排序方式： 共有3条查询结果，搜索用时 23 毫秒
1
1.
边缘检测是图像处理及计算机视觉中的基本问题之一,而Sobel算子对于边缘检测来说,则是最重要的算子之一.针对传统Sobel算子的局限性以及PC端串行化处理图像的效率较低的问题,提出了一种改进的方法,首先将传统Sobel算子的模板方向由2个变为8个,充分利用图像中的像素点的方向信息,然后根据现场可编程门阵列(Field ... 相似文献
2.
应用遗传算法与梯度算法相结合的混合优化算法,在结构质量及整体刚度约束下,分两个频段对波纹芯体夹层板在中置点声源激励下平均透射声功率进行单参数和多参数优化分析,其中优化目标函数,即夹层板透射声功率用谱元法和Rayleigh积分进行建模计算。优化结果表明,单参数和多参数优化都能明显改善波纹芯体夹层板在高频段（701 Hz～1 500 Hz）的隔声性能,但两种方法在低频段（1 Hz～700 Hz）效果均不显著,证明单纯针对结构参数优化能够有效地抑制由局部模态引起的透射声峰值,但是对结构整体模态引起的透射声峰值影响有限。进一步对比表明,对具有多个结构参数的波纹芯体夹层板,其隔声性能多参数联合优化结果明显优于单参数优化结果。 相似文献
3.
目前，风电出力预测面临跨环境、跨传感器设备的多任务挑战，往往需要对不同的预测目标各自独立地展开针对性训练。鉴于此，首先提出了一种基于模型无关元学习策略 (model-agnostic meta-learning, MAML)的短期预测方法，并基于该方法能够实现对新任务样本快速适应的能力设计了新型回归训练框架。然后结合卷积神经网络–长短期记忆网络、有注意力机制的Seq2Seq、有自注意力机制的Transformer、Synthesizer等时序深度网络模型，将该框架应用于风力发电预测场景。实验结果表明相比常规的预训练–微调的深度网络训练方法，所提出的方法在GEFCom2012数据集上对各算例实现了均方根误差和均方误差等指标的提高，同时各模型在短时风电出力为案例的预测任务上的泛化性能获得了一定提升。该训练框架可便捷地将主流深度学习模型和数据集转换为适应MAML策略的匹配模式。 相似文献
1