公共文化服务平台

搜索到652篇“ SOFM“的相关文章

基于自组织映射神经网络的淮河流域生态系统服务簇时空变化特征: 2024年; 生态系统服务簇的识别是区域生态系统服务管理与优化的关键。量化了2000、2010、2020年淮河流域产水量(WY),水源涵养(WC),土壤保持(SC),生境质量(HQ),水质净化(WP),净初级生产力(NPP)和碳储量(CS)7种生态系统服务。并基于自组织映射神经网络(SOFM)识别了生态系统服务簇,探讨了生态系统服务簇的时空变化特征。结果表明:(1)2000—2020年,WP,NPP与WC呈上升趋势,WC的增幅最大;CS与HQ呈下降趋势。淮河流域各生态系统服务具有时空异质性,生态系统服务高值区多位于西南部山区与东北部丘陵山地地区。(2)识别了5个生态系统服务簇:核心生态服务簇,WP服务簇,WY服务簇,NPP服务簇与生态过渡服务簇。核心生态服务簇与生态过渡服务簇的面积总体增加,流域西南部山区与东北部丘陵山地地区生态系统服务提升,2000—2020年,WY服务簇与NPP服务簇间的转移面积较大,WY服务簇面积减少达60.09%,NPP服务簇面积显著增加,2020年占整个流域面积的57.02%。研究结果不仅有助于清晰认识淮河流域生态系统服务簇的空间分布格局及动态变化,也为探索淮河流域可持续的生态系统管理与规划决策奠定了基础。; 常耀文吴迪李欢刘霞王蕴鹏郭家瑜; 关键词：生态系统服务淮河流域

基于遗传算法优化的SOFM神经网络生成测试数据集的方法: 2024年; 智能算法正成为软件测试领域新兴研究方向,运用智能算法生成复杂软件的测试数据已成为一种广受推崇的方法。采用基于遗传算法的技术生成测试数据,能够生成满足测试覆盖要求的少量测试数据。然而,对于生成大量测试数据集的情况来说,该方法并不适用。为了能够快速生成满足测试覆盖要求的数据集,提出一种基于遗传算法优化的自组织特征映射(SOFM)神经网络生成测试数据集的方法:首先,利用遗传算法的全局搜索能力,从海量数据中筛选出少量满足测试覆盖要求的代表性数据。接着,以这些遗传算法生成的测试数据为基础,结合SOFM神经网络强大的侧向联想能力,旨在生成大量满足测试覆盖要求的测试数据集。实验结果表明,该方法有效提高了测试数据集生成的效率。; 张静于琪; 关键词：测试数据自动生成自动化测试遗传算法 SOFM神经网络

基于自组织特征映射模型(SOFM)网络的中国自然资源生态安全区划被引量：1: 2024年; 自然资源生态安全是国家安全的重要组成部分,自然资源生态安全区划对保障区域可持续发展提供了重要途径。基于自然资源数据、生态环境数据和相关区划资料,从生态敏感性与生态服务重要性角度构建了自然资源生态安全评价指标体系,进而揭示了中国自然资源生态安全的空间格局;通过建立区划的原则和指标,按照一级区主要反映自然资源空间分布格局,二级区主要揭示自然资源生态安全水平的差异,采用SOFM网络制订了中国自然资源生态安全区划方案。结果显示:(1)中国自然资源生态安全水平整体偏低,以中警与重警状态区域为主,安全和较安全状态的区域仅占24.22%,其中低安全等级区多分布于400mm等降水量线以西的干旱、半干旱区,高安全等级区则集中分布于水热资源与生物资源较为丰富的东南部地区;(2)中国自然资源生态安全区划方案包括8个一级区与27个二级区,总结归纳各大区自然资源的特征和威胁生态安全的问题,并针对二级区自然资源生态安全状况提出了对策建议。研究结果可为分区、分类推进全国自然资源可持续利用和国土空间优化提供理论支持与决策依据。; 邹易蒙吉军吴英迪魏婵娟程浩然马宇翔

依然SofM: 2024年; 2024年4月7日,越南战队GAM在VCS赛区春季赛决赛上,以3∶1的比分战胜VKE,成功拿下了越南赛区的五连冠。而VKE在赛点局的逆转失败,也宣告着他们的老板兼主教练兼辅助的SofM再次无缘MSI。2022年年底,当SofM宣布离开LPL赛区,选择回归越南并创立自己的战队,同时退出职业赛场转型为主教练时,无数观众对此表示了惋惜,因为他们是如此喜欢这位总是在赛场上展现出神鬼莫测操作的选手。; Nicole; 关键词：赛场主教练

基于SOFM神经网络的水源热泵故障诊断方法研究: 2023年; 本研究针对水源热泵机组常见的6种热力故障,尝试使用SOFM神经网络进行故障诊断。利用水源热泵机组试验台人为制造制冷剂充注量过多、制冷剂泄漏、膨胀阀开度过大与过小、冷却水管路阻塞、系统含不凝性气体共计6种热力故障,记录机组带故障运行时的运行参数,将收集到的参数进行归纳整理,提取出部分特征值制作成数据集。将数据集划分为训练集合与测试集合,前者用于神经网络的训练,后者用于验证神经网络故障的诊断效果。结果表明,SOFM神经网络对于本次实验人为制造出的6种水源热泵热力故障具有较高的诊断正确率,网络迭代500次,用时2.7 s,在有效诊断的同时具有较快的响应速度。; 赵玉清邵剑峰; 关键词：热力故障神经网络水源热泵故障诊断 SOFM

基于SOFM方法的安徽省矿产资源开发主体功能区划研究: 2023年; 文章选择安徽省主要的矿产资源分布区,构建矿产资源开发功能区划指标体系,并通过自组织特征映射(self-organizing feature map,SOFM)网络方法对指标数据进行聚类,根据各聚类结果的区域特征,对安徽省矿产资源开发功能区进行研究。结果表明:安徽省矿产资源分布显著集中,矿产资源富集区主要分布在皖江及皖北地区;安徽省整体生态环境较好,研究区内80.77%的县区生态环境适宜进行适度开发;矿产资源较丰富的县区内生态环境适宜开发,而生态环境指数较高的县区矿产资源匮乏,表明安徽省矿产资源开发与生态保护不存在根本冲突。研究结果解释了安徽省矿产资源空间分布规律,可为分区制定差别化管理政策提供理论依据,对安徽省矿产资源可持续发展规划有一定的参考价值。; 李臻陈义华陈从喜李政任升莲任芳语; 关键词：矿产资源开发主体功能区划

基于SOFM模型的山区土地类型划分研究--以阜平县为例: 2023年; 山区土地与平原土地在地形地貌等自然要素上存在明显差异,从而导致山区土地类型的划分有很大的特殊性。为了充分体现山区县域尺度自然要素差异,为山区县域尺度土地类型划分提供新方法、新思路,选取太行山典型地区阜平县作为研究区,选取气候、地形、土壤、植被因素,通过SOFM模型及传统土地类型划分方法,对山区县域尺度土地类型进行划分。结果表明:(1)将SOFM模型(自组织特征映射)与传统的土地类型划分方法相结合,对阜平县土地类型进行了三级划分,其中一级类7个,二级类47个,三级类81个;(2)通过对比验证,该方法与传统分类方法存在一致性。基于SOFM模型的土地类型划分方法对山区县域尺度进行土地类型划分,可充分反映山区县域尺度土地分异规律,比传统方法相更加精确。; 赵东阳刘琳洁加鹏华陈亚恒王树涛周亚鹏许皞

一种基于SOFM神经网络深度学习的方法和系统: 本发明公开了一种基于SOFM神经网络深度学习的方法和系统，所述方法包括：S101：根据SOFM网络结构，构建SOFM神经网络；S102：将目标数据输入所述SOFM神经网络，获取精确数据集合；S103：所述SOFM神经网络...; 房杰

基于SOFM网络结合Istio的无线信号分发转译方法、存储介质及设备: 本发明公开了一种基于SOFM网络结合Istio的无线信号分发转译方法、存储介质及设备，包括：将无线信号传输过程中的网络节点信息输入SOFM网络中，生成节点响应特征矩阵；将节点响应特征矩阵根据无线信号传输的业务类型通过K均...; 朱文进

基于SOFM-GRIDTOP拓扑函数的岩爆等级预测模型: 2023年; 为解决岩爆等级预测难题,文章建立基于SOFM—GRIDTOP拓扑函数的岩爆等级预测模型,一共确定3种不同拓扑结构的模型,将洞室最大切向应力、岩石单轴抗压强度、岩石单轴抗拉强度以及弹性能量指数四个指标作为模型输入向量,以国内外40组岩爆工程实例数据分别对建立的3个模型进行训练与测试,通过比较3个模型的聚类效果得到竞争层神经元个数为25的模型预测结果最优,预测准确率达到90%.表明模型的可行性与使用性较好,为今后对岩爆风险预测及评估提供一定的借鉴和指导作用。; 沈盼盼梁锦浩宋家俊刘伟; 关键词：岩爆预测自组织特征映射神经网络拓扑结构

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈