检索结果-南通市图书馆

为解决水下非结构化环境给水下精准定位带来的问题,提出一种基于LSTM的惯性里程计定位方法用于水下作业机器人的定位.该网络在训练阶段,首先通过模拟噪声模型,在IMU的加速度和角速度数据中增添高斯白噪声实现数据增强,使用ResNet18提取机器人运动特征;然后在网络的输入空间引入IMU的采样时间加强鲁棒性,并使用三通道LSTM将提取的特征映射到高维空间进行特征融合;最后使用全连接层预测机器人的相对位移和旋转.在训练过程中,采取相对损失函数和绝对损失函数相结合的方式确保网络在短期和长期的定位精度,并进行多次数据集和水池实验以验证方法的有效性.实验结果表明,该方法在大多数场景下都具有较好的定位性能,有着较强的鲁棒性.

关键词：水下作业机器人定位技术惯性里程计数据增强长短期记忆网络混合损失函数

来源：

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

共中心点离散化（CMPD）地震采集技术

引用

石油地球物理勘探 2025年

作者：李东安邹启伟邓光校王梅生北京世纪金道石油技术开发有限公司中国石油辽河油田分公司中国石化西北油田分公司研究院

反射波地震勘探因采用多次覆盖技术以及稀疏、规则的采集方式而被广泛应用。但因随机介质普遍存在并与层状地层共生，单一观测系统、室外检波器组合以及共中心点（CMP）采集已显示出诸多弊端。为此，基于全波场地震勘探理念，考虑到地... 详细信息

反射波地震勘探因采用多次覆盖技术以及稀疏、规则的采集方式而被广泛应用。但因随机介质普遍存在并与层状地层共生，单一观测系统、室外检波器组合以及共中心点（CMP）采集已显示出诸多弊端。为此，基于全波场地震勘探理念，考虑到地震波背向散射需要通过单节点、高密度、随机的炮、检点布设实现非规则空间采样的要求，提出了共中心点离散化（CMPD）地震采集技术。首先，简要回顾信号采样和空间采样定理、随机采样和压缩感知理论；其次，明确了CMPD的应用范围及实现方式，例如，规则排列采用炮、检点局部随机布设，非规则排列采用炮道密度控制的布设，时移地震采集采用无桩号布设等；最后，从减少采集脚印、压制规则噪声、增加散射波能量、方便多面元的处理、实现多态式地震波成像等多方面分析了CMPD的作用与特征。试验结果表明，CMPD地震采集技术采用随机、非规则采集方式提升了地震波背向散射的品质，对推进多观测系统采集、时移地震采集、多面元处理、波场分离处理有一定借鉴意义。

关键词：全波场地震勘探共中心点离散化采集设计观测系统随机采样时移地震采集压缩感知

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

四边固支加筋板的振动特性求解方法

引用

浙江工业大学学报 2025年第01期 8-14+103页

作者：吴剑国詹俊杰邹路遥曲雪尹铭禄浙江工业大学土木工程学院中国船舶及海洋工程设计研究院

针对船舶工程中常用的四边固支加筋板，进行了基于Rayleigh-Ritz法的振动特性求解方法研究。把加筋板分为板与扶强材2个部分考虑，利用板与扶强材的边界协调条件，采用薄板小挠度弯曲理论和欧拉梁理论推导了加筋板的横向振动的总能量方... 详细信息

针对船舶工程中常用的四边固支加筋板，进行了基于Rayleigh-Ritz法的振动特性求解方法研究。把加筋板分为板与扶强材2个部分考虑，利用板与扶强材的边界协调条件，采用薄板小挠度弯曲理论和欧拉梁理论推导了加筋板的横向振动的总能量方程，应用Rayleigh-Ritz法建立单向加筋矩形板小挠度下的横向振动特征方程。编制了相关的计算程序，试算4种满足四边固支加筋板位移边界条件的位移函数基函数，通过与有限元结果的对比，选择一种效率和精度都较高的基函数进行多块加筋板计算，分析基函数的种类和阶数，以及加筋板规模对计算精度与效率的影响。通过改变加筋板的各项参数，分析了四边固支加筋板的振动固有特性和其变化规律。

关键词：加筋板横向振动基函数固有特性

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多层级深度特征融合的乳腺癌病理图像分类

引用

光电子·激光 2025年第2期36卷 185-192页

作者：杨芳邹迎丁雪妍张建新大连民族大学计算机科学与工程学院大连理工大学电子信息与电气工程学部

针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足，将长距离建模的Transformer和强局部感知的卷积神经网络(convolutional neural network, CNN)相结合，提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该... 详细信息

针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足，将长距离建模的Transformer和强局部感知的卷积神经网络(convolutional neural network, CNN)相结合，提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该方法以双分支并行的Deit-B和ResNet-18模型作为骨干架构，在双分支网络中间层和末端位置分别引入特征融合操作，有效加强了乳腺癌病理图像全局与局部深度特征的联合学习；此外，在CNN支流的残差模块间引入密集连接操作来提升中间层融合特征的信息传递。通过全局-局部特征提取与支流间-支流内特征交互，可更有效捕获用于乳腺癌病理图像分类的判别特征。在乳腺癌病理图像公共数据集BreakHis上的消融实验与对比实验结果证明所提出方法的有效性，此外可获得99.83%的最优分类结果。

关键词：病理图像分类乳腺癌卷积神经网络(CNN) Transformer 特征融合

来源：

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：