基于卷积神经网络优化的液压管路卡箍松动识别研究开题报告

 2022-01-07 21:13:16

全文总字数:6159字

1. 研究目的与意义(文献综述)

1.1 研究目的及意义

随着互联网时代信息技术的飞速发展,深度学习技术也在不断发展,且广泛用于于图 像识别,语音识别,视频分析,文本分析和大数据分析等领域。深度学习作为当前互联网技术的热潮,许多著名的大型科技公司如:谷歌,苹果,微软,百度,腾讯,阿里巴巴等纷纷第一时间成立了自己聚焦深度学习的人工智能研究院或研究机构。同时也吸引了大批专家,学者的关注,是当今的研究热点和难点。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

本文通过研究卷积神经网络模型的基本原理,在对相关算法分析总结的基础上,结合现有研究成果在管道卡箍松动识别上,从结构优化的角度出发,采用并行结构的多尺度卷积层与优化后的池化层,使模型在卡箍松动程度识别上取得良好的效果。论文内容具体安排如下:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

第1-3周:查阅相关文献资料,明确研究内容,了解研究所需理论基础。确定方案,完成开题报告。

第4-5周:熟悉掌握基本理论,完成英文资料的翻译。

第6-9周:编程实现系统设计,并进行测试分析。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

  1. 田启川,王满丽.深度学习算法研究进展.计算机工程与应用,2019,55(22).

  2. 周飞燕,金林鹏,董军.卷积神经网络研究综述[j].计算机学报,2017,40(06):1229-1251.

  3. 张文风,周俊.基于dropout cnn的滚动轴承故障诊断研究[j].轻工机械,2019,37(02):62-67.

    剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。