注冊(cè)帳號(hào)丨忘記密碼?
1.點(diǎn)擊網(wǎng)站首頁右上角的“充值”按鈕可以為您的帳號(hào)充值
2.可選擇不同檔位的充值金額,充值后按篇按本計(jì)費(fèi)
3.充值成功后即可購買網(wǎng)站上的任意文章或雜志的電子版
4.購買后文章、雜志可在個(gè)人中心的訂閱/零買找到
5.登陸后可閱讀免費(fèi)專區(qū)的精彩內(nèi)容
打開文本圖片集
摘要:近紅外光譜分析技術(shù)在木材密度的預(yù)測(cè)方面具有獨(dú)特的優(yōu)勢(shì),是一種方便且快速的無損檢測(cè)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò)作為經(jīng)典的深度學(xué)習(xí)模型之一,能夠利用卷積和池化操作提取數(shù)據(jù)中的特征映射進(jìn)行學(xué)習(xí),與傳統(tǒng)的學(xué)習(xí)模型相比具有更強(qiáng)的模型表達(dá)能力。為此將卷積神經(jīng)網(wǎng)絡(luò)用于近紅外光譜預(yù)測(cè)木材的氣干密度,以樟子松為研究對(duì)象,獲取樣本木材橫切面的近紅外光譜數(shù)據(jù),采用杠桿值與學(xué)生化殘差t檢驗(yàn)(HLSR)法剔除奇異樣本,采用SGS+MC+Auto(Savitzky-Golay smoothing+ mean centering+ autoscaling)對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,通過競(jìng)爭性自適應(yīng)重加權(quán)算法(competitive adaptive reweighted sampling method, CARS)對(duì)特征波長進(jìn)行提取,構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)樟子松的氣干密度;并與偏最小二乘回歸(partial least squares regression , PLSR)、支持向量機(jī)(support vector regression , SVR)和BPNN(backpropagation network)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。(剩余18880字)
登錄龍?jiān)雌诳W(wǎng)
購買文章
基于卷積神經(jīng)網(wǎng)絡(luò)的樟子松木材密度近紅外預(yù)測(cè)模型優(yōu)化
文章價(jià)格:6.00元
當(dāng)前余額:100.00
閱讀
您目前是文章會(huì)員,閱讀數(shù)共:0篇
剩余閱讀數(shù):0篇
閱讀有效期:0001-1-1 0:00:00
違法和不良信息舉報(bào)電話:400-106-1235
舉報(bào)郵箱:[email protected]