深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

航班计划优化研究概述

从航班计划优化的不同时间阶段分析,可以将航班计划优化分为航班计划静态编排优化、基于航班延误预测的航班计划动态反馈优化和基于机场协同决策(A-CDM)的航班计划动态调整角度三类;进而从航班时刻、机型指派、航班频率等编制环节分析了航班计划静态编排优化;随后利用延误波及预测与数据挖掘预测的优化方法分析了基于航班延误预测的航班计划动态反馈优化的相关研究。最后,根据航班计划优化复杂性分析,给出了航班计划优化的发展趋势和未来研究方向。     

干部网络教育研究现状分析及启示

本文运用文献计量统计法和内容分析法,对干部网络教育的研究现状进行分析,以期了解国内干部网络教育的研究脉络,发现关注热点的变化,并提出提升干部网络教育质效的着力点。一、问题的提出干部教育培训是提升党员干部队伍素质的重要途径,随着互联网技术的发展,依托网络开展干部教育工作势在必行。自2006年以来,中央多次提出,要在干部教育工作中推广网络培训,建立科学的网络学习平台,并从制度层面明确规定,党员干部每年需完成一定学时的在线学习。     

基于现代学徒制和技能大赛的教学手段应用研究

现在的职业学校正处于一个发展阶段,我国从2008年开始举办全国院校技能大赛,2011年参加国际技能大赛,到现在各个地区的技能大赛已经成为一部分职业学校的教学成果。同时现代学徒制也成为中职学校的一个热门点。如何将两者结合起来成为中职院校的一个难题。笔者根据学生的性格特点以及中职生的生源情况的调查,了解学生记忆特点,以构建主义学习理论、混合式学习理论和信息技术与课程深层次结合理论为依据,对中职院校教学方法进行了一些思考。     

聚焦粤港澳大湾区

粤港澳大湾区包括香港特别行政区、澳门特别行政区和广东省广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市、肇庆市,总面积5.6万平方公里。2019年2月18日,中共中央、国务院印发《粤港澳大湾区发展规划纲要》。按照规划纲要,粤港澳大湾区不仅要建成充满活力的世界级城市群、国际科技创新中心、“一带一路”建设的重要支撑、内地与港澳深度合作示范区,还要打造成宜居宜业宜游的优质生活圈,成为高质量发展的典范。     

基于深度学习的船舶火灾报警技术

在船舶火灾检测报警领域,引入发展迅速的深度学习技术。在CNN的理念下,自主设计搭建轻量化的卷积神经网络,并在自行设计建立的数据集上进行迭代训练。将训练好的模型做定点量化处理,在控制精度损失的前提下,压缩模型大小,提高推理速度,得到一个较适合实际使用的深度学习网络模型。     

凉山州狠抓特色产业发展 带动贫困群众增收致富

四川省凉山州是党中央、国务院确定的“三区三州”深度贫困地区之一,习近平总书记十分关心凉山州脱贫攻坚工作。脱贫攻坚战打响以来,凉山州始终把产业扶贫脱贫作为最大的政治责任、最大的民生工程、最大的发展机遇。     

行动学习法在战略规划中的应用

疫情的全球化和常态化,对经济社会发展带来了巨大的冲击,各类组织面临的外部环境更加动荡,如何应对不确定性成为组织管理层必做的功课。战略规划作为一种能够捕捉机遇、识别危机、明确方向的动态管理手段再次引起管理层的关注和重视。     

基于深度神经网络的眼周识别方法研究

近年来,少限制环境下的生物特征识别技术成为研究热点,眼周识别作为新兴的生物特征识别技术越来越受人们关注。基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能。通过提出一个基于ResNet20和softmax的眼周识别方法,在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19%,在UBIRIS.V2数据集上的EER值为13.18%。与传统的眼周识别方法相比,文章提出的眼周识别方法取得了较好的眼周识别效果,为深度神经网络的眼周识别方法发展提供持续动力。