一种基于深度神经网络的回归分析模型构建方法.pdf
Ja****44
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度神经网络的回归分析模型构建方法.pdf
本发明公开了一种基于深度神经网络的回归分析模型构建方法,并将其应用到光学分子成像领域。本发明的主要研究成果如下:(1)提出基于深度神经网络的回归分析模型,克服了人工智能方法只能在同一个网格上进行目标重建的限制,实现了由不同结构的网格产生的生物组织表面光分布信息到光源信息的重建;(2)提出基于点云技术的研究方法,克服了传统重建方法中重建出的光源形状受限于网格剖分情况的限制,实现了光源在形态学上的高精度重建。本发明在医学分子影像、重建方法等领域有重要的应用价值。
基于卷积神经网络的旁路分析模型构建方法.pdf
本说明书实施例提供了一种基于卷积神经网络的旁路分析模型构建方法及装置,其中,方法包括:基于从攻击无防护加密实现的CNNSCA模型设计中筛选的优势参数,构建卷积神经网络简单模型;通过在所述卷积神经网络简单模型中引入SEnet网络的SE模块,构建基模型SESCAbase;通过获取的训练集对所述基模型进行训练,获得基于卷积神经网络的旁路分析模型SESCA。以实现对带防护措施加密实现的攻击。
基于深度神经网络的回归模型及其应用研究.docx
基于深度神经网络的回归模型及其应用研究一、概述回归分析是统计学和机器学习领域的重要研究内容之一,它通过建立自变量与因变量之间的数学关系,对未知数据进行预测和分析。随着大数据时代的到来,传统的线性回归模型已无法满足复杂数据关系的处理需求,研究具有更强表达能力的回归模型成为当前的热点之一。深度神经网络作为机器学习领域的重要分支,以其强大的特征提取和表示学习能力,在回归分析问题中展现出了独特的优势。基于深度神经网络的回归模型,通过构建多层次的神经网络结构,能够自动地学习并提取数据中的复杂特征,从而建立更加精确的
基于深度学习的耳鸣脑电图卷积神经网络模型构建方法.pdf
本发明公开了一种基于深度学习的耳鸣脑电图卷积神经网络模型构建方法,属于脑电图数据分析技术领域,对耳鸣脑电图卷积神经网络模型先进行分类处理,再对耳鸣脑电图卷积神经网络模型后进行分级处理。该基于深度学习的耳鸣脑电图卷积神经网络模型构建方法,通过从医院病例数据库中选取耳鸣脑电数据构建耳鸣脑电数据集,划分多个测试集以及训练集,获得训练得到的卷积神经网络分类模型以及卷积神经网络分级模型,并经过参数的更新与优化,获得用于耳鸣脑电图分级分类的新的卷积神经网络模型,在测试集上卷积神经网络模型的性能,筛选出最优卷积神经网络
一种基于神经网络的舵机模型构建方法和系统.pdf
本发明涉及一种基于神经网络的舵机模型构建方法和系统,涉及半实物仿真技术领域,解决了现有的舵机仿真建模过程复杂、无法准确的还原舵机的特性的问题。方法包括以下步骤:确定舵机的频率上限和采样频率;根据所述频率上限和采样频率生成控制信号,采集舵机根据控制信号输出的反馈信号;对所述控制信号和对应的反馈信号进行预处理得到样本数据集;构建神经网络模型,基于所述样本数据集训练所述神经网络模型,将训练好的神经网络模型作为所述舵机的仿真模型。从而实现了快速准确的构建舵机仿真模型。