一种基于迁移学习的绘画情感预测方法.pdf
Jo****63
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
一种基于迁移学习的绘画情感预测方法.pdf
本发明属于图像情感计算技术领域,一种基于迁移学习的绘画情感预测方法,解决绘画情感的自动预测。具体为:将绘画图像由RGB颜色空间转换成HSV模型,保留对绘画情感影响较大的H和S分量作为颜色特征图像。采用局部二值模式提取局部纹理特征。在AlexNet网络上采用迁移学习的方法,保留原始网络中全部卷积、池化和一个全连接的部分,并新增了5个全连接层。在对新模型进行参数微调时,将模型的前5层卷积层和第6层全连接层的网络参数作为目标模型的参数,新增全连接层(7‑11层)的参数采用随机初始化。将颜色分量H、S和LBP纹理
一种基于迁移学习的时空序列预测方法.pdf
本发明公开了一种基于迁移学习的时空序列预测方法,属于时空序列预测领域和迁移预测领域;具体为:首先,收集待预测城市的无线业务流量,作为时空序列源数据,基于时空预测模型的局部卷积网络和残差网络,学习时空特征;同时提取外部信息源数据,基于局部卷积学习外部信息特征;然后,将时空特征输入对抗生成网络,学习得到时空共性特征;通过融合时空特征、时空共性特征和外部信息特征,得到时空预测模型的预测值;并通过最小化预测损失函数,优化预测模型的参数。最后,将该时空预测模型迁移到与源数据具备同时空的共性特征的目标域数据,得到目标
一种基于深度迁移学习预测卟啉HOMO/LUMO能级的方法.pdf
本发明公开了一种基于深度迁移学习预测卟啉HOMO/LUMO能级的方法,首先基于卟啉框架设计了新的卟啉结构,用DFT方法计算了新设计卟啉的HOMO/LUMO能级,构建了一个卟啉数据集。然后用开源的计算材料库中的卟啉信息对深度学习模型进行预训练,得到预训练模型,再在卟啉数据集上用微调方法进行迁移学习,得到可预测卟啉HOMO/LUMO能级的深度学习模型。本发明结合深度学习模型和迁移学习方法预测卟啉HOMO/LUMO能级,仅依赖于卟啉的分子简写式SMILES和数据信息文件,就能高效准确地预测出给定卟啉的HOMO/
一种基于知识图谱与迁移学习的企业安全风险预测方法.pdf
本发明提供了一种基于知识图谱与迁移学习的企业安全风险预测方法,所述方法包括建立企业生产安全知识图谱、预训练基于迁移学习的灰色聚类算法、根据企业生产安全知识图谱获取事故发生数据并微调迁移学习的灰色聚类算法、根据微调后迁移学习的灰色聚类算法分析现场行为安全数据、计算生产现场安全风险等级、根据灰关联分析方法计算行为指标关联度追踪关键行为指标、根据企业生产安全事故知识图谱路径推理算法识别关键行为指标相关危险位置。本方法利用知识图谱构建算法,建立知识库,通过在已有数据预训练模型,提升模型的准确率和挖掘信息的能力,有
一种基于迁移学习的小样本集下短期负荷预测方法.pdf
本发明公开了一种基于迁移学习的小样本集下短期负荷预测方法,先采集多个源域用户的历史负荷数据及对应温度,从而构建多个输入特征;然后用输入特征训练多个深度残差网络模型,并利用贝叶斯加权概率平均法对深度残差网络模型进行自适应性迁移组合,迁移组合完成后目标用户的实时负荷预测。