深度迁移学习在小批量图像分类中的应用

利用深度迁移学习算法,将深度模型迁移至小批量数据中进行使用,解决过拟合和对数据标签依赖性强的问题。首先,将已经训练好的模型应用在相似图像分类任务中,提高模型效率;其次利用微调策略,对深度学习网络全连接层进行调整,丢弃部分神经元以降低过拟合的发生,提高模型准确性;最后使用DogsVSCats数据集进行测试。实验结果表明,深度迁移学习算法在小批量样本数据中具有更高的准确性。

智能材料的发展要素与4D打印技术结合

智能材料发展潜力巨大,应用前景广阔,尤其是人工智能的理念再次兴起的同时,智能材料又面临新的机遇。通过对智能材料发展的三个与其性能相关的发展要素进行阐述,又介绍了它与4D打印技术结合的发展情况,对智能材料的关键技术问题进行了分析,并对其未来发展进行了展望。