇电脑知识与技...
  • 1篇功能材料
  • 1篇微纳电子技术

年份

  • 1篇2017
  • 5篇2016
6 条 记 录,以下是 1-6
排序方式:
基于深度信念网络和多任务学习的人脸识别
2016年
针对如何提高人脸识别率的问题,该文引入多任务学习机制,通过在深度信念网络中构建多任务分类器。利用多个相关任务的并行处理能够使分类器从输入端获得更多信息,来提高分类器的分类能力。并可以通过多个相关任务权值竞争,减小过拟合对分类器的影响。实验结果表明,利用深度信念网络构造多任务学习分类器,相对于单任务学习而言,多任务学习机制能够有效提高人脸识别精度。
李鑫张俊
关键词:多任务学习人脸识别
基于深度信念网络和多任务学习的人脸识别被引量:2
2016年
针对如何提高人脸识别率的问题,该文引入多任务学习机制,通过在深度信念网络中构建多任务分类器。利用多个相关任务的并行处理能够使分类器从输入端获得更多信息,来提高分类器的分类能力。并可以通过多个相关任务权值竞争,减小过拟合对分类器的影响。实验结果表明,利用深度信念网络构造多任务学习分类器,相对于单任务学习而言,多任务学习机制能够有效提高人脸识别精度。
李鑫张俊
关键词:多任务学习人脸识别
Au掺杂花状In_2O_3微结构的制备及其气敏特性研究
2016年
采用水热法制备了不同浓度(0%,1%,3%和5%(摩尔分数))Au掺杂的花状In_2O_3微结构。利用X射线衍射仪(XRD)、X射线能谱分析仪(EDS)和扫描电子显微镜(SEM)对合成的In_2O_3的晶相、成分和微观形貌进行表征与分析。分析结果表明,制备的花状微结构的平均粒径约4μm,花状纳米片的厚度约为25nm。同时,对制备的Au掺杂In_2O_3气体传感器的气敏特性进行了研究,实验结果表明,在最佳工作温度(250℃)条件下,3%(摩尔分数)Au掺杂In_2O_3气体传感器对100×10-6丙酮气体的灵敏度达到23.1,响应时间和恢复时间分别为10和13s。最后对Au掺杂In_2O_3的气敏机理进行了分析。
张萌梁燕飞张俊张文栋胡杰
关键词:水热法丙酮气体传感器
Fe_2O_3-rGO/MoS_2复合材料的制备及其电化学特性被引量:2
2017年
采用水热法合成氧化铁-石墨烯/二硫化钼(Fe_2O_3-rGO/MoS_2)复合材料。使用X射线衍射(XRD)和扫描电子显微镜(SEM)分别对复合材料的晶体结构和微观形貌进行分析和表征。测试结果表明Fe_2O_3均匀掺杂在rGO/MoS_2复合材料中。同时,利用循环伏安法和安培滴定法对制备的Fe_2O_3-rGO/MoS_2电化学传感器的电化学性能进行测试。实验结果表明:制备的Fe_2O_3-rGO/MoS_2电化学传感器,在对亚硝酸盐检测时,其灵敏度可达0.378μA·μM^-1·cm^(-2)(1 M=1 mol/L),检出限为0.2μmol/L(信噪比为3)且具有较宽的检测范围(1.0~9 830μmol/L)和较强的抗干扰性。
张俊王泽鹏王秀张萌刘杰连崑胡杰
关键词:二硫化钼氧化铁亚硝酸盐电化学传感器
基于嵌入式平台和OPENCV的人脸识别系统设计被引量:5
2016年
该文设计了一种基于嵌入式平台的人脸识别系统,该系统采用S3C2440A作为微处理器,以嵌入式Linux为操作系统,QT为界面编辑语言,对摄像头采集的图像进行分析处理。通过移植Open CV视觉函数库,调用PCA算法的相关库函数完成人脸图像的检测与识别。具有较强的实用价值。
张俊李鑫赵莎莎邓硕辰
关键词:S3C2440AQT人脸识别
TensorFlow平台下的手写字符识别被引量:23
2016年
基于谷歌第二代人工智能学习系统Tensor Flow,构建BP神经网络模型。将手写字符作为训练集输入神经网络,训练过程中不断调整权值和阈值,最终得到有较高识别精度的模型。体现了Tensor Flow在提高建模、编程、分析效率中的作用。通过此开发流程介绍,为进一步使用Tensor Flow构建复杂神经网络提供了参考。
张俊李鑫
关键词:人工智能TENSORFLOWBP神经网络
共1页<1>
聚类工具0