【摘 要】
：
In this paper， an auxiliary-model method is proposed for calculating equivalent input seismic loads in research of ground motions. This method can be used to investigate the local effect of 3D complex
【出 处】
：
Journal of Earth Science
论文部分内容阅读
In this paper， an auxiliary-model method is proposed for calculating equivalent input seismic loads in research of ground motions. This method can be used to investigate the local effect of 3D complex sites subjected to obliquely incident SV and P wave
其他文献
眼动交互是头戴式虚拟现实(VR)/增强现实(AR)设备的关键操控方式，如何进行高精度、高鲁棒性的非标定的视线估计是当前VR/AR眼动交互的核心问题之一。高效、鲁棒的非标定视线估计，需要大量的眼图训练数据和高效的算法结构做支撑。在现有的基于深度学习的近眼视线估计方法的基础上，通过添加多任务辅助推理训练模块，增加网络结构的多阶段输出，进行多任务联合训练，在不增加视线估计测试耗时的前提下，有效提升视线估
卷积神经网络分类框架广泛使用了基于Softmax函数的交叉熵损失（Softmax损失函数），在很多领域中都取得了良好的性能．但是由于Softmax损失函数并不鼓励增大类内紧凑性和类间分离性，在一些多分类问题中，卷积神经网络学习到的判别性嵌入表示的性能难以进一步提高．为了增强嵌入表示的判别性，提出了一种基于余弦相似性的Softmax（cosine similarity-based Softmax，
甲状腺结节超声图像对比度低且斑点噪声严重，且不同病人的甲状腺结节形态差异较大，这给医生准确分割结节带来极大难度。为了精确地从超声图像中分割出甲状腺结节，本文对原掩膜区域卷积神经网络(Mask Region- Convolutional Neural Network，Mask R-CNN)的主干网络进行改进。在原主干网络的残差网络层中加入注意力机制模块来提高模型收敛性，并且在特征金字塔网络中增添一条
现有PnL(Perspective-n-Line)问题求解算法无法在获得高求解精度的同时保证高求解效率.为解决这一缺点,本文提出了EPnL算法. EPnL首先将PnL问题转换为求二次曲面方程组交点的问题,然后利用单位四元数中变量不同时为零的特性,分类参数化PnL问题中的旋转矩阵.最后,为克服常规优化方法可靠性和效率较低的问题,EPnL利用二次曲面方程组自身的结构信息,采用低次项参数化高次项的方式将
视差估计中由于边缘模糊、遮挡、低光照以及少纹理等干扰因素会产出局部困难估计区域，导致有效匹配减少，估计结果的精度降低。为此，本文提出了一种置信度辅助特征增强的视差估计网络，在基础的视差估计网络中引入置信度估计子网络，为网络估计过程中间的视差结果计算置信度，利用置信度图可知误差较低的点，增强代价空间中对应位置特征值的幅度，达到辅助特征增强的目的。增强后代价空间可恢复得到更精准的视差。在Scene F
对样本所含信息的提取能力决定网络模型进行小样本分类的效果，为了进一步模型挖掘信息的能力，提出一种结合多尺度特征与掩码图网络的小样本学习方法。首先，设计由1x1卷积、全局平均池化和跳跃连接组成的最小残差神经网络块，与卷积块拼接成特征提取器，以提取样本不同尺度的特征，并通过注意力机制将不同尺度特征融合；其次，使用融合的多尺度特征构建包含结点与边特征的图神经网络，并在其中加入一个元学习器（Meta- l
土壤团聚体对土壤的功能和质量有着重要的影响，但生物质炭施用对土壤团聚体结构的影响方已有不少报道，但结合抗性植物效应不多。为探究生物质炭基改良剂(简称“改良剂”)对土壤团聚体结构及不同根肿病抗性品种的白菜生长影响，本研究设置了改良剂和品种抗性的组合盆栽试验，按不同比例将小麦秸秆生物质炭、生石灰、腐植酸钠、玉肥复配后添加到根肿病土壤中，白菜种植90d后收获，利用湿筛法对不同粒级的团聚体含量进行综合分析
针对深度学习图像语义分割方法中存在分割精度低、损失率高的问题，提出了融合转置卷积与深度残差图像语义分割方法。首先，为了解决神经网络深度增加引起分割精度下降、收敛速度慢的问题，设计一种深度残差学习模块来提升网络的训练效率和收敛速度；然后，为了使上采样过程与特征提取过程中特征图融合精度更高，将深度残差U-net模型中UpSampling2D和转置卷积两种上采样方式进行拼接，形成新的上采样模块；最后，针
目的 对夜间雾天环境下成像设备获取的图像进行去雾和图像增强处理，以便给公安机关的图像侦查工作提供直观的侦查信息。方法 首先基于夜间大气散射物理模型，采用通道差引导的低通滤波器估计环境照度;其次使用亮通道和暗通道先验分别估算图像中光源区和非光源区的环境透射率，然后采用一种亮度感知权重的方式将二者融合得出最终的混合环境透射率;最后对夜间大气模型公式进行求解获得去雾图像。在此基础上使用CLAHE和SoG
在医学图像检测中，由于数据集经常存在每类样本数目不均衡的情况 ，使数据集样本出现长尾分布的问题，严重影检测模型的性能。本论文针对网络在训练多类别不均衡数据集中训练时出现的过拟合现象，采用重加权的方式改进原有损失函数，并用CLAHE算法对X光图像进行预处理，以突出图像的内部细节，选用ResNext50网络作为特征提取网络。论文以covid-chestxray数据集作为实验用数据集，通过实验评估了模型