發(fā)布時間：2022-07-07 12:47

　　本文通過分析印象派美術(shù)作品的內(nèi)存頻率特征,聯(lián)系蛋白質(zhì)序列內(nèi)部各級微觀結(jié)構(gòu)特征,描述結(jié)構(gòu)特點、微觀空間結(jié)構(gòu)表達(dá)方式、氨基酸振動頻譜等自然屬性,分析生成式對抗網(wǎng)絡(luò)的模型與算法特征,建立起蛋白質(zhì)自然屬性與繪畫藝術(shù)的深度學(xué)習(xí)框架�；诘鞍踪|(zhì)的自然性、多樣性、隨機性、繼承性、特殊功能的組織性等自然特征,為采用深度學(xué)習(xí)中的生成式對抗網(wǎng)絡(luò)技術(shù),研究基于蛋白質(zhì)微觀結(jié)構(gòu)的印象派美術(shù)作品生成、風(fēng)格轉(zhuǎn)移與全景畫融合、全景畫拼接等提供了新的思路和方法。 

【文章頁數(shù)】：5 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像質(zhì)量與頻譜特性加權(quán)的光瞳結(jié)構(gòu)優(yōu)化[J]. 趙晉煒,于洵,龔昌妹,姜旭.  自動化與儀表. 2020(02)
[2]氨基酸官能團(tuán)的太赫茲振動模式研究[J]. 燕芳,李偉,王志春.  光譜學(xué)與光譜分析. 2020(02)
[3]基于注意力生成對抗網(wǎng)絡(luò)的圖像超分辨率重建方法[J]. 丁明航,鄧然然,邵恒.  計算機系統(tǒng)應(yīng)用. 2020(02)
[4]基于生成式對抗神經(jīng)網(wǎng)絡(luò)的手寫文字圖像補全[J]. 李農(nóng)勤,楊維信.  圖學(xué)學(xué)報. 2019(05)
[5]基于頻譜和空域特征匹配的圖像配準(zhǔn)算法[J]. 陳澤鋒,吳慶陽,陳順治,李奇鋒,盧曉婷,黃浩濤.  激光與光電子學(xué)進(jìn)展. 2020(02)
[6]人工智能研究的新前線:生成式對抗網(wǎng)絡(luò)[J]. 林懿倫,戴星原,李力,王曉,王飛躍.  自動化學(xué)報. 2018(05)
[7]基于加權(quán)隨機森林的圖像超分辨率算法研究[J]. 吳成東,盧紫微,于曉升.  控制與決策. 2019(10)
[8]基于Regression GAN的原油總氫物性預(yù)測方法[J]. 鄭念祖,丁進(jìn)良.  自動化學(xué)報. 2018(05)
[9]基于GAN技術(shù)的自能源混合建模與參數(shù)辨識方法[J]. 孫秋野,胡旌偉,楊凌霄,張化光.  自動化學(xué)報. 2018(05)
[10]色彩子空間中繪景解析[J]. 張輝,程叢電,羅兆麟.  沈陽師范大學(xué)學(xué)報(自然科學(xué)版). 2017(02)

碩士論文
[1]芳香族氨基酸的結(jié)構(gòu)和振動性質(zhì)研究[D]. 郭云.揚州大學(xué) 2008



本文編號：3656443