排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
周予 《上海第二工业大学学报》1986,(1)
设指标y与可控因子x_1,x_2…x_p间有如下响应曲面关系:y=β_0 β_1x_1 …… β_px_p ε,为了避免在个别点上产生较大的偏差,采用极小化极大绝对偏差的方法求β_i的估计。文[3]对p=1,和p=2给出了计算机求极小极大估计的计算过程。本文对任意整数p>0用覆盖带给出计算方法。对应的响应曲面为: 相似文献
2.
通过引入基于卷积神经网络(convolutional neural network, CNN)的分类算法,高光谱图像(hyperspectral image, HSI)分类任务的精度取得显著的提升,但目前主流CNN算法往往较为复杂且参数量大,从而导致网络难以训练以及容易产生过拟合问题。为在保证网络分类性能的前提下实现轻量化,本文提出一个轻量级架构的基于光谱-空间注意力交互机制的CNN网络用于HSI分类。为实现HSI的光谱-空间特征提取,构建了一个轻量化的双路径骨干网络用于两种特征的提取和融合。其次,为提高特征的表征能力,设计了两个注意力模块分别用于光谱和空间特征的权重再调整。同时,为加强双路径特征之间的关联以实现特征的更好融合,注意力交互机制被引入到网络中以进一步提升网络性能。在3个真实HSI数据集上的分类结果表明,本文所提网络可达到99.5%的分类准确度,并相比于其他网络至少减少50%的参数量。 相似文献
3.
4.
为了避免划分网格,应用Hermite径向基函数点插值配点法(HRPIC)求解消声器横向本征方程,应用该方法计算的圆形和跑道圆横截面本征波数分别与解析结果和有限元计算结果吻合较好。进而分析影响域尺寸,问题域内计算点数目以及径向基函数的形状参数对本征波数计算误差的影响。结果表明,本征波数的计算误差在一定范围内会随着影响域尺寸和问题域内节点数目的增大而减小,但是不会一直减小,存在最优的数值,无量纲的形状参数直接影响本征波数的计算精度。最后比较Hermite径向基函数点插值配点法与有限元法的计算速度。 相似文献
1