排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
基于Deep Learning网络态势感知建模方法研究 总被引:1,自引:0,他引:1
网络组织和生长方式多变,现代网络呈拓扑结构复杂化、网络设备异构、信息交互频繁等特征,增加网络态势分析与决策难度,需加强对网络态势感知分析的研究,通过与BP神经网络比较进行深度学习网络态势研究,结果表明,深度学习较BP神经网络在网络态势感知方面有较大优越性。 相似文献
3.
4.
基于Deep Learning网络态势感知建模方法研究 总被引:3,自引:0,他引:3
网络组织和生长方式多变,现代网络呈拓扑结构复杂化、网络设备异构、信息交互频繁等特征,增加网络态势分析与决策难度,需加强对网络态势感知分析的研究,通过与BP神经网络比较进行深度学习网络态势研究,结果表明,深度学习较BP神经网络在网络态势感知方面有较大优越性. 相似文献
5.
传统农药施药方式大多依靠人工经验识别单位种植面积内作物的主要病虫草害并针对该症状均匀连续喷洒农药。该方法难以根据作物的不同病虫草害种类和严重程度及时调整农药种类及用量,可能会导致不足或过量用药,喷洒在非症状区域的农药还会对生态环境造成污染。精准施药技术在平衡使用农药与保护生态安全之间给出了一种有效的解决方案,值得大力推广。近年来,人工智能技术的发展推动了精准施药相关研究。为进一步总结人工智能在农药精准施药关键技术中的应用进展,探索人工智能在农药精准施药未来发展方向,本文分析了人工智能在农药精准施药关键技术领域的应用现状,并展望了人工智能在农药精准施药应用中的发展趋势。 相似文献
1