周璇
- 作品数：12 被引量：42H指数：4
- 供职机构：辽宁工程技术大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术环境科学与工程经济管理更多>>
- 模拟生物双向认知能力的新型神经网络模型及训练方法
- 本发明公开了一种模拟生物双向认知能力的新型神经网络模型及训练方法，该新型神经网络模型由正向神经网络和负向神经网络构成，正向神经网络完成由输入到输出的顺向认知过程的模拟，负向神经网络完成由输出到输入的逆向认知过程的模拟，两...
- 刘威郭旭颖刘尚周璇周定宁李瑞丰郭直清黄敏张宇王江付巍巍张雪董艳荣里莹黄梓洋张立忠鞠兴军黄玉凯李雁飞刘欣徐煦赵玉国张琦
- 硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法
- 本发明公开了一种硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法，包括如下步骤：取缺氧或局部缺氧环境中的底泥接种到富集培养液中，于32℃、150r/min振荡培养2周后培养基变黑且瓶口有臭鸡蛋气味，得含有SRB的液体培养...
- 郭旭颖董艳荣刘威狄军贞里莹黄梓洋付巍巍张雪张立忠鞠兴军黄玉凯李雁飞赵玉国刘欣周璇周定宁张琦
- 文献传递
- 基于作业成本法的亚太建材公司生产成本控制研究
- 随着全球竞争市场的不断加剧，水泥市场的饱和及产能过剩矛盾的日益突出。企业为了抵抗内外部的压力、得以生存，并增加企业的盈利、促进自身发展，就必须持续加强企业的成本管理。对于水泥企业而言，由于产品生产的间接费用在整个成本费用...
- 周璇
- 关键词：作业成本法成本管理
- 基于特征融合及自适应模型更新的相关滤波目标跟踪算法被引量：5
- 2020年
- 针对单一特征目标跟踪算法因背景干扰、目标遮挡造成的跟踪失败问题,以及跟踪过程中每帧进行模型更新容易造成错误更新和实时性差的问题,提出了一种基于特征融合及自适应模型更新策略的相关滤波目标跟踪算法-多特征自适应相关滤波目标跟踪算法。该算法在特征提取阶段将边缘特征及HOG特征加权融合作为目标特征,加强对边缘特征的学习;在模型更新阶段通过计算预测区域与真实区域的奇异值特征向量相似度,并结合设定的阈值判断是否需要进行模型更新,通过自适应更新的方式减少模型的更新次数。在标准测试视频集下验证所提算法,并与两种经典相关滤波算法进行比较,结果表明该算法能够较好地适应背景干扰及目标遮挡问题,跟踪目标的平均中心误差减少了9.05像素,平均距离精度提高12.2%,平均重叠率提高4.53%。
- 刘威靳宝周璇周璇王薪予郭直清牛英杰
- 关键词：目标跟踪相关滤波目标遮挡计算机视觉奇异值分解
- 一种企业经济管理成本控制系统
- 本发明公开了一种企业经济管理成本控制系统，它涉及企业经济管理技术领域；信息采集器与处理器的输入端电连接，处理器的存储端与存储器电连接，处理器的输出端分别与信息对比器、控制装置电连接，处理器的通信端与控制装置电连接，信息采...
- 周璇
- 基于特征融合及SVD自适应模型更新的相关滤波跟踪方法
- 本发明提供一种基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，涉及目标跟踪技术领域。基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，在特征提取阶段将边缘特征及HOG特征加权融合作为目标特征，加强对边缘特征的学...
- 郭旭颖刘威周璇周定宁黄敏成秘付杰王薪予
- 模拟生物双向认知能力的新型神经网络模型及训练方法
- 本发明公开了一种模拟生物双向认知能力的新型神经网络模型及训练方法，该新型神经网络模型由正向神经网络和负向神经网络构成，正向神经网络完成由输入到输出的顺向认知过程的模拟，负向神经网络完成由输出到输入的逆向认知过程的模拟，两...
- 刘威郭旭颖刘尚周璇周定宁李瑞丰郭直清黄敏张宇王江付巍巍张雪董艳荣里莹黄梓洋张立忠鞠兴军黄玉凯李雁飞刘欣徐煦赵玉国张琦
- 文献传递
- 硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法
- 本发明公开了一种硫酸盐还原菌协同自燃煤矸石处理煤矿酸性废水的方法，包括如下步骤：取缺氧或局部缺氧环境中的底泥接种到富集培养液中，于32℃、150r/min振荡培养2周后培养基变黑且瓶口有臭鸡蛋气味，得含有SRB的液体培养...
- 郭旭颖董艳荣刘威狄军贞里莹黄梓洋付巍巍张雪张立忠鞠兴军黄玉凯李雁飞赵玉国刘欣周璇周定宁张琦
- 基于特征融合及SVD自适应模型更新的相关滤波跟踪方法
- 本发明提供一种基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，涉及目标跟踪技术领域。基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，在特征提取阶段将边缘特征及HOG特征加权融合作为目标特征，加强对边缘特征的学...
- 刘威周璇郭旭颖周定宁黄敏成秘付杰王薪予
- 文献传递
- 互学习神经网络训练方法研究被引量：28
- 2017年
- 由于BP神经网络具有表达能力强,模型简单等特点,经过近30年的发展,在理论和应用研究上都取得了巨大的进步,然而容易陷入局部最优和泛化能力差等问题却限制了神经网络的发展.同时,大数据的出现和深度学习算法的提出与应用,为神经网络向更类脑的方向发展提出了新的要求.针对上述问题,该文从模拟生物双向认知能力的角度出发,构造了一种新的神经网络模型——互学习神经网络模型,该模型在标准正向神经网络的基础上,引入了与其具有结构对称性的负向神经网络,利用正、负向神经网络分别模拟生物的顺向和逆向认知过程,并在此基础上提出了一种新的神经网络训练方法——互学习神经网络训练方法,该方法通过网络连接权值转置共享,正、负双向交替训练的方式对互学习神经网络模型进行训练,从而实现输入数据和输出标签之间的相互学习,使网络具有双向认知能力.实验表明,互学习神经网络训练方法可以同时训练正、负两个神经网络,并使网络收敛.同时,在此基础上提出了"互学习预训练+标准正向训练"的两阶段学习策略和相应的转换学习方法,这种转换学习方法起到了和"无监督预训练+监督微调"相同的效果,能够使网络训练效果更好,是一种快速、稳定、泛化能力强的新型神经网络学习方法.
- 刘威刘尚白润才周璇周定宁
- 关键词：神经网络BP算法人工智能
