排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
针对智能家居系统中安防报警信息实时收发及家电远程控制的需求,提出使用3G模块收发短信的方法,并设计了实现短信同时收发功能的软件架构。实验结果表明,该方法简单实用,能够满足智能家居系统的要求。 相似文献
2.
针对基于简化球谐波(simplified spherical harmonics,SPN)方程开展生物发光断层成像(bioluminescence tomography,BLT)前向问题研究时计算量大、求解速度偏慢的问题,提出了一种基于稳定双共轭梯度下降(biconjugate gradient stabilized,Bi CGStab)的快速并行求解算法.该算法结合不完全Cholesky分解的预处理方式与压缩行格式存储法(compressed row storage scheme,CSR)的稀疏矩阵存储方式,并采用统一计算设备架构(compute unified device architecture,CUDA)实现了并行加速.数值仿真结果表明,该算法在保证前向问题求解准确度的同时可以极大地缩短求解时间. 相似文献
3.
4.
三维卷积神经网络比二维卷积神经网络具有更优越的时空特征提取能力,但运算量却显著增加。针对如何有效减少模型参数量、解决准确率随着计算复杂度降低而降低的问题,提出基于端到端的通道可分离卷积神经网络。通过分离通道交互作用和时空交互作用来分解三维卷积,其中分别利用3×3×3 Depthwise卷积和1×1×1常规卷积进行分离通道交互作用和时空交互作用。与传统三维卷积神经网络相比,通道可分离卷积神经网络加入模型正则化,通过降低训练精度同时提高测试精度,降低了模型的过度拟合。在UCF-101和HMDB-51数据集上的实验分别达到92.7%和64.5%的准确率。结果表明,通道可分离卷积神经网络可以提高准确率并降低计算复杂度。 相似文献
5.
6.
7.
8.
Cherenkov激发的荧光扫描成像(CELSI)是一种新型的光学成像技术,为监测体内恶性肿瘤的生物学特性提供了一种手段。为提高CELSI图像重建质量,本文提出了一种基于迭代优化展开的深度学习图像重建算法——ADMM-Net。在该算法中,交替方向乘子法(ADMM)与卷积神经网络(CNN)相结合组成一个深度网络,网络中的所有参数通过端到端训练进行学习。实验结果表明:该算法可以有效提升重建图像的质量。当网络层数为5时,该算法重建的单荧光目标图像的平均峰值信噪比和结构相似性值分别可达到33.75 dB和0.86。该算法不仅可以分辨出边沿距离最小为2 mm的双荧光目标,而且在多荧光目标和不同荧光量子产额比率下表现出了良好的泛化能力。 相似文献
1