基于深度置信网络的实木板材缺陷及纹理识别研究

胡忠康; 刘英; 周晓林; 赵乾; 沈鹭翔, 计算机应用研究 发表时间:2018-10-15 13:22 期刊

...质分级要素的需求,提出利用基于局部二值模式、自学习深度置信网络与Softmax分类器组合的深度学习算法,实现对实木板材缺陷及纹理的分类。首先提取实木板材的缺陷及纹理特征,在此基础上利用深度置信网络对经过局部二值化处理的特征进行训练学习,并采用可自学习学习率算法优化收敛速度、减少训练时间,最后使用Softmax分类器获取常见缺陷及直纹、花纹的分类结果。通过与BP神经网络、支持向量机、极限学习机等几种经典算法的比较,采用深度置信网络得到的实木板材缺陷及纹理识别的误差率在3....


基于CNN和LSTM混合模型的人体跌倒行为研究

厍向阳; 苏学威, 计算机应用研究 发表时间:2018-10-16 15:11 期刊

...于人工选取的特征,智能化程度低,识别精度不高。深度学习模型泛化能力强,特征提取自动完成。但目前深度学习模型不能较好的把监控视频中跌倒行为的空间和时序特征有效结合起来。为此,提出基于CNN(convolutional neural network)和LSTM(long-short term memory)混合模型的人体跌倒行为识别方法。该模型采用两层结构,将视频以每5帧为一组输入到网络中,CNN提取视频序列的空间特征,LSTM提取视频时间维度上的特征,最后使用softmax分...


去除光流中冗余信息的动作预测方法

石祥滨; 代海龙; 张德园; 刘翠微, 计算机科学与探索 发表时间:2018-10-19 14:55 期刊

近年来使用光流作为输入特征的基于深度学习的动作预测方法逐渐成为主流,但是光流因为环境因素等影响极易引入无关的冗余信息从而降低动作预测的精度,而现有方法并没有考虑到光流中的冗余信息。本文从三个方面去除光流图中的冗余信息:消除视频中静止部分光流所带来的冗余信息,选取合理的运动区域以消除无关背景因素引入的光流冗余信息,评估相机的运动去除相机运动产生的光流冗余信息。针对去除冗余信息的光流图,提出了一种基于深度学习的动作预测框架,通过使用空间卷积和时间卷积来减少模型的参数,使用基于时...


融合宽残差和长短时记忆网络的动态手势识别研究

梁智杰; 廖盛斌, 计算机应用研究 发表时间:2018-10-19 15:15 期刊

针对现有的动态手势识别方法对长时间序列的时空特征难以精确匹配的问题,提出了一种基于宽残差和双向长短时记忆网络的时空特征一致手势识别方法。首先使用已经训练好的3D卷积神经网络从视频的空间和时间维度同步提取出短时特征,再经双向空间长短时记忆网络同步解析后形成长时空特征连接单元,并作为残差网络的输入。为了验证算法的有效性,使用Kinect传感器构建了一个全新的多模式手势数据集,在3个手势识别公开数据集SLVM、Montalbano和SKIG上的实验表明,提出的方法有很好的性能表


采用深度学习的永磁同步电机匝间短路故障诊断方法

李垣江; 张周磊; 李梦含; 魏海峰; 张懿, 电机与控制学报 发表时间:2018-10-22 09:15 期刊

...引起的诊断困难问题,基于生成式对抗和稀疏自编码深度学习网络提出一种高效准确的匝间短路故障诊断方法。该方法通过采集永磁同步电机负序电流和转矩特征信号,利用生成式对抗神经网络完成样本数据扩张,构建鲁棒、多样的训练集合,结合稀疏自编码网络实现高效准确的故障特征分类、诊断。首先,采集永磁同步电机的负序电流和转矩信号,将优化后的负序电流与电磁转矩组合构成样本,并通过生成式对抗网络对数据进行扩张;然后,构建稀疏自编码网络,确定网络层数、各隐藏层节点数、学习率及训练算法等参数;最后,输入...


深度Q学习的二次主动采样方法

赵英男;刘鹏;赵巍;唐降龙;, 自动化学报 发表时间:2018-11-01 11:25 期刊

实现深度Q学习的一种方式是深度Q网络.经验回放方法利用经验池中的样本训练深度Q网络,构造经验池需要智能体与环境进行大量交互,这样会增加成本和风险.一种减少智能体与环境交互次数的有效方式是高效利用样本.样本所在序列的累积回报对深度Q网络训练有影响.累积回报大的序列中的样本相对于累积回报小的序列中的样本更能加速深度Q网络的收敛速度,并提升策略的质量.本文提出深度Q学习的二次主动采样方法.首先,根据序列累积回报的分布构造优先级对经验池中的序列进行采样.然后,在已采样的序列中根据样...


融合主观和共识信息的人脸吸引力预测研究

李金蔓; 汪剑鸣; 金光浩, 计算机工程 发表时间:2018-11-01 15:20 期刊

...于特定对象的个性化的审美偏好进行预测,采用机器学习深度学习相结合的方式,提出了一种个性化的人脸吸引力评估方法,融合了共识性和主观偏好信息。共识性信息是基于数据集收集到的群体评分,同时独立构建专门的个人评分预测模型以反映个人的主观倾向。通过融合这两种信息,将共识信息的普遍性优势及个性化信息的独特性特点进行结合,从而构建出个性化的人脸吸引力预测模型。在公开的SCUT-FBP和FaceScrub数据库上进行的实验表明,本文提出的方法相对于现有的其他方法,在个性化人脸吸引力预测方...


面向深度学习推理的矩阵乘法加速部件设计

冉德成; 吴东; 钱磊, 计算机工程 发表时间:2018-11-02 16:04 期刊

...向大规模稠密矩阵(>=1000),不能很好满足深度学习推理中更小规模且形状不规则的矩阵乘法计算需求。研究显示,深度学习推理可以只使用整数计算完成,降低了保持可接受推理精度的计算和存储带宽需求。为此,提出一种基于Zynq SoC平台的整数矩阵乘法设计。方案采用基于总线广播的并行结构。通过充分利用片上数据重用性和最小化中间结果数据移动,以达到高性能的同时尽量降低外部DRAM访问需求;通过支持可变矩阵分块设计,使加速部件在计算形状不规则的矩阵乘时保持高效率。测试结果表明,与双核A...


融合注意力机制对评论文本深度建模的推荐方法

黄文明; 卫万成; 张健; 邓珍荣, 计算机工程 发表时间:2018-11-05 16:29 期刊

...能带来的影响。提出一种融合注意力机制对评论文本深度建模的推荐方法,基于深度学习对推荐系统进行改进。首先,使用词嵌入技术,充分挖掘并利用数据集评论中的语义得到表达结果;然后,基于注意力机制设计一层权值更新层对输入内容进行重新赋权,进一步体现内容中的重点部分;通过使用并行的一组卷积神经网络,充分挖掘用户和项目评论数据中的隐含特征;设计一层耦合结构,将两组特征作为输入使用因子分解机进行评分预测,得到推荐结果。最后通过仿真实验可知推荐结果的准确度得到一定提升,验证了该方法的有效性。...


深度学习中的对抗样本问题

张思思;左信;刘建伟;, 计算机学报 发表时间:2018-11-06 14:48 期刊

对抗样本是深度学习在安全领域中的热点问题,对抗样本的特性、生成、攻击方式以及如何防御对抗样本的攻击是当前研究对抗样本的重点问题。本文从对抗样本的概念,出现对抗样本的原因,对抗样本的攻击方式及原因阐述对抗样本的关键技术问题,对抗样本的概念主要是对对抗样本,对抗目标,对抗攻击所需知识的定义。本文列出了产生对抗样本的可能原因,目前,针对对抗样本出现的原因主要有三种观点:流形中的低概率区域解释,线性解释,此外,还有一种观点认为线性解释存在局限性,即当前的猜想都不能令人信服,进一步研...


基于DBN-KELM的入侵检测算法

汪洋; 伍忠东; 火忠彩, 计算机工程 发表时间:2018-11-14 15:07 期刊

针对传统机器学习算法无法应对海量的多源异构的网络入侵数据的分类问题,提出了一种基于深度信念网络和核极限学习机的混合深度学习入侵检测算法(DBN-KELM算法)。该算法利用DBN对高维的网络历史数据进行抽象特征提取,获得原始数据的低维表示形式;利用KELM对低维表示的数据进行一次监督学习完成网络攻击的识别,结合了DBN的抽象特征提取能力和KELM的快速学习能力。最后在NSL-KDD数据集上进行实验仿真,实验结果表明DBN-KELM算法提高了分类的准确率以及对小样本攻击的检测率...


裂缝性介质多尺度深度学习模型

张庆福; 姚军; 黄朝琴; 李阳; 王月英, 计算物理 发表时间:2018-11-19 15:25 期刊

...带来困难。结合人工神经网络建立了裂缝介质多尺度深度学习流动模型。基于一套粗网格和一套细网格,通过在粗网格上训练数据,多尺度神经网络能够以较少的自由度训练出准确的神经网络。并在粗网格上通过求解局部流动问题获得多尺度基函数,结合神经网络进一步得到精细网格的解。基于离散裂缝的流动方程可视为多层网络,网络层数依赖于求解时间步数。具体来说,时间层n+1上的解依赖于第n层的解和输入变量,比如源汇项,渗透率等,每一层都是一种前馈映射。阐述了裂缝介质多尺度机器学习数值计算格式的建立,介绍了...


基于贝叶斯框架融合的RGB-D图像显著性检测

王松涛;周真;靳薇;曲寒冰;, 自动化学报 发表时间:2018-11-21 09:52 期刊

为了有效融合RGB图像颜色信息和Depth图像深度信息,提出一种基于贝叶斯框架融合的RGB-D图像显著性检测方法.通过分析3D显著性在RGB图像和Depth图像分布的情况,采用类条件互信息熵度量由深层卷积神经网络提取的颜色特征和深度特征的相关性,依据贝叶斯定理得到RGB-D图像显著性后验概率.假设颜色特征和深度特征符合高斯分布,基于DMNB生成模型进行显著性检测建模,其模型参数由变分最大期望算法进行估计.在RGB-D图像显著性检测公开数据集NLPR和NJU-DS2000上测...


基于深度学习的隐性评价对象识别方法

王仁武; 张文慧, 计算机工程 发表时间:2018-11-27 11:29 期刊

...应用,而这方面的研究还较少。为此,本文研究利用深度学习的方法来自动识别缺失的评价对象。首先设计研究领域的文本序列标注规范,并对评论语料分词后进行评价词与评价对象的命名实体标注,得到单词序列、词性序列和标注序列;然后将单词序列、词性序列转为神经网络语言模型的词向量表示,并用循环神经网络进行训练,输出层采用条件随机场CRF,输出标签即是评价对象,其中包括缺失的评价对象。实验结果表明,本文的方法将隐性评价对象的识别简化为命名实体标注,并利用深度学习捕获输入数据的上下文语义以及条件...


生成式对抗网络研究与应用进展

柴梦婷; 朱远平, 计算机工程 发表时间:2018-11-28 16:30 期刊

深度学习在人工智能领域获得了巨大的成功,众多深度学习模型不断出现。基于零和博弈思想的生成式对抗网络GAN(Generative adversarial networks)成为深度学习领域一个新的研究热点,该模型的意义在于可通过无监督学习获得数据的分布,并能生成较逼真的数据。以生成式对抗网络的基础概念及理论框架为基础,以GAN各类模型及其在特定领域的应用成果为研究对象,从数据相似性度量等三个方面进行归纳与分析,对GAN的改进与扩展的相关研究成果广泛调研,并从图像合成、风格迁移...


基于图优化的视觉SLAM研究进展与应用分析

王录涛; 吴林峰, 计算机应用研究 发表时间:2018-12-01 11:06 期刊

...进行估计,是实现未知环境下机器人全自主运动的核心。为了对SLAM技术有更为全面的把握,在回顾过去三十年里视觉SLAM技术发展历程基础上,详细分析了视觉SLAM问题的本质与求解的复杂性。重点对在提高位姿估计精度、构建全局一致地图与提升算法求解效率上的最新研究成果进行了介绍,并对当前代表性的算法实现方案进行了分析与比较。针对未来大尺度环境、全生命周期应用需求,对现有算法框架的不足与最新研究趋势进行了归纳总结。最后,探讨了深度学习技术与视觉SLAM问题求解的关联性。...


基于深度学习的中文微博作者身份识别研究

徐晓霖; 蔡满春; 芦天亮, 计算机应用研究 发表时间:2018-12-01 11:42 期刊

...、文本特征工程没有普适性。针对此问题,在无须专家进行特征建模的情况下,提出CABLSTM中文微博作者身份识别模型,并在公开微博语料集测试该模型准确度。该模型为最大化的提取短文本特征,融合Attention机制于CNN中并去除池化层,通过双向LSTM以获取上下文相关信息,身份识别结果通过Softmax层进行输出。实验结果表明,该模型在进行中文微博作者身份识别任务中与传统机器学习算法以及TextCNN和LSTM算法相对比,在准确率、召回率、F值方面都有一定的提升。...


基于深度学习的人体动作识别方法

李玉鹏; 刘婷婷; 张良, 计算机应用研究 发表时间:2018-12-03 09:58 期刊

针对人体动作深度视频的四维信息映射到二维空间后,动作分类容易发生混淆的问题,提出一种基于深度学习的人体动作识别方法。首先构建空间结构动态深度图,将深度视频的四维信息映射到二维空间,进行信息降维处理;然后提出基于联合代价函数的深度卷积神经网络,结合交叉熵损失函数与中心损失函数作为联合代价函数,指导卷积层学习到更具分辨力的深度特征,以进行更精确的分类。在MSRDailyActivity3D和SYSU 3D HOI两个数据集的实验结果表明,与现有方法相比,该方法识别率得到了较明显...


基于深度学习和CRF模型的PolSAR图像地物分类

胡涛; 李卫华; 秦先祥; 王鹏; 余旺盛; 李军, 雷达学报 发表时间:2018-12-04 10:31 期刊

近年来,极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强。针对该问题,本文提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和CRF (Conditional Random Field, CRF)模型的PolSAR图像地物分类方法。利用预训练好的VGG-


基于卷积神经网络的层级化智能故障诊断算法

曲建岭;余路;袁涛;田沿平;高峰;, 控制与决策 发表时间:2018-12-06 07:22 期刊

传统智能故障诊断算法需要依赖人工特征提取和专家知识,而旋转机械设备复杂的工作环境和工况使得传统算法在实际应用中缺乏良好的自适应性和泛化性。针对以上问题本文提出了基于卷积神经网络(Convolutional Neural Network,CNN)的层级化故障诊断算法(CNN based Hierarchical Fault Diagnosis,CNN-HFD)。首先,将原始振动信号进行分段预处理以实现数据扩容,然后,分别根据故障类型和故障程度设计多个卷积神经网络,并将原始振


相关搜索
 找到 23,646 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。