首页>
根据【检索词:生成对抗网络】搜索到相关结果 10 条
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像
-
基于生成对抗网络的三维空间民航轨迹预测模型
-
作者:
曹建制
佟强
陈玉立
刘秀磊
来源:
计算机应用与软件
年份:
2024
文献类型 :
期刊
关键词:
民航轨迹
生成对抗网络
长短时记忆网络
轨迹预测
-
描述:
基于生成对抗网络的三维空间民航轨迹预测模型
-
基于生成对抗网络的半航空瞬变电磁噪声数据扩充方法
-
作者:
冯威
冯浩
肖立江
陈品明
刘东
王用鑫
周小生
孙怀凤
王震
来源:
物探与化探
年份:
2024
文献类型 :
期刊
关键词:
生成对抗网络
数据扩充
半航空瞬变电磁
实采噪声
-
描述:
半航空瞬变电磁噪声数据形式复杂,获取成本高、数据量稀缺,难以通过传统的扩充方法进行数据扩充,极大地影响了后续降噪工作的开展。针对这个问题,本研究提出了基于生成对抗网络的半航空瞬变电磁信号数据扩充方法
-
基于生成对抗网络的三维空间民航轨迹预测模型
-
作者:
曹建制
佟强
陈玉立
刘秀磊
来源:
计算机应用与软件
年份:
2024
文献类型 :
期刊
关键词:
民航轨迹
生成对抗网络
长短时记忆网络
轨迹预测
-
描述:
基于生成对抗网络的三维空间民航轨迹预测模型
-
基于生成对抗网络的半航空瞬变电磁噪声数据扩充方法
-
作者:
冯威
冯浩
肖立江
陈品明
刘东
王用鑫
周小生
孙怀凤
王震
来源:
物探与化探
年份:
2024
文献类型 :
期刊
关键词:
生成对抗网络
数据扩充
半航空瞬变电磁
实采噪声
-
描述:
半航空瞬变电磁噪声数据形式复杂,获取成本高、数据量稀缺,难以通过传统的扩充方法进行数据扩充,极大地影响了后续降噪工作的开展。针对这个问题,本研究提出了基于生成对抗网络的半航空瞬变电磁信号数据扩充方法
-
基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法
-
作者:
陈维兴
常东润
李宗帅
来源:
电子测量与仪器学报
年份:
2023
文献类型 :
期刊
关键词:
梯度惩罚项
航空发动机
条件式生成对抗网络
Wasserstein距离
剩余寿命预测
-
描述:
针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP
-
基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法
-
作者:
陈维兴
常东润
李宗帅
来源:
电子测量与仪器学报
年份:
2023
文献类型 :
期刊
关键词:
梯度惩罚项
航空发动机
条件式生成对抗网络
Wasserstein距离
剩余寿命预测
-
描述:
针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP