电子科学与技术毕业论文题目(100个)
电子科学与技术毕业论文题目耐宇航恶劣环境的大电流高密度立体柔性互连技术宇航二次电源真空热学环境试验温度场特点及影响研究陀螺马达三相方波电源技术研究宇航用DC/DC模块三维组装技术研究X射线荧光微区扫描成像系统开发脉冲激光沉积氧化镓薄膜的光电特性及相关器件的研究高速SerDes电路中电荷泵锁相环技术的研究某电动方程式赛车整车控制策略研究与验证基于VBA的时间间隔测量技术研究大规模MIMO系统的线性传...
非均匀稀疏采样视频超分辨率方法
(19)中华人民共和国国家知识产权局(12)发明专利说明书(10)申请公布号 CN 106097251 A(43)申请公布日 2016.11.09(21)申请号 CN201610458527.8(22)申请日 2016.06.22(71)申请人 深圳信息职业技术学院 地址 518172 广东省深圳市龙岗区龙翔大道2188号(72)发明人 张运生 耿煜 谭旭 赖红 许志良...
基于CS的稀疏度变步长自适应压缩采样匹配追踪算法
第37卷第8期 计算机应用与软件Vol 37No.82020年8月 ComputerApplicationsandSoftwareAug.2020基于CS的稀疏度变步长自适应压缩采样匹配追踪算法雷丽婷1,2 李 刚1,2 蒋常升3 梁 壮1,21(兰州交通大学机电技术研究所 甘肃兰州730070)2(甘肃省物流及运输装备信息化工程技术研究中心 甘肃兰州730070)3(兰...
级联稀疏卷积与决策树集成的病理图像细胞核分割方法
级联稀疏卷积与决策树集成的病理图像细胞核分割方法宋 杰 1, 2 肖 亮 2, 3 练智超 2摘要 数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义, 其中细胞核的形态测量是病理量化分析的关键. 然而, 由于病理图像背景复杂, 细胞核高密度分布、细胞粘连等, 个体细胞核精准分割是一个挑战性问题. 本文提出一个级联稀疏卷积...
219482361_高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法...
㊀2023年6月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a J u n e,2023㊀㊀第52卷㊀第6期测㊀绘㊀学㊀报V o l.52,N o.6引文格式:宋尚真,杨怡欣,王会峰,等.高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法[J].测绘学报,2023,52(6):932G943.D O I:10...
卷积神经网络的参数剪枝和稀疏化方法(Ⅲ)
卷积神经网络的参数剪枝和稀疏化方法随着深度学习技术的不断发展,卷积神经网络(CNN)作为一种重要的神经网络模型,被广泛应用于图像识别、自然语言处理等领域。然而,CNN模型往往具有大量的参数,导致模型复杂度高、计算量大,对硬件资源的要求也相对较高。因此,参数剪枝和稀疏化成为了优化CNN模型的重要手段。一、参数剪枝的原理和方法参数剪枝是通过消除CNN模型中的一些不重要的参数,从而减少模型的大小和计算复...
利用稀疏表示方法对图像进行去雾超分辨
摘要摘要随着科技的不断进步,人们进入了信息时代。数字图像作为一种信息传播的重要形式,其分辨率的高低以及一些浑浊的介质会影响人们获取图像中的信息。在现实世界中,有非常多的因素会影响图像的分辨率,如快门、散弹噪声、抖动、衍射极限、传感器、聚焦、颜混叠等。在物体成像中也存在着很多浑浊的介质,如水滴、颗粒、烟雾等。这些因素和介质都会导致图像的分辨率降低,以及图像中的部分信息丢失,因此,提高图像的分辨率和...
基于因子特征的高维稀疏投资组合优化
基于因子特征的高维稀疏投资组合优化 基于因子特征的高维稀疏投资组合优化 摘要:在资本市场中,投资者面临着如何选择最佳的投资组合来实现最大化收益和最小化风险的问题。传统的投资组合优化模型有一定的局限性,尤其是在处理高维矩阵和稀疏数据时的困难。本文将介绍一种基于因子特征的高维稀疏投资组合优化方法,该方法能够更好地解决高维稀疏数据的优化问题。 ...
利用激活稀疏化的神经网络加速和嵌入压缩系统和方法[发明专利]
专利名称:利用激活稀疏化的神经网络加速和嵌入压缩系统和方法专利类型:发明专利发明人:严恩勖,王维申请号:CN201980054375.7申请日:20190621公开号:CN112585619A公开日:20210330专利内容由知识产权出版社提供摘要:用于(i)加快深度神经网络(DNN)的推理速度和(ii)将DNN产生的矢量表示从各种输入数据(诸如,图像、音频、视频,以及文本)中压缩出来的系统、方法...
稀疏高斯过程
稀疏高斯过程 稀疏高斯过程(SparseGaussianProcess,简称SGP)是机器学习领域中一种重要的模型,它继承了标准高斯过程(Standard Gaussian Process,简称SGP)的优点,同时具有较好的稀疏性能,可以减少其模型参数,使其占用更少的存储空间。稀疏高斯过程可以被用于大规模数据的建模以及概率预测,这非常适合于应用在深度学习中。 ...