卷积神经网络的“深度”研究

柯岩; 林小竹; 廖蕊; 魏战红, 计算机工程 发表时间:2019-01-28 09:20 期刊

随着深度学习的不断发展,卷积神经网络在目标检测与图像分类中的出色表现吸引了更多研究者的关注。从最初的LeNet-5网络到最新的深度残差网络,神经网络的层数在不断的增加。本文着眼于神经网络中“深度”的含义,设计了对比性试验,在保证感受野相同的前提下,给定标准的输入图片和输出特征图,对不同层数的卷积网络进行训练,而后将训练结果与标准输出图进行对比,从数据的角度阐释了“深度”的含义,针对标准的3~*3卷积核做进一步分解,构建了由2~*2大小卷积核组成的卷积神经网络。最后,根据目标...


基于深度卷积自编码神经网络的手写数字识别研究

曾文献; 孟庆林; 郭兆坤, 计算机应用研究 发表时间:2019-01-28 09:38 期刊

...别在各种应用环境中对准确率的要求极高,传统机器学习方法由于训练样本单一,易在实际应用中识别错误。针对在提高不同笔体下的手写识别准确率进行了研究,将深度卷积神经网络与自动编码器相结合,设计卷积自编码器网络层数,形成深度卷积自编码神经网络。首先采用双线性插值方法分别对MNIST数据集与一万幅自制中国大学生手写数字图片进行图像预处理,然后先使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试,最后使用MNIST与自制数据集中5000幅混合,再次训练该网络,对另外5000...


一种基于轻量级深度网络的目标识别方法

李亚辉; 刘俊, 计算机应用研究 发表时间:2019-01-29 09:12 期刊

...源受限条件下目标识别任务,提出了一种基于轻量化深度网络的目标识别方法。通过优化卷积操作、模型参数压缩、增强特征表达深度等网络结构的优化方法,设计并实现了针对嵌入式平台应用的轻量化网络模型结构,使得深度网络模型在保证精度的条件下,实现了模型参数和运行所需资源的大幅缩减。实验表明,提出的轻量化深度模型较ILSVRC-15冠军提出的基础模型ResNet,能够实现在ImageNet-67数据集上,网络模型压缩为基础模型10.2%的条件下仍保持93.5%的目标识别准确率。...


基于word2vec和粒子群的链路预测算法

贾承丰;韩华;吕亚楠;张路;, 自动化学报 发表时间:2019-01-29 10:11 期刊

...提取困难和类别数据不平衡.本文借鉴文本处理中的深度学习特征提取算法和优化问题中的粒子群算法,提出一种基于词向量的粒子群优化算法(word2vec-PSO).该方法首先通过随机游走产生网络序列化后,利用word2vec算法对节点序列特征提取.然后在有监督的条件下,利用粒子群算法对提取好的特征进行筛选,并确定重采样的参数来解决类别数据不平衡问题,并分析了不同链路预测算法的计算复杂性.最后将本文的算法与基于相似性、基于深度学习、基于不平衡数据的三类链路预测算法,在4个不同的时序网...


基于深度序列加权核极限学习的入侵检测算法

汪洋; 伍忠东; 朱婧, 计算机应用研究 发表时间:2019-01-29 13:26 期刊

...异构且数据分布不平衡的网络入侵检测问题以及传统深度学习算法无法根据实时入侵情况在线更新其输出权重的问题,提出了一种基于深度序列加权核极限学习的入侵检测算法(DBN-WOS-KELM算法)。该算法先使用深度信念网络DBN对历史数据进行学习,完成对原始数据的特征提取和数据降维,再利用加权序列核极限学习机进行监督学习完成入侵识别,结合了深度信念网络提取抽象特征的能力以及核极限学习机的快速学习能力。最后在KDD99部分数据集上进行了仿真实验,实验结果表明DBN-WOS-KELM算法...


基于三维深度卷积神经网络的车间生产行为识别方法

刘庭煜; 陆增; 孙毅锋; 刘芳; 何必秒; 钟杰, 计算机集成制造系统 发表时间:2019-02-07 13:03 期刊

...效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,本文提出了一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传感器采集人体骨架关节位置数据,用标准化重构方法对骨架关节数据进行归一化处理,并合成人体行为的时空特征RGB图像。在此基础上,构建深度卷积神经网络模型,实现时空域的生产行为识别。最后在CUDA GPU加速环境下面向MSR-Action3D数据集和自建验证数据集NJUST3D的实验证明,我们的方法具有较高的准确率和实用价值。...


基于深度学习序贯检验的电源车故障诊断方法

李炜; 周丙相; 蒋栋年, 系统仿真学报 发表时间:2019-02-27 14:34 期刊

...出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。...


基于深度学习与特征后处理的支持向量机铣刀磨损预测模型

戴稳; 张超勇; 孟磊磊; 李晋航; 肖鹏飞, 计算机集成制造系统 发表时间:2019-03-04 10:50 期刊

为了提高机械加工过程中的刀具磨损预测精度,建立一种基于深度学习特征降维及特征后处理的布谷鸟优化参数的最小二乘支持向量机预测模型。该模型利用堆叠稀疏自动编码网络将时域、频域及时频域三方面提取的特征向量进行降维处理,然后利用特征后处理确保降维向量单调不递减及平滑趋势,最后采用自适应步长布谷鸟算法优化参数的最小二乘支持向量机模型预测铣刀磨损量。通过试验测试比较提出方法与其他预测方法,显示提出模型能更有效表征铣刀磨损量,大幅降低预测误差。...


论人工智能刑事风险的体系定位与立法属性

熊波, 重庆大学学报(社会科学版) 发表时间:2019-03-11 18:50 期刊

...层面的现象风险和规范层面的法律风险,智能产品在设计和编制程序范围外,其所实施的严重社会危害性行为仅是一种纯粹事实的现象风险。人工智能产品刑事责任评价的路径阻却在于智能技术本身缺乏生活情感的经验总结、智能产品适用刑罚规范不具备现实意义、深度学习是凭借人类思维模式的基础输出进行的。人工智能刑事风险的立法归责应确立限制从属性,亦即,限制可允许性与超越性的人工智能风险之存在,明确人工智能刑事风险从属于自然人主体。继而,可为人工智能时代刑法立法的科学化探索奠定理论基础。...


基于特征点法和直接法VSLAM的研究现状

邹雄; 肖长诗; 文元桥; 元海文, 计算机应用研究 发表时间:2019-03-12 11:47 期刊

...为前端和后端,前端包括视觉里程计和回环检测,后端包括后端优化和建图。按照估计相机运动的不同方式,将VSLAM分为特征点法和直接法。首先从这两个方面对前端进行综述,阐述其中的关键技术和最新的研究进展,对比分析不同方法的优缺点;然后详细分析优化后端与滤波器后端的区别,进一步地对多个开源代码进行比较研究,分析它们的优劣势和适用场合;再讨论深度学习、语义地图和多机器人在VSLAM领域的研究进展,以及相关技术与VSLAM的结合方式及前景;最后对VSLAM的未来进行展望。...


基于出租车司机经验的约束深度强化学习算法路径挖掘

黄敏; 毛锋; 钱宇翔, 计算机应用研究 发表时间:2019-03-12 11:51 期刊

利用出租车司机经验,提出约束深度强化学习算法(CDRL)在线计算不同时间段内OD间最快路线。首先,描述了路段经验数据库(ERSD)的提取。然后,介绍了CDRL方法,该方法主要包括两个阶段:可选择约束路段生成和深度Q-learning算法,在第一阶段,生成OD(起终点)间可选择约束路段;在第二阶段,设计深度Q-learning算法学习出租车司机的经验,并根据他们的出发时间计算给定OD间的最快路线。最后,在广州CBD进行了应用实验。结果表明,CDRL方法计算在旅行时间上,优于最...


非数值化特征的条件概率区域划分(CZT)编码方法

贺亮; 徐正国; 李赟; 沈超, 计算机应用研究 发表时间:2019-03-12 13:37 期刊

...化特征经常出现在数据中,对其有效编码是采用机器学习模型解决问题的关键。针对目前被广泛使用的one-hot编码方法的编码结果具有较大的稀疏性,并且编码出的数值仍然没有明确的物理意义等问题,提出一种基于条件概率的区域划分编码算法CZT(conditional-probability-based zone transformation coding)。该方法首先对特征进行条件概率计算,并依据条件概率划分特征区域,按照区域内的联合条件概率进行编码;然后将CZT编码算法与one-ho...


基于深度学习的人脸识别算法研究

胡亚洲; 周亚丽; 张奇志, 计算机应用研究 发表时间:2019-03-13 10:50 期刊

基于深度学习的人脸识别技术是目前人工智能领域研究的热点之一。考虑到现实环境中的人脸图片在角度、光线、分辨率上的复杂程度,对Inception-ResNet-V1网络结构进行了改进,同时完成了数据集制作、超参数调节等相关工作,并在家庭服务机器人平台上进行了实验研究。实验结果表明,改进的网络结构在LFW测试集上准确率达到99.22%,高于原始网络结构的99.05%;在亚洲人脸数据集上准确率达到99.20%,高于原始网络结构的97.10%;在自建非匹配人脸数据集上误识别率为3.4...


基于改进的深度残差网络的表情识别研究

何俊; 刘跃; 李倡洪; 沈津铭; 李帅; 王京威, 计算机应用研究 发表时间:2019-03-14 10:33 期刊

提出了一种基于改进的深度残差网络(residual network,ResNet)的表情识别算法。采用小卷积核和深网络结构,利用残差模块学习残差映射解决了随着网络深度的增加网络精度下降问题,通过迁移学习方法克服了因数据量不足导致训练不充分的缺点;网络架构使用了线性支持向量机(SVM)进行分类。实验中首先利用ImageNet数据库进行网络参数预训练,使网络具有良好的提取特征能力,根据迁移学习方法,利用FER-2013数据库以及扩充后的CK+数据库进行参数微调和训练。该算法克服...


基于联合卷积自编码网络的多聚焦图像融合方法

罗晓清; 熊梦渔; 张战成, 控制与决策 发表时间:2019-03-19 11:30 期刊

...积神经网络强大的特征提取能力,设计了具有公共分支和私有分支的联合卷积自编码网络学习多源图像的特征,公共分支学习多幅图像之间的公共特征,每幅图像的私有分支学习该图像区别于其他图像的私有特征,基于私有特征计算图像的活动测度,得到图像聚焦区域映射,据此设计融合规则融合两幅多聚焦图像最终得到全聚焦的融合图像。在公开数据集上的对比实验结果显示:主观评测,该方法较好的融合了聚焦区域,视觉效果自然清晰;客观指标上,该方法在多个评价指标上优于对比方法。...


一种基于“用户-标签”的专家发现方法

黄辉; 刘永坚; 解庆, 计算机工程 发表时间:2019-03-20 16:17 期刊

问答社区如Stack Overflow,Quora等网站随着互联网的快速发展而面临着巨大挑战,日益增长的用户提出了越来越多的新问题,而传统的专家发现方法难以及时为这些问题寻找到合适的专家来回答,因此针对社区问答的专家发现成为了一个具有挑战性的任务。现有的方法通常根据历史回答记录建立用户文档,再从中提取用户文本特征。提出的方法通过用户的历史回答记录以及问题的附带标签构建“用户-标签”网络,以得到用户的向量表示。然后使用全连接神经网络提取用户特征和问题文本特征并比较这二者的余


基于深度学习的颜值估计及其在电商精准营销中的应用

吴安波; 葛晨晨; 孙林辉; 张云; 李刚, 工业工程与管理 发表时间:2019-03-26 17:00 期刊

近年来,随着机器学习和人工智能领域的不断发展,使得人脸颜值估计的研究得到广泛关注。本文提出一种基于深度学习的颜值估计框架,利用深度卷积神经网络(Deep Convolutional Neural Network, DCNN)提取人脸图像的特征向量,并采用回归分析计算方法评估人脸颜值,为充分发挥深度卷积神经网络提取特征的能力,提出了优化后的人脸特征提取损失函数。最后,利用该颜值估计算法构建消费者颜值与服装购物偏好相关性模型。结果显示:消费者颜值与服装购物偏好存在一定的相关关系...


基于深度学习的OFDM系统窄带干扰消除方法研究

马涛; 李悦; 杨峰; 丁良辉, 计算机应用研究 发表时间:2019-04-02 15:31 期刊

...扰(narrowband interference,NBI)引起的性能下降,提出了两种基于深度学习(deep learning,DL)的窄带干扰消除结构。在两种结构中,首先分别对接收信号进行预处理,然后利用卷积神经网络(convolutional neural network,CNN)从时域上对经过预处理的数据进行特征提取并获得干扰估计。最后将干扰估计量从接收信号中消去。仿真结果显示,两种结构可以有效学习出OFDM系统中的窄带干扰,并提升系统性能。...


缺陷检测技术的发展与应用研究综述

李少波;杨静;王铮;朱书德;杨观赐;, 自动化学报 发表时间:2019-04-02 15:44 期刊

...测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点;对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状;然后,梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用;最后,对缺陷检测技术的研究情况进行了总结和展望,指出该研究领域亟需解决的问题和未来发展的方向,并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近...


轻量级卷积神经网络的机器人抓取检测研究

马倩倩; 李晓娟; 施智平, 计算机工程与应用 发表时间:2019-04-03 10:22 期刊

卷积神经网络在基于视觉的机器人抓取检测任务上取得了较好的检测效果。但是,它们中的大多数方法都有太多的计算参数,不适合资源有限的系统。针对这个问题,基于SqueezeNet轻量级神经网络,结合DenseNet多旁路连接加强特征复用的思想,提出了轻量级抓取检测回归模型SqueezeNet-RM(SqueezeNet-Regression Model),并使用SqueezeNet-RM从RGB-D图像中提取多模态特征,预测二指机器人夹持器的最佳抓取位姿。在标准的康奈尔抓取数据集


相关搜索
 找到 30,643 条结果 
首页上一页123456789下一页
关于iData
iData是第三方交流学术成果的公益互联网项目,旨在促进知识的传播和最新学术科技的共享,所有信息均来自公开、透明的互联网查询网站,iData重新对这些信息进行整合和优化,从而高效地输出有用信息,提高人与知识的连接效率。iData从创建之初便提供免费的学术文献浏览和下载。