基于改进EfficientNetV2网络的脑肿瘤分类方法

针对脑肿瘤磁共振图像分类问题中过拟合及分类准确率较低的问题,提出一种基于改进EfficientNetV2网络的脑肿瘤分类方法.该方法在EfficientNetV2网络中引入坐标注意力机制,该注意力机制将同时从垂直和水平两个方向获取脑肿瘤的特征信息,精准识别脑肿瘤的病灶特征,从而帮助模型更全面、准确地定位和识别病灶区域信息,有效抑制背景信息对检测结果的影响,使模型分类精度更高,解决了因获取特征信息不足导致分类精度低的问题.为进一步提升分类准确率,引入Hard-Swish激活函数,该激活函数不仅可以提升脑肿瘤分类网络模型的运算速度,也可有效提高分类精度.同时,改进后的模型搭配了Dropout层和归一化层,可更好抑制过拟合的发生,加快模型收敛速度,提高模型的鲁棒性,且分类精度有明显提升.实验结果表明,改进后的模型在验证集中获得了98.4%的分类准确率,通过对比实验和消融实验验证了改进后的模型在脑肿瘤分类任务中的有效性.

基于改进EfficientNetV2的苹果叶片病害识别模型

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻量级的EGV2-CA网络。该网络在保留EfficientNetV2-b0主干网络的基础上,一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构,可以进一步优化网络的计算效率,减少冗余计算,从而在提高模型速度和可移植性的同时保持较高的识别准确率;二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制,通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示,相较于原始网络,EGV2-CA网络的识别精确率提高2.94个百分点,召回率提高2.53个百分点,F1得分提高2.67个百分点,Top-1准确率提高2.47个百分点,而参数量仅为48.9 M,可迁移至移动设备上使用,为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。

基于改进EfficientNetV2的网络流量分类方法研究

针对传统的网络流量分类方法效率低下、对数据集的需求量依赖过大、极度耗费计算资源等问题,文章提出了一种基于改进EfficientNetV2的网络流量分类方法,运用迁移学习的方法,把在大型数据集ImageNet训练达标的预训练模型EfficientNetV2迁移至网络流量数据集进行实验,并依据网络流量数据的特点,将原有网络的输入分辨率进行合理的缩放,在缩短数据训练时长的同时提升了整体精确度;进行多次超参数优化实验后,选用Adam(Adaptive Moment Estim afion)作为优化器并加入CosineAnnealing-Warm-up策略。实验结果表明:改进EfficientNetV2与ResNet50模型、原生EfficientNetV2相比,准确率分别上升了1.19%和1.21%,且模型整体训练时长分别缩减了11 min和5.5 min,在缩短数据训练时长的同时,实现了网络流量的精准分类。

改进YOLOv2卷积神经网络的多类型合作目标检测

针对大型构件三维精密测量中构件结构复杂、测量环境变化等导致的合作目标检测精度低的问题,提出一种改进YOLOv2卷积神经网络的多类型合作目标检测方法。首先,利用WGAN-GP生成对抗网络扩增合作目标图像样本数量;其次,采用卷积层密集连接代替YOLOv2基础网络的逐层连接增强图像特征信息流,引入空间金字塔池化汇聚图像局部区域特征,构建改进YOLOv2卷积神经网络的多类型合作目标检测方法;最后,采用增强的目标图像样本数据集训练改进YOLOv2卷积神经网络的多类型合作目标检测模型,实现多类型合作目标检测。实验结果表明:采用多类型合作目标图像数据集测试,多类型合作目标检测精度达到90.48%,目标检测速度为58.7 frame/s。该方法具有较高的检测精度和速度,鲁棒性好,满足大型构件三维精密测量中多类型合作目标检测的要求。

基于改进EfficientNetv2模型的多品种南药叶片分类方法

为提高南药叶片的分类和分拣效率,本研究对EfficientNetv2网络模型进行改进,引入迁移学习机制训练模型,选取自适应矩估计优化算法,通过多次测试进行超参数优化,确定学习率;采用MultiMarginLoss损失函数改善复杂背景信息对识别效果的影响。应用改进后的EfficientNetv2模型与其他轻量级模型对实地采集的复杂背景下的8种南药叶片进行分类效果对比试验,试验结果显示,改进模型对复杂背景下的南药叶片图像样本识别准确率为99.12%,相较于初始模型EfficientNetv2-S,准确率提高1.17%,并且参数量和模型大小均下降约85%,平均训练时间下降47.62%。与DenseNet121、ShuffleNet和RegNet等模型相比,改进模型在模型存储空间大小、准确率和训练时间3个指标上有明显优势。研究结果表明,在多品种南药叶片分类任务中,改进模型取得优良表现,模型的轻量化程度和性能得到进一步的提升。

基于P2P技术的Gnutella网络搜索路由机制的改进

介绍了分布式P2P网络Gnutella模型消息搜索路由机制,在分析其存在大量冗余数据包传输问题的基础上,提 出了一种基于分布式存储路由信息的搜索路由机制的改进策略,能有效地提高网络可扩展性和减少消息冗余。

基于优化递归小波与改进型ART2网络的内燃机故障诊断

曲轴角振动信号是内燃机故障诊断的有效依据。针对传统小波变换存在数据窗长、实时性差的局限性,构造出一类用递推公式进行小波变换的小波基。基于该类小波基的小波变换不受分析窗的制约,能够实时地提取暂态特征。同时提出此类小波时频特性的优化方法,对内燃机曲轴角振动信号进行递归小波分解,并提取特征。针对传统ART2网络只利用模式的相位信息而丢失幅度信息和网络性能依赖于样本顺序等不足,在网络权值更新时引入平均滤波和关联函数,以便提高网络稳定性和收敛速度,同时降低其对样本输入顺序的敏感性。最后,将改进型ART2网络应用于内燃机故障诊断。实验结果表明,递归小波能反映内燃机状态信号的特征;改进型ART2网络训练耗时小于传统ART2网络的3%,识别率为100%。

基于Word2vec和改进型TF-IDF的卷积神经网络文本分类模型

针对传统机器学习文本分类算法语义特征表达弱、文本表示维度高、词序丢失、矩阵稀疏等问题,提出基于Word2vec、改进型TF-IDF和卷积神经网络三者相结合的文本分类模型(CTMWT):首先通过Word2vec模型训练得出样本中所有的词向量;然后提出基于类频方差改进型TF-IDF算法,分析每个词向量在文本中的权重,构建基于词向量和权重的文本向量表示;最后借助卷积神经网络从局部到全局相关性特征的学习能力,对该大量文本向量进行深度学习.试验结果表明三者结合的文本分类模型不仅能实现文本的准确分类,并且相比传统的机器学习文本分类算法具有更好的分类效果.

基于改进算法的ART2网络用于微晶玻璃颜色分类

微晶玻璃颜色分类是最终控制产品质量的重要步骤 .作者改进了传统ART2网络的学习算法 ,借用典型向量的概念 ,以模式的近似均值作为典型向量来快速学习新模式 .改进学习算法极大地改善了ART2网络的模式漂移现象 ,而且能缩短搜索振荡过程 .文中分析了微晶玻璃颜色分量的统计信息 ,经过适当变换将高维颜色特征映射到 16维特征空间中的一个超平面上 .以超平面上的特征点作为改进算法ART2网络的输入进入网络分类器进行学习分类 .实验证明改进算法网络用于微晶玻璃颜色分类时 ,运行正确、可靠 。

基于改进遗传算法的P2P网络信誉模型研究

建立P2P网络信誉模型能够提高用户对P2P下载技术的信赖程度。由于信誉机制存在着发散性和评价方面的不足,使得传统模型无法进行统一和定量化的评价。为此,提出一种基于改进遗传算法的P2P网络信誉模型。对P2P网络信誉度进行分析,为模型的建立提供了准确依据。将节点的服务质量作为目标函数,利用遗传算法的遗传操作过程进行目标函数的寻优,对遗传算法进行了改进,从而得到最优P2P网络信誉模型。仿真实验结果表明,利用改进的P2P网络信誉度模型进行资料下载,能够提高下载速度,效果令人满意。

基于Chord结构化P2P网络路由算法的改进

随着网络规模的扩大,Chord路由网络资源查找效率变得不够理想.为此,对Chord网络中的路由表算法及结构进行了扩展改进.分析验证了改进后的Chord模型资源查找效率明显高于原Chord模型.

基于EfficientNetV2的车刀磨损检测方法

刀具磨损会对工业生产造成不良影响,在智能制造带动工业加工的发展态势下,自动化刀具磨损智能识别系统的研究逐渐出现,旨在提高加工效率,延长车刀使用寿命以降低成本。利用一种基于EfficientNetV2网络的数控机床车削刀具磨损分类方法,解决当前磨损信息识别不准确、模型参数多计算量大、准确率不高的问题。EfficientNetV2网络能自动选取特征,这种方法更加直观和准确,实现较高的分类准确率,从而判别车削刀具的磨损情况。

P2P网络快速通信的节点选择和优化改进

随着近些年网络规模的不断扩大,使得P2P网络节点间路径与权重属性也越来越复杂,本文主要对P2P网络快速通信节点选择和优化改进路径进行分析与探讨,以期能够使网络通信效率得以增强。

基于传递熵与改进K2算法生成报警传播网络

工业报警变量数量增多所导致的“报警泛滥”问题,严重影响了报警系统的应有功能.针对此问题,提出一种从过程报警数据集中学习报警变量传递关系的方法.首先,利用传递熵具有准确衡量一阶或多阶自相关性变量间因果关系的特点,识别变量间的因果关系.其次以变量间熵大小为准则,保留传递信息量较大的节点,最后考虑变量在不同状态所占时间比重对K2算法进行改进,学习得到最终的报警传播网络.通过在田纳西伊斯曼过程数据集上的验证发现,该方法能够对报警发生的根本原因做出判断并较好地学习得到报警传播路径.

P2P网络快速通信节点选择和优化改进路径

文章分析了P2P网络节点选择的原理,探析了P2P网络快速通信节点选择和优化改进路径,以供参考。

基于高阶时域有限差分法与改进节点分析法混合求解复杂传输线网络瞬态响应

该文提出一种用于求解复杂传输线网络瞬态响应的新型混合算法。通过构建混合单端口网络模型将传输线分布参数系统与集总电路分开,分别采用高阶FDTD(2,4)与改进节点电压分析法(MNA)分析传输线与端口电路瞬态响应。与以往暂态分析方法相比,高阶FDTD(2,4)的低数值色散特性,使得求解传输线时可采用粗网格离散,能方便处理电长度较长的传输线。同时直接采用电路分析方法求解端口电路,能够获取电路中各节点的电压电流波过程。通过几组数值实例验证了该方法的有效性及准确性。

Ad Hoc网络中AODV路由协议的分析与改进

AODV协议是Ad Hoc网络中典型的反应式路由协议。该协议仅适用于双向传输信道,路由表仅维护一条到指定目的节点的路由,所以对于AODV协议的改进是必要的。就是针对Ad Hoc协议应用在某些特定场合做了一定的改进,并通过实验仿真验证了改进后的AODV协议可以提高网络的吞吐量并有效的降低了网络传输时延。

基于小波与ART2网络的实时状态识别

构造出一类用递推公式进行小波变换的小波基,提出此类小波的优化方法,对其时频特性进行了分析。针对传统ART2网络只利用了模式的相位信息而丢失了幅度信息和网络的性能依赖于样本的学习顺序等不足,提出了改进型ART2网络。对刀具AE信号进行递归小波分解,提取特征并应用于改进的ART2网络识别刀具状态。实验结果表明,递归小波能反映刀具状态信号的特征,且实时性好。改进的ART2网络更具鲁棒性,识别率为100%,训练耗时仅占传统ART2网络的3.79%。

基于EfficientNetV2和迁移学习的葡萄病害识别研究

针对当前基于深度学习的葡萄叶片病害识别模型网络参数过多、精确度低、推理时间较长和移动端模型部署困难等问题,探索一种新的病害识别方法。选取轻量卷积神经网络模型EfficientNetV2并结合迁移学习方法对葡萄叶片病害进行识别,采用迁移学习中特征提取、全部权重迁移、微调与全新训练4种方式进行训练后获得4种模型。通过多组对比试验,结果显示使用学习率为0.01的全部权重参数进行迁移学习训练出的模型精度最高,训练时间最短,模型体积较小。在数据集上平均测试识别准确率达到99.76%,且重用训练后的模型平均单张病害识别耗时仅为0.2s,能够有效提高葡萄叶片病害识别的精度与效率,为移动端部署葡萄叶片病害识别模型提供参考。

基于改进遗传算法的A2-C0型模糊逻辑系统设计及仿真

在遗传算法(Genetic Algorithm)的基础上提出一种具有变异概率更新的改进遗传算法(IGA),并用于A2-C0型(A代表规则前件,C代表规则后件)模糊逻辑系统的设计及应用。将改进遗传算法与模糊逻辑系统相结合,使用改进遗传算法对模糊逻辑系统进行规则筛选,将适应度最高的规则作为规则基,并设计模糊逻辑系统,最终设计模糊神经网络,并用改进遗传算法调整系统的参数。为了检验改进遗传算法系统是否可行,使用本设计的A2-C0型模糊逻辑系统进行锂电池股票价格的预测,并与相同BP算法构成的模糊逻辑系统预测仿真进行比较,误差结果表明,改进遗传算法系统是可行的,并且取得了更好的效果。