导读:本文包含了结构学习论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:深度,结构,节点,文本,理论,空间结构,二氧化。
结构学习论文文献综述
陈朋,任金金,王海霞,汤粤生,梁荣华[1]（2019）在《基于深度学习的真实尺度运动恢复结构方法》一文中研究指出传统的多视图几何方法获取场景结构存在两个问题:一是因图片模糊和低纹理带来的特征点误匹配,从而导致重建精度降低;二是单目相机缺少尺度信息,重建结果只能确定未知的比例因子,无法获取准确的场景结构。针对这些问题本文提出一种基于深度学习的真实尺度运动恢复结构方法。首先使用卷积神经网络获取图片的深度信息;接着为了恢复单目相机的尺度信息,引入惯性传感单元(IMU),将IMU获取的加速度和角速度与ORB-SLAM2获取的相机位姿进行时域和频域上的协同,在频域中获取单目相机的尺度信息;最后将图片的深度图和具有尺度因子的相机位姿进行融合,重建出场景的叁维结构。实验表明,使用Depth CNN网络获取的单目图像深度图解决了多层卷积池化操作输出图像分辨率低和缺少重要特征信息的问题,绝对值误差达到了0.192,准确率高达0.959;采用多传感器融合的方法,在频域上获取单目相机的尺度能够达到0.24 m的尺度误差,相比于VIORB方法获取的相机尺度精度更高;重建的叁维模型与真实大小具有0.2 m左右的误差,验证了本文方法的有效性。(本文来源于《光电工程》期刊2019年12期）
王一江,罗尧治[2]（2019）在《基于机器视觉和深度学习的空间结构球节点位移测量方法》一文中研究指出随着信号处理和计算机技术的发展,机器视觉在科学研究和工程实践中得到了广泛的应用,在土木工程领域也越来越多地用于结构的应变和位移测量.但由于空间结构形态复杂、尺度大、测量操作繁琐等原因,机器视觉在空间结构位移测量领域还存在标记点布设难度大、目标点匹配困难、图像处理过程复杂等问题.近年来,随着以深度学习为代表的人工智能技术的快速发展,图像自动分类识别问题已经取得了巨大的突破,这也为空间结构位移测量提供了新的思路.本文提出一种基于深度学习的球节点自动检测和定位方法,并利用机器视觉原理对空间结构球节点进行图像匹配和叁维重建,实现节点位移的测量.此方法可以快速对图像中所有球节点自动识别和定位,在保证精度的前提下大大减少图像处理时的工作量.通过对空间网架的球节点进行位移测量试验,验证了本方法可以完成空间结构球节点的叁维位移测量任务,提高了测量效率,在空间结构位移监测领域有良好的应用前景.(本文来源于《空间结构》期刊2019年04期）
李楠,方丽,张逸飞[3]（2019）在《学术文本结构功能深度学习识别方法的多学科对比分析》一文中研究指出[目的/意义]学术文本的结构功能识别可视为多类别文本自动分类问题,借助深度学习技术能够获得良好的自动识别性能,然而目前缺少其在不同学科适用性的对比研究。[方法/过程]选择医学、图情、数据、出版、经济5个学科方向5种期刊的6 452篇结构式摘要为基础语料,设计并实现了基于Magpie深度学习组件的学术文本结构功能识别实验,通过对比分析同一分类模型在不同学科领域实验语料上的性能表现及其影响因素,揭示机器学习方法的学科适用性规律。[结果/结论]实验结果显示,学科差异性对于机器学习效果有显着的影响,其中医学领域学术文本的结构功能识别效率明显高于其他学科,常见的学术文本功能结构框架中"方法"和"结果"的机器学习识别效果更佳。(本文来源于《现代情报》期刊2019年12期）
柴变芳,魏春丽,曹欣雨,王建岭[4]（2019）在《面向网络结构发现的批量主动学习算法》一文中研究指出网络结构发现可识别网络多类型聚类模式,但其准确率有待提升.批量主动学习选择质量高的节点集合构造先验,可提升无监督网络结构发现的性能.面向属性网络分类的主动学习BMAL(Batch Mode Active Learning)只考虑链接信息实现网络节点选择,但不能有效选择使模型性能提升至最优的节点集合,且依赖初始人工标注及参数.提出一个新的批量主动学习算法,利用目标函数的子模性迭代选择最优的节点集合.该方法基于未标记节点的不确定性和非冗余影响力选择最优节点集合,不确定性依据节点及其邻居的类隶属度,影响力依据节点的非重迭中心性,两个指标的权重依据熵权法自动确定.人工和真实网络上的实验结果表明,该方法能选择使结构发现性能提升最大的节点集合.(本文来源于《南京大学学报(自然科学)》期刊2019年06期）
姚义,王诗珂,陈希豪,林宇翩[5]（2019）在《基于深度学习的结构化图像标注研究》一文中研究指出图像标注任务是人工智能领域中将机器视觉(Computer Vision)与自然语言处理(Natural Language Processing)两大方向相结合的任务,受到学界极大的关注。本文针对目前主流的图像描述算法进行综合的研究,基于目前图像标注任务中取得优秀效果的CNN-LSTM描述生成算法,引入目前机器视觉方向上取得长足发展的目标检测框架Faster R-CNN作编码器替换CNN,使用图像区域特征输入解码器;在解码器部分的循环神经网络中使用注意力机制,进一步强化区域图像特征对解码器生成自然语言描述的贡献,从而构成从区域特征到全局描述的结构化图像标注框架。这一图像标注算法在MSCOCO数据集上进行训练与测试(分别在训练集与测试集上进行),我们提出的模型获得了超过了基线模型的效果。(本文来源于《电脑知识与技术》期刊2019年33期）
赵云凡,邓雪原,赖华辉[6]（2019）在《基于深度学习的结构构件识别方法研究》一文中研究指出近年来,BIM技术被广泛应用于既有建筑的BIM模型重建。但传统的BIM模型重建方法,如激光扫描、倾斜摄影以及手工翻模等,存在着效率低下的问题,需要花费大量的人力、物力和财力。因此,本研究提出了一种基于深度学习的构件识别方法,可从二维CAD图纸中自动识别建筑、结构或机电构件。以二维结构图纸为例,本研究所提出方法可快速有效地识别图纸中的柱和梁等结构构件,为既有建筑BIM模型的自动化重建打下坚实基础。(本文来源于《第五届全国BIM学术会议论文集》期刊2019-11-16）
周倩,王志军[7]（2019）在《学习迁移理论在软件体系结构教学中的应用》一文中研究指出针对软件体系结构教学中遇到的课程概念抽象偏理论、内容繁多且无规律、学生理解困难等问题,分析高等教育心理学中学习迁移理论的相关知识,按照教学目标、教学策略、教学实施、教学评价4个步骤,阐述学习迁移理论——相同要素在软件体系结构教学中的应用。(本文来源于《计算机教育》期刊2019年11期）
张旭东[8]（2019）在《目标结构理论下的合作学习模式建构与教学实践——以“二氧化硫性质与作用”为例》一文中研究指出一、合作学习模式的建构目标结构理论由美国社会心理学家莫顿·多伊奇于1949年提出,他基于勒温的群动力学理论从目标结构角度提出了合作与竞争的理论。这种理论依据个体互动的依赖程度,将合作方式划分为个体性、协作性、竞争性叁种结构。在个体性结构中,个体相对独立,其目标动力对同伴无利害影响;在协作性结构中个体的努力会促进他人目标的达成,而竞争性结构则相反。由此来看,这叁种结构正是课堂合作学习的叁个不同阶段和状态:(本文来源于《中学化学》期刊2019年11期）
余寒冬[9]（2019）在《分析言语结构，学习细节描写》一文中研究指出李森祥的小说《台阶》，用第一人称叙述了父亲与台阶的故事。小说围绕父亲和台阶，有许多生动传神的细节描写，这些细节或推动故事情节发展，或丰满了人物形象，或深化小说的主题。本文侧重文本的语用价值，从具体语句出发，通过分析言语结构，获得细节描写的方法。言(本文来源于《语言文字报》期刊2019-11-08）
陈怡农,韦波富[10]（2019）在《完整认知结构 实现意义学习——对几何概念教学的几点思考》一文中研究指出几何概念教学是小学数学概念教学中的重要内容。在几何概念教学中应该加强对图形知识本质属性的认识,为此可以在概念辨清、概念比较、学生操作、概念强化等环节上下功夫,让学生形成完整的认知结构,实现有意义的学习。(本文来源于《教学月刊小学版(数学)》期刊2019年10期）
结构学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着信号处理和计算机技术的发展,机器视觉在科学研究和工程实践中得到了广泛的应用,在土木工程领域也越来越多地用于结构的应变和位移测量.但由于空间结构形态复杂、尺度大、测量操作繁琐等原因,机器视觉在空间结构位移测量领域还存在标记点布设难度大、目标点匹配困难、图像处理过程复杂等问题.近年来,随着以深度学习为代表的人工智能技术的快速发展,图像自动分类识别问题已经取得了巨大的突破,这也为空间结构位移测量提供了新的思路.本文提出一种基于深度学习的球节点自动检测和定位方法,并利用机器视觉原理对空间结构球节点进行图像匹配和叁维重建,实现节点位移的测量.此方法可以快速对图像中所有球节点自动识别和定位,在保证精度的前提下大大减少图像处理时的工作量.通过对空间网架的球节点进行位移测量试验,验证了本方法可以完成空间结构球节点的叁维位移测量任务,提高了测量效率,在空间结构位移监测领域有良好的应用前景.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
结构学习论文参考文献
[1].陈朋,任金金,王海霞,汤粤生,梁荣华.基于深度学习的真实尺度运动恢复结构方法[J].光电工程.2019
[2].王一江,罗尧治.基于机器视觉和深度学习的空间结构球节点位移测量方法[J].空间结构.2019
[3].李楠,方丽,张逸飞.学术文本结构功能深度学习识别方法的多学科对比分析[J].现代情报.2019
[4].柴变芳,魏春丽,曹欣雨,王建岭.面向网络结构发现的批量主动学习算法[J].南京大学学报(自然科学).2019
[5].姚义,王诗珂,陈希豪,林宇翩.基于深度学习的结构化图像标注研究[J].电脑知识与技术.2019
[6].赵云凡,邓雪原,赖华辉.基于深度学习的结构构件识别方法研究[C].第五届全国BIM学术会议论文集.2019
[7].周倩,王志军.学习迁移理论在软件体系结构教学中的应用[J].计算机教育.2019
[8].张旭东.目标结构理论下的合作学习模式建构与教学实践——以“二氧化硫性质与作用”为例[J].中学化学.2019
[9].余寒冬.分析言语结构，学习细节描写[N].语言文字报.2019
[10].陈怡农,韦波富.完整认知结构实现意义学习——对几何概念教学的几点思考[J].教学月刊小学版(数学).2019
论文知识图
