检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

深度学习模型在振动检测中的应用研究

造纸装备及材料 2025年第2期 10-12页

作者：叶骁宇闫鹏蒋强杜爱春哈密职业技术学院哈密豫新能源产业研究院有限责任公司

文章分析了振动检测在工业领域的重要性，探讨了深度学习模型在振动检测中的作用，并阐述了深度学习模型在振动检测中面临的挑战，提出深度学习模型在振动检测中的应用路径，以提升振动检测的可靠度。

关键词：深度学习模型振动检测方法算法优化数据处理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

深度学习模型在中药毒性预警中的应用和前景

中国药理学与毒理学杂志 2022年第3期36卷 231-240页

作者：颜彩琴范睿琦宁雨坪郭宪王凯天津中医药大学中药学院天津301617 南开大学人工智能学院天津300350

中药潜在毒性成分的早期筛查是中药新药研发面临的一大难题。在基于“结构预警子-毒性”关系开发的机器学习模型中,使用深度学习算法构建的机器学习模型脱颖而出,有望成为新一代中药毒性预测的杰出工具。本文综述了深度学习模型基于“... 详细信息

中药潜在毒性成分的早期筛查是中药新药研发面临的一大难题。在基于“结构预警子-毒性”关系开发的机器学习模型中,使用深度学习算法构建的机器学习模型脱颖而出,有望成为新一代中药毒性预测的杰出工具。本文综述了深度学习模型基于“结构预警子-毒性”关系预测化合物毒性的机制以及深度学习模型在预测药物分子的毒性、预测反应性代谢产物的形成和致毒的生物学靶标中的具体应用,指出中药毒性成分数据匮乏带来的挑战和模型的“黑箱”问题,并提出深度学习模型进一步应用于挖掘中药毒性成分结构和生物学特性中的展望,以期借助人工智能技术解决中药毒性预测这一难题。

关键词：深度学习模型毒性预测中药结构预警子人工智能

可见光-远红外图像的多模态能见度深度学习模型

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2021年第6期33卷 939-946页

作者：沈克成施佺王晗南通大学信息科学与技术学院南通226019 南通大学交通与土木工程学院南通226019

为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特... 详细信息

为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采用双目摄像机收集不同天气情况下的室外真实可见光-远红外图像作为实验数据,在不同性能指标、多角度下的实验结果表明,与传统单模态能见度深度学习模型相比,多模态能见度模型可显著提高小样本条件下能见度检测的准确率和鲁棒性.

关键词：能见度检测深度学习模型可见光-远红外图像多模态融合网络

基于VMD-EWT-QWLSTM-TPE深度学习模型的超短时物流需求多步预测

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第6期39卷 1859-1868页

作者：杨新彪陈彦如秦娟冉茂亮西南交通大学经济管理学院成都610031 服务科学与创新四川省重点实验室成都610031

超短时物流需求预测是企业物流资源智能调度的重要基础,然而,超短时物流需求数据具有强随机性、高波动性、非平稳性等特征,进行多步精确预测较为困难.基于此,构建基于串行数据分解和量子加权深度网络的超短时物流需求多步预测模型.首先... 详细信息

超短时物流需求预测是企业物流资源智能调度的重要基础,然而,超短时物流需求数据具有强随机性、高波动性、非平稳性等特征,进行多步精确预测较为困难.基于此,构建基于串行数据分解和量子加权深度网络的超短时物流需求多步预测模型.首先,通过变分模态分解(VMD)和经验小波变换(EWT)的串行分解方法对超短时物流需求数据的时序特征进行有效提取,以剥离噪声信号,降低原始数据的非平稳性和随机性;然后,构建量子加权长短期记忆神经网络(QWLSTM)深度学习模型,设计多输入多输出策略对分解后的模态分量进行多步预测,并基于树形Parzen评估器(TPE)对QWLSTM的超参数组进行优化;最后,对各模态分量的预测结果进行重构.实验结果表明,所提出模型在平均绝对值误差(MAE)、均方误差(MSE)、加权平均绝对百分比误差(WMAPE)、校正决定系数(R2)方面,均优于其他15种对比模型.

关键词：超短时物流需求多步预测串行数据分解量子加权深度学习模型 TPE参数优化

在线全文

学校读者我要写书评

暂无评论

基于深度学习模型的伽马能谱解析方法

原子能科学技术 2023年第2期57卷 379-388页

作者：赵日刘娜中国辐射防护研究院山西太原030000 核药研发转化与精准防护山西省重点实验室山西太原030000

为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模... 详细信息

为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模拟构造了数据集,测试实验表明,深度学习模型核素识别率93.3%、活度计算平均误差8.6%,相较峰分析法的62.3%、28.3%,能谱重建法的78.2%、18.7%,浅层ANN模型的81.3%、14.8%,优势明显。实测实验进一步验证了上述结论。所建立方法借助深度学习的多层次特征提取能力与高数值稳定性,实现了全谱信息与伽马射线能量、数量间的复杂映射,具备高准确性、通用性,未来可为多种应用提供技术基础。

关键词：伽马能谱深度学习模型残差卷积蒙特卡罗模拟解析方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

深度学习模型可解释性的研究进展

信息安全学报 2020年第3期5卷 1-12页

作者：化盈盈张岱墀葛仕明中国科学院信息工程研究所北京100093 中国科学院大学网络空间安全学院北京100049

深度学习在很多人工智能应用领域中取得成功的关键原因在于,通过复杂的深层网络模型从海量数据中学习丰富的知识。然而,深度学习模型内部高度的复杂性常导致人们难以理解模型的决策结果,造成深度学习模型的不可解释性,从而限制了模型的... 详细信息

深度学习在很多人工智能应用领域中取得成功的关键原因在于,通过复杂的深层网络模型从海量数据中学习丰富的知识。然而,深度学习模型内部高度的复杂性常导致人们难以理解模型的决策结果,造成深度学习模型的不可解释性,从而限制了模型的实际部署。因此,亟需提高深度学习模型的可解释性,使模型透明化,以推动人工智能领域研究的发展。本文旨在对深度学习模型可解释性的研究进展进行系统性的调研,从可解释性原理的角度对现有方法进行分类,并且结合可解释性方法在人工智能领域的实际应用,分析目前可解释性研究存在的问题,以及深度学习模型可解释性的发展趋势。为全面掌握模型可解释性的研究进展以及未来的研究方向提供新的思路。

关键词：深度学习模型可解释性人工智能

通过眼底影像评估冠心病及相关危险因素的深度学习模型研究

在线全文

学校读者我要写书评

暂无评论

中华心血管病杂志 2022年第12期50卷 1201-1206页

作者：丁耀东张阳何兰青付萌赵昕黄露克王斌陈羽中汪朝晖马志强曾勇首都医科大学附属北京安贞医院冠心病中心北京北京鹰瞳科技发展股份有限公司北京爱康国宾健康体检管理集团有限公司北京

目的开发并验证一款基于视网膜眼底图像的深度学习模型, 用于识别冠心病及其危险因素。方法本研究为回顾性研究。收集2018年7月至2021年6月来自中国149家医院和体检中心, 年龄>18岁、具有完整冠状动脉造影及视网膜眼底图像的受试者。2... 详细信息

目的开发并验证一款基于视网膜眼底图像的深度学习模型, 用于识别冠心病及其危险因素。方法本研究为回顾性研究。收集2018年7月至2021年6月来自中国149家医院和体检中心, 年龄>18岁、具有完整冠状动脉造影及视网膜眼底图像的受试者。2名对研究设计不知情的放射科医师独立评估每位受试者的冠状动脉造影图像, 判断是否诊断为冠心病。使用卷积神经网络(CNN)深度学习模型, 根据有无冠心病将视网膜眼底图像进行标注, 按比例分为训练集和测试集进行模型训练。并且在测试集中分别使用单眼和双眼眼底图像评估模型预测性能。使用受试者工作特征曲线下面积(AUC)及相关系数(R2)评估模型识别心血管疾病危险因素(年龄、血压、性别)以及冠心病的效能。结果本研究收集到25 222名受试者的51 765张眼底图像, 其中男性14 419名, 冠心病患者10 255例。训练集纳入了22 701名受试者的46 603张眼底图像, 测试集共纳入2 521名受试者的5 162张眼底图像。在测试集中, 模型从单眼和双眼视网膜眼底图像中判断年龄的R2分别为0.931(95%CI 0.929～0.933)和0.938(95%CI 0.936～0.940)。从单眼和双眼视网膜眼底图像中识别性别的AUC值分别为0.983(95%CI 0.982～0.984)和0.988(95%CI 0.987～0.989)。该模型运用单眼(任一)眼底照片识别冠心病的AUC值为0.876(95%CI 0.874～0.877), 双眼(均值)眼底照片的AUC值为0.885(95%CI 0.884～0.888), 模型通过双眼视网膜眼底照片判断冠心病的灵敏度为0.894, 特异度为0.755, 准确度为0.714。结论基于视网膜眼底图像的深度学习模型在评估冠心病及其危险因素(年龄、性别)方面表现良好。

关键词：心血管疾病冠心病视网膜眼底图像深度学习模型

深度学习模型判读胸片：采用放射科医生判定作为参考标准与人口校正后的评估

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

国际医学放射学杂志 2020年第2期 241-242页

作者： A.Majkowska S.Mittal D.F.Steiner J.J.Reicher S.M.McKinney G.E.Duggan 李璐 Google Health

深度学习有望增加胸片在临床放射学中的应用,但面临的挑战包括推广性差、疾病谱偏倚和研究间的比较困难。目的采用放射科医生的判定作为参考标准,开发和评价

关键词：放射科医生深度学习模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习模型的疲劳驾驶行为识别算法

汽车安全与节能学报 2024年第1期15卷 121-128页

作者：张海民安徽信息工程学院计算机与软件工程学院芜湖241000

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,... 详细信息

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明:用该算法测试1000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求(每秒所执行的浮点运算次数,FLOPS)≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。

关键词：疲劳驾驶行为识别深度学习模型图像增强特征提取