Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jan 13, 2026

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

2.3K

一种混合CNN-变压器模型,具有适应激活功能,用于马叶疾病分类.

Ayan Mondal1, Ayan Chatterjee2, Nurilla Avazov3

  • 1School of Electrical Engineering, Aalto University, Otakaari 1B, 02150, Espoo, Finland.

Scientific reports
|January 6, 2026
PubMed
概括

相关概念视频

Light Acquisition02:16

Light Acquisition

9.4K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
9.4K

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Bridging stimulus-responsive and dissipative peptide assemblies to build complex interactive biomaterials.

Nature reviews. Chemistry·2026
Same author

A digital twin-based comparative reinforcement learning framework for personalized behavioral recommendation.

Frontiers in artificial intelligence·2026
Same author

Cr(III)-Salen-Catalyzed Enantioselective C3-Aryloxylation of Spiroepoxy Oxindoles.

The Journal of organic chemistry·2026
Same author

Gastrointestinal image classification with GIDNet CNN model and non-linear Tansh activation function.

Computers in biology and medicine·2026
Same author

Evidence of spin-phonon-charge coupling and spin-orbit excitations in quasi-one-dimensional Ising spin chain system<i>α</i>-CoV<sub>2</sub>O<sub>6</sub>.

Journal of physics. Condensed matter : an Institute of Physics journal·2026
Same author

Integrative Lifestyle Strategies for Osteoarthritis Management in Post-Menopausal Women: Insights on Exercise and Diet.

Current rheumatology reviews·2026

这项研究介绍了土豆叶病DenseNet (PLDNet),这是一个混合深度学习模型,用于准确的土豆疾病分类. PLDNet实现了高精度,为自动植物疾病识别提供了高效的解决方案.

科学领域:

  • 农业科学 农业科学
  • 计算机科学 计算机科学
  • 人工智能的人工智能

背景情况:

  • 由于各种疾病,土豆种植面临着巨大的产量和质量损失.
  • 目前的疾病检测方法往往是低效的,不准确的,劳动密集型.
  • 自动识别疾病对于可持续农业至关重要.

研究的目的:

  • 开发一种新的混合深度学习架构,用于准确地分类马叶病.
  • 引入适应性参数激活功能,以提高模型性能.
  • 为自动化植物疾病识别提供高效和可扩展的解决方案.

主要方法:

  • 开发了一个混合深度学习架构,土豆叶病DenseNet (PLDNet),将DenseNet与基于变压器的注意力模块集成在一起.
  • 提出了一个自适应平面p-Mish (AFpM) 激活功能,以提高学习灵活性和表现能力.
  • 在PlantVillage和Mendeley数据集上评估了PLDNet模型.

主要成果:

  • 在PlantVillage数据集上,PLDNet的分类准确度达到99.54%,在Mendeley数据集上达到87.50%.
  • 与Mish,Swish和PFpM激活函数相比,拟议的AFpM激活函数表现出优异的性能.
关键词:
AFpM AFpM 在线播放激活功能 激活功能在美国,CNN是CNN.分类 分类 分类 分类.作为一个PFpM,在PLDNet中,我们可以使用PLDNet马植物病是马的植物病.

相关实验视频

Last Updated: Jan 13, 2026

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

2.3K
  • 与PFpM相比,AFpM在Mendeley上提高了2.52%,在PlantVillage上提高了1.93%,与Swish和Mish相比提高了3%以上.

    • 结论:

    • PLDNet框架为自动识别马叶病提供了一个高度准确和高效的方法.
    • 新的AFpM激活功能通过自适应非线性和动态梯度控制来提高深度学习模型的性能.
    • 这项研究显示出强大的概括能力,为改进农作物疾病管理策略铺平了道路.