导读:本文包含了校正网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,在线,网络,颜色,组合,布谷鸟,算子。
校正网络论文文献综述
赵陇[1]（2019）在《无线传感器网络的船舶航行姿态在线校正》一文中研究指出为了提高船舶航行姿态准确性,针对当前船舶航行姿态在线校正方法存在的错误大、实时性差等缺陷,提出了无线传感器网络的船舶航行姿态在线校正方法。首先分析船舶航行姿态在线校正原理,并采用无线传感器网络对船舶航行姿态数据进行实时采集,然后根据无线传感器网络采集数据对船舶航行姿态误差进行预测,并根据预测结果对船舶航行姿态进行在线校正,最后进行了船舶航行姿态在线校正仿真对比实验。结果表明,无线传感网络的船舶航行姿态在线校正精度高,船舶航行姿态在线校正速度快,船舶航行姿态在线校正效果明显优于其他方法,解决了当前船舶航行姿态在线校正过程存在的一些难题,具有广泛的应用前景。(本文来源于《舰船科学技术》期刊2019年22期）
高延春,杨丙蓉[2]（2019）在《依托高校新媒体群推进网络思想政治教育——以“重邮微校”正能量媒体群为例》一文中研究指出习近平在全国高校思想政治工作会议上强调做好高校思想政治工作,要因事而化、因时而进、因势而新。随着"00"后进入大学,高校思想政治教育对象特点的不断变化为教育者带来了新的挑战,如何因势而新也是新媒体思政一直在探讨的话题,"重邮微校"正能量媒体群积累了一些思考。"重邮微校"正能量媒体群是在重庆邮电大学党委工部/学生处领导下,由校级学生组织重邮e站负责运营,主要包含"重邮微校"微信公众订阅号、QQ看点号、QQ空间、微博、抖音号,以及"重邮学工微联盟"微信公众服务号等在内的校园媒新体矩阵。1旗帜鲜明讲政治,以先进思想为引领筑牢平台运营根(本文来源于《知识文库》期刊2019年21期）
赵晓梅,张正平,余颖聪,袁刚,刘兆邦[3]（2019）在《基于CS-BP神经网络的舌诊图像颜色校正算法》一文中研究指出针对开放环境下舌诊图像采集过程中存在颜色偏差问题,文章提出基于CS(布谷鸟搜索)-BP的舌象颜色校正算法,利用布谷鸟的巢寄生性以及levy飞行机制优化BP神经网络。为了与其他颜色校正算法作对比,文章选择了多项式回归。为了研究不同拍摄环境对颜色校正结果的影响,分别在不同时刻下的室内、室外、白炽灯拍摄环境下,采集带有24色色卡的舌象并应用叁种算法对其颜色校正得出结果进行对比分析,采用CIElab色差值指标对这叁种算法进行评价,实验结果表明,与多项式回归和BP神经网络算法相比,CS-BP算法的校正效果得到明显提高。(本文来源于《贵州大学学报(自然科学版)》期刊2019年05期）
梁后军,谢睿,常郝[4]（2019）在《基于人工神经网络的雷达图校正方法》一文中研究指出气象部门每天都会定时发布一些雷达产品,供广大用户参考或调用,这给工农业生产带来了一定的便利,但有时这些产品难以直接用于我们自己的程序中.本文针对气象部门发布的雷达图坐标系统未知,无法直接用于开源地理软件Openscales的情况,利用神经网络强大的非线性映射能力将雷达图片进行非线性扭曲,使其适合开源软件Openscales.实验结果表明非线性转换后的图片能几乎完全与Openscales中的地图吻合,误差不超过2个像素.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年08期）
姜博,李晓坪[5]（2019）在《一种基于多元线性回归算法的TD-LTE网络规划传播模型校正算法》一文中研究指出在无线网络规划中,传播模型能否与目标规划场景匹配,对规划仿真结果指标的准确性有直接影响。介绍了一种多元线性回归算法,根据CW测试数据,对SPM传播模型进行校正,获取与实际CW无线测试环境相匹配的一套参数。仿真结果表明,多元线性回归算法获取的传播模型校正结果能够有效满足实际无线规划仿真的需求。(本文来源于《移动通信》期刊2019年08期）
吴晓峰,杨颖梅,陈垚彤[6]（2019）在《基于BP神经网络误差校正的ARIMA组合预测模型》一文中研究指出文章根据ARIMA时间序列模型和BP神经网络模型分别在处理线性空间预测问题和非线性空间预过测对问北题京中市的居优民势消,费建价立格了指一数种(C基PI于)B序P列神的经实网证络分误析差证校明正了的该差组分合自预回测归模移型动相平对均(于A单RI一MA预)测组模合型预在测C模PI型预,通测中的有效性,并利用该模型预测了未来一段时间北京市CPI的走势。(本文来源于《统计与决策》期刊2019年15期）
方恩权,覃杰,耿立立[7]（2019）在《基于神经网络的列车轮对尺寸在线检测系统跟踪校正方法》一文中研究指出列车轮对在线检测系统作为国内轨道交通运维领域的基础装备之一,主要用于检测列车走行部运行过程中的状态,包括轮对尺寸、踏面擦伤和轴温。其中轮对尺寸在线检测由于具有一定的技术难度,并且轮对尺寸与轮轨动力学关联密切,因此越来越受到重视。文章以工程实例分析了轮对尺寸在线检测系统的溯源校准方法和保障其长期稳定运行的核心难题,介绍了基于神经网络方法的参数跟踪校正关键步骤,并提出一种在轮对尺寸在线测量中改善轮对径向跳动、轴向位移对测量结果影响的误差补偿方法及应用效果。(本文来源于《机车电传动》期刊2019年04期）
兰天[8]（2019）在《基于生成对抗网络的图像颜色校正方法》一文中研究指出图像处理最重要的依据是图像的颜色信息。由于成像设备和光照环境的差异性,拍摄到的图像颜色与实际人类视觉系统感知的颜色会有一定的偏差。然而这种颜色偏差会影响图像分析结果的准确性。因此,颜色校正显得尤为重要。颜色校正属于颜色恒常性问题。针对成像设备对光照条件异常敏感导致采集到的图像颜色特征大幅变化的问题,本文运用传统的颜色校正算法对图像的颜色进行校正。采用的传统颜色校正算法包括灰度世界算法和视网膜算法,其中视网膜算法又包括SSR(Single Scale Retinex)、MSR(Multi Scale Retinex)和MSRCR(Multi Scale Retinex with Color Restore)。本文利用几种不同的传统颜色校正算法分别对含雾图像、低照度图像进行颜色校正,通过对比度、平均梯度、信息熵以及无参考图像质量评价NR-IQA(No-Reference Image Quality Assessment)几种不同的客观图像质量评价标准,对校正后的图像进行评价。通过客观评价结果得出具有色彩恢复因子的MSRCR算法优于其他算法,因为图像的细节信息保留得最完整,更加符合真实场景的结构,有效解决了图像增强过程中造成的局部颜色失真问题。在人们探索海洋的过程中,需要对获取的水下图像进行准确的分析,尽可能地还原出海底场景真实的颜色信息。通过实验我们得出利用传统的颜色校正算法恢复出的效果不佳,由此我们利用生成对抗网络来对水下图像进行颜色校正。神经网络可以实现复杂非线性系统的端到端的建模,但是神经网络结构需要大量的水下图像以及反映水下场景真实颜色的图像。然而在现实生活中,我们难以获得反映水下场景真实颜色的图像。针对此问题,本文将生成对抗网络引入到颜色校正算法当中。第一,将自然场景的图像以及与之对应的深度图作为生成器的输入,分别经过衰减、后向散射、相机模型叁个步骤,输出与自然场景对应的水下图像;然后将生成的水下图像和真实的水下图像作为鉴别器的输入,鉴别器会将真实的水下图像鉴别为1,生成的水下图像鉴别为0。在整个交替训练生成器与鉴别器网络的过程中,生成器通过不断地更新自己的网络权重来提高生成能力,同时鉴别器通过不断地更新自己的网络权重来提高鉴别能力。当网络达到收敛,鉴别器无法鉴别水下图像是真实的还是生成的时,说明模型已经训练好。第二,利用生成的水下图像和自然场景的图像训练颜色校正网络。颜色校正网络可以分为相对深度估计和颜色恢复两个阶段,这两个阶段都采用了基于SegNet的深度全卷积神经网络。为了在图像颜色恢复中保留纹理信息,以便校正后的图像仍然可以被处理,因此在基本的编解码结构上加入了跳跃层,以此来弥补高频信息通过网络时造成的信息损失。跳跃层可以将高频信息从编码器直接传送到解码器,不仅可以提高网络训练的收敛速度,而且可以提高水下图像的恢复质量。第叁,当颜色校正网络训练好以后,输入真实的水下图像就可以输出校正后的图像。我们采取了无参考图像质量评价的方式对校正后的水下图像进行评价。生成对抗网络方法中所训练的模型学习了从水下图像到自然场景图像的映射关系,从而使得水下图像校正的效果更佳,颜色信息更加真实。(本文来源于《山东师范大学》期刊2019-06-10）
付克兰,张玲[9]（2019）在《基于神经网络的农田传感器校正方法》一文中研究指出本文介绍了传感器校正对发展现代农业的意义,概述神经网络并利用网络对农田传感器进行校正,为农田传感器校正提供参考。(本文来源于《电子技术与软件工程》期刊2019年11期）
刘鑫[10]（2019）在《基于神经网络的压电驱动器非线性迟滞效应的建模与校正》一文中研究指出自适应光学技术是一项发展迅速的光学新技术,通过对光学波前进行快速的测量和高精度的控制,同时对相位进行主动控制,从而能够对光束的方向和强度分布等进行高精度控制。波前校正器是自适应光学技术的关键,主要包括变形反射镜(简称变形镜)和倾斜反射镜(简称倾斜镜,Tip/Tilt Mirror,TTM)。压电陶瓷材料自身存在固有的迟滞特性,在升压和降压过程中两条位移曲线不重合,位移量不一致,存在位移差。其主要特点是:下一时刻的输出不仅取决于当前时刻的输入和输出,而且与之前时刻的输入有关。研究表明,在无控制开环情况下,由迟滞曲线的不对称性造成的非线性跟踪误差达到15%以上。因此,迟滞非线性的补偿对实现压电倾斜镜高精度控制至关重要,需要对迟滞现象进行建模,通过建立的模型进行补偿。本文的研究目标是针对自适应光学系统中的压电倾斜镜以及其组成元器件压电陶瓷驱动器所表现出的迟滞非线性现象进行分析与建模,进而对迟滞非线性系统进行迟滞补偿。本课题以迟滞非线性为核心,压电陶瓷驱动器、压电倾斜镜等为研究对象,展开了系统的研究与分析,主要的工作和研究成果如下:(1)针对压电陶瓷驱动器、压电倾斜镜所表现出的迟滞非线性特性,通过对各类迟滞非线性系统的建模方法的调研,本文基于神经网络的强数据处理能力和高辨识能力,采用BP神经网络来训练并建立模型。由于神经网络不能直接处理多映射关系,本文采用基于空间扩张的方法来对神经网络模型的输入进行扩展,引入了迟滞算子作为神经网络的一维输入,并确定了适合本文所研究对象的迟滞算子计算式。(2)研究了基于神经网络进行迟滞建模过程中所采用的训练算法,对各种BP神经网络训练算法进行了讨论,如最速梯度下降算法、Powell-Beale变梯度算法、列文伯格算法等,对比了每一种训练算法对利用神经网络所建立模型的误差情况,采用贝叶斯正则化法对神经网络迟滞模型进行训练,并验证了模型的有效性。(3)以压电陶瓷驱动器、压电倾斜镜、双压电驱动器为研究对象,分析并建立了迟滞逆模型,对迟滞系统进行补偿。(4)设计了针对压电陶瓷驱动器、压电倾斜镜、双压电驱动器的实验方案,对每一个研究对象进行了说明,将建立的迟滞非线性模型与研究对象相结合,分析系统跟踪输入期望信号的精度以及输入期望信号与输出信号之间的线性度,实验证明,本文所采用的基于神经网络的迟滞非线性逆模型对所研究的对象的迟滞补偿效果比传统建模算法(MPI算法)更好,能够使线性度优于2%,满足实际应用过程中的需求。(本文来源于《中国科学院大学(中国科学院光电技术研究所)》期刊2019-06-01）
校正网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
习近平在全国高校思想政治工作会议上强调做好高校思想政治工作,要因事而化、因时而进、因势而新。随着"00"后进入大学,高校思想政治教育对象特点的不断变化为教育者带来了新的挑战,如何因势而新也是新媒体思政一直在探讨的话题,"重邮微校"正能量媒体群积累了一些思考。"重邮微校"正能量媒体群是在重庆邮电大学党委工部/学生处领导下,由校级学生组织重邮e站负责运营,主要包含"重邮微校"微信公众订阅号、QQ看点号、QQ空间、微博、抖音号,以及"重邮学工微联盟"微信公众服务号等在内的校园媒新体矩阵。1旗帜鲜明讲政治,以先进思想为引领筑牢平台运营根
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
校正网络论文参考文献
[1].赵陇.无线传感器网络的船舶航行姿态在线校正[J].舰船科学技术.2019
[2].高延春,杨丙蓉.依托高校新媒体群推进网络思想政治教育——以“重邮微校”正能量媒体群为例[J].知识文库.2019
[3].赵晓梅,张正平,余颖聪,袁刚,刘兆邦.基于CS-BP神经网络的舌诊图像颜色校正算法[J].贵州大学学报(自然科学版).2019
[4].梁后军,谢睿,常郝.基于人工神经网络的雷达图校正方法[J].赤峰学院学报(自然科学版).2019
[5].姜博,李晓坪.一种基于多元线性回归算法的TD-LTE网络规划传播模型校正算法[J].移动通信.2019
[6].吴晓峰,杨颖梅,陈垚彤.基于BP神经网络误差校正的ARIMA组合预测模型[J].统计与决策.2019
[7].方恩权,覃杰,耿立立.基于神经网络的列车轮对尺寸在线检测系统跟踪校正方法[J].机车电传动.2019
[8].兰天.基于生成对抗网络的图像颜色校正方法[D].山东师范大学.2019
[9].付克兰,张玲.基于神经网络的农田传感器校正方法[J].电子技术与软件工程.2019
[10].刘鑫.基于神经网络的压电驱动器非线性迟滞效应的建模与校正[D].中国科学院大学(中国科学院光电技术研究所).2019
论文知识图
