排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
2.
3.
《Planning》2020,(7)
针对心电信号T波分类问题和深度卷积神经网络(deep convolutional neural networks,DCNN)出现的过拟合问题,提出了一种改进的深度神经网络算法,通过引入Dropout概念优化网络训练过程,提高算法的泛化能力。就分类准确率、训练次数、卷积核、算法的泛化能力4个方面进行实验对比,结果表明:在分类准确率方面,所提算法的标注结果与专家人工的标注结果接近,且标注重复率均可达98.9%以上;在训练次数方面,可有效减少训练次数,且测试集识别率可达99.31%;选择合适的卷积核个数,最终的测试集识别率可达99.31%。所提算法与BP神经网络、循环神经网络(recurrent neural network, RNN)、DCNN这3种方法相比较,可有效降低DCNN的过拟合问题,提高算法的泛化能力。 相似文献
4.
5.
造纸工业高级控制技术和先进控制系统综述 总被引:1,自引:1,他引:0
造纸工业在向工业4.0方向不断迈进的过程中,高级控制算法、控制策略和控制系统将扮演越来越重要的角色。本文以过程控制理论及自动化技术的发展和行业应用为主线,对在造纸工业中广泛采用的共性自动化技术进行概述,并对造纸工业自动化、信息化和智能化的未来发展进行展望,旨在对实用化的造纸自动化技术进行归纳总结,为读者阅读提供方便。实现制浆造纸生产过程的信息化和智能化,必须确保过程数据在线检测的全面性和准确性。为此,本文在对制浆造纸过程高级控制算法和控制系统进行综述的同时,还重点总结了实现造纸工业4.0必不可少的一些间接测量技术、运行状态评估技术和纸品质量检测技术,具体包括关键参数的在线软测量技术、关键设备的故障诊断技术和纸病在线检测技术。 相似文献
6.
《Planning》2019,(11)
针对传统目标检测算法在检测水面漂浮垃圾时易受外界复杂环境影响而难以实现的问题,提出了一种基于改进卷积神经网络的水面漂浮垃圾检测算法。运用数据增强技术改善训练过程中因样本不足而导致的过拟合问题,并利用迁移学习的方法训练出水面漂浮垃圾目标检测模型。结果表明,与传统的ViBe背景建模算法相比,所提算法能对水面漂浮垃圾进行分类,并标记出垃圾位置,对垃圾的检测准确率高达93%,能完全克服水波、波光等外界干扰。 相似文献
7.
8.
9.
10.
随着生活用纸市场竞争的加剧,以及节能降耗的低碳经济之路政策的推进,生活用纸企业纷纷新建车速800 m/min以上的中高速卫生纸机,但中高速卫生纸机在打浆控制、质量控制、干燥部节能和传动控制等方面尚存一些技术问题需要突破。本课题提出打浆度在线软测量及恒打浆度控制、定量在线软测量及绝干浆量控制、干燥部能耗协同控制、同步传动控制等控制策略,并开发了集成优化控制系统。应用结果表明,打浆度控制误差低于±0.5°SR,浆耗低于1.05 t浆/t纸;实现了在无定量水分在线检测装置条件下的绝干浆量精确控制,控制误差低于±0.4g/m~2;汽耗低于2.03t汽/t纸,稳定生产车速达1300 m/min。 相似文献