學(xué)報(bào)自然科學(xué)寫作模板_第1頁
學(xué)報(bào)自然科學(xué)寫作模板_第2頁
學(xué)報(bào)自然科學(xué)寫作模板_第3頁
學(xué)報(bào)自然科學(xué)寫作模板_第4頁
學(xué)報(bào)自然科學(xué)寫作模板_第5頁
已閱讀5頁,還剩5頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

ToaddressthechallengesofthelackofnonlinearityaninformationoftheDRPEalgorithm,makingitmoresuitableforcompleximageOurproposedmethodisbasedontheideaofcombinfunctions.Specifically,weusethreeseparatenetwork(CNN)forfeatureextraction,arecurrentneuralnetwork(RNN)forsequenceprocessing,connectedneuralnetwork(FNN)forfinalclassification.Eachofthesenetworksisdactivationfunction,suchasoverallperformanceofthesystem.featuresfromtheinputimages.TheCNN-basednetworkextractshigh-lconvolutionaloperations,whiletheRNN-baseddependencies.TheFNN-basednetworktakestheextractedfeaturesandproducesthefinaExperimentalresultsdemonstratethatourproposofbothaccuracyandwhilemaintainingareasonablecomputationalcost.Wealsopmethodbyanalyzingtheroleofeachnetworktypeintheoverallprocess.Insummary,ourproposedmethodaddressesthelimitationsofDRPEbycombiningmultipleneuralnetworkswithdifferentactivationfunctions.algorithm,makingitmoresuitableforcompleximaKeywords:doublerandomphaseencoding,quantumcellularneuralnetwork,chaos,FractionalFouriertransform,opticalimageencryption(英文關(guān)鍵詞的內(nèi)容和順序必須和中文關(guān)鍵詞一由于圖像數(shù)據(jù)量龐大,傳統(tǒng)的圖像加密算法的效率相對(duì)較低[1](按照引用順序排列)。1995年,1相關(guān)理論1.1分?jǐn)?shù)階混沌系統(tǒng)(下文獨(dú)立成段)先行獲取S,矩陣中最大元素并記為smax,然后將所得矩陣每個(gè)元素經(jīng)過e為底的指分?jǐn)?shù)階混沌系統(tǒng)如式(1):(公式排版請(qǐng)用mathtype)表1在PASCALVOC2012新測試集中使用不同方法的loU對(duì)比(單位:%)2算法描述pLab-A像下的Fig.1Theflowchartofsmallobjectsemanticsegme(2)每張圖片(或子圖)必須是一個(gè)完整的對(duì)象,一個(gè)獨(dú)立的圖片。3.1鉬礦體的主要分布.現(xiàn)已發(fā)現(xiàn)大小礦體19個(gè),產(chǎn)狀不規(guī)則,大體呈東西向展布,傾向北東(圖2)。重主線和輔線差異分戶2T圖2寶安鉬礦床礦區(qū)地質(zhì)簡圖(右上角圖示其在秦嶺-大別山造山帶中的位置)3.3鐵離子對(duì)MO降解動(dòng)力學(xué)影響降解過程均采用一級(jí)動(dòng)力學(xué)擬合,速率常數(shù)(min-1)如圖2所示。[Fe2+]=[Fe3+]=[Fe(A圖2不同體系中MO的降解動(dòng)力學(xué)Fig.2ThedecolorationkineticplotsofMOinthephotochemicalprocesses致謝具體內(nèi)容作者自擬參考文獻(xiàn)1.每篇論文所引用的文獻(xiàn)不少于16篇。China:ChemicallndustryPress,2005,295-300.)(論著,如中文論著的原著沒有英文信息,則只保留中文即可)Papadopoulos,S.Kompatsiaris,Y.Vakalisegmentation.NanjingUniversity(NaturalSciences),2013,49(2):169YaoYY."StratifiedRoughSetsandGranularComputing"http://DaveRN,SudkampT.18thoftheNorthAmericanFuzzyInformationProcessingSociety.NewYork,NY,US[6]Lee,YJ.andR.SVM:ReducedSupportVectorMachines.TechnicalReport.DataMiningInstitut[8]中華人民共和國國家標(biāo)準(zhǔn).織物透濕量測試方法,GB/T12704-91.(People'sRepublicofChina.Fabrics-Determinationofwatervaportransmissi

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論