期刊文献+
共找到7,934篇文章
< 1 2 250 >
每页显示 20 50 100
Tourism Traffic Demand Prediction Using Google Trends Based on EEMD-DBN 认领
1
作者 Yi Xiao Xueting Tian +2 位作者 John J. Liu Gaohui Cao Qingxing Dong 《工程(英文)(1947-3931)》 2020年第3期194-215,共22页
Predicting tourism traffic demand accurately plays an important role in making effective policies for tourist administration. It helps to distribute the resources reasonably and avoid the tourism congestions. This pap... Predicting tourism traffic demand accurately plays an important role in making effective policies for tourist administration. It helps to distribute the resources reasonably and avoid the tourism congestions. This paper considered the noise interference and proposed a hybrid model, combining ensemble empirical mode decomposition (EEMD), deep belief network (DBN) and Google trends, for tourism traffic demand prediction. This model firstly applied dislocation weighted synthesis method to combine Google trends into a search composite index, and then it denoised the series with EEMD. EEMD extracted the high frequency noise from the original series. The low frequency series of search composite index would be used to forecast the low frequency tourism traffic series. Taking the inbound tourism in Shanghai as an example, this paper trained the model and predicted the next 12 months tourism arrivals. The conclusion demonstrated that the forecast error of EEMD-DBN model is lower remarkably than the baselines of ARIMA, GM(1,1), FTS, SVM, CES and DBN model. This revealed that nosing processing is necessary and EEMD-DBN forecast model can improve the prediction accuracy. 展开更多
关键词 TOURISM Traffic Demand Forecasting DEEP Learning GOOGLE TRENDS Composite Search Index Ensemble Empirical Mode Decomposition (EEMD) DEEP BELIEF Network (DBN)
在线阅读 免费下载
大学生思政课学习方式及其教学启示研究 认领
2
作者 姚利民 舒俊 《大学教育科学》 CSSCI 北大核心 2020年第2期68-74,共7页
学习方式是影响大学生思政课教学效果的重要内因。对五省十多所高校2019名大学生的调查发现:大部分学生思政课学习方式多样,深层学习方式和浅层学习方式兼而有之;学生思政课深层学习方式多于浅层学习方式,但其学习方式有较大改进空间;... 学习方式是影响大学生思政课教学效果的重要内因。对五省十多所高校2019名大学生的调查发现:大部分学生思政课学习方式多样,深层学习方式和浅层学习方式兼而有之;学生思政课深层学习方式多于浅层学习方式,但其学习方式有较大改进空间;不同学生群体思政课学习方式有差异,其中最为明显的是年级差异。尽管学生的课程观和教师的课堂教学质量都显著影响思政课学习方式,但深层学习方式更多受教师的课堂教学质量影响,浅层学习方式则主要取决于学生的课程观。实证研究结果为教师在思政课教学中有效促进大学生思政课深层学习提供了启示。 展开更多
关键词 思政课 学习方式 学习动机 学习策略 深层学习 浅层学习
在线阅读 免费下载
智能无线通信技术研究概况 认领
3
作者 梁应敞 谭俊杰 Dusit Niyato 《通信学报》 EI CSCD 北大核心 2020年第7期1-17,共17页
近年来,人工智能技术已被应用于无线通信领域,以解决传统无线通信技术面对信息爆炸和万物互联等新发展趋势所遇到的瓶颈问题。首先介绍深度学习、深度强化学习和联邦学习三类具有代表性的人工智能技术;然后通过对这三类技术在无线通信... 近年来,人工智能技术已被应用于无线通信领域,以解决传统无线通信技术面对信息爆炸和万物互联等新发展趋势所遇到的瓶颈问题。首先介绍深度学习、深度强化学习和联邦学习三类具有代表性的人工智能技术;然后通过对这三类技术在无线通信中的无线传输、频谱管理、资源配置、网络接入、网络及系统优化5个方面的应用进行综述,分析和总结它们在解决无线通信问题时的原理、适用性、设计方法和优缺点;最后围绕存在的局限性指出智能无线通信技术的未来发展趋势和研究方向,期望为无线通信领域的后续研究提供帮助和参考。 展开更多
关键词 人工智能 无线通信 深度学习 深度强化学习 联邦学习
在线阅读 下载PDF
基于集成深度置信网络的精细化电力系统暂态稳定评估 认领
4
作者 李宝琴 吴俊勇 +2 位作者 邵美阳 张若愚 郝亮亮 《电力系统自动化》 EI CSCD 北大核心 2020年第6期17-26,共10页
为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评... 为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。 展开更多
关键词 深度学习 电力系统 暂态稳定评估 深度置信网络 集成学习 机器学习
深度强化学习中稀疏奖励问题研究综述 认领
5
作者 杨惟轶 白辰甲 +2 位作者 蔡超 赵英男 刘鹏 《计算机科学》 CSCD 北大核心 2020年第3期182-191,共10页
强化学习作为机器学习的重要分支,是在与环境交互中寻找最优策略的一类方法。强化学习近年来与深度学习进行了广泛结合,形成了深度强化学习的研究领域。作为一种崭新的机器学习方法,深度强化学习同时具有感知复杂输入和求解最优策略的能... 强化学习作为机器学习的重要分支,是在与环境交互中寻找最优策略的一类方法。强化学习近年来与深度学习进行了广泛结合,形成了深度强化学习的研究领域。作为一种崭新的机器学习方法,深度强化学习同时具有感知复杂输入和求解最优策略的能力,可以应用于机器人控制等复杂决策问题。稀疏奖励问题是深度强化学习在解决任务中面临的核心问题,在实际应用中广泛存在。解决稀疏奖励问题有利于提升样本的利用效率,提高最优策略的水平,推动深度强化学习在实际任务中的广泛应用。文中首先对深度强化学习的核心算法进行阐述;然后介绍稀疏奖励问题的5种解决方案,包括奖励设计与学习、经验回放机制、探索与利用、多目标学习和辅助任务等;最后对相关研究工作进行总结和展望。 展开更多
关键词 深度强化学习 深度学习 强化学习 稀疏奖励 人工智能
在线阅读 免费下载
多智能体深度强化学习研究综述 认领
6
作者 孙彧 曹雷 +2 位作者 陈希亮 徐志雄 赖俊 《计算机工程与应用》 CSCD 北大核心 2020年第5期13-24,共12页
多智能体深度强化学习是机器学习领域的一个新兴的研究热点和应用方向,涵盖众多算法、规则、框架,并广泛应用于自动驾驶、能源分配、编队控制、航迹规划、路由规划、社会难题等现实领域,具有极高的研究价值和意义。对多智能体深度强化... 多智能体深度强化学习是机器学习领域的一个新兴的研究热点和应用方向,涵盖众多算法、规则、框架,并广泛应用于自动驾驶、能源分配、编队控制、航迹规划、路由规划、社会难题等现实领域,具有极高的研究价值和意义。对多智能体深度强化学习的基本理论、发展历程进行简要的概念介绍;按照无关联型、通信规则型、互相合作型和建模学习型4种分类方式阐述了现有的经典算法;对多智能体深度强化学习算法的实际应用进行了综述,并简单罗列了多智能体深度强化学习的现有测试平台;总结了多智能体深度强化学习在理论、算法和应用方面面临的挑战和未来的发展方向。 展开更多
关键词 强化学习 深度学习 多智能体系统 多智能体深度强化学习
在线阅读 下载PDF
改进的和积网络自动编码器及短文本情感分析应用 认领
7
作者 王生生 张航 潘彦岑 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期411-419,共9页
深度自动编码器在无监督学习及非线性特征提取过程中扮演着至关重要的角色,其在自然语言处理等领域取得了重要进展。为了提升深度自动编码器在短文本情感分析应用中的性能,本文提出了一种基于改进和积网络的深度自动编码器,重构和积网... 深度自动编码器在无监督学习及非线性特征提取过程中扮演着至关重要的角色,其在自然语言处理等领域取得了重要进展。为了提升深度自动编码器在短文本情感分析应用中的性能,本文提出了一种基于改进和积网络的深度自动编码器,重构和积网络节点层,增加输入层输出到每一个和积网络的隐藏层,提出了层次和积网络模型(层次和积网络),构造了基于层次和积网络的深度自动编码器。同时还提出了一种改变和积网络的sum节点为max节点的最大积网络(mpns)模型,并作为深度解码器。将基于层次和积网络的深度自动编码器应用于短文本情感分析。实验结果表明:基于层次和积网络的深度自动编码器相比于现有深度自动编码器在短文本情感分析领域能得到较高的分类准确率,且模型具有更快的运行速度。 展开更多
关键词 深度学习 情感分析 sum-product networks模型 深度自动编码器 特征提取 结构学习 在线学习 易处理模型
在线阅读 下载PDF
大数据驱动下学习方式变革研究 认领
8
作者 张轶辉 郑玉莲 饶先发 《黑龙江工业学院学报:综合版》 2020年第3期68-74,共7页
传统学习方式阻碍创造性思维形成、创造性人格培养、创造性人才培养。大数据驱动下学习呈现能力取向、多主体参与、多元协作交流等特点,大数据促进自主式学习、探究式学习、合作化学习进一步发展,促进深度学习、智慧学习、混合式学习的... 传统学习方式阻碍创造性思维形成、创造性人格培养、创造性人才培养。大数据驱动下学习呈现能力取向、多主体参与、多元协作交流等特点,大数据促进自主式学习、探究式学习、合作化学习进一步发展,促进深度学习、智慧学习、混合式学习的流行。 展开更多
关键词 预测性思维 深度学习 探究式学习 混合式学习 智慧学习
在线阅读 下载PDF
标签噪声鲁棒学习算法研究综述 认领
9
作者 宫辰 张闯 王启舟 《航空兵器》 CSCD 北大核心 2020年第3期20-26,共7页
在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对... 在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对训练数据的采集。不幸的是,这些替代方法获取的数据往往存在大量的错误标注,即标签噪声,由此带来了很多潜在的问题。因此,对标签噪声鲁棒学习算法的研究,在推广机器学习工程应用、降低机器学习算法部署成本方面具有重要的意义。本文对标签噪声鲁棒学习算法的最新研究成果进展进行了全面综述,分别从标签噪声的产生、影响、分类等方面进行了详细的总结,对每类标签噪声的处理方法进行了介绍,并对每类处理方法的优缺点进行分析。 展开更多
关键词 人工智能 机器学习 弱监督学习 标签噪声 深度学习 鲁棒学习算法
在线阅读 下载PDF
多模态学习方法综述 认领
10
作者 陈鹏 李擎 +3 位作者 张德政 杨宇航 蔡铮 陆子怡 《工程科学学报》 EI CSCD 北大核心 2020年第5期557-569,共13页
大数据是多源异构的.在信息技术飞速发展的今天,多模态数据已成为近来数据资源的主要形式.研究多模态学习方法,赋予计算机理解多源异构海量数据的能力具有重要价值.本文归纳了多模态的定义与多模态学习的基本任务,介绍了多模态学习的认... 大数据是多源异构的.在信息技术飞速发展的今天,多模态数据已成为近来数据资源的主要形式.研究多模态学习方法,赋予计算机理解多源异构海量数据的能力具有重要价值.本文归纳了多模态的定义与多模态学习的基本任务,介绍了多模态学习的认知机理与发展过程.在此基础上,重点综述了多模态统计学习方法与深度学习方法.此外,本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术.本文总结了多模态学习的主要形式,并对未来可能的研究方向进行思考与展望. 展开更多
关键词 多模态学习 统计学习 深度学习 对抗学习 特征表示
在线阅读 下载PDF
纵向数学化:促进学生的深度学习 认领
11
作者 许旭红 《成才之路》 2020年第19期84-85,共2页
"数学化"包括"横向数学化"和"纵向数学化"。"纵向数学化"强调在数学世界中进行符号生成、重塑和使用,能够促使学生的数学学习从低阶迈向高阶,促进学生的数学深度学习。教师在数学教学中运用&qu... "数学化"包括"横向数学化"和"纵向数学化"。"纵向数学化"强调在数学世界中进行符号生成、重塑和使用,能够促使学生的数学学习从低阶迈向高阶,促进学生的数学深度学习。教师在数学教学中运用"纵向数学化"理论,可以促进学生的本质性学习、结构性学习和反思性学习。 展开更多
关键词 小学数学 纵向数学化 深度学习 本质性学习 结构性学习 反思性学习
在线阅读 下载PDF
深度学习在图像自动标注中的应用初探 认领
12
作者 魏珺洁 《智能计算机与应用》 2020年第3期111-113,118,共4页
近几年,随着人工智能深度学习的不断发展,计算机视觉领域也逐渐发展扩大,先后出现了图像检索、图像自动标注等新的研究方向。最初为支持图像检索而逐渐兴起的图像自动标注技术,可以在一定程度上跨越"语义鸿沟",让计算机自动... 近几年,随着人工智能深度学习的不断发展,计算机视觉领域也逐渐发展扩大,先后出现了图像检索、图像自动标注等新的研究方向。最初为支持图像检索而逐渐兴起的图像自动标注技术,可以在一定程度上跨越"语义鸿沟",让计算机自动给图像加上能够反映图像内容的语义描述,从而减少人工标注成本。深度学习作为人工智能领域的新技术,其复杂的神经网络结构能够在学习到图像特征后快速输出结果,如果将深度学习应用于图像自动标注,将大大节约人工标注时间,降低人工标注成本。文章为探究深度学习在图像自动标注上的可行性,将以作者的生活照为样本数据,使用深度卷积神经网络与深度循环神经网络进行图像处理,最后输出图像的文字描述。 展开更多
关键词 深度学习 深度卷积神经网络 深度循环神经网络 图像自动标注
在线阅读 免费下载
基于Deep-LSTM的通信信号调制识别算法 认领
13
作者 邹海英 《现代计算机》 2020年第16期3-7,共5页
针对基于统计模式的调制识别算法存在特征提取困难和识别率低的问题,提出一种深度长短期记忆网络(Deep-LSTM)的通信信号调制识别算法.该算法构造一个四级级联LSTM的深度网络,首先通过第一层LSTM提取I/Q两路数据的调制特征,后三层LSTM对... 针对基于统计模式的调制识别算法存在特征提取困难和识别率低的问题,提出一种深度长短期记忆网络(Deep-LSTM)的通信信号调制识别算法.该算法构造一个四级级联LSTM的深度网络,首先通过第一层LSTM提取I/Q两路数据的调制特征,后三层LSTM对前一层提取的特征进行进一步提取;接着全连接层对特征进行加权处理;最后通过Softmax层判决输出.使用GNU Radio生成的RML2016.10b数据集对Deep-LSTM算法进行验证,仿真结果表明,在SNR≥5dB时,平均识别准确率达到95%. 展开更多
关键词 调制识别 深度学习 Deep-LSTM Softmax
在线阅读 免费下载
Malware Detection for Forensic Memory Using Deep Recurrent Neural Networks 认领
14
作者 Ioannis Karamitsos Aishwarya Afzulpurkar Theodore B. Trafalis 《信息安全(英文)》 2020年第2期103-120,共18页
Memory forensics is a young but fast-growing area of research and a promising one for the field of computer forensics. The learned model is proposed to reside in an isolated core with strict communication restrictions... Memory forensics is a young but fast-growing area of research and a promising one for the field of computer forensics. The learned model is proposed to reside in an isolated core with strict communication restrictions to achieve incorruptibility as well as efficiency, therefore providing a probabilistic memory-level view of the system that is consistent with the user-level view. The lower level memory blocks are constructed using primary block sequences of varying sizes that are fed as input into Long-Short Term Memory (LSTM) models. Four configurations of the LSTM model are explored by adding bi- directionality as well as attention. Assembly level data from 50 Windows portable executable (PE) files are extracted, and basic blocks are constructed using the IDA Disassembler toolkit. The results show that longer primary block sequences result in richer LSTM hidden layer representations. The hidden states are fed as features into Max pooling layers or Attention layers, depending on the configuration being tested, and the final classification is performed using Logistic Regression with a single hidden layer. The bidirectional LSTM with Attention proved to be the best model, used on basic block sequences of size 29. The differences between the model’s ROC curves indicate a strong reliance on the lower level, instructional features, as opposed to metadata or string features. 展开更多
关键词 BiLSTM DEEP LEARNING Forensic MEMORY LSTM RNN
在线阅读 免费下载
基于卷积神经网络和迁移学习的花卉图像分类 认领
15
作者 张秋颖 金雪松 《哈尔滨商业大学学报:自然科学版》 CAS 2020年第3期323-327,共5页
花卉分类在研究中具有重要的研究价值和应用价值.针对花卉数据集缺少和分类精度低的问题,整理一个花卉数据集并使用卷积神经网络(Convolutional Neural Network,CNN)对数据集分类.传统分类方法多为提取花卉图像的颜色特征、纹理特征和... 花卉分类在研究中具有重要的研究价值和应用价值.针对花卉数据集缺少和分类精度低的问题,整理一个花卉数据集并使用卷积神经网络(Convolutional Neural Network,CNN)对数据集分类.传统分类方法多为提取花卉图像的颜色特征、纹理特征和形状特征,手动提取特征存在特征选择困难和特征提取不充分的问题.使用多种卷积神经网络自动提取花卉图像高级特征,采用迁移学习的方式训练网络.结果表明,卷积神经网络可以提取更丰富的特征,相对传统分类方法可以大幅度的提升准确率. 展开更多
关键词 花卉分类 深度学习 卷积神经网络 迁移学习 深度特征 数据增强
在线阅读 下载PDF
深度学习在软件定义网络研究中的应用综述 认领
16
作者 杨洋 吕光宏 +1 位作者 赵会 李鹏飞 《软件学报》 EI CSCD 北大核心 2020年第7期2184-2204,共21页
数据转发与控制分离的软件定义网络(softwaredefinednetworking,简称SDN)是对传统网络架构的彻底颠覆,为网络各方面的研究引入了新的机遇和挑战.随着传统网络研究方法在SDN中遭遇瓶颈,基于深度学习的方法被引入到SDN的研究中,在实现实... 数据转发与控制分离的软件定义网络(softwaredefinednetworking,简称SDN)是对传统网络架构的彻底颠覆,为网络各方面的研究引入了新的机遇和挑战.随着传统网络研究方法在SDN中遭遇瓶颈,基于深度学习的方法被引入到SDN的研究中,在实现实时智能的网络管控上成果颇丰,推动了SDN研究的深入发展.调查了深度学习开发平台,训练数据集、智能SDN架构等深度学习引入SDN的促进因素;对智能路由、入侵检测、流量感知和其他应用等SDN研究领域中的深度学习应用进行系统的介绍,深入分析了现有深度学习应用的特点和不足;最后展望了SDN未来的研究方向与趋势. 展开更多
关键词 软件定义网络 深度学习 深度强化学习 促进因素 应用调查
在线阅读 下载PDF
人工智能技术在电网调控中的应用研究 认领 被引量:3
17
作者 范士雄 李立新 +3 位作者 王松岩 刘幸蔚 於益军 郝博文 《电网技术》 EI CSCD 北大核心 2020年第2期401-411,共11页
近年来,以深度学习为代表的先进人工智能技术促进了各行业的智能化发展。电网调控作为人工智能技术应用的重要领域之一,亟需借鉴互联网思维,充分利用人工智能技术,进一步提升电网调控业务的智能化水平。分析总结了人工智能技术的发展脉... 近年来,以深度学习为代表的先进人工智能技术促进了各行业的智能化发展。电网调控作为人工智能技术应用的重要领域之一,亟需借鉴互联网思维,充分利用人工智能技术,进一步提升电网调控业务的智能化水平。分析总结了人工智能技术的发展脉络,重点介绍了引发新一代人工智能技术大跨越的深度学习技术。聚焦大电网调控领域,论述了其对人工智能技术的需求分析。在此基础上,分析了人工智能技术在电网故障辨识、负荷预测、电网智能辅助决策和人机交互应用等方面的典型应用场景。最后通过电网故障辨识算例,进行了深度学习技术在电网调控应用的探索,可为调控业务智能化研究与发展提供有益的参考和借鉴。 展开更多
关键词 电网调控 人工智能 深度学习 深度强化学习 态势感知 故障诊断
导向深度学习:高校课堂教学改革的路径 认领 被引量:2
18
作者 黎琼锋 《现代教育管理》 CSSCI 北大核心 2020年第3期97-102,共6页
课堂教学是高校人才培养的重要环节。网络时代的高校课堂教学面临着巨大挑战,传统教学方式逐渐失去魅力,但学生的学习并未随技术发展而自然走向深度。网络时代的课堂,学生出现了对技术的依赖性和学习浅层性的特征。要全面提高人才培养质... 课堂教学是高校人才培养的重要环节。网络时代的高校课堂教学面临着巨大挑战,传统教学方式逐渐失去魅力,但学生的学习并未随技术发展而自然走向深度。网络时代的课堂,学生出现了对技术的依赖性和学习浅层性的特征。要全面提高人才培养质量,必须将学生导向深度学习。大学生的深度学习是相对于表层学习和浅层学习而言更高层次的学习,这种学习并非自然而然地发生,而是一种水到渠成的结果。深度学习具备整体性、深入性以及实践性的特征。高校课堂教学改革的实施路径,要通过教师的深度教学引导学生深度学习,通过合理"增负"让学生化压力为动力,而"以学生为中心"构建学习共同体是导向深度学习的关键。 展开更多
关键词 课堂 深度学习 教学智慧 深度教学 学习共同体
在线阅读 下载PDF
一种运算和数据协同优化的深度学习编译框架 认领
19
作者 吴林阳 杜伟健 +1 位作者 陈小兵 庄毅敏 《高技术通讯》 EI CAS 北大核心 2020年第2期120-125,共6页
近年来,深度学习算法和深度学习处理器已被广泛应用于工业界,如何从软件层面充分挖掘深度学习处理器的性能成为目前编译器领域研究的热点和难点。现有的深度学习编译框架更侧重于对程序的运算部分进行优化,对数据的优化非常有限,这并不... 近年来,深度学习算法和深度学习处理器已被广泛应用于工业界,如何从软件层面充分挖掘深度学习处理器的性能成为目前编译器领域研究的热点和难点。现有的深度学习编译框架更侧重于对程序的运算部分进行优化,对数据的优化非常有限,这并不能发挥深度学习处理器的峰值性能。本文分析了深度学习算法和硬件平台的特点,提出一种运算和数据协同优化的深度学习编译框架CDUCA,它包含计算图引擎、代码生成器、数据优化器3个不同层次的组件,在多个层次对运算和数据进行协同优化,最终生成高效的可部署模型。本文在现场可编程门阵列(FPGA)平台上评估了CDUCA,实验结果表明,对于典型的深度学习应用,CDUCA生成的模型性能能达到手工优化模型性能的86.5%。 展开更多
关键词 深度学习 深度学习处理器 编译器 编译优化
在线阅读 下载PDF
Creating a Dataset to Boost Civil Engineering Deep Learning Research and Application 认领
20
作者 Murad Al Qurishee Weidong Wu +3 位作者 Babatunde Atolagbe Joseph Owino Ignatius Fomunung Mbakisya Onyango 《工程(英文)(1947-3931)》 2020年第3期151-165,共15页
With cutting edge deep learning breakthrough, numerous innovations in many fields including civil engineering are stimulated. However, a fundamental issue that civil engineering research community currently facing is ... With cutting edge deep learning breakthrough, numerous innovations in many fields including civil engineering are stimulated. However, a fundamental issue that civil engineering research community currently facing is lack of a publicly available, free, quality-controlled and human-annotated large dataset that supports and drives civil engineering deep learning research and applications on such as intelligent transportation including connected vehicle, structural health monitoring, and bridge inspection. This paper is a general discussion about demanding needs and construction of a long-anticipated dataset for researchers and engineers in civil engineering and beyond for providing critical training, testing and benchmarking data. The establishment of such a free dataset will remove a major hurdle and boost deep learning research in civil engineering and we hope this work will urge researchers, engineers, government agencies and even computer scientists to work together to start building such datasets. A framework has been developed for the proposed database. Also, some pilot study databases were developed for concrete crack detection, pavement crack detection using normal and infrared thermography, as well as pedestrian and bicyclist detection. A convolution neural network model called Faster RCNN was deployed to check the detection accuracy and a 98% detection accuracy of the proposed datasets was obtained. 展开更多
关键词 DATASET DEEP LEARNING AI CIVIL Engineering ITS TRANSPORTATION
在线阅读 免费下载
上一页 1 2 250 下一页 到第
使用帮助 返回顶部 意见反馈