排序方式: 共有32条查询结果,搜索用时 15 毫秒
1.
随着卷积神经网络深度的不断增加,深度卷积神经网络的训练会变得更加困难.此外,在图像超分辨率中,低分辨率图像的通道特征和输入通常在不同的通道中被平等对待,这就导致了卷积神经网络的表征能力被弱化.为了解决这些问题,提出了一种多跳连接残差注意网络,该网络利用多跳连接中的残差(Residual in Multi-skip Connection,RIMC),构造了具有多个残差组的深度网络.每个残差组包含了一定数量的短跳连接和多跳连接.在RIMC的基础上,主网络被允许穿过多跳连接来绕过丰富的低频信息,同时高频信息也可以被主网络集中地学习.另外,考虑到通道和空间维度的相互依赖关系,提出了注意机制块(Attention Mechanism Block,AMBlock)来关注信息的位置,并自适应地调整通道特征尺度,其中通道注意机制和空间注意机制被应用在这种方式中.实验结果表明,该网络可以更好地恢复图像细节,获得更高的图像质量和网络性能. 相似文献
2.
本文介绍了C Builder中使用Quickreport控件制作报表时进行适当编程的方法,由此可以制作满足持定要求的报表。 相似文献
3.
贝叶斯多元线性样条在电力负荷中期预测中的应用 总被引:2,自引:2,他引:0
贝叶斯多元线性样条BMLS是基于贝叶斯框架下的分段线性回归技术,实现了回归面边界光滑性.本文分析了BMLS方法的原理,结合EUNITE网络2001年举办的电力负荷预测比赛提供的数据进行了相关数据分析,建立了相应的电力负荷中期预测模型.我们使用BMLS方法对两种训练样本集进行了训练,并计算出预测期的预测值,取得了理想的预测结果,并结合其它方法对试验结果进行了分析.文章最后总结了BMLS方法用于预测的特点,并与其它方法,如相关向量机等进行了比较.使用BMLS的模拟近似平均技术进行预测可以实现较好的精度. 相似文献
4.
针对混沌序列局域一阶多步预测问题,提出了基于偏最小二乘回归的混沌时间序列局域直接多步预测模型,偏最小二乘用于混沌时序重构相空间中演化轨迹前后相点信息间的建模。该模型克服了以往一阶局域单步预测模型进行多步预测时存在的误差累积,而且能抑制重构相空间中多重共线性的影响,提高了预测精度。试验中使用交叉验证方法将偏最小二乘的提取成分数。通过对Chen’s混沌序列和Mackey-Glass混沌序列的多步预测试验,验证了该模型在混沌时序预测方面具有很好的效果。 相似文献
5.
短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测。在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射。提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好。利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度。 相似文献
6.
本文以电阻炉温度控制系统为例,介绍了利用三菱FX-2N型PLC通过FX-2N-4AD转换模块实现数据采集的方法。 相似文献
7.
8.
最小概率最大化回归方法在电力负荷中期预测中的应用 总被引:2,自引:1,他引:2
提出使用最大化最小概率机器回归MPMR方法来解决电力负荷中期预测问题,结合EUNITE网络2001年举办的电力负荷预测比赛提供的数据进行相关数据分析,建立相应的电力负荷中期预测模型。在分析最大化最小概率机器MPM及用于回归的原理的基础上,使用MPMR方法对不同的训练样本集进行训练,并计算出预测期的预测值,取得了理想的预测结果。核函数形状参数p及回归管道宽度8的选取将直接影响MPMR回归技术的系统性能,试验中使用了交叉验证的方法确定这2个参数值。通过交叉验证求得,当核函数形状参数和回归管道宽度取值都为3时预测效果更为理想。文中对试验结果进行分析,并与相关向量机等其它方法比较,总结了MPMR预测方法的特点。 相似文献
9.
10.
用机器学习方法进行电力负荷宏观预测 总被引:1,自引:1,他引:0
刘遵雄 《微电子学与计算机》2004,21(5):160-162
分析了电力负荷宏观预测的模型和相关技术,引入支持向量回归方法(SVR)解决问题,并通过计算实例,比较分析了SVR与神经网络方法用于预测的效果,提出SVR广阔应用前景。 相似文献