作者:辛伟瑶,李剑,王小亮,李禹剑 单位:华东计算机技术研究所;上海计算机学会 出版:《计算机工程》2020年第09期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFJSJC2020090400 DOC编号:DOCJSJC2020090409 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于触觉图像序列的三维规则物体识别方法》PDF+DOC1993年第02期 贾云得,李科杰,石庚辰 《发明与专利》PDF+DOC2015年第02期 《一种QPSO的地下浅层震源定位方法》PDF+DOC2020年第01期 贺铭,苏新彦,李剑 《基于阵列分析的传感器布设效果研究》PDF+DOC2019年第07期 朱自强,吴顺川,刘洋 《流化床物料密度分布可视化研究》PDF+DOC2001年第05期 王燕玲,刘丽红 《硅微选频振动传感器阵列》PDF+DOC1997年第06期 温志渝,江永清,蒋子平,胡松 《微震监测技术在大岗山水电站右岸边坡中的应用》PDF+DOC2010年第S1期 徐奴文,唐春安,吴思浩,李桂林,杨菊英,陈冰 《三维阵列式测量技术(英文)》PDF+DOC2009年第03期 李崇香,李静,张臣发,刘艳霞,田野,马艳丽 《新型柔性触觉传感器阵列结构设计及仿真研究》PDF+DOC2008年第11期 黄英,黄攀峰,王磊,明小慧,葛运键 《无需预先测速的长方体监测网络声发射源三维解析定位方法(英文)》PDF+DOC2015年第01期 董陇军,李夕兵,周子龙,陈光辉,马举
  • 针对地下能量场聚焦模型中能量聚焦点无法有效识别的问题,在深度学习的基础上,提出一种地下浅层震源定位方法。利用逆时振幅叠加的方法将传感器阵列获取的震动数据逆时重建为三维能量场图像样本序列,并将其作为深度学习网络的输入数据。采用3D-CNN模型搭建深度学习网络框架,在前期训练时将已知震源坐标作为输入标签,且将获取的数据和标签输入到网络中进行训练测试,形成三维能量场到震源坐标的端到端学习模型,并输出聚焦点坐标,即震源坐标。实验结果表明,该方法能够有效识别能量场聚焦点,适用于地下浅层震源定位领域。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。