-
题名基于卷积神经网络的天然地震与人工爆破识别研究
被引量：12
- 1
-
-
作者
段刚
-
机构
福建省地震局
-
出处
《地球物理学进展》
CSCD
北大核心
2021年第4期1379-1385,共7页
-
基金
福建省地震局科技基金专项(SF202101)资助。
-
文摘
地震台网记录的人工爆破事件波形特征与天然地震有相似之处,如果不能及时的予以识别和筛选,会混淆依此记录所建立的地震目录,影响日后地震学的研究工作.因此连续地震信号中的天然地震和人工爆破的识别分离有助于破坏性构造地震的监测预警.同时,随着地震仪的大规模部署以及建设行业活动的持续增强,记录的爆破事件增多,增大了识别的难度和工作强度.为了解决人工识别天然地震与爆破存在的问题,本研究基于卷积神经网络,设计了一个具有13层深度的网络模型(CNN-Epq13),选用福建数字地震台网历史地震记录和人工爆破记录,利用TensorFlow深度学习框架,采用TFrecord文件形式作为训练集,训练得出事件类别识别模型.此模型在训练中识别准确率为98.438%,损失为0.0646.用新的数据进行测试,模型能准确识别事件类别,区分天然地震和人工爆破,可以进一步在日常工作中进行应用.
-
关键词
卷积神经网络
TensorFlow深度学习框架
tfrecord文件
天然地震
人工爆破
-
Keywords
Convolutional Neural Network(CNN)
TensorFlow deep learning framework
tfrecord file
Natural earthquake
Artificial blasting
-
分类号
P315
[天文地球—地震学]
-
-
题名试卷手写分值识别方法研究
被引量：2
- 2
-
-
作者
周铁军
王外忠
蔡玉婷
苏文洋
杨鑫
杜孟杰
-
机构
湖南农业大学东方科技学院
湖南农业大学信息与智能科技学院
-
出处
《信息技术与信息化》
2021年第9期23-25,共3页
-
基金
国家级大学生创新创业训练计划项目(S202012653005)。
-
文摘
利用人工智能技术进行手写数字识别可以化解教师人工录入分数的繁琐工作,实现试卷自动合分,减少统分错误。通过问卷收集不同人的手写数字,建立了0~69手写数字TFRecord标准数据集,利用深度学习卷积神经网络方法,设计出一种试卷手写红色分值识别的Python程序。针对一张试卷记分栏目的图像,实现了准确定位该图像中试卷登分栏目、切割每大题分数为32×32小图片,以及利用卷积神经网络训练结果对每大题小图片进行试卷分值识别并合分。
-
关键词
手写数字识别
试卷分数
tfrecord
卷积神经网络
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进VGG16的猴子图像分类方法
被引量：10
- 3
-
-
作者
田佳鹭
邓立国
-
机构
沈阳师范大学数学与系统科学学院
-
出处
《信息技术与网络安全》
2020年第5期6-11,共6页
-
文摘
为提高对细粒度图像分类的准确性和分类速度,提出基于改进VGG16和迁移学习的图像分类方法。首先从kaggle平台中获取十种不同猴子数据集,并对数据集进行标准化处理,包含图片去椒盐噪声、将数据集转换为TensorFlow中提供的统一TFRecord数据格式。然后迁移学习改进的VGG16卷积神经网络,模型的优化包括利用Swish作为激活函数、将softmax loss与center loss相结合作为损失函数以实现更好的聚类效果、采用性能完善的Adam优化器。用训练集训练模型以确定微调参数信息,再用测试集检验模型准确性。结果表明,该方法对猴子图像分类的准确度可达到98.875%,分类速度也得到了显著提升。与其他传统卷积神经网络模型相比,该方法具有更高的准确性和适用性。
-
关键词
迁移学习
VGG16
卷积神经网络
图像分类
tfrecord
-
Keywords
transfer learning
VGG16
convolutional neural network
image classification
tfrecord
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
