基于深度神经网络的偏微分方程无监督算子学习.pdf

一种基于物理信息图神经网络和有限差分的偏微分方程求解算法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117421519A (43)申请公布日2024.01.19 (21)申请号202311584626.7 (22)申请日2023.11.26 (71)申请人中国工程物理研究院计算机应用研

2024-01-17 约1.51万字 13页立即下载

基于神经网络的常微分方程数值计算方法.pdf 第 18 卷第 3 期计　　算　　物　　理 Vol. 18 ,No. 3 　 2001 年 5 月　CHIN ESE J OURNAL OF COMPU TA TIONAL PHYSICS 　 May , 2001 ( ) [文章编号] 　1001246X 2001 微分方程的神经网络数值解法尚　智, 　刘瑞兰 ,

2017-05-09 约1.3万字 4页立即下载

一种基于神经网络常微分方程的锂电池健康状态估计方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114545279 A (43)申请公布日 2022.05.27 (21)申请号 202210175767.2 (22)申请日 2022.02.24 (71)申请人重庆邮电大学地址 400000

2023-05-10 约1.78万字 15页立即下载

2025-03-12 约1.39万字 20页立即下载

2025-04-18 约3.37万字 53页立即下载

2025-05-25 约3.2万字 56页立即下载

基于D算子的时滞分层抑制细胞神经网络动力学特性深度剖析.docx 基于D算子的时滞分层抑制细胞神经网络动力学特性深度剖析一、引言 1.1研究背景与意义在现代科技的飞速发展中，神经网络作为人工智能领域的重要研究方向，一直备受关注。细胞神经网络（CellularNeuralNetworks,CNNs）作为一类特殊的神经网络，由大量的细胞单元组成，这些细胞单元按照一定的拓扑结构相互连接，通过局部的相互作用来实现全局的计算和信息处理。由于其具有并行处理能力、局部连接特性以及对复杂系统的强大建模能力，在众多领域得到了广泛应用。时滞在许多实际系统中是不可避免的。在生物神经系统中，神经元之间的信号传递需要一定的时间，这就产生了时滞；在通信系统中，信号的传输和

2025-03-03 约5.74万字 35页立即下载

基于卷积神经网络的深度学习模型.docx PAGE 1- 基于卷积神经网络的深度学习模型一、卷积神经网络概述卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种专门为处理具有网格结构的数据而设计的深度学习模型，如图像、视频和音频等。CNN的核心思想是利用卷积操作提取特征，并通过池化操作降低特征的空间维度，从而实现特征的学习和压缩。自从20世纪80年代CNN被提出以来，随着深度学习技术的发展，CNN在图像识别、物体检测、图像分割等领域取得了显著的成果。在图像识别领域，CNN的表现尤为出色。以AlexNet为例，它是由AlexKrizhevsky等人在2012年ImageNet竞赛中提出的，是首个在Im

2025-01-19 约2.08千字 4页立即下载

基于神经网络深度学习的车牌识别算法.pptx 基于神经网络深度学习的车牌识别算法引言 神经网络深度学习基本原理车牌识别算法设计实验结果与分析挑战与未来展望结论与总结 contents 目录引言 CATALOGUE 01 交通安全与监控车牌识别是智能交通系统（ITS）中的关键技术之一，对于交通监控、违章查处、事故调查等具有重要意义。传统图像处理算法早期的车牌识别技术主要基于图像处理算法，如边缘检测、二值化、形态学处理等，受光照、角度、遮挡等因素影响较大。机器学习算法随着机器学习技术的发展，研究者开始尝试使用支持向量机（SVM）、随机森林（RandomForest）等算法进行车牌识别，取得了一定的效果提升。 深度学习算

2024-07-06 约2.45千字 28页立即下载

基于深度学习的偏微分方程求解.docx 基于深度学习的偏微分方程求解一、引言 偏微分方程（PartialDifferentialEquations，简称PDEs）在自然科学、工程技术和经济等领域广泛应用。然而，由于许多偏微分方程的复杂性，传统的求解方法往往面临计算量大、效率低下等问题。近年来，随着深度学习技术的发展，其强大的学习和预测能力为偏微分方程的求解提供了新的思路。本文旨在探讨基于深度学习的偏微分方程求解方法，并对其应用进行深入分析。二、深度学习与偏微分方程求解 深度学习是一种基于神经网络的机器学习方法，其强大的学习能力使得它在许多领域取得了显著的成果。在偏微分方程求解方面，深度学习可以通过构建神经网络来学习和模拟偏微分方

2025-06-06 约4.34千字 9页立即下载

神经网络与深度学习讲义.pdf 《神经网络与深度学习》讲义邱锡鹏

2018-10-02 约16.89万字 72页立即下载

深度学习循环神经网络.pptx 深度学习之循环神经网络;目录 1：深度学习发展史 2：从神经网络到深度学习 3：循环神经网络基础 4：自然语言处理基础（扩充知识） ;1：深度学习发展史 ;深度学习发展史;深度学习（多层神经网络）;synapse;;;最简单的神经网络： Perceptrons;Single Layer Perceptrons;两类样本：白色和黑色分类错误的样本用红色轮廓目标：分类正确所有样本，直到没有红色轮廓的样本。;Single Layer Perceptrons：局限性;;;2：从神经网络到深度学习;神经网络;深度学习思想起源：人脑视觉机理; 人的视觉系统的信息处理是分级的；高层的特征是低层特征

2018-11-10 约小于1千字 49页立即下载

深度学习-循神经网络.pptx 深度学习之循环神经网络;目录 1：深度学习发展史 2：从神经网络到深度学习 3：循环神经网络基础 4：自然语言处理基础（扩充知识） ;1：深度学习发展史 ;深度学习发展史;深度学习（多层神经网络）;synapse;;;最简单的神经网络： Perceptrons;Single Layer Perceptrons;两类样本：白色和黑色分类错误的样本用红色轮廓目标：分类正确所有样本，直到没有红色轮廓的样本。;Single Layer Perceptrons：局限性;;;2：从神经网络到深度学习;神经网络;深度学习思想起源：人脑视觉机理; 人的视觉系统的信息处理是分级的；高层的特征是低层特征

2018-10-16 约小于1千字 49页立即下载

深度学习 第3章-卷积神经网络.ppt ******与之前的CNN结构相比，AlexNet的设计和训练具有以下特点：ReLU激活函数：使用ReLU代替传统的sigmoid或tanh，加快训练速度，减少梯度弥散和爆炸。数据扩充：通过随机裁剪、平移和翻转扩充数据量。从256×256图像中截取224×224区域及水平翻转镜像，增加数据量。Dropout：在训练中随机丢弃神经元，防止过拟合。主要应用于最后三个全连接层。多GPU训练：使用多块GPU并行计算，突破单GPU显存限制，加快训练速度。局部响应归一化（LRN）：借鉴“侧抑制”思想，对ReLU输出进行局部归一化，增强泛化能力。*3.3.2AlexNetVGG是由牛津大学VGG组提出的CN

2025-04-10 约1.05万字 52页立即下载

《深度学习 》课件第7章-图神经网络.pptx 7图神经网络 目录|CONTENTS图神经网络概述1图卷积神经网络2图循环网络3图注意力网络4 图神经网络概述1 1.1传统深度学习的局限性欧式空间数据的特点图像(网格结构)、文本(序列结构)、语音(时域信号)传统方法的不足?手工特征工程效率低(如PageRank仅利用结构信息)?CNN/RNN无法直接处理图结构数据非欧式空间数据的挑战?示例:社交网络(节点间关系复杂)、分子结构(拓扑不规则)、知识图谱(多关系图)?核心问题:如何建模不规则拓扑关系?如何聚合邻居信息? 1.2图数据与图神经网络的兴起图数据的定义与表示?图结构：节点（Node）、边（Edge）、邻接矩阵（AdjacencyMat

2025-04-07 约8.33千字 42页立即下载