-
题名改进卷积神经网络在遥感图像分类中的应用
被引量:24
- 1
-
-
作者
刘雨桐
李志清
杨晓玲
-
机构
智能计算与信息处理教育部重点实验室(湘潭大学)
-
出处
《计算机应用》
CSCD
北大核心
2018年第4期949-954,共6页
-
文摘
针对传统卷积神经网络(CNN)稀疏网络结构无法保留全连接网络密集计算的高效性和实验过程中激活函数的经验性选择造成结果不准确或计算量大的问题,提出一种改进卷积神经网络方法对遥感图像进行分类。首先,利用Inception模块的不同尺度卷积核提取图像多尺度特征,然后利用Maxout模型学习隐藏层节点的激活函数,最后通过Softmax方法对图像进行分类。在美国土地使用分类数据集(UCM_Land Use_21)上进行的实验结果表明,在卷积层数相同的情况下,所提方法比传统的CNN方法分类精度提高了约3.66%,比同样也基于多尺度深度卷积神经网络(MS_DCNN)方法分类精度提高了2.11%,比基于低层特征和中层特征的视觉词典等方法分类精度更是提高了10%以上。因此,所提方法具有较高的分类效率,适用于图像分类。
-
关键词
卷积神经网络
Inception模块
maxout网络
dropout操作
遥感图像分类
-
Keywords
Convolutional Neural Network(CNN)
Inception module
maxout network
dropout operation
remote sensing image classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多神经网络融合的短期负荷预测方法
被引量:29
- 2
-
-
作者
庞昊
高金峰
杜耀恒
-
机构
郑州大学产业技术研究院
国家电网山东省电力公司烟台市供电公司
-
出处
《电力自动化设备》
EI
CSCD
北大核心
2020年第6期37-42,共6页
-
文摘
为了利用不同深度神经网络的优势,提高深度学习算法对短期负荷的预测能力,提出一种基于多神经网络融合的短期负荷预测方法。以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征,并行架构的深度神经网络和注意力机制网络为核心网络;以并行架构中的卷积神经网络通道提取静态特征,门控循环单元网络通道挖掘动态时序特征,采用注意力机制网络融合提取的特征并动态调整网络对不同特征的依赖程度;使用Maxout网络增强网络整体的非线性映射能力,通过全连接网络输出预测结果。与支持向量机、长短期记忆网络的算例结果对比表明,所提方法具有更高的预测平稳性和准确性。
-
关键词
短期负荷预测
多神经网络融合
门控循环单元网络
卷积神经网络
注意力机制网络
maxout网络
-
Keywords
short-term load forecasting
fusion of multiple neural networks
gated recurrent unit network
con⁃volutional neural network
attention mechanism network
maxout network
-
分类号
TM732
[电气工程—电力系统及自动化]
-