視覺語義特征的增強(qiáng)與提取方法研究
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖3-3卷積神經(jīng)網(wǎng)絡(luò)模型圖
電子科技大學(xué)碩士學(xué)位論文26基于語義約束模塊化的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框圖,如上圖3-2所示。其中傳統(tǒng)的網(wǎng)絡(luò)層結(jié)構(gòu)不變,但是輸出層進(jìn)行了處理,對輸出層進(jìn)行功能模塊的劃分,根據(jù)不同的語義特征對輸出進(jìn)行不同的處理,最后得到最終的損失函數(shù)并進(jìn)行反向傳播。一般來說,BP網(wǎng)絡(luò)針對的都是點(diǎn)數(shù)據(jù)的形....
圖3-5循環(huán)神經(jīng)網(wǎng)絡(luò)模型圖
電子科技大學(xué)碩士學(xué)位論文28時間序列數(shù)據(jù),這些數(shù)據(jù)具有強(qiáng)烈的時間前后屬性上的關(guān)系。針對這種數(shù)據(jù),最常用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)就是RNN了。作為深度學(xué)習(xí)的一種,其參考了序列的因果特性,這符合了文字或時間序列的特性,因此被廣泛用于NLP中的文本序列的處理。在標(biāo)準(zhǔn)的RNN結(jié)構(gòu)中,隱藏層的神經(jīng)元....
圖4-1褶皺要素示意圖
用的先插值再擬合地質(zhì)曲面的重構(gòu)方法是難以實(shí)現(xiàn)的。針對這個問題,本文提出了基于已知語義特征約束下的數(shù)值預(yù)測神經(jīng)網(wǎng)絡(luò)。在了解網(wǎng)絡(luò)結(jié)構(gòu)之前我們需要先了解曲面形態(tài)構(gòu)造中具有語義含義的一個特征:褶皺構(gòu)造特征。褶皺在任何巖石類型、構(gòu)造背景和深度下都能形成。具體表現(xiàn)巖層在受到多種力的相互影響之....
圖4-2地質(zhì)曲面原始數(shù)據(jù)圖展示
第四章基于已知特征約束的預(yù)測神經(jīng)網(wǎng)絡(luò)設(shè)計方法研究35部具有規(guī)則性而與其他附近區(qū)域相鄰的邊界部分具有突變型的區(qū)域劃分為突變語義區(qū)域。反之,若一個區(qū)域中內(nèi)部地形在高度方面表現(xiàn)出連續(xù)、光滑的特性且邊界部分具有模糊性,那么這個區(qū)域就是漸變地形語義區(qū)。對于突變地形語義區(qū),一般以因人類活動而....
本文編號:3928182
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3928182.html