检索结果-南通市图书馆

作者：金楠西安理工大学

学位级别：硕士

在纺织物的质量控制环节中,印染起到了至关重要的作用。印染过程中,很多因素影响印染的一次成功率,例如染液配制精度、染液中PH值、染液自身温度、染色后晾晒温度、助染剂品质等,但其最核心流程是染液配制精度的测试与调整。针对传统染... 详细信息

在纺织物的质量控制环节中,印染起到了至关重要的作用。印染过程中,很多因素影响印染的一次成功率,例如染液配制精度、染液中PH值、染液自身温度、染色后晾晒温度、助染剂品质等,但其最核心流程是染液配制精度的测试与调整。针对传统染液浓度检测方法所存在的检测精度低以及检测效率低等局限性,本文中采用工业相机装置对特定光源条件下的染液进行图像色彩拍摄并提取RGB值,结合数据处理技术、深度学习算法以及迭代方法,对于不同的纺织应用场景下,提供不同的三组分混合染液浓度检测方法。本文的主要内容如下:(1)提出了一种基于CNN-BiLSTM的三组分混合染液链式浓度检测方法。针对印染色彩创新研发,或确保每批产品质量一致的分批量生产等场景下,对精度要求极高而现存检测方法检测精度低的问题。本文基于不同曝光时间下采集到的RGB值所具有的时间序列性,采用双向长短期记忆神经网络算法(BiLSTM)作为算法基础,通过卷积神经网络算法(CNN)提取特征后,建立基于CNN-BiLSTM的染液浓度预测模型。同时,为了提高训练模型的稳定性,使用两种迭代方法在三种染料浓度预测模型之间建立链接关系,加入两种链接机制后平均预测准确率分别达到了 97.89%与98.05%。(2)提出了一种基于CNN-GRU的三组分混合染液分段浓度检测方法。针对工业染缸的日常监控、纺织印染行业的教学实验培训以及QC质量控制等场景下,希望精度与效率兼顾。本文分别从两个角度进行探索,选取高相似性的小样本集合进行训练,并且使用更轻量级的门循环控制单元(GRU)作为算法基础,进而从小样本学习角度建立基于CNN-GRU的染液浓度预测模型。实验证明模型总体效率相较于最高精度模型效率有一定程度地提高,检测精度高于传统机器学习方法,兼顾并中和了检测精度与检测效率之间的平衡。(3)为了方便对预测模型的使用,本文利用Vue+Django的技术框架进行了染液检测系统的设计与实现,将提出的预测算法移植至染液检测系统当中,为用户和企业提供简洁易操作的染液浓度检测方式。

关键词：双向长短期记忆神经网络卷积神经网络迭代方法小样本集合门循环控制单元

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GRU的多模态麻醉深度评估方法研究

引用

中国医学物理学杂志 2021年第9期38卷 1148-1150页

作者：顾家军叶继伦陈谨祝超凡陈玲玲深圳技术大学健康与环境工程学院广东深圳518118 深圳大学医学部生物医学工程学院广东深圳518060 广东省生物医学信号检测与超声成像重点实验室广东深圳518060

常见的麻醉深度评估法普遍存在一定局限性,本研究提出一种基于GRU的多模态麻醉深度评估方法。采集20例临床数据进行验证分析,发现通过GRU网络后输出的数值与BIS值存在较小差异和较高的关度,具有较好的麻醉深度评估价值。

关键词：门循环控制单元多模态麻醉深度

来源：

维普期刊数据库

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

基于深度强化学习的推荐系统研究

基于深度强化学习的推荐系统研究

引用

作者：刘洋军电子科技大学

学位级别：硕士

在当今,推荐系统已经成为用户处理信息过载问题时的一种强有力的工具,其通过分析用户和推荐物品之间的特征,或已有用户和物品之间的行为记录,帮助用户进行筛选。尽管传统机器学习在推荐系统领域已经取得了显著的成功,但是仍存在着许多... 详细信息

在当今,推荐系统已经成为用户处理信息过载问题时的一种强有力的工具,其通过分析用户和推荐物品之间的特征,或已有用户和物品之间的行为记录,帮助用户进行筛选。尽管传统机器学习在推荐系统领域已经取得了显著的成功,但是仍存在着许多难以克服的缺陷,如模型的表述能力受限,无法很好适应动态的用户兴趣的变化等,但近年来深度学习的蓬勃发展为推荐系统带来了新的生机。与此同时,自AlphaGo之后,深度强化学习在近两年来得到了长足的发展,不仅在游戏领域有着大量应用,也在诸如控制、自然语言处理等方面也崭露头角。在多数推荐系统工作的场景中,其与用户之间的不断交互与反馈过程非常类似于强化学习擅长处理的环境,综上本文将深度学习,强化学习和推荐系统相结合,提出了一种基于深度强化学习的推荐系统模型,主要工作包括:1)将推荐系统和强化学习相结合,对用户和推荐系统交互的过程进行马尔科夫建模,详细的定义了在该过程中的状态转移方式以及回报函数等,并构建了一套动态的长期的交互式推荐系统环境;2)利用深度学习中的门循环控制单元,并引入条目嵌入,对推荐的物品进行低维度编码,使得由推荐物品历史所代表的状态有着更丰富的信息表示。3)将强化学习经典的值方法Deep Q Network和交互式推荐系统相结合,提出直接面向Top N问题建模的深度强化学习推荐系统,并根据实际训练中难以训练,数据强关联性等问题提出了多种和交互式推荐系统相结合的优化模型,如基于目标网络的推荐系统等。结合强化学习值方法和策略梯度方法中的优点,提出了基于Actor-Critic框架的深度强化学习推荐模型,大幅度提升了在大规模数据上推荐性能;4)分析了ReLU激活函数在该问题上的缺陷,并引入了基于数据特性的Dice激活函数,大幅度的提升了部分模型在相同情况下的表现,并分析了新激活函数的时间以及空间损耗情况。5)对于本文中所提出的所有强化学习模型并加入在当前推荐系统流行的方法进行了详尽的对比实验,包括冷启动和温启动测试以及在长期跟踪用户动态喜好进行推荐性能方面的差异,为后续研究提供了方向。

关键词：推荐系统深度强化学习神经网络门循环控制单元协同过滤

来源：

同方学位论文库评论

在线全文

同方学位论文库

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

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

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：