一、整体优化的神经—细节（论文文献综述）
闫斌斌[1]（2021）在《基于气路性能混合模型的燃气轮机叶片故障预警及诊断方法研究》文中进行了进一步梳理叶片是燃气轮机的重要部件,长时间在较高的转速、温度、压力和负荷条件下工作,受空气中的杂质污染和腐蚀,发生故障的概率极高,故障模式如结垢、磨损、腐蚀和打伤等。叶片故障严重影响燃气轮机运行的稳定性、经济性和安全性。因此,开展燃机叶片故障诊断研究十分必要。本文主要从气路性能诊断方法出发,研究基于混合模型的燃气轮机叶片故障预警及诊断中的若干关键问题:1)同型号不同燃气轮机个性化差异对气路性能机理模型仿真精度存在影响;2)仅凭机理的建模方式难以适应燃气轮机气路性能的残余个性化差异;3)采用单一参数和固定阈值的燃气轮机叶片故障预警存在误警率和漏警率较高的问题;4)叶片故障诊断过程中存在模型精度有限和寻优算法易陷入局部最优等问题。开展的主要工作如下:建立了燃气轮机个性化气路性能机理模型。针对同型号不同燃气轮机部件特性图的个性化差异,改进了现有的部件通用解析解,同时提出基于粒子群算法的性能自适应方法,通过定义的更新因子实现了部件特性曲线形状的靶向控制,进而实现了部件解析解与实际部件特性的精准匹配。针对燃气轮机循环设计点与循环参考点之间的个性化差异,提出基于逆向迭代和遗传算法的循环参考点整定方法,实现了循环参考点的精准整定,提高了气路性能机理模型的准确性。部件特性曲线和循环参考点的自适应调整,明显降低了燃气轮机实际性能与气路性能机理模型之间的个性化差异。通过燃气轮机现场实测数据验证了该方法的有效性。提出了两类燃气轮机气路性能混合驱动模型构建方法。针对某些燃气轮机循环参考点和部件特性曲线难以获取的问题,提出一种结合燃气轮机机理的气路性能混合模型构建方法,并定义为第一类混合模型。该方法面向燃气轮机部件单元体构建混合模型,其中神经网络结构、神经元数量和激活函数的选定分别参考燃气轮机模块化划分、截面热力参数数量以及部件非线性程度。针对循环参考点和部件特性曲线可用,但气路性能机理模型和燃气轮机实际性能之间仍存在残余个性化差异的情况,提出了一种基于径向基神经网络误差补偿的混合模型,并定义为第二类混合模型。该方法以机理模型为基础,通过径向基神经网络补偿残余个性化差异造成的误差。通过在役燃气轮机实测数据验证了该方法的有效性。建立了基于宽频振动和混合模型的燃气轮机叶片故障预警方法。由于采用单一参数和固定阈值的叶片故障预警易出现误报率和漏报率较高的问题,故提出了一种基于多参数的燃气轮机叶片故障变工况预警方法。首先基于宽频振动信号提取偏离特征参数,同时基于气路性能信号提取降级特征参数;其次研究特征参数的阈值设定方法,考虑变工况对阈值设定的影响,建立了叶片故障的3级预警规则。最后通过燃气轮机实际故障案例验证了该方法的有效性。研究了基于混合模型的燃气轮机叶片故障诊断方法。针对非线性气路故障诊断的优化算法易陷入局部最优的问题,建立了基于改进粒子群算法和混合模型的非线性叶片故障诊断模型。以实测数据为目标,通过气路性能混合模型的自适应调整确定部件性能降级量,进而识别燃气轮机叶片的故障模式。针对燃气轮机部件特性曲线和循环参考点难以获取的场合,基于测量参数进行叶片故障诊断,而该方法仅对叶片单一故障的诊断精度较高,对于多种叶片故障同时发生的场合诊断精度较低,因此研究了基于SVM和第一类混合模型的叶片单一故障诊断方法。在上述模型基础上,提出了基于改进相似度算法的叶片自动诊断方法,可自动识别叶片故障类型。通过燃气轮机叶片故障实测数据验证了该方法的有效性。本文的研究成果可以补充和拓展目前的叶片故障预警和诊断理论,同时为相关理论在工程实践中的应用提供参考。
周俊,杜峰儿[2]（2021）在《狼群算法在电子商务销售预测中的应用》文中研究指明精准的电子商务预测能够在营销中赢取先机,优化战略,改进战术,从而获得领先的竞争性优势。由于主客观影响因素繁多、对预测精准度要求高、数据维度高且复杂,一般的电子商务销售预测要经过问题分析与抽象、数据预处理、建立预测模型、模型调优与结果分析的流程才能实现。传统BP神经网络销售预测模型具有预测过程耗时、收敛慢、通用性不高的缺点,该文采用狼群算法（wolf pack search algorithm,WPA）优化原有模型的初始权值和阈值,收敛快且不易陷入局部最优,有效提高了电子商务销售预测的实用性和准确度。
高峰,殷欣,刘泉声,黄兴,伯音,张全太,王心语[3]（2021）在《基于塔式池化架构的采掘工作面煤岩图像识别方法》文中指出煤岩识别技术是实现开采、掘进智能化和无人化的关键技术之一。为提高煤岩图像识别技术的精度和效率,提出了一种基于塔式池化架构和卷积神经网络技术的煤岩图像分割识别网络模型（Coal-Rock Pyramid Network, CRPN）:（1） CRPN模型在图像编码部分采用了深度可分离卷积,使用了混合空洞卷积技术和嵌入全局注意力机制的残差卷积模块,在提高计算效率的同时扩大模型的感受野,并降低了全局无关特性对后续特征图的不利影响。CRPN模型在图像解码部分采用了基于空间塔式池化架构的计算框架,弱化了特征图内部不同区域之间关联信息的损失,显着增强了对全局信息的有效表征。（2）为保证模型训练的有效性,使用高感光度井下防爆相机对煤矿井下薄煤层采煤工作面原位煤岩图像进行了信息采集,包括完整状态、含有裂隙和阴影、暗光条件、暗光且有支护遮挡等4类典型条件下的煤岩分布图像。通过噪声添加、改变图像的特征和形态等数据预处理方法,建立了含有6 400个有效样本的煤岩高清图像数据库。（3）提出了基于交叉熵损失函数和修正自适应矩估计的训练优化算法,兼顾了模型的训练效率和精度。（4）选择像素准确度和交并比指标对CRPN模型的识别效果进行评估,结果表明CRPN模型的2项指标平均值分别为96.05%和91.54%,优于U-net模型和Segnet模型等现有其他煤岩图像识别方法。CRPN模型单张图像计算时间平均值为0.037 s,高于井下防爆摄像设备25 fps的成像能力,具备现场应用部署条件。将CRPN模型部署在工作面现场获取的动态视频中进行测试,测试结果表明该模型在稳定和抖动条件下均取得了良好的煤岩识别效果,验证了该技术在复杂环境中的可行性、鲁棒性。
杨培,高雷阜,訾玲玲[4]（2021）在《卷积稀疏与细节显着图解析的图像融合》文中提出目的针对图像融合中信息量不够丰富和边缘细节模糊问题,结合多尺度分析、稀疏表示和显着性特征等图像表示方法,提出一种卷积稀疏与细节显着图解析的图像融合方法。方法首先构造一种自适应样本集,训练出契合度更高的字典滤波器组。然后将待融合图像进行多尺度分析得到高低频子图,对低频子图进行卷积稀疏表示,通过权重分析构建一种加权融合规则,得到信息量更加丰富的低频子图;对高频子图构造细节显着图,进行相似性分析,建立一种高频融合规则,得到边缘细节更加凸显的高频子图。最后进行相应逆变换得到最终图像。结果实验在随机挑选的3组灰度图像集和4组彩色图像集上进行,与具有代表性的7种融合方法进行效果对比。结果表明,本文方法的视觉效果明显较优,平均梯度上依次平均提高39.3%、32.1%、34.7%、28.3%、35.8%、28%、30.4%;在信息熵上依次平均提高6.2%、4.5%、1.9%、0.4%、1.5%、2.4%、2.9%;在空间频率上依次平均提高31.8%、25.8%、29.7%、22.2%、28.6%、22.9%、25.3%;在边缘强度上依次平均提高39.5%、32.1%、35.1%、28.8%、36.6%、28.7%、31.3%。结论本文方法在一定程度上解决了信息量不足的问题,较好地解决了图像边缘细节模糊的问题,使图像中奇异性更加明显的内容被保留下来。
常京新,高贤君,杨元维,李少华,王萍[5]（2021）在《面向对象轮廓约束GGVF Snake的建筑物边界优化方法》文中研究说明分析高分辨率遥感影像中建筑物的特征和常用方法提取建筑物存在边界漏检误检导致的边界不规则等问题,提出面向对象轮廓约束广义梯度矢量流（GGVF）Snake模型的建筑物边界优化方法.在利用分类法获取建筑物轮廓的初始结果基础上,自动提取每个建筑物轮廓线作为GGVF Snake的初始轮廓线,获取各轮廓外接矩形进行对象裁剪,提取每个建筑物的子图对象.对每个子图对象进行Canny边缘检测,结合Hough变换提取直线特征,输入到广义梯度矢量流模型的迭代求解中快速最小化能量函数,实现对象级建筑物轮廓的精确优化.实验结果表明,利用提出的方法能够自动获取初始建筑物的轮廓信息,提高优化的自动化程度;基于对象级的边缘检测与直线特征的加入,有助于GGVF Snake快速拟合,准确地平滑建筑物边缘且准确度高.相对于其他对比方法,本文方法的轮廓优化总体精度和综合值均有提升,可以作为有效提升分类原理获取的建筑物轮廓的优化后处理手段,提高了建筑物提取的精度.
马露凡,罗凤,严江鹏,徐哲,罗捷,李秀[6]（2021）在《深度医学图像配准研究进展:迈向无监督学习》文中指出在疾病诊断、手术引导及放射性治疗等图像辅助诊疗场景中,将不同时间、不同模态或不同设备的图像通过合理的空间变换进行配准是必要的处理流程之一。随着深度学习的快速发展,基于深度学习的医学图像配准研究以其耗时短、精度高的优势吸引了研究者的广泛关注。本文全面整理了2015—2019年深度医学图像配准方向的论文,系统地分析了深度医学图像配准领域的最新研究进展,展现了深度配准算法研究从迭代优化到一步预测、从有监督学习到无监督学习的总体发展趋势。具体来说,本文在界定深度医学图像配准问题和介绍配准研究分类方法的基础上,以相关算法的网络训练过程中所使用的监督信息多少作为分类标准,将深度医学图像配准划分为全监督、双监督与弱监督、无监督医学图像配准方法。全监督配准方法通过采用随机变换、传统算法和模型生成等方式获取近似的金标准作为监督信息;双监督、无监督配准方法通过引入图像相似度损失、标签相似度损失等其他监督信息以降低对金标准的依赖;无监督配准方法则完全消除对标注数据的需要,仅使用图像相似度损失和正则化损失监督网络训练。目前,无监督医学图像算法已经成为医学图像配准领域的研究重点,在无需获得代价高昂的标注信息下就能够取得与有监督和传统方法相当甚至更高的配准精度。在此基础上,本文进一步讨论了医学图像配准研究后续可能的4个未来挑战,希望能够为更高精度、更高效率的深度医学图像配准算法的研究提供方向,并推动深度医学图像配准技术在临床诊疗中落地应用。
徐聪[7]（2021）在《基于改进的R-FCN和SVM的车辆检测算法研究》文中提出随着无人驾驶汽车的蓬勃发展,各个国家都竞相投入参与到无人驾驶汽车的技术研发当中。目前已经有一些国家将无人驾驶汽车投入试用。环境感知是无人驾驶汽车系统中至关重要的模块,也是后续行为决策、路径规划等模块的基础。目标检测技术是环境感知模块中极其重要的技术。目标检测技术,主要目的是识别和定位图像中的目标。由于目标检测技术能够快速地识别物体并且进行准确定位,因而在无人驾驶领域广泛应用。在过去的几十年中,因为深度学习技术潜力巨大,目标检测技术取得了显着的成绩。近年来,全卷积神经网络（Region-based Fully Convolutional Networks,R-FCN）被广泛应用于解决目标检测的问题,并且实验结果比较理想。R-FCN在极速卷积神经网络（Faster Region-based Convolutional Network,Faster R-CNN）的基础上,进行了改进,R-FCN采用位置敏感池化代替感兴趣区域池化以获取区域的分数,有效提高网络对目标位置信息的敏感程度。特别地,R-FCN采用共享全卷积网络以获取共享卷积特征图,实现了计算共享。虽然基于R-FCN的目标检测方法在准确性和速度上都取得了很大的进步,但是仍然存在许多挑战。然而R-FCN的研究并未考虑到以下两点。第一,由于原始锚框的设计不合理且数量过多,导致目标识别和定位能力较差,计算速度慢;第二,softmax分类器在区分正、负候选区域框时拟合能力差,影响候选区域生成网络（Region Proposal Network,RPN）的分类效果。针对上述两个问题,本文提出了一种基于改进的R-FCN和SVM的车辆检测算法（vehicle detection algorithm based on Improved R-FCN and SVM,IR-FCNSVM）,本文主要的研究内容包含以下两个部分:（1）针对原始锚框存在的问题,本文设计了一种新颖的锚框,使用基于黄金分割系数宽高比的6种尺寸大小的锚框,来代替原始9种尺寸大小的锚框,用以解决目标检测中定位能力较弱的问题。（2）在RPN中,本文将用于区分正、负候选区域框的softmax替换为支持向量机（Support Vector Machine,SVM）,并使用鲸鱼优化算法（Whale Optimization Algorithm,WOA）来优化SVM的参数,以提高分类器区分正、负候选区域框的拟合能力,进而提高算法的分类能力。本文在PASCAL VOC和KITTI数据集上进行了实验,用于验证本文算法的性能。从实验结果可以看出,本文算法具有较好的分类和识别效果。此外,本文算法与其它几种检测算法进行了对比,本文的算法性能更好。本文算法相关参数的取值可以依据具体实验进行确定,本文算法具有良好的灵活性。
杨心雨,李参海,龚国辉,王晗,金泽[8]（2021）在《残差最小化的遥感影像边缘锐化》文中研究指明针对遥感影像超分辨率重建研究中传统插值方法处理时存在振铃和过冲等问题,而神经网络的方法存在对设备环境要求高、实时性差等局限性,文章基于提升动漫图像分辨率的Anime4K算法,提出改进的RS（remote sensing）-Anime4K算法,使用残差最小化的方法重建高分辨率影像。实验使用资源三号、WorldView-2遥感影像数据,设置最邻近插值、双线性插值、双三次插值、Anime4K和RS-Anime4K共五组对比实验,从主观判断和客观量化评价指标（信息熵、结构相似度、峰值信噪比等）对结果进行评价。分析表明,本文改进的算法在遥感影像超分辨率重建,尤其影像边缘优化上具有很大的优势。本文的RS-Anime4K算法能够实现高效、实时的影像边缘的优化处理,有助于遥感影像的高效应用。
傅钢强,魏歆媚,刘东锋[9]（2021）在《人工智能赋能体育场馆智慧化转型的基本表征、应用价值及深化路径》文中研究指明运用文献资料、逻辑推理和案例调查等研究方法,深入分析人工智能赋能体育场馆智慧化转型的基本表征、应用价值及深化路径。研究认为:（1）人工智能赋能体育场馆智慧化转型的基本表征为建筑智慧化、服务智慧化和管理智慧化;（2）人工智能赋能体育场馆智慧化转型的应用价值主要是助力大型体育赛事顺利举办、助力体育产业高质量发展和助力公共体育服务有效供给;（3）在人工智能赋能体育场馆智慧化转型的实践过程中,存在着标准体系缺失、推广难度较大、应用效果不佳和数据问题较多等现实困境;（4）为了使人工智能更好地赋能体育场馆的智慧化转型,提出了制定标准体系、实施差异发展、实现整体优化和提供系统保障等4条深化路径。
刘浩,黄荣,袁浩东[10]（2021）在《面向上行流媒体的压缩感知视频流技术前沿》文中进行了进一步梳理上行流媒体在军民融合领域展现出日益重要的新兴战略价值,压缩感知视频流技术体系在上行流媒体应用中具有前端功耗低、容错性好、适用信号广等独特优势,已成为当前可视通信研究的前沿与热点之一。本文从阐述上行流媒体的应用特征出发,从性能指标、并行分块计算成像、低复杂度视频编码、视频重构和语义质量评价等方面,分析了当前针对压缩感知视频流的基础理论与关键技术,对国内外相关的研究进展进行了探究与比较。面向上行流媒体的压缩感知视频流面临着观测效率难控、码流适配困难和重建质量较低等技术挑战。对压缩感知视频流的技术发展趋势进行展望,未来将通过前端与智能云端的分工协作,突破高效率的视频观测与语义质量导引视频重构等关键技术,进一步开拓压缩感知视频流在上行流媒体应用中的定量优势与演进途径。
二、整体优化的神经—细节（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、整体优化的神经—细节（论文提纲范文）
（1）基于气路性能混合模型的燃气轮机叶片故障预警及诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景与意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 气路性能机理模型研究进展 |
| 1.2.2 气路性能混合模型研究进展 |
| 1.2.3 叶片故障预警研究进展 |
| 1.2.4 叶片故障诊断研究进展 |
| 1.3 当前研究趋势及需要解决的关键问题 |
| 1.3.1 当前研究趋势 |
| 1.3.2 需要解决的关键问题 |
| 1.4 本文研究内容及结构安排 |
| 第二章 燃气轮机个性化气路性能机理模型 |
| 2.1 引言 |
| 2.2 燃气轮机通用气路性能机理模型 |
| 2.2.1 部件数学模型 |
| 2.2.2 稳态数学模型 |
| 2.2.3 动态数学模型 |
| 2.3 燃气轮机部件特性曲线自适应 |
| 2.3.1 部件特性通用解析解 |
| 2.3.2 更新因子提取及灵敏度分析 |
| 2.3.3 改进粒子群优化算法 |
| 2.3.4 通用解析解自适应方法 |
| 2.3.5 方法验证 |
| 2.4 燃气轮机循环参考点整定 |
| 2.4.1 循环参考点 |
| 2.4.2 循环参考点逆向迭代求解理论 |
| 2.4.3 循环参考点整定方法 |
| 2.4.4 验证案例描述 |
| 2.4.5 方法评估与验证分析 |
| 2.5 燃气轮机个性化气路性能机理模型应用 |
| 2.5.1 燃气轮机及其气路测试参数概述 |
| 2.5.2 个性化稳态气路性能机理模型及应用 |
| 2.5.3 个性化动态气路性能机理模型及应用 |
| 2.6 本章小结 |
| 第三章 燃气轮机气路性能混合驱动模型 |
| 3.1 引言 |
| 3.2 燃气轮机气路性能数据驱动模型 |
| 3.2.1 多层感知机理论 |
| 3.2.2 燃气轮机气路性能数据驱动模型构建方法 |
| 3.2.3 方法验证 |
| 3.3 面向单元体的燃气轮机气路性能混合模型 |
| 3.3.1 面向对象与燃气轮机气路性能仿真 |
| 3.3.2 面向单元体的气路性能混合模型构建方法 |
| 3.3.3 方法验证 |
| 3.4 基于径向基神经网络误差补偿的混合模型 |
| 3.4.1 径向基神经网络 |
| 3.4.2 基于径向基神经网络的误差补偿方法 |
| 3.4.3 方法评估与对比验证 |
| 3.5 气路性能混合模型应用实例 |
| 3.5.1 应用案例1 |
| 3.5.2 应用案例2 |
| 3.5.3 应用案例3 |
| 3.5.4 应用案例4 |
| 3.5.5 案例对比分析 |
| 3.6 本章小结 |
| 第四章 基于宽频振动和混合模型的燃气轮机叶片故障预警 |
| 4.1 引言 |
| 4.2 宽频振动信号特征提取 |
| 4.2.1 宽频振动信号测试 |
| 4.2.2 宽频振动信号特征提取方法 |
| 4.2.3 各部件宽频振动信号特征 |
| 4.3 气路性能信号特征提取 |
| 4.3.1 压气机气路性能信号特征 |
| 4.3.2 燃气涡轮气路性能信号特征 |
| 4.3.3 动力涡轮气路性能信号特征 |
| 4.4 基于宽频振动和混合模型的叶片故障预警方法 |
| 4.4.1 报警阈值 |
| 4.4.2 叶片故障特征阈值设定方法 |
| 4.4.3 叶片故障预警方法 |
| 4.5 方法应用案例 |
| 4.5.1 叶片报警阈值生成 |
| 4.5.2 预警方法验证 |
| 4.6 本章小结 |
| 第五章 基于混合模型的燃气轮机叶片故障诊断 |
| 5.1 引言 |
| 5.2 燃气轮机叶片故障 |
| 5.2.1 典型叶片故障 |
| 5.2.2 燃气轮机叶片故障判据 |
| 5.3 基于改进粒子群和混合模型的燃气轮机叶片故障诊断 |
| 5.3.1 非线性气路分析法 |
| 5.3.2 比折合参数表征的叶片健康参数 |
| 5.3.3 基于改进粒子群和混合模型的叶片故障诊断方法 |
| 5.3.4 方法验证及实际应用案例 |
| 5.4 基于SVM和混合模型的燃气轮机叶片故障诊断 |
| 5.4.1 支持向量机 |
| 5.4.2 基于混合模型的叶片故障模拟 |
| 5.4.3 基于SVM和混合模型的叶片故障诊断方法 |
| 5.4.4 方法评估及实际应用案例 |
| 5.5 燃气轮机叶片故障自动诊断方法 |
| 5.5.1 模式识别理论 |
| 5.5.2 叶片故障模式相似度分析 |
| 5.5.3 基于改进相似度的自动诊断方法 |
| 5.5.4 应用案例 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文主要研究成果 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（2）狼群算法在电子商务销售预测中的应用（论文提纲范文）
| 1 背景 |
| 2 电子商务销售预测作用、特点及流程 |
| 2.1 电子商务销售预测作用 |
| 2.2 电子商务销售预测特点 |
| 2.3 电子商务销售预测流程 |
| 3 电子商务预测模型分析 |
| 3.1 神经网络（BP) |
| 3.2 WPA算法优化模型 |
| 4 结束语 |
（3）基于塔式池化架构的采掘工作面煤岩图像识别方法（论文提纲范文）
| 1 基于塔式池化架构的煤岩图像分割网络模型架构设计 |
| 1.1 CRPN网络模型整体架构 |
| 1.2 深度可分离卷积构建特征提取网络 |
| 1.3 混合空洞卷积(HDC)扩大特征图感受野 |
| 1.4 嵌入全局注意力机制的残差卷积模块 |
| 1.5 基于空间塔式池化架构的计算框架 |
| 2 现场原位煤岩高清图像数据库 |
| 2.1 原始数据采集 |
| 2.2 数据预处理方法 |
| 2.3 煤岩图像数据库的建立 |
| 3 模型学习训练 |
| 3.1 训练环境 |
| 3.2 损失函数设计 |
| 3.3 优化算法设计 |
| 4 煤岩识别效果及验证 |
| 4.1 主观分析 |
| 4.2 客观分析 |
| 4.3 井下现场动态验证试验 |
| 5 结 论 |
（4）卷积稀疏与细节显着图解析的图像融合（论文提纲范文）
| 0 引言 |
| 1 本文融合方法 |
| 1.1 自适应样本集的构造 |
| 1.2 低频融合 |
| 1.3 高频融合 |
| 1.4 本文融合方法的具体过程 |
| 2 实验结果及分析 |
| 2.1 分解尺度对融合效果的影响 |
| 2.2 自适应样本集对融合结果影响分析 |
| 2.3 本文方法的融合效果分析 |
| 3 结论 |
（6）深度医学图像配准研究进展:迈向无监督学习（论文提纲范文）
| 0 引言 |
| 1 深度医学图像配准的界定及分类 |
| 2 全监督医学图像配准 |
| 3 双监督及弱监督医学图像配准 |
| 4 无监督医学图像配准 |
| 5 配准实验比较 |
| 5.1 数据集 |
| 5.2 实验细节 |
| 5.3 实验结果 |
| 6 结语 |
（7）基于改进的R-FCN和SVM的车辆检测算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标检测国内外研究现状 |
| 1.2.2 R-FCN国内外研究现状 |
| 1.3 文章研究内容 |
| 1.4 文章组织结构 |
| 第2章 基础理论 |
| 2.1 深度学习技术 |
| 2.1.1 卷积神经网络 |
| 2.1.2 卷积神经网络的训练过程 |
| 2.1.3 Resnet-101残差网络 |
| 2.2 R-FCN |
| 2.2.1 R-FCN的整体架构 |
| 2.2.2 区域生成网络 |
| 2.2.3 softmax分类器 |
| 2.3 鲸鱼优化算法 |
| 2.4 本章小结 |
| 第3章 基于改进的R-FCN和SVM的车辆检测算法 |
| 3.1 基于黄金分割系数的锚框生成方法 |
| 3.2 WOA-SVM |
| 3.3 基于改进的R-FCN和SVM的车辆检测算法结构 |
| 3.4 本章小结 |
| 第4章 实验与分析 |
| 4.1 实验环境、数据集 |
| 4.1.1 实验环境 |
| 4.1.2 实验数据集 |
| 4.2 对比实验 |
| 4.2.1 实验指标 |
| 4.2.2 PASCAL VOC 2007数据集实验结果 |
| 4.2.3 PASCAL VOC 2012数据集实验结果 |
| 4.2.4 KITTI数据集实验结果 |
| 4.3 实验总结与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（8）残差最小化的遥感影像边缘锐化（论文提纲范文）
| 0 引言 |
| 1 原理 |
| 1.1 超分辨率图像重建原理 |
| 1.2 现存的问题与Anime4K模型 |
| 1.3 改进的Anime4K算法 |
| 1.4 RS-Anime4K算法实验流程及技术核心 |
| 1.5 超分辨率图像重建质量评价 |
| 2 实验分析 |
| 2.1 超分辨率影像重建对比实验 |
| 2.2 实验验证 |
| 3 实验结果分析 |
| 4 结束语 |
（9）人工智能赋能体育场馆智慧化转型的基本表征、应用价值及深化路径（论文提纲范文）
| 1 人工智能赋能体育场馆智慧化转型的基本表征 |
| 1.1 建筑智慧化 |
| 1.1.1 规划设计科学化 |
| 1.1.2 建设实施生态化 |
| 1.1.3 运营过程低碳化 |
| 1.2 服务智慧化 |
| 1.2.1 基础服务高效化 |
| 1.2.2 核心服务个性化 |
| 1.2.3 拓展服务泛在化 |
| 1.3 管理智慧化 |
| 1.3.1 人员管理轻量化 |
| 1.3.2 数据管理可行化 |
| 1.3.3 外部管理协同化 |
| 2 人工智能赋能体育场馆智慧化转型的应用价值 |
| 2.1 助力大型体育赛事顺利举办 |
| 2.1.1 确保赛事组织安全有序 |
| 2.1.2 确保赛事服务不断提升 |
| 2.1.3 确保赛事传播有效变革 |
| 2.2 助力体育产业高质量发展 |
| 2.2.1 提升体育竞赛表演产业层次 |
| 2.2.2 增加体育健身产业科技含量 |
| 2.2.3 推动体育用品产业转型升级 |
| 2.3 助力公共体育服务有效供给 |
| 2.3.1 丰富公共体育服务供给方式 |
| 2.3.2 提高公共体育服务供给效率 |
| 2.3.3 提升公共体育服务供给质量 |
| 3 人工智能赋能体育场馆智慧化转型的现实困境 |
| 3.1 标准体系缺失 |
| 3.2 推广难度较大 |
| 3.3 应用效果不佳 |
| 3.4 数据问题较多 |
| 4 人工智能赋能体育场馆智慧化转型的深化路径 |
| 4.1 制定标准体系 |
| 4.2 实施差异发展 |
| 4.3 实现整体优化 |
| 4.4 提供系统保障 |
| 5 结语 |
（10）面向上行流媒体的压缩感知视频流技术前沿（论文提纲范文）
| 0 引 言 |
| 1 上行流媒体与视频压缩感知 |
| 1.1 上行流媒体的特定含义 |
| 1.2 压缩感知视频流简介 |
| 2 国内外研究现状 |
| 2.1 视频观测与视频重构的性能指标 |
| 2.2 并行分块计算成像 |
| 2.3 低复杂度视频编码 |
| 2.4 视频重构 |
| 2.5 语义质量评价 |
| 3 压缩感知视频流的解析 |
| 4 发展趋势与展望 |
| 1)效率优化的GOF-BCS块阵形式。 |
| 2)传感视频信号的观测效率调控及码流适配。 |
| 3)基于稀疏先验模型与深度神经网络的语义导引联合重构。 |
| 4)面向重建块阵的语义质量评估模型。 |
| 5)结合高效率观测与语义导引联合重构的新型技术框架。 |
四、整体优化的神经—细节（论文参考文献）
- [1]基于气路性能混合模型的燃气轮机叶片故障预警及诊断方法研究[D]. 闫斌斌. 北京化工大学, 2021
- [2]狼群算法在电子商务销售预测中的应用[J]. 周俊,杜峰儿. 电脑知识与技术, 2021(33)
- [3]基于塔式池化架构的采掘工作面煤岩图像识别方法[J]. 高峰,殷欣,刘泉声,黄兴,伯音,张全太,王心语. 煤炭学报, 2021
- [4]卷积稀疏与细节显着图解析的图像融合[J]. 杨培,高雷阜,訾玲玲. 中国图象图形学报, 2021(10)
- [5]面向对象轮廓约束GGVF Snake的建筑物边界优化方法[J]. 常京新,高贤君,杨元维,李少华,王萍. 浙江大学学报(工学版), 2021(10)
- [6]深度医学图像配准研究进展:迈向无监督学习[J]. 马露凡,罗凤,严江鹏,徐哲,罗捷,李秀. 中国图象图形学报, 2021(09)
- [7]基于改进的R-FCN和SVM的车辆检测算法研究[D]. 徐聪. 吉林大学, 2021(01)
- [8]残差最小化的遥感影像边缘锐化[J]. 杨心雨,李参海,龚国辉,王晗,金泽. 遥感信息, 2021(04)
- [9]人工智能赋能体育场馆智慧化转型的基本表征、应用价值及深化路径[J]. 傅钢强,魏歆媚,刘东锋. 体育学研究, 2021(04)
- [10]面向上行流媒体的压缩感知视频流技术前沿[J]. 刘浩,黄荣,袁浩东. 中国图象图形学报, 2021(07)