排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
降雨短时预测一直以来都是气象预测问题中的热点问题。传统的预测方法基于数值天气预测模型展开预报,但近些年利用深度学习展开基于雷达回波图的降雨短时预测方法受到了广大研究者的关注。其中,时序预测网络存在不能并行计算导致耗时过长的问题且存在梯度爆炸问题。全卷积网络可以解决上述两个问题,但是却不具备时序信息提取的能力。因此,该文以泰勒冻结假设为理论依据,提出一个基于预先预测辅助推断结构的2维全卷积网络(PPNet)。网络先行提取粗粒度时序信息与空间信息,然后利用全卷积结构细化特征粒度,有效缓解2维卷积网络不能提取时序信息的缺陷。此外,该文还提供一种时序特征约束器对预先预测特征进行时间维度的特征约束,使预测特征更倾向于真实特征。消融实验证明所提预先预测辅助推断结构和时序特征约束器具有优秀的时序特征能力,可以提升网络对时序信息的敏感度。与目前最好的降雨预测算法或视频预测算法相比,该文网络均取得较好结果,特别在暴雨指标上达到最优。 相似文献
2.
在某VXI总线自动测试系统中,为实现被测对象的高速数字图像的接收,设计了VXI总线高速数字图像专用接收模块。在硬件方面,通过电平转换和光电隔离将RS-422A差分电平的数字图像信号转换为标准TTL信号,经过FPGA自动存储在静态RAM中,接收完毕后由DSP将存储的图像数据经过VXI接口传至上位机。在软件方面,设计了上位机面板、驱动程序以及DSP程序,从而实现图像数据的读取与上传。目前该模块已交付使用。 相似文献
3.
图像描述,即利用电脑自动描述图像的语义内容一直是计算机视觉领域的一项重要研究任务.尽管使用卷积神经网络(convolutional neural networks, CNN)和长短期记忆网络(long short-term memory, LSTM)的组合框架在生成图像描述方面解决了梯度消失和梯度爆炸问题,但是基于LSTM的模型依赖序列化的生成描述,无法在训练时并行处理,且容易在生成描述时遗忘先前的信息.为解决这些问题,提出将条件生成对抗网络(conditionalgenerativeadversarial network, CGAN)引入到描述生成模型训练中,即采用CNN来生成图像描述.通过对抗训练来生成句子描述,并结合注意力机制提升描述的质量.在MSCOCO数据集上进行测试,实验结果表明,与基于CNN的其他方法相比,文中方法在语义丰富程度指标CIDEr上取得了2%的提升,在准确性指标BLEU上有1%左右的性能提升;同时,其在部分指标,尤其是语义指标上超过了基于LSTM模型的图像描述方法的性能;证明该方法生成的图像描述更接近图像的真实描述,并且语义内容更加丰富. 相似文献
4.
5.
深圳世贸中心钢结构转换桁架空中拼装施工 总被引:1,自引:1,他引:0
深圳世贸中心大厦 ,建筑面积115000m2、裙楼(层高5m)5层 ,塔楼(层高4m)53层 ,总高237m(图1)。主入口的中庭 ,设计为2个轴距宽(2×8.6m)、5个轴距长(5×8.6m)的长方形的空间。根据建筑设计要求 ,庭内不能设置柱子 ,空间高达5层 ,净空30m ,致使⑦轴柱体(图2)不能落地 ,该位置采用转换桁架 ,以承担⑦轴柱7~53层所有荷载。1转换桁架转换桁架共6榀 ,桁架顶部每榀之间设有十字形水平支撑。桁架高度10m(标高20.000~30.000m) ,占用2层空间 ,裸露于中庭上空(外涂防火层… 相似文献
6.
7.
8.
9.
深圳世贸中心大厦为一座 5 3层智能型办公大厦 ,总高度 2 37m,主体结构为劲性混凝土结构 ,基础为人工挖孔桩 ,地下室基础底板总面积近 1万 m2 ,混凝土量 1.1万 m3,局部厚度 2 .5 m(面积为 46 .6 m× 42 .2 m) ,混凝土强度为C40 ,抗渗等级为 S8。基础底板施工时间为 1998年 8月份 ,恰为高温天气 ,气温平均 30℃左右 ,采用的商品混凝土入模温度达到 35~ 40℃。由于水泥用量多少直接影响水泥水化热引起绝热升温 ,本工程水泥用量减不下来 ,加之采用 5 2 5号普通水泥 ,致使混凝土内部温度很高 ,这就要求我们在控制散热温度上下功夫 ,减少混凝土… 相似文献
10.
肠道CT的三维重建是提高肠道疾病诊疗准确性的迫切需要。利用可视化工具包VTK并结合VC++,实现了肠道三维重建。经典三维重建Marching Cubes(简称MC)算法会产生二义性,针对常用的渐近线法消除二义性计算量大的问题,提出了一种改进的MC算法:采用线性插值法求出二义性面与等值面的交点,然后分别连接二义性面对边上的交点形成两条相交直线,最后通过判断直线交点的状态值,来唯一地确定等值线的连接方式,从而快速重建出三维肠道。实验结果表明,利用改进的MC算法比起传统MC算法,在三维重建的质量和效率上都得到了很大的提高。 相似文献
1