受ISO的委托，何克清教授团队负责研制了语义互操作性治理的ISOIEC 19763-5789四个标准的系列，2015年已由ISO正式颁布执行，覆盖从元数据到软件模型服务的语义互操作性治理与管理，能促进17种异构模型资源之间的相互理解和部分语义互操作性协作服务。 ...
它利用深层卷积模拟了人类视觉感知机制中的分层感知和局部感受野，来处理一些非结构化的数据，并以一种端到端的方式集成低、中、高不同层次的特征，从而获得丰富的特征信息，提升遥感图像语义分割的准确度。卷积神经网络的基本结构一般包括数据输入层、卷积层、池化层、全连接层以及输出层，其基本的模型框架如图3所示。 图3 卷积神经网络的基本模型框架●HSCNNHSCNN是一种统一的深度学习框架。...
而本次先介绍了前半部分的 "准备工作"，即有机反应数据的获取与数据预处理，这些都是为下游任务奠定基础的重要环节，尤其是 IBM 擅长使用 Transformer 框架的深度学习模型，数据的数量与质量往往决定了效果的好坏。因此对于化学信息学的类似问题，我们也应当有所借鉴学习，不仅要重视数据的获取，还应注意数据的前期分析与处理，才能让模型表现更上一层楼。...
Green和Graige提出的对数剩余纠正公式如下：lg（Rij）=lg（DNij）-lg（aveDNi）+lg（DNi）+lg（DNg）（2-3-1）这里Rij是第i波段、第j个像元的剩余值；DNij是第i波段、第j个像元的亮度值；DNi是第i波段所有像元数据的平均值；DNj是第j像元在所有波段上数据的均值；DNg是所有波段及所有像元的均值。该方法完全基于图像本身特征，不需要野外地物光谱测量。...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证：京ICP证110310号