基于CutMix和YOLOv3的工件表面小缺陷识别方法

针对工件表面小缺陷经常由于数量少且视觉特征不明显而导致的被漏检和错判的问题,提出一种基于CutMix和YOLOv3的工件表面小缺陷识别方法CSYOLOv3.使用贝塔分布动态调整的CutMix方法在网络训练时动态扩充训练集中小缺陷的数量;并对YOLOv3网络进行了改进,拆分其浅层大特征图,取部分与预测分支的特征图融合以保...     

一种反映数据生物特性的ART2神经网络

文章对传统的ART2神经网络结构进行了改进,增加了伴随神经元和重置系统,解决了ART神经网络在基因表达谱中的同相位不可分问题.实验证明,新型神经网络较好地反映了基因表达谱数据的生物特性.     

基于Keras框架下的航空公司评论数据的情感分析

长短时记忆网络(LSTM)模型可有效改善循环神经网络梯度消失,但在评论文本情感分类中未能达到一定普适性.针对此问题,文章基于Keras框架,采用模型融合的方法,对LSTM网络和反向循环神经网络结构进行融合和改进,即D-LSTM、BRNN以及M-BRNN.以航空公司评论数据集为例,采用改进的模型对文本进行分类,研究不同参...     

无线传感器网络节能路由优化算法研究

无线传感器网络在远程监控和目标跟踪等场景中具有重要意义,当前亟待解决的问题是如何提高数据传输质量并提升网络生命周期。本文提出了一种基于剩余能量的优化分簇算法,对簇头节点进行合理的选取。这种算法有效改善了网络中部分节点过早衰亡进而影响整网寿命周期的现象。同时,提出了神经网络融合算法的权重修正模型,修正后的算法可以降低向汇聚节点传输的数据包数量,延长整网生命周期。通过软件仿真测试结果证明,以上两种节能算法均可有效优化无线传感器网络能耗,提升网络寿命。     

基于省域尺度工业固废产量预测模型研究

为提高BP神经网络算法在固体废物预测中的精度,提出了一种SSA-BP工业固废预测模型,并选取了GDP、常住人口、工业生产总值、能源生产总量、R&D内部支出、财政支出、人均GDP、第二产业贡献率、能源消费总量等作为影响因素,用灰色关联分析方法分别对4种情景下安徽省固废产量进行了预测.结果表明,R&D内部支出、能源生产总量、生产总值、灰色关联度携带有效信息高;SSA-BP模型的MAE、MAPE、R²值分别为375.81、0.04、0.99,均高于其他机器学习回归模型;在不同情境下,安徽省未来一段时间内工业固废产量整体呈现增长趋势,到2035年产生量变化区间为18254.36～30831.54万t.     

PhET在“弱电解质的电离”实验教学中的应用

PhET互动仿真模拟实验通过互动模拟实验软件为学生和教师提供更有价值的科学学习工具和辅助教学工具,操作简便,免费使用。然而PhET在国内化学教学中应用极少,其功能和价值有待开发和挖掘。为此,以“弱电解质的电离”一课为例进行探索,分析将PhET应用到课堂教学中的策略。     

基于CNN和XLNet的音乐多模态情感分析方法

在情感分析领域,仅依靠文本等单一模态进行情感分析,限制了从多模态数据中提取多样化特征的能力,限制了情感分析结果的准确度和鲁棒性。为此,提出了融合音频分析网络和文本分析网络的多模态情感分析方法。其中,利用预训练卷积神经网络(CNN)和迁移学习技术进行基于Mel频谱图的音频情感分类,通过改进的XLNet模型执行歌词文本的特征提取和情感分类任务。CNN和XLNet输出包含概率权重和不同情感值的情感预测矩阵,最后使用堆叠集成方法合并不同模态的输出结果,完成多模态情感分类。在自建民族音乐数据集的消融实验证明,多模态方法具有良好的互补性,在情感识别任务中的性能显著优于单模态方法。公开数据集结果表明,所提方法的分类准确度达到83.75%,优于其他先进方法。     

基于DE-SVM的船舶航迹预测模型

为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。     

基于BP算法的地下水模拟中 加速因子的确定

在大型线性方程组的超松弛迭代法求解中,加速因子经常难以确定.应用BP神经网络对其进行训练学习,经过对比分析,得到最佳模型,应用该模型可快速确定加速因子.将该方法应用于石家庄市栾城水文试验基地,计算结果表明,BP人工神经网络有效地解决了地下水数值模拟中加速因子难以确定的问题.