搜索结果: 1-15 共查到“工学 神经网络”相关记录2217条 . 查询时间(0.21 秒)
基于IMOCS-BP神经网络的锂离子电池SOH估计
锂离子电池 健康状态 布谷鸟搜索算法 BP神经网络
<
2024/3/5
锂离子电池随着循环充放电次数的增长,其健康状态SOH（state-of-health）会随之发生一定程度的衰减。针对以上问题,设计了一种基于改进的多目标布谷鸟搜索IMOCS（improved multi-objective Cuckoo search）-BP神经网络的锂离子电池健康状态估计方法,在避免算法陷入局部最优的同时自适应改变布谷鸟搜索CS（Cuckoo search）算法更新概率和搜索步长...
海洋遥感中卷积神经网络应用—海洋所发表AI海洋学文章（图）
神经网络应用 海洋遥感 观测
<
2024/1/12
2024年1月4日，中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构（CNN）在海洋遥感中的应用，研究成果在IEEE Geoscience and Remote Sensing Magazine（影响因子13.925）发表。过去40年里，遥感技术的不断发展极大地推动了海洋观测的进展，使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据，以解决基于这些数据的实际问题，已成为一项重大挑...
一种基于随机权神经网络的类增量学习与记忆融合方法
连续学习 灾难性遗忘 随机权神经网络 再可塑性启发
<
2024/1/16
连续学习(Continual learning,CL)多个任务的能力对于通用人工智能的发展至关重要.现有人工神经网络(Artificial neural networks,ANNs)在单一任务上具有出色表现,但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象,即联结主义模型在学习新任务时会迅速地忘记旧任务。
物理机制神经网络基于失效信息的自适应采样
物理机制 神经网络 失效信息 自适应采样
<
2023/12/13
Physics-informed neural networks (PINNs) have emerged as an effective technique for solving PDEs in a wide range of domains. It is noticed, however, that the performance of PINNs can vary dramatically...
中国科学院合肥物质科学研究院专利：一种基于模块神经网络sn9701矩阵列的手写体数字自动识别方法
中国科学院合肥物质科学研究院 专利 模块神经网络 sn9701矩阵列 手写体数字 自动识别
<
2023/11/27
中国科学院合肥物质科学研究院专利：一种基于模块神经网络sn9701矩阵列的手写体数字自动识别方法
由于点云的非结构性和无序性,目前已有的点云分类网络在精度上仍然需要进一步提高.通过考虑局部结构的构建、全局特征聚合和损失函数改进三个方面,构造一个有效的点云分类网络.首先,针对点云的非结构性,通过学习中心点特征与近邻点特征之间的关系,为不规则的近邻点分配不同的权重,以此构建局部结构;然后,使用注意力思想,提出加权平均池化(Weighted average pooling,WAP),通过自注意力方式...
基于模糊核估计的图像盲超分辨率神经网络
模糊图像 模糊核估计 卷积神经网络 盲超分辨率
<
2024/1/16
模糊图像的超分辨率重建具有挑战性并且有重要的实用价值.为此,提出一种基于模糊核估计的图像盲超分辨率神经网络(Blurred image blind super-resolution network via kernel estimation,BESRNet).该网络主要包括两个部分:模糊核估计网络(Blur kernel estimation network,BKENet)和模糊核自适应的图像重建...
基于突触巩固机制的前馈小世界神经网络设计
小世界神经网络 突触巩固机制 网络正则化 重连规则 Wilcoxon符号秩检验
<
2024/1/16
小世界神经网络具有较快的收敛速度和优越的容错性,近年来得到广泛关注.然而,在网络构造过程中,随机重连可能造成重要信息丢失,进而导致网络精度下降.针对该问题,基于Watts-Strogatz(WS)型小世界神经网络,提出了一种基于突触巩固机制的前馈小世界神经网络(Feedforward small-world neural network based on synaptic consolidatio...
中国科学技术大学在发展外场诱导的神经网络力场新方法方面取得进展（图）
外场诱导 神经网络力场 机器学习
<
2024/3/21
近日，中国科学技术大学蒋彬教授课题组在发展场诱导的原子神经网络力场研究方面取得重要进展。研究成果以“描述原子体系对于外场响应的通用机器学习力场（Universal machine learning for the response of atomistic systems to external fields）”为题，于2023年10月12日发表在《自然通讯》（Nature Communicati...
中国科学院自动化研究所科学家构建深度脉冲神经网络学习框架（图）
深度脉冲 神经网络 学习框架
<
2023/10/17
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spiking Deep Learning）成为新兴的研究热点。传统SNN框架更多地关注生物可解释性，致力于构建...
针对矿井电网消弧线圈接地系统单相接地故障选线方法准确率和可靠性不高的问题,提出基于卷积神经网络多判据融合的选线方法。主要分析了深度学习模型——卷积神经网络的结构与原理,通过快速傅里叶变换和小波变换从故障信息中提取5次谐波分量、小波分析模极大值、衰减直流分量和高频暂态分量作为原始输入数据,并利用改进LeNet-5模型强大的学习能力和泛化能力对其进行融合。基于Matlab软件搭建井下电网仿真模型,结果...
随着新能源技术的发展和普及,大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响,提出将改进的局部均值分解LMD（local mean decomposition）和概率神经网络相结合,构造一种电压扰动分类器,对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应,应用改进LMD算法对扰动信号进行3层分解,得到...
中国科学院深圳先进技术研究院专利：神经网络修复系统及其制备方法和应用
中国科学院深圳先进技术研究院 专利 神经网络 修复系统
<
2023/9/26
中国科学院深圳先进技术研究院专利：神经网络修复系统及其制备方法和应用
Cell Reports苏州大学合作发现深度神经网络解密磷酸化位点的功能景观（图）
神经网络 磷酸化 蛋白质
<
2024/2/3
随着高通量质谱技术的高速发展，研究人员可以从蛋白质组学中挖掘到更深更为可靠的数据信息。在蛋白质组学中，翻译后修饰组学是尤其重要的研究方向，磷酸化（Phosphorylation）修饰作为涉及蛋白质范围最广泛，修饰位点数量最多的修饰类型，成为了研究人员关注的对象。众所周知，磷酸化修饰通过影响蛋白质的活性、蛋白质-蛋白质相互作用及蛋白质细胞内定位等方式调节蛋白质的功能。随着组学技术的发展及精准医学概念...
广东省重点领域研发计划项目《高效可解释性神经网络模型及理论研究》通过验收（图）
广东省 神经网络 模型
<
2024/4/18
2023年6月28日上午，广东省重点领域研发计划新一代人工智能专项项目《高效可解释性神经网络模型及理论研究》（编号：2018B010107001）验收会在软件学院B7栋303室举行。广东省科学技术厅专家王欢和商惠敏，验收专家张振华教授等五人，华南理工大学科研院谭锦才科长、软件学院副院长刘飞教授、项目负责人谭明奎教授以及项目参与单位相关负责人参与会议。