点击切换搜索课件文库搜索结果(990)
文档格式:PDF 文档大小:5.33MB 文档页数:84
锦州医科大学:《口腔解剖生理学》课程教学课件(讲稿)第五章 口腔颌面颈部局部解剖 第二节 面部局部解剖
文档格式:PDF 文档大小:4.59MB 文档页数:78
锦州医科大学:《口腔解剖生理学》课程教学课件(讲稿)第五章 口腔颌面颈部局部解剖 第一节 口腔局部解剖
文档格式:PDF 文档大小:5.95MB 文档页数:8
轧件发生局部变形是楔横轧的主要工艺特征,尤其小断面收缩率轧件轴向流动能力弱,内外变形差异显著导致楔横轧成形困难.除了容易产生心部破坏缺陷,在轧件表层一定范围内出现的螺旋组织缺陷,也会降低产品的机械性能.本文通过轧制实验,展示出轧件螺旋组织缺陷宏观上呈现为车削后在表层一定深度范围内沿展宽螺旋线分布的亮带,微观上由轧件表面折叠向内部延伸呈带状分布的组织形态.结合有限元数值模拟方法研究了缺陷产生的主要原因,发现由于成形区的金属发生沿展宽负向的金属流动,导致轧件形成沿展宽螺旋线分布的表面折叠和小轴向应变带.同时,螺旋带附近较大的径向压缩使轧件由表面向内部沿折叠裂纹方向组织具有方向性.采用对模具楔尖倒圆角局部改善金属沿负展宽方向的轴向流动,可以既消除表层螺旋组织缺陷,又避免轧件心部损伤风险,使成形质量满足使用要求.经实验验证,确定了模具楔尖圆角的最优取值
文档格式:PPTX 文档大小:1.45MB 文档页数:22
《大学文科数学》课程PPT教学课件(微积分)第三章 变量变化速度与局部改变量估值问题——导数与微分 3-3 局部改变量的估值问题微分及其运算
文档格式:PPTX 文档大小:1.02MB 文档页数:32
《大学文科数学》课程PPT教学课件(微积分)第三章 变量变化速度与局部改变量估值问题——导数与微分 3-1 函数的局部变化率——导数
文档格式:PDF 文档大小:14.69MB 文档页数:79
1:高压电力设备局部放电检测与评估技术 2:变电站站域局部放电检测与定位技术 放电有害性 放电有益性 5:低温等离子体的基础研究 6:低温等离子体的多领域应用 高压电力设备—>检测评估放电 3:脉冲功率装置沿面放电机理及耐电特性提升 4:高功率微波介质窗沿面击穿机理及耐电特性提升 特种电气装备—>抑制放电发生 —>利用放电等离子体
文档格式:PDF 文档大小:822.15KB 文档页数:10
宫颈癌是严重危害妇女健康的恶性肿瘤,威胁着女性的生命,而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来,随着以深度学习为代表的机器学习理论的发展,卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破,被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点,且其大多数局部区域内都不含有细胞簇,深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时,经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时,大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长,严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略,针对使用膜式法获得的病理细胞图像,通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞,若出现则进一步使用单阶段的目标检测方法进行分析,从而快速对异常细胞进行精确定位和识别。实验表明,本文提出的方法可提高一倍的宫颈癌异常细胞检测速度
文档格式:DOC 文档大小:274.5KB 文档页数:48
第一章 绪论 第二章 牙体解剖生理学 第三章 牙列、 与颌位 第四章 颌面部骨 第五章 颞下颌关节 第六章 口腔颅面颈部肌 第七章 唾液腺 第八章 面颈部血管 第九章 面颈部淋巴结和淋巴管 第十章 口腔面颈部神经 第十一章 口腔局部解剖 第十二章 面颈部局部解剖 第十五章 口腔功能 第三章 牙列、牙合与下颌运动参考答案 第十章 口腔颌面颈部神经
文档格式:DOC 文档大小:468KB 文档页数:51
第四章 颌面部骨 第七章 唾液腺 salivary gland 第五章 颞下颌关节 第六章 口腔颅面颈部肌 第八章 面颈部血管 第九章 面颈部淋巴结和淋巴管 第十章 口腔颌面颈部神经 第十章 口腔颌面颈部神经(nerves of the head and neck) 第十一章 口腔局部解剖 第十二章面颈部局部解剖
文档格式:PDF 文档大小:1.19MB 文档页数:10
针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题,提出了一种基于群体智能优化的多核学习支持向量机算法。首先,研究了五种单核函数对支持向量机分类性能的影响,进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法;其次,为增加粒子多样性及快速寻优,将粒子群优化算法引入了遗传算法中的杂交操作,并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后,分别采用深度特征与手工特征作为识别算法的输入,研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入,以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试,进一步为了验证所提算法的泛化能力,选取公开数据集LUNA16进行测试。实验结果表明,本文算法易于跳出局部最优解,提升了算法的学习能力与泛化能力,具有较优的分类性能
首页上页1314151617181920下页末页
热门关键字
搜索一下,找到相关课件或文库资源 990 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有