基于深度神经网络损失函数融合的文本检测

罗时婷; 顾磊, 计算机工程与应用 发表时间:2019-07-25 09:56 期刊

针对基于传统深度神经网络的自然场景文本检测存在检测效果较差、文本边界框检测不准确等缺陷,提出基于损失函数融合的深度神经网络。将损失函数Balanced loss,利用加权的方法与传统深度神经网络进行融合,用于提高文本框边界区域及图像中难检测像素点的损失值,从而约束模型的优化方向,提升模型学习复杂特征的能力。实验结果表明,在自然场景文本检测中所提出的方法有效提高了网络的检测准确性。...


自然语言处理领域中的自动问答研究进展

郭天翼; 彭敏; 伊穆兰; 毛文月; 胡星灿; 魏格格, 武汉大学学报(理学版) 2019年05期 , 期刊

分别从数据来源、问答范围、会话管理方式等三个方面介绍了自动问答的发展现状,并着重阐述了基于深度学习的自动问答的研究进展,分析并总结了自动问答领域近年的研究成果,指出了自动问答未来所面临的问题。...


集成学习下的短期交通流预测

李敏; 黄迟, 济南大学学报(自然科学版) 2019年05期 , 期刊

为了实现短期交通流的精准预测,在深度学习模型的基础上提出一种集成深度信念网格方法;通过考察交通流序列的高斯混合分布特性,加入高斯混合分布噪声进行数据优化,并采用Bagging集成学习的方法对各子深度信念网络进行集成,得到改进的深度集成信念网络模型。经实例演算,该模型比传统的反向传播神经网络、未经过集成的深度信念网络预测精度都要高,且经过高斯混合噪声优化的改进模型要优于未经过优化的深度学习集成模型。...


基于精神影像和人工智能的抑郁症客观生物标志物研究进展

孙也婷; 陈桃林; 何度; 董再全; 程勃超; 王淞; 汤万杰; 况伟宏; 龚启勇, 生物化学与生物物理进展 发表时间:2019-07-26 17:21 期刊

...物还未得到一致结论. 本文从精神影像学和以机器学习(Machine learning, ML) 与深度学习 (Deep learning, DL) 等为代表的人工智能技术相结合的角度,首次从疾病诊断、预防和治疗等三大临床实践环节对抑郁症辅助诊疗的相关研究进行归纳分析,我们发现 (1) 具有诊断价值的脑区主要集中在:楔前叶、扣带回、顶下缘角回、脑岛、丘脑以及海马等;(2) 具有预防价值的脑区主要集中在:楔前叶、中央后回、背外侧前额叶、眶额叶、颞中回等;(3) 具有预测治疗反应...


基于深度学习的扩散光学层析成像重建综述

王慧泉;吴念;赵喆;韩广;王金海;, 激光与光电子学进展 发表时间:2019-07-29 09:09 期刊

...探测生物组织光学结构的低成本、无辐射损伤、成像深度深的在体光学功能性成像技术。由于生物组织体自身所具有的强散射、低吸收特性以及成像空间分辨率的高需求使得DOT重建的逆问题具有严重病态特性。传统的逆问题解决办法主要是基于代数迭代的重建方法,随着人工智能的发展及大数据时代的到来,深度学习研究掀起了又一个新高潮,基于深度学习网络模型的逆问题解决方法逐步用于DOT重建过程中。本文在梳理传统的DOT重建算法基础上,重点综述了最新的深度学习用于DOT重建的研究进展,为本领域相关研究团队...


一种针对目标检测任务的基础网络

宋雅麟;庞彦伟;, 激光与光电子学进展 发表时间:2019-07-29 09:21 期刊

针对目标检测与图像分类任务的差别,以及大多数目标检测器过于依赖分类基础网络的问题,提出了一种针对目标检测任务的基础网络。该网络包含初始模块、特征融合模块和混合下采样模块。初始模块能减少输入图片信息的丢失。特征融合模块通过拼接不同卷积层的输出,既能加强网络对不同尺寸目标检测的鲁棒性,又能对物体检测提供更多的上下文信息,有效提高了检测精确度。在网络的下采样部分引入混合下采样模块,平衡了基础网络对目标的分类和定位能力。实验结果表明,本方法提出的网络模型在PASCAL VOC07


重点区域注意力学习的空对地目标检测算法

张萌;王仕成;杨东方;, 激光与光电子学进展 发表时间:2019-07-29 09:21 期刊

...尺寸随成像高度变化以及背景干扰复杂等特点,现有深度学习目标检测算法难以取得令人满意的效果。针对该问题,本文提出了一种重点区域注意力学习机制,用于增强特征图的表达能力,同时缓解复杂背景特征的干扰问题。首先,本文建立了重点区域注意力学习机制,使网络能够选择性地关注和利用图像中的目标区域特征;其次,通过设计区域注意和目标检测相耦合的损失函数,实现了区域注意损失和目标检测损失的同步优化;最后,本文利用空对地目标检测数据集进行了实验,实验结果表明,本文算法能够有效地关注和利用重点区域...


基于深度学习的手势识别研究

沈雅婷;, 软件导刊 发表时间:2019-07-29 19:40 期刊

...一些相对成熟的手势识别算法,如基于模板匹配的方法、基于人工神经网络的方法以及基于隐马尔科夫模型的方法,都存在计算复杂的劣势。而基于深度学习的手势识别具有一定优势。通过深度学习提取多层网络简化的高价值易用特征,通过向量等表示,简化算法以实现良好的识别效果。通过摄像头采集室内复杂背景下的手势图像,在计算能力、存储能力强大的PC平台通过深度学习处理图像,提取特征,然后进行分类识别,能提高识别准确率。通过改进硬件或算法还可提高识别效率及安全性。...


基于深度序列翻译模型的非侵入式负荷分解方法

任文龙; 许刚, 电网技术 发表时间:2019-07-30 15:51 期刊

智能用电的一个重要环节是能量监测,其关键技术是非侵入式负荷分解,为了提高居民负荷分解的准确性,将序列翻译模型应用到非侵入式负荷分解之中。首先确定电器在不同模式的运行功率,同时将电器的运行模式进行组合编码,将所有电器的运行状态用一个状态码进行表示。其次,考虑电器运行过程中的时间关联关系,结合序列翻译模型理论,将待分解的信号与电器的状态码在序列翻译模型上进行映射训练,同时运用Dropout技术和稀疏化技术对模型进行优化以确定较优的网络参数。构建的序列翻译模型综合应用了电器运行


基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究

张虹;申鑫;穆昊源;刘艾冬;王鹤;, 中国电机工程学报 发表时间:2019-07-30 16:04 期刊

...率论的角度对家电设备状态进行描述定义,基于异步深度强化学习(asynchronous deep reinforcement learning,ADRL)进行家庭能源管理系统调度的在线优化。学习过程采用异步优势演员-评判家(asynchronous advantage actor-critic,A3C)方法,联合用户历史用电设备运行状态的概率分布,通过多智能体利用CPU多线程功能同时执行多个动作的决策。该方法在包括光伏发电、电动汽车和居民住宅电器设备信息的某高维数据库上进行仿...


CNN结合BLSTM的短文本情感倾向性分析

司新红;王勇;, 软件导刊 发表时间:2019-07-31 10:13 期刊

...很大的商业价值。目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程。针对传统情感分类方法需要人工干预问题,总结目前已有的可用于情感分析的深度学习方法,提出将卷积神经网络(CNN)和双向长短时记忆网络(BLSTM)进行组合,并将融合后的特征添加至注意力机制,设计出CBLSTM-Attention模型。实验表明,该模型在中文数据集准确率达0.965 0,在NLPCC英文数据集上准确率达0.942 2,证明该方法不仅可提高文本情感倾...


基于迁移学习的GoogLenet煤矸石图像识别

曹现刚;薛祯也;, 软件导刊 发表时间:2019-07-31 10:14 期刊

已有的煤矸识别方法具有一定效果,但无法满足实际需求。为了寻找新的煤矸识别方法,提出了基于深度学习的煤矸石图像识别方法。采用Inception模型,并通过迁移学习共享已训练模型卷积层权值和偏差。从煤矸石图像库中随机抽取煤矸石图像作为训练集和测试集,最后将本文方法与传统图像识别方法进行比对。实验结果表明,该模型可以有效识别煤矸石,准确率为93.5%,有效提高了煤矸识别的准确率。...


基于多尺度分解和深度学习的锂电池寿命预测

胡天中,余建波, 浙江大学学报(工学版) 2019年10期 , 期刊

...存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型 . 通过经验模态分解( EEMD)方法和相关性分析( CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络( DBN)和长短期记忆网络( LSTM),分别对主趋势与波动数据进行建模;将 DBN与 LSTM预测结果进行有效集成,得到锂电池的健康预测结果 . 实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的 RUL预测结果,性能优于其他典型的预测方...


双谱特征和深度学习在信号调制识别中的应用

李楠, 弹箭与制导学报 发表时间:2019-07-31 15:34 期刊

辐射源信号调制样式的多样化为准确识别辐射源带来了困难,双谱对角切片特征能明显反映辐射源信号特性,深度神经网络学习则能处理信号样本大数据,将双谱特征和深度神经网络学习用于信号调制识别中,能提取辐射源信号本质特征,同时也能提高辐射源调制信号的正确识别率。仿真实验结果表明相比于其它识别算法,双谱特征能更好地反映信号特性,深度学习模型有更高的信号识别率。...


基于深度学习的高铁受电装置安全状态快速检测方法

冯勇;宋天源;钱学明;, 西安交通大学学报 2019年10期 , 期刊

...对高铁受电弓严重形变、脱离等情况进行及时预警。该方法首先利用在高铁受电弓前的摄像头捕捉到的10000余张图片作为训练样本,并利用这些训练样本对自定义的深度学习卷积神经网络进行离线训练、生成预测模型。然后在高铁运行过程中利用训练好的模型和改进后的YOLOv2算法对摄像头的实时监控图像进行在线检测。最后检测程序将返回检测结果,对受电弓缺失、严重形变等现象进行预警。经过测试,该方法在CPU平台以55帧/s的检测速度对受电弓进行实时检测,同时平均准确率达到93.1%。...


结合注意力机制的循环神经网络复述识别模型

李旭; 姚春龙; 范丰龙; 于晓强, 控制与决策 发表时间:2019-08-01 14:56 期刊

传统的基于深度学习的复述识别模型通常以关注文本表示为核心,忽略了对多粒度交互特征的挖掘与匹配。为此,本文建模文本交互空间,分别利用双向长短时记忆网络对两个候选复述句按条件编码,基于迭代隐状态的输出,通过逐词软对齐的方式从词、短语、句子等多个粒度层次上推理并获取句子对的语义表示,最后综合不同视角的语义表达利用softmax实现二元分类。为解决复述标注训练语料不足的瓶颈问题,本文在超过580,000句子对的数据集上利用语言建模任务对模型参数无监督预训练,再使用预训练好的参数在标...


基于深度置信网络的电力负荷识别

徐春华;陈克绪;马建;刘佳翰;吴建华;, 电工技术学报 发表时间:2019-08-02 09:16 期刊

...的问题及为了进一步提高识别精度,提出了一种基于深度置信网络(DBN)的电力负荷识别方法。DBN是一种深度神经网络架构,在图像识别、语音识别以及电能质量扰动识别等领域有着成功的应用。DBN由多个受限玻尔兹曼机(RBMs)和一层后向传播神经网络组成。使用对比散度算法,首先对第一个RBM进行充分训练,获取初始特征;然后将这些初始特征值作为训练数据训练下一个RBM以获取高级特征,以此类推;最后,通过反向传播算法采用监督方式微调整个DBN。实验结果表明所提方法在8种电力负荷类型的识别...


基于拓扑解析与深度学习融合的低压集抄系统故障诊断方法

罗步升; 林志超; 何小龙, 电测与仪表 发表时间:2019-08-02 13:34 期刊

...上升的用户需求的问题,提出了一种融合拓扑解析及深度学习的低压集抄系统故障诊断方法。从规划和运行两个阶段出发,分析变压器-集中器、集中器-电能表关联关系,对低压集抄系统拓扑结构进行解析。结合确定的物理拓扑及信息流动路径,基于深度学习理论,通过对涌现故障事件离线学习自动建立基于深度置信网络的故障诊断模型。根据在线获取的系统关键运行特征,建立系统故障断面特征向量,通过训练好的系统诊断模型获得最终诊断结果。算例结果表明,方法能有效准确地实现低压集抄系统故障诊断,能有效应对故障特征信...


基于奇异值分解行人对齐网络的行人重识别

张继; 金翠; 王洪元; 陈首兵, 山东大学学报(工学版) 发表时间:2019-08-02 14:46 期刊

...变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中为整个网络的平均检索精度(mean average precisio...


人工智能在电力系统恢复中的应用综述

刘玉田; 孙润稼; 王洪涛; 顾雪平, 山东大学学报(工学版) 发表时间:2019-08-02 16:22 期刊

归纳总结了专家系统、模糊数学、进化计算以及机器学习等人工智能方法应用于电力系统恢复的研究成果,指出了现有研究仍以离线恢复方法为主,处于在线决策研究起步阶段,并展望了人工智能技术在系统恢复中的应用潜力。...


相关搜索
 找到 24,662 条结果 
首页上一页91011121314151617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。