小张的小跟班

摘要： 基于Faster R-CNN和增量学习的车辆目标检测 2020 计算机系统应用 河海大学 张子颖,王敏 增量学习: 增量学习算法可以渐进的更新知识,对机器学习增加新的样本知识,可修正和加强以前的知识,使更新后的模型更加完事. 没有什么关于增量学习的有用知识. 阅读全文

摘要： 数据视角下神经网络增量学习支持的涡轮盘多目标优化 2021 计算机集成制造系统 东北大学 冯国奇,崔东亮等 新知识: 1. 自展法(bootstrap):通过独立随机再抽样扩充样本集 2.虚拟样本技术:通过基于分布的方法\基于领域先验知识的方法或基于扰动的方法,在问题空间合理补充样本来丰富样本集,填 阅读全文

摘要： 定义：学习系统能不断从新样本中学习新的知识，并能保存大部分之前已经学习到的知识。 增量学习的重要性主要体现在以下两个方面： （1）在实际的感知数据中，数据量往往是逐渐增加的，因此，在面临新的数据时，学习方法应能对训练好的系统进行某些改的，以对新数据中蕴含的知识进行学习。 （2）对一个训练好的系统进行 阅读全文

摘要： 火力规划:不规则形状目标的毁伤效果计算方法 陈邓安等 海军航空工程学院 2013年2月 <舰船科学技术> 概述 针对不规则形状目标毁伤效果评估研究了一种基于不规则形状目标灰度图像进行毁伤效果评估的新方法. 通过采用不同灰度等级表示目标不同部位的重要性,结合像素点分析法进行蒙特卡洛模拟评估设计毁伤效果 阅读全文

摘要： 火力规划: 自然破片对轻装甲类目标毁伤效应计算 姚剑虹,汪永庆等 2009年12月<兵工学报> 摘要 为了获取某型爆破子弹对轻装甲目标的毁伤效果及其变化规律,在分析子弹结构特点的基础上,结合地面试验数据,采用工程算法,确定了经验公式参数,建立了该子弹的三维毁伤计算模型,研究得到了该子弹对轻装甲类目标 阅读全文

摘要： 起因：深度网络的退化问题 从经验来看，网络的深度对模型的性能至关重要，当增加网络层数后，网络可以进行更加复杂的特征模型的提取，所以当模型更深时，理论上可以取得更加好的结果，但实践中发现，随着网络深度的增加，模型的性能出现了退化的情况。随着网络深度的增加，参数增多，网络变得难以训练，且在训练过程中伴随 阅读全文

摘要： 以Alexnet和VGGnet为例,设计好之后,输入图片的大小是有固定要求的. 全卷积神经网络FCN,可以输入任意大小的图片来作为输入. 全卷积神经网络顾名思义,即该网络中全部使用卷积层进行连接. 卷积神经网络简单结构示意可以表示为:输入>>>卷积层>>>Flatten>>>全连接层>>>输出 全卷 阅读全文

摘要： 三维数据的表述形式一般分为下列四种： （1）点云：由N NN个D DD维的点组成，当这个D = 3 D=3D=3的时候一般代表着( x , y , z ) (x,y,z)(x,y,z)的坐标，当然也可以包括一些法向量、强度等别的特征。这是今天主要讲述的数据类型。（2）Mesh：由三角面片和正方形面片 阅读全文

摘要： Askey方案是PCE方法的基础，实质是构建PCE模型一族基函数。 下表展示了对于不同概率密度分布类型，所对应的最优多项式基函数。 Wiener最初采用埃尔米特正交多项式构建了多项式混沌，埃尔米特正交多项式是Askey方案中的一个子集。 阅读全文

摘要： Stochastic Expansion Method主要分为：多项式混沌展开和随机配点法，该方法实质上是对随机变量构建一个代理模型，只不过该代理模型也具有随机性，不确定性分析直接在该代理模型上开展。 1. 多项式混沌展开方法概述 Polynomial Chaos Expansions， PCE方法 阅读全文