首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  免费   2篇
  国内免费   1篇
自动化技术   3篇
  2021年   1篇
  2020年   1篇
  2011年   1篇
排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
应急指挥系统的结构化和可视化预案研究   总被引:1,自引:0,他引:1       下载免费PDF全文
童庆  张敬谊  陈诚  丁偕  汪科豪 《计算机工程》2011,37(13):275-278
对结构化预案和可视化预案的实现技术进行研究,结合规则推理与案例推理,对其进行智能化推理及分析,根据突发事件信息主动推送有针对性的智能应急方案。设计并实现基于结构化和可视化预案的应急指挥系统,以满足应急指挥过程中智能应急方案的生成需要,提高预案在事件处置过程中的针对性与时效性。  相似文献   
2.
针对传统CNN(Convolutional Neural Network)在组织病理图像分类中存在的两个问题:其一,受限于内存大小,CNN无法对高分辨率的病理图像直接进行训练,这不可避免地破坏了细胞之间的空间结构信息,且无法学习全局的特征信息;其二,病理图像中的正常细胞和癌变细胞均有自身的病理学图像特征并且在空间上具有一定的关联性,但在结构化的二维阵列图像中无法被充分的表达。提出一种基于细胞图卷积(Cell-Graph Convolutional Network,C-GCN)的组织病理图像分类方法,将高分辨率的病理图像转换为图结构,在传统的GCN中将GraphSAGE(Graph SAmple and aggregate)模块与图池化相结合,提取出更具有代表性的一般性特征,使得C-GCN可以直接在高分辨率的组织学图像中学习特征,提高了模型的鲁棒性。  相似文献   
3.
组织病理图像分析是癌症诊断的金标准,在患者的预后治疗中起到至关重要的作用.目前在AI医学影像领域,利用CNN(Convolutional Neural Network)网络对数字病理图像的分类已经成为研究热点.但是传统CNN网络中广泛使用最大/平均池化(Max/Average pooling)模块,不可避免的丢失了...  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号