您现在的位置: 首页> 研究主题> 拾取

拾取

拾取的相关文献在1986年到2023年内共计8554篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、中国文学 等领域,其中期刊论文175篇、会议论文1篇、专利文献90369篇;相关期刊139种,包括语文知识、物探与化探、黑龙江科技信息等; 相关会议1种,包括全国第13届计算机辅助设计与图形学学术会议暨全国第16届计算机科学与技术应用学术会议等;拾取的相关文献由10733位作者贡献,包括刘长勋、李哲雨、郑钟三等。

拾取—发文量

期刊论文>

论文:175 占比:0.19%

会议论文>

论文:1 占比:0.00%

专利文献>

论文:90369 占比:99.81%

总计:90545篇

拾取—发文趋势图

拾取

-研究学者

  • 刘长勋
  • 李哲雨
  • 郑钟三
  • 木村彻
  • 金泰敬
  • 黄歆璇
  • 安荣万
  • 山崎和良
  • 朴寿韩
  • 中村健太郎
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 邓飞; 蒋沛凡; 蒋先艺; 帅鹏飞; 唐云
    • 摘要: 微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性。针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法。应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际程应用价值。
    • 摘要: 英国废料管理集团格伦顿开始使用人工智能拾取器来改进塑料垃圾的分类和回收。该公司表示,其快速拾荒器是由芬兰机器人垃圾分离技术专家ZenRobotics公司提供的,每分钟可以瞄准和拾取80件物品,回收的材料纯度高达99%。
    • 肖杭
    • 摘要: 当下,社交软件是人与人联系的重要媒介。我们发布文字与图像,记事记物,同时也透过这些照片流前的一个个镜头窥探对方生活,从信息的洪流中拾取零星的碎片,拼凑对他人模糊的认识。
    • 肖杭
    • 摘要: 当下,社交软件是人与人联系的重要媒介。我们发布文字与图像,记事记物,同时也透过这些照片流前的一个个镜头窥探对方生活,从信息的洪流中拾取零星的碎片,拼凑对他人模糊的认识。
    • 肖杭
    • 摘要: 当下,社交软件是人与人联系的重要媒介。我们发布文字与图像,记事记物,同时也透过这些照片流前的一个个镜头窥探对方生活,从信息的洪流中拾取零星的碎片,拼凑对他人模糊的认识。
    • 摘要: 春秋时期,周游列国的孔子一日去往楚国,在一片树林边,看到一个驼背老人持竿粘蝉,轻松得好似用手随意拾取一样。孔子叹道:“老人家真厉害啊,您有什么诀窍吗?”驼背老人说:“诀窍有啊。起初,我反复练习了五六个月,才能在竹竿梢头垒叠两个丸子而不落地,那时粘蝉,就很少失手了。后来垒叠三个丸子而不落地,粘蝉时,失手不过十分之一。再后来我能垒叠五个丸子,粘蝉就像用手在地上拾取一样容易,再不会有遗漏了。粘蝉时,我的身体像树桩一样纹丝不动,举竹竿的手像枯树的干枝。天地虽大,万物繁多,但我只注意看蝉翅,心中毫无二念,如此,怎会捕不到蝉呢!”
    • 肖杭
    • 摘要: 当下,社交软件是人与人联系的重要媒介。我们发布文字与图像,记事记物,同时也透过这些照片流前的一个个镜头窥探对方生活,从信息的洪流中拾取零星的碎片,拼凑对他人模糊的认识。
    • 钟媛; 胡星星; 滕云田; 陈波; 何朝博; 沈晓宇
    • 摘要: 为解决用于高密度布设的低成本MEMS烈度计集成软、硬件资源有限,且难以嵌入较为复杂算法的这一问题,基于Matlab的仿真计算,通过讨论在不同特征函数、时窗长度和短窗位置下STA/LTA值的变化趋势、拾取效果和运算时间,以选取能提高算法灵敏性、改善地震事件拾取效果和提高算法计算效率的参数,并将改进的STA/LTA算法应用于实际地震数据处理.结果表明:不同的特征函数对事件拾取率、拾取时间偏差和算法运算时间影响不同;长短时窗长度相差越大,STA/LTA值的变化越明显;时窗越长,算法运算时间越长;短窗置后可以增大STA/LTA值的变化幅度、减少算法计算量,改善算法拾取时间.改进的STA/LTA算法拾取效果更好,计算效率更高,占用内存资源更小,更适用于集成资源有限的MEMS烈度计.
    • 陈德武; 杨午阳; 魏新建; 李海山; 常德宽; 李冬
    • 摘要: 传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低.为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至.U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快.因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度.基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用.测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号