排序方式: 共有4条查询结果,搜索用时 62 毫秒
1
1.
提高神经网络(NN)的收敛速率和预测精度一直是人工智能领域的一个挑战性问题,尽管许多研究人员已在研究中使用小批量数据训练神经网络获得了较好的效果,但是这些方法并不够灵活.针对这个问题,该文提出了一种新的数据预处理算法即Fibonacci采样算法.根据Fibonacci数列规则绘制一个新的训练数据序列,这不仅可以恢复小批量数据的划分,而且还可以提供更灵活的批量规模的选择.实验结果表明:在梯度下降之前,Fibonacci数据划分序列能得到较好的实验结果.在应用于相同的单个CNN(5层卷积神经网络)和AlexNet中,Fibonacci采样算法比传统的小批量梯度下降算法能获得更高的准确度和更低的损失值,并且在几种通用网络(LeNet、AlexNet、VGG-16、GoogLeNet)上的性能也取得显著提升. 相似文献
2.
3.
水稻植株虚拟生长可视化系统设计及其实现 总被引:3,自引:0,他引:3
将系统分析方法和数学建模技术应用于水稻植株的形态建成,通过对水稻形态数据的定量分析湘建了水稻地上器官形态几何模型,在此基础上设计了水稻植株虚拟生长可视化系统.整个系统由器官几何形态模型模块,生长模型模块,可视化控制模块、数据库和人机交互界面等组成.水稻植株三维形态是由各器官形态结构特征参数的几何模型来描述的.根据水稻器官几何形态参数,通过人机交互操作,采用vc++6.0和OpenGL标准图形库,在计算机上重构出水稻器官、主茎和植株群体的三维形态,具有较好的真实感. 相似文献
4.
1