贵州电网申请基于原始电流故障特征图像的故障检测方法及系统专利...
并对原始电流数据进行预处理,将截取的电流数据分段拼接成二维灰度图像;构建基于卷积神经网络的故障检测模型,使用拼接的二维灰度图像作为基于卷积神经网络的故障检测模型的输入;训练基于卷积神经网络的故障检测模型,评估基于卷积神经网络的故障检测模型,对接地故障进行检测。
朗阳科技取得适用于边缘设备的神经网络模型、图像识别方法及装置...
专利摘要显示,本发明公开了一种适用于边缘设备的神经网络模型、图像识别方法及装置,该模型包括依次串联的初始卷积单元、呼吸模块及全连接层;所述初始卷积单元包括有至少一初始卷积层;所述呼吸模块包括至少一呼吸单元,呼吸单元间依次配合设置,所述呼吸单元包括第一呼吸卷积层、第二呼吸卷积层及激活层;其中,所述第一呼吸...
卷积神经网络(CNN):如何高效的识别图像?
我们可以发现,上述过程其实就是一个神经网络,低层级负责识别图像基础特征,多个基础特征整合后变成上一层的特征,逐层处理,最终在顶层判断出是什么物体。这就是CNN的基础思路。三、CNN的基本原理CNN由卷积层、池化层、全连接层三部分构成,它们各自的作用如下:卷积层(ConvolutionalLayer):卷积层负责提取图像中的局...
微美全息(NASDAQ:WIMI)研究基于深度卷积神经网络的增强现实动态...
为此,微美全息(NASDAQ:WIMI)采用深度卷积神经网络作为图像识别的核心算法,设计了能够实时识别和跟踪动态场景中物体的增强现实系统,从而实现对增强现实场景中物体的识别和定位。深度卷积神经网络具有较强的特征提取和分类能力,能够从复杂的图像中提取出有用的特征信息,并将其用于物体识别和跟踪,并使用大规模的动态图像数据...
QB 伯晓晨/李昊/陈河兵团队合作提出从三维染色质结构中高效检测...
团队进一步探究了不同染色体空间结构特征与CNV之间的关系,将Hi-C数据使用图的方式进行建模,并基于图卷积神经网络模型从捕获的染色质空间结构特征推断CNV。首先,通过Node2Vec算法构造图的节点特征后,使用一个权重参数共享的GCN模型在三种细胞系的不同染色体中进行预测,预测准确率达97.18%、94.87%和95.81%,结果表明与CNV...
...人脸识别、图像搜索、自动驾驶……你了解AI图像识别是如何工作...
卷积神经网络在识别图片时有两个重要过程——卷积和汇聚(www.e993.com)2024年10月23日。卷积的过程是由卷积核来完成的,一张图片在计算机眼里其实是一个个像素点组成的矩阵,卷积核不是单独去考虑每一个像素点上的信息,而是同时对某个区域的像素点信息进行处理,这样可以综合考虑相邻像素点的信息,更好地提取出更高级的特征,以帮助神经网络做出更好...
2024物理诺奖背后,改变历史的故事
而此时,辛顿和他的两位学生出现了,他们的AlexNet在经典的卷积神经网络基础上,摒弃了此前的逐层无监督方法,对输入值进行有监督学习。也就是每次识别后,比对与李飞飞人工标注的答案之间的差异,进行反馈优化,大大提高了准确率。同时,卷积核会在输入图像上滑动,所以无论被检测物体在哪个位置,都能被检测到相同的特征...
华东理工大学有机忆阻器神经形态计算领域研究获进展
图片说明:基于忆阻器构建的卷积神经网络图像识别示意图针对上述问题,研究团队创新性地设计了一种含有双重氧化还原活性单元的COF材料(Ta-Cu3COF)。所得的COF纳米片通过酸辅助剥离进行分散,在氧化铟锡(ITO)基板上旋涂制备高质量的COF薄膜。COF薄膜中双氧化还原活性中心的协同效应与其独特的结晶度相结合,显着降低了氧化...
...算法与应用前景|大模型|语音识别|神经网络|自然语言处理_网易...
1.卷积神经网络(CNN)卷积神经网络在图像处理领域表现尤为突出。它通过卷积层提取图像的局部特征,并通过池化层降低特征的维度,从而减少计算量。CNN广泛应用于图像分类、目标检测和图像生成等任务。2.循环神经网络(RNN)循环神经网络适用于处理序列数据,如文本和时间序列。RNN通过循环连接使得网络能够记忆之前的信息...
人工智能赋能肺癌早期精准诊疗:基于CT图像的AI技术在肺癌诊治中的...
图2基于组织学图像的AI模型在肺癌分类和预后中的应用1、辅助病理类型分类LUAD和LUSC在起源上存在差异,具有明显的病理特征和治疗方式。病理学家通常需要通过视觉判断进行分类,而人工智能模型已经成为有力的辅助工具。基于Inception-V3的深度卷积神经网络被用于将WSI分类为LUAD、LUSC和正常组织,其AUC为97%,其性能接近...