改进卷积神经网络在遥感图像分类中的应用

针对传统卷积神经网络（CNN）稀疏网络结构无法保留全连接网络密集计算的高效性和实验过程中激活函数的经验性选择造成结果不准确或计算量大的问题,提出一种改进卷积神经网络方法对遥感图像进行分类。首先,利用Inception模块的不同尺度卷积核提取图像多尺度特征,然后利用Maxout模型学习隐藏层节点的激活函数,最后通过Softmax方法对图像进行分类。在美国土地使用分类数据集（UCM_LandUse_21）上进行的实验结果表明,在卷积层数相同的情况下,所提方法比传统的CNN方法分类精度提高了约3.66%,比同样也基于多尺度深度卷积神经网络（MS_DCNN）方法分类精度提高了2.11%,比基于低层特征和中层特征的视觉词典等方法分类精度更是提高了10%以上。因此,所提方法具有较高的分类效率,适用于图像分类。     

化工专业学生创新创业思想教育研究——评《化工行业大学生创新创业基础教程》

化学工业是我国工业体系中的重要组成部分,是国家诸多高精尖领域的技术支撑,而创新是化工行业持续、高速发展的源动力.在当前创新创业成为高等教育重要内容的背景下,研究如何对化工专业的学子开展创新创业教育,摸清化工专业教育与创新创业教育的结合点,把握实施创新创业教育的一般规律,是落实以创业带动就业、促进高校毕业生充分就业的现实...     

铝合金塑性损伤电磁超声谐振无损评估研究北大核心CSCD

针对传统线性超声方法难以有效检测金属构件微损伤的问题,使用电磁超声换能器,在6061铝合金试件内发射并接收超声信号,采用非线性电磁超声谐振方法对铝合金试件拉伸时产生的塑性损伤进行无损评估。基于非线性电磁超声谐振检测实验平台,对不同拉伸阶段的试件分别进行了非线性检测实验,通过基波与三次谐波的幅值比,定量地描述了铝合金材料的非线性参数与材料拉伸损伤程度相关关系。实验结果表明:弹性阶段的拉伸处理对试件的非线性情况影响较小,而塑性阶段的拉伸造成的微损伤对试件的非线性情况有较大影响,因此非线性电磁超声谐振技术可以有效评估铝合金塑性损伤。