【摘 要】
：
针对胶囊图神经网络训练中得到的只有整体结构信息,并且随着层数的增加,节点的结构特征信息会丢失的问题,本文提出融合全局和局部特征的胶囊图神经网络。首先,改进了Node2vec,将节点的属性信息引入随机游走过程中,从而在生成网络表示时综合考虑了网络结构和节点的属性;然后,将改进的Node2vec引入胶囊图神经网络,设计了一个融合全局和局部特征的胶囊图神经网络。通过实验发现,本文模型在训练时的收敛速度更
论文部分内容阅读
针对胶囊图神经网络训练中得到的只有整体结构信息,并且随着层数的增加,节点的结构特征信息会丢失的问题,本文提出融合全局和局部特征的胶囊图神经网络。首先,改进了Node2vec,将节点的属性信息引入随机游走过程中,从而在生成网络表示时综合考虑了网络结构和节点的属性;然后,将改进的Node2vec引入胶囊图神经网络,设计了一个融合全局和局部特征的胶囊图神经网络。通过实验发现,本文模型在训练时的收敛速度更快,在图分类任务上的准确率有所提高。
其他文献
法国和美国将于1990—1992年联合调查大西洋中脊.法、美几个机构的科学家们将利用船和潜艇在洋脊海域调查洋底的构造、动力和成分;热液流的循环和扩散;热液喷发口附近的生物群;以及金属矿床。该计划是美-法在东太平洋海隆上工作的继续。两国的工作组在1988年将完成科学计划和组织计划,并将考虑其它国家科学家参加研究的可能性。
为获得浅水域地震数据而特殊设计和制造的新的租赁调查船——"Geo Tide"海洋调查船已加入到Digicon地球物理调查船队。船上装有240道海上浮缆系统,可在水深3米处操作,它的压缩机可使用容积达0.066立方米的气枪组合。该调查船的首次合同是1987年初在巴哈马群岛近岸进行浅水域地震数据采集。
功率最大的海上地震调查船之一——"Mobil Search"调查船最近被石油专业研究队租用,目的是为在北海采集1500测线-公里的深部地震反射数据.British Institutions Reflection Profiling Syndicate (BIRPS)两星期计划的目的是调查约80公里深度的地壳和上地幔的性质,希望能得到反映北海盆演化和发育的比较好的地震剖面图。
海洋地质调查局所属的中国地质工程公司上海公司承包的英国克拉夫石油公司的苏北南黄海24/16区块地震调查项目于1988年2月中旬全部完成。这个项目包括从水深调查、地震采集到资科处理等一系列的配套服务项目,它是该公司成立以来以自已的技术力量所承担的一个最大的对外承包项目。
▲台湾海峡曾经是陆地据国家海洋局第三海洋研究所"台湾海峡西部海域综合调查",约在100万年以前,台湾海峡曾经是连接大陆与台湾的陆地,后经新构造运动和冰川性海面升降方被海水淹没。▲一种天然无机肥料——海绿石海绿石除了含有一定量的钾外,还含有Mg、
如果把印度洋的水全部排干,则会展示出一座倒"Y"形的山脉地形特征,一条巨大的裂缝纵贯该山脉中央部位。这座海底山脉的主干起于阿曼湾,在与马达加斯加岛南端平行的纬线上某个地方分别向东、西分成两条支脉。向西岔出的支脉(即西南印度洋洋脊)连续呈环状弯曲直到最终与大西洋中的另一山系相连接。这些海底山脉被称为洋中脊体系,是海底扩张作用的场所,在那里将巨大的地壳板块推开。地幔深处的物质通过纵贯山脉中央的裂缝涌出
据《日本工业新闻》报道,日本海洋科学技术中心决定:从1988年开始建造世界上第一台10000米深海无人探测器。该探测器将配合6000米深潜器进行深海调查工作。探测器上装有照明灯、摄像机和机械手,由海面上的工作母船进行控制和操作,它可以长时间地进行深海底作业。据介绍,这个探测器主要用于深海矿物资源和生物资源的调查,还可以在潜水艇失事时进行救护工作。该探测器预计在1991年建成,总投资为40亿日元。
日本海洋科学技术中心最近研制成可潜入深海的"海豚-3K"无人探测器及其辅助装置。这种小型无人深海探测器长3米、高2米,由海面上工作母船通过光导纤维电缆遥控,可在3300米深海潜航约2小时。世界第一艘游览潜水艇"亚特兰蒂斯"号,不久前在加勒比海的大开曼岛开始运营航行。这艘潜艇长16米,可乘载2位船员和28名旅客。该艇可在水中潜行一个半小时,而舱内储备的氧气可供全部人员使用72小时。12只大功率的探照
在汽车主动安全性能的研究背景下,对目标检测算法Faster R-CNN(Faster Region-Convolutional Neural Networks)进行改进,并将其应用于交通标志的检测。为此,提出一种多尺度卷积核的ResNeXt模型来设计检测算法的基础网络,并在此基础上采用多维特征融合的策略来满足交通标志小目标检测的需求。针对Faster R-CNN中的区域建议网络(RPN),通过拟合
红外和可见光图像块匹配在视觉导航和目标识别等任务中有着广泛的应用。由于红外和可见光传感器有不同的成像原理,红外和可见光图像块匹配更加具有挑战。深度学习在可见光领域图像的块匹配上取得了很好的性能,但是它们很少涉及到红外和可见光的图像块。文中提出了一种基于卷积神经网络的红外和可见光的图像块匹配网络。此网络由特征提取和特征匹配两部分组成。在特征提取过程中,使用对比和三重损失函数能够最大化不同类的图像块的