发布时间：2022-09-16 11:41:58

数字图像的数据结构核卷积不仅用于神经网络，而且是许多其他计算机视觉算法的关键一环。在这个过程中，我们采用一个形状较小的矩阵(称为核或滤波器)，我们输入图像，并根据滤波器的值变换图像。后续的特征map值根据下式来计算，其中输入图像用f表示，我们的kernel用h表示，结果矩阵的行和列的索引分.........【阅读全文】

发布时间：2022-09-15 10:38:47

深度学习框架卷积神经网络，卷积核、池化、通道、激活函数参数初始化方法、损失函数Loss、过拟合迁移学习TL图神经网络GNN1、空间相关性的非结构化数据，CNN算法。典型的图像数据，像素点之间具有空间相关性，例如图像的分类、分割、检测都是CNN算法。3、非欧氏数据结构， GNN。这类场景典型.........【阅读全文】

发布时间：2022-09-13 13:01:34

深度学习框架卷积神经网络，卷积核、池化、通道、激活函数参数初始化方法、损失函数Loss、过拟合迁移学习TL图神经网络GNN1、空间相关性的非结构化数据，CNN算法。典型的图像数据，像素点之间具有空间相关性，例如图像的分类、分割、检测都是CNN算法。3、非欧氏数据结构， GNN。这类场景典型.........【阅读全文】

发布时间：2022-09-12 12:21:35

关键词: 深度学习, 流体力学, 降阶技术, 流场重构, 几何特征提取, 非线性系统建模 维度高、非线性强、数据量大是流体力学问题的主要特点。近年来火热的深度学习技术由于以数据驱动为主、可以解决高维复杂问题，目前已在流体力学领域得到了一定应用。文章结合课题组近期研究探讨了流体力学深度学习建模技术.........【阅读全文】

发布时间：2022-09-09 13:27:12

基于工业界及学术界对数字孪生的定义，《智能制造术语解读》将数字孪生技术定义为：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。但是除了一些晦涩难懂、 诘屈聱牙的概念外，大部分人对于数.........【阅读全文】