中图网

>

基于深度学习的地基云图识别技术

作者：石超君,张珂著

出版社：中国电力出版社出版时间：2024-12-01

开本： 16开 页数： 212

中图价:¥71.1(7.9折) 定价 ~~¥90.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
(精)方力钧作品图录

(精)方力钧作品图录

¥142.8¥680
>
《藏书报》2021合订本

《藏书报》2021合订本

¥168¥168
>
中外性文物大观

中外性文物大观

¥352.8¥1680
>
马克思主义经典著作解读丛书·探索人类解放的新路径《1844年经济学哲学手稿》解读

马克思主义经典著作解读丛书·探索人类解放的新路径《1844年经济学哲学手稿》解读

¥14.5¥26.8
>
襄阳府志(九品)

襄阳府志(九品)

¥154.1¥467
>
奇思妙想创意玩具书(精装4册)

奇思妙想创意玩具书(精装4册)

¥121.6¥304
>
大慈恩寺

大慈恩寺

¥135¥450

商品详情
商品评论(0条)

中图价:¥71.1 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

基于深度学习的地基云图识别技术版权信息

ISBN：9787519893828
条形码：9787519893828 ; 978-7-5198-9382-8
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：

基于深度学习的地基云图识别技术本书特色

基于深度学习的地基云图识别技术能提升光伏发电功率预测的准确性、天文望远镜观测站选址的合理性。作者博士阶段以天文望远镜选址为背景，开始从事本项技术研究，博士后阶段以光伏发电功率预测为背景对本项技术进行了深入研究。随着研究的逐渐深入，发现电网公司、发电公司、高校、科研院所、科技企业的科技人员对本技术的理论、具体方法有很强的学习需求。基于此，作者计划撰写本专著，为本领域科技工作者提升理论和技术指导。

基于深度学习的地基云图识别技术内容简介

光伏发电作为新能源领域重要组成部分，发展十分迅速，为实现“双碳”目标奠定了坚实基础。基于这样的时代背景与技术需求，地基云图识别技术，特别是融合了深度学习技术的创新应用，不仅能够有效提升光伏发电功率预测的准确性，为电网调度提供更为可靠的决策依据，还能在天文望远镜观测站选址等领域发挥重要作用，优化观测条件，提升科研效率。本书全面、系统介绍了基于深度学习的地基云图识别技术，共 10 章，主要内容包括地基云图概述、深度学习与图像识别概述、基于改进 CloudRVE 的地基云图分类方法、基于增强全卷积神经网络 EFCN 的地基云图分割方法、基于云编码 ? 解码网络 CloudU ? Net 的地基云图分割方法、基于双通道注意力云编码 ? 解码网络的地基云图分割方法、基于残差注意力云编码 ? 解码网络的地基云图分割方法、基于 CloudFU ? Net 的地基云图细粒度分割方法、基于 CloudSwinNet 的地基云图细粒度分割方法、总结与展望。

基于深度学习的地基云图识别技术目录

前言缩略词注释表绪论 1 第 1 章地基云图概述 4 1.1 地基全天空成像设备发展进程 5 1.2 地基云图分类研究现状 8 1.3 地基云图分割研究现状 13 第 2 章深度学习与图像识别概述 17 2.1 深度学习概述 18 2.2 卷积神经网络基本原理 22 2.3 基于卷积神经网络的典型图像识别 28 2.4 本章小结 35 第 3 章基于改进 CloudRVE 的地基云图分类方法 36 3.1 基于 CloudRVE 的地基云图分类网络 37前言缩略词注释表绪论 1 第 1 章地基云图概述 4 1.1 地基全天空成像设备发展进程 5 1.2 地基云图分类研究现状 8 1.3 地基云图分割研究现状 13 第 2 章深度学习与图像识别概述 17 2.1 深度学习概述 18 2.2 卷积神经网络基本原理 22 2.3 基于卷积神经网络的典型图像识别 28 2.4 本章小结 35 第 3 章基于改进 CloudRVE 的地基云图分类方法 36 3.1 基于 CloudRVE 的地基云图分类网络 37 3.2 CloudRVE 网络参数配置及训练策略 47 3.3 地基云图分类实验结果与分析 47 3.4 讨论及结论 60 第 4 章基于增强全卷积神经网络 EFCN 的地基云图分割方法 61 4.1 直方图均衡化 62 4.2 EFCN 网络结构设计 62 4.3 EFCN 网络参数配置及训练策略 66 4.4 地基云图分割实验结果与分析 68 4.5 讨论及结论 79 第 5 章基于云编码－解码网络 CloudU ? Net 的地基云图分割方法 81 5.1 CloudU ? Net 网络结构设计 82 5.2 CloudU ? Net 网络训练策略 88 5.3 地基云图分割实验结果与分析 89 5.4 讨论及结论 100 第 6 章基于双通道注意力云编码 ? 解码网络的地基云图分割方法 102 6.1 CloudU ? Netv2 网络结构设计 103 6.2 CloudU ? Netv2 网络训练策略 108 6.3 地基云图分割实验结果与分析 109 6.4 讨论及结论 117 第 7 章基于残差注意力云编码 ? 解码网络的地基云图分割方法 119 7.1 CloudRAEDNet 网络结构设计 120 7.2 CloudRAEDNet 网络训练策略 126 7.3 地基云图分割实验结果与分析 127 7.4 讨论及结论 138 第 8 章基于 CloudFU ? Net 的地基云图细粒度分割方法 140 8.1 地基云图细粒度分割数据集构建141 8.2 基于 CloudFU ? Net 的地基云图细粒度分割网络 142 8.3 CloudFU ? Net 网络参数配置及训练策略 148 8.4 地基云图细粒度分割实验结果与分析 149 8.5 讨论及结论 155 第 9 章基于 CloudSwinNet 的地基云图细粒度分割方法 156 9.1 基于 CloudSwinNet 的地基云图分割网络 157 9.2 CloudSwinNet 地基云图分割网络参数配置及训练策略 166 9.3 地基云图细粒度分割实验结果与分析 167 9.4 讨论及结论 171 第 10 章总结与展望 172 10.1 总结 173 10.2 展望 177 参考文献 179

展开全部

基于深度学习的地基云图识别技术作者简介

石超君，硕士生导师，华北电力大学电子与通信工程系电子信息教研室师生结合党支部副书记。2022年1月毕业于河北工业大学电子科学与技术专业，获工学博士学位，2022年3月就职于华北电力大学电子与通信工程系。现担任中国图象图形学学会机器视觉专委会委员、中国图象图形学学会视觉大数据专委会委员、IEEE Member、中国电机工程学会会员、中国电工技术学会高级会员、中国计算机学会会员，担任《中国计算机学报》、《吉林大学学报（工学版）》、《IEEE Geoscience and Remote Sensing Letters》、《Quarterly Journal of the Royal Meteorological Society》、《Remote Sensing Letters》、《Atmospheric Measurement Techniques》、PRCV等期刊和会议审稿人，燕赵英才服务卡A卡获得者。主要研究方向为光伏功率预测、电力人工智能，作为负责人主持国家重点研发计划项目子课题、国家自然科学基金青年项目、中央高校基本科研业务费专项资金面上项目、国网山东电科院科技项目等科研项目6项，参与国家自然科学基金联合基金项目、南方电网科技项目、中央高校基本科研业务费学科交叉创新专项等项目10余项，发表学术论文20余篇，授权发明专利3项。张珂，华北电力大学（保定），教授/研究生院（保定）院长。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐