排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对基于高光谱数据的悬浮物浓度反演问题,提出一种利用预训练神经网络(PNN)进行有监督波段选择的方法,并使用随机森林和神经网络建立悬浮物浓度反演模型.PNN算法需进行多次重复实验以获得低噪声且充分的波段重要性表达,在每次实验时选取适当数量的波段作为神经网络输入数据的特征,训练一个神经网络,并利用最后一期训练时第一层权重的L1范数、L2范数和ReLU(Rectified Linear Unit)函数来表示波段的重要性.实验结果表明,相比其他常用的波段选择算法,使用L1范数、L2范数的PNN算法能够得到信息量更大的波段集合,且其用于悬浮物浓度反演时,能够获得更优的效果. 相似文献
2.
为研究纤维增强聚合物(fiber reinforced polymer,FRP)管约束超高性能混凝土(ultra-high performance concrete,UHPC)的轴压特性,分别对4个未约束和36个约束圆柱体试件进行了轴压试验,测定了应力-应变全曲线,获得了强度和极限应变值.试验结果发现:FRP约束UHPC可明显提高其强度和变形能力,纤维布层数愈多、强度越高,改善效果愈明显;轴压应力-应变曲线为双线性;在相近的约束比下,FRP管约束刚度越小,约束试件的极限应变值越大;已有的强度和极限应变的模型预测值均高于实测值,极限应变预测值偏离试验值更大.本文回归得到了FRP管UHPC的强度和极限应变预测公式预测精度较高. 相似文献
1