摘要
本发明涉及裂缝识别及优化技术领域,且公开了一种基于RNN的膨胀土边坡冻融裂缝深度的计算方法,包括以下步骤:步骤S1:对膨胀土试样进行冻融循环实验,并记录相应的冻融裂缝深度;步骤S2:通过CNN进行特征提取;步骤S3:通过RNN建立深度学习模型;步骤S4:模型训练。一维卷积神经网络(1DCNN),专门用于处理序列数据,从而使1DCNN从一维序列数据中提取时间或空间上的高维特征,进行有效的数据识别和分类,每个卷积层都会应用多个卷积核对输入数据进行过滤,利用卷积核捕捉到数据中的局部特征;随后的池化层则负责降低特征维度,并对特征进行子采样,以减少计算量和防止过拟合。
技术关键词
膨胀土边坡
计算方法
一维卷积神经网络
裂缝
深度学习模型
序列
电化学工作站
数据
石墨电极
参数
自然语言
优化器
导线
词语
电信号
语义
时序
关系
系统为您推荐了相关专利信息
评定方法
深度卷积神经网络模型
高分辨率摄像头
高清动态捕捉摄像头
面部表情特征
土方量计算方法
挖掘设备
数字高程模型
数字地表模型
参数
深度学习模型
三维数字模型
三维模型
三维重建方法
视角
多云环境
深度学习模型
流量调度方法
流量调度系统
计算机可执行程序
浓度在线监测
焚烧炉
卷积神经网络模型
数据
烟道