基于排序优先经验回放的竞争深度Q网络学习

周瑶瑶; 李烨, 计算机应用研究 发表时间:2018-12-12 15:34 期刊

为减少深度Q网络算法的训练时间,采用结合优先经验回放机制与竞争网络结构的DQN方法,针对Open AI Gym平台Cart Pole和Mountain Car两个经典控制问题进行研究,其中经验回放采用基于排序的机制,而竞争结构中采用深度神经网络。仿真结果表明,相比于常规DQN算法、基于竞争网络结构的DQN方法和基于优先经验回放的DQN方法,该方法具有更好的学习性能,训练时间最少。同时,详细分析了算法参数对于学习性能的影响,为实际运用该方法提供了有价值的参考。...


基于递归神经网络的视频多目标检测技术

华夏; 王新晴; 马昭烨; 王东; 邵发明, 计算机应用研究 发表时间:2018-12-13 11:13 期刊

针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题,改进了基于深度学习的目标检测框架SSD,提出一种改进的多目标检测框架LSTM-SSD,将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络LSTM网络相结合,形成交织循环卷积结构,通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联,极大降低了网络计算成本;将时间感知信息与改进的动态卡尔曼滤波算法结合起来,实现了对视频...


基于多尺度残差网络的压缩感知重构算法

练秋生;富利鹏;陈书贞;石保顺;, 自动化学报 发表时间:2018-12-17 10:40 期刊

目前压缩感知系统利用少量测量值使用迭代优化算法重构图像.在重构过程中,迭代重构算法需要进行复杂的迭代运算和较长的重构时间.本文提出了多尺度残差网络结构,利用测量值通过网络重构出图像.网络中引入多尺度扩张卷积层用来提取图像中不同尺度的特征,利用这些特征信息重构高质量图像.最后,将网络的输出与测量值进行优化,使得重构图像在测量矩阵上的投影与测量值更加接近.实验结果表明,本文算法在重构质量和重构时间上均有明显优势.


基于深度信念网络的不同行业中长期负荷预测

张籍; 薛儒涛; 刘慧; 陈艳波; 谢东; 高晓晶, 电力系统及其自动化学报 发表时间:2018-12-17 11:45 期刊

...证不同行业中长期负荷预测的准确性,提出一种基于深度信念网络的不同行业中长期负荷预测方法。首先采用灰色关联度分析法定量分析各种影响因素对不同行业的影响程度,生成关联度矩阵;进而基于关联度矩阵,采用模糊C-均值聚类法将不同行业划分为不同的预测类型;最后针对每一种预测类型建立基于深度信念网络的中长期负荷预测模型。文章最后采用实际电网数据测试所提方法的精度,结果显示本文方法得到的中长期负荷预测平均误差率与最大误差率分别低于2%与6%,证明了所提方法对中长期负荷预测具有较高的准确性。...


基于安全帽佩戴检测的矿山人员违规行为研究

仝泽友;冯仕民;侯晓晴;丁恩杰;, 电子科技 2019年09期 , 期刊

针对矿山人员安全帽佩戴检测问题,文中提出了一种基于人脸的身份识别及安全帽佩戴检测的违规行为识别方法。首先在视频图像中检测人脸以识别身份,然后运用卷积神经网络方法检测人员是否佩戴安全帽,实验阶段将此方法与传统的图像处理方法进行测试对比。实验结果显示,基于深度学习的安全帽检测方法的鲁棒性强于传统方法,在不同条件下识别率和运行效率均优于传统方法,深度学习方法的平均识别率高达97%,所需平均运行时间少于传统方法的1/7。...


基于深度学习的单图像超分辨率重建研究综述

南方哲; 钱育蓉; 行艳妮; 赵京霞, 计算机应用研究 发表时间:2018-12-21 13:41 期刊

为深入了解基于深度学习的单图像超分辨率重建(single image super-resolution,SISR)的发展,把握当前研究的热点和方向,针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。首先介绍了相关深度学习算法;然后介绍了基于深度学习的模型以及评价指标,并通过实验对比分析现有模型的性能,其目的在于从本质上了解基于深度学习的单图像超分辨率重建模型的优势;最后对单图像超分辨率重建的关键问题进行了总结,并对未来的发展趋势进行了展望。...


基于栈式降噪编码器的动态混合推荐算法

李梦梦; 夏阳; 李心茹; 徐婷; 魏思政, 计算机工程 发表时间:2018-12-24 15:51 期刊

传统协同过滤算法大都仅依靠用户评分数据的低维向量方法,导致了推荐结果精确度不高和冷启动问题。因此,本文将栈式降噪自动编码器融入到基于用户的协同过滤中,学习用户的深层次特征,并与基于用户项目属性偏好的相似度融合。在预测生成阶段,设置了时间衰减项,动态预测访问概率,及时更新用户兴趣变化,进而提高推荐质量。在MovieLens数据集上的实验结果表示,该算法有效地提高了推荐性能。...


深度学习FGPA加速器的进展与趋势

吴艳霞;梁楷;刘颖;崔慧敏;, 计算机学报 发表时间:2018-12-24 16:39 期刊

随着大数据时代的来临,深度学习技术在从海量数据中提取有价值信息方面发挥着重要作用,已被广泛应用于人工智能、多媒体等众多领域。本文从深度学习算法的特点和发展趋势出发,分析FPGA加速深度学习的优势以及技术挑战;其次,从SoC FPGA和标准FPGA两个方面介绍了CPU-FPGA平台,主要对比分析了两种模型在CPU和FPGA之间数据交互上的区别;接下来,在介绍FPGA加速深度学习算法的开发环境基础上,重点从硬件结构和设计思路这两个方面详细综述了采用FPGA加速卷积神经网络的设计...


基于深度贝叶斯主动学习的高光谱图像分类

杨承文; 李吉明; 杨东勇, 计算机工程与应用 发表时间:2018-12-25 09:40 期刊

...取费时费力,无标记数据难以得到有效利用以及主动学习深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法。利用少量标记样本训练一个卷积神经网络模型,根据与贝叶斯方法结合的主动学习采样策略从无标记样本中选择模型分类最不确定性的样本,选取的样本经人工标记后加入到训练集重新训练模型,减小模型不确定性,提高模型分类精度。通过PaviaU高光谱图像分类的实验结果表明,在少量的标记样本下,提出的方法比传统的方法分类效果更好。...


基于优势学习深度Q网络

夏宗涛; 秦进, 计算机工程与应用 发表时间:2018-12-27 13:50 期刊

强化学习问题中,同一状态下不同动作所对应的状态-动作值存在差距过小的现象,Q-Learning算法采用MAX进行动作选择时会出现过估计问题,且结合了Q-Learning的深度Q网络(DeepQNet)同样存在过估计问题。为了缓解深度Q网络中存在的过估计问题,提出一种基于优势学习深度Q网络,通过优势学习的方法构造一个更正项,利用目标值网络对更正项进行建模,同时与深度Q网络的评估函数进行求和作为新的评估函数。当选择的动作是最优动作时,更正项为零,不对评估函数的值进行改动,当选...


面向轨迹规划的深度强化学习奖励函数设计

李跃; 邵振洲; 赵振东; 施智平; 关永, 计算机工程与应用 发表时间:2018-12-29 09:48 期刊

现有基于深度强化学习的机械臂轨迹规划方法在未知环境中学习效率偏低,规划策略鲁棒性差。为了解决上述问题,提出了一种基于新型方位奖励函数的机械臂轨迹规划方法 A-DPPO,基于相对方向和相对位置设计了一种新型方位奖励函数,通过降低无效探索,提高学习效率。其次,将分布式近似策略优化(DPPO)首次用于机械臂轨迹规划,提高了规划策略的鲁棒性。实验证明相比现有方法,A-DPPO有效地提升了学习效率和规划策略的鲁棒性。...


基于3D卷积神经网络的视频哈希算法

刘玉莹; 刘宏哲; 袁家政; 李兵, 计算机应用研究 发表时间:2019-01-03 10:57 期刊

随着视频分享应用和平台的蓬勃发展,视频数据正处于指数上升阶段,针对目前相似性视频检索方法中快速性和准确性仍无法满足用户要求等问题,提出了一种基于3D卷积神经网络的视频快速检索方法。该算法将3D卷积神经网络与哈希学习方法结合应用于视频数据,既能快速学习视频时空特征表示,又能极大地缩短视频检索时间。在常用视频数据集上的实验结果表明,利用所提出的方法对视频进行相似性检索性能优于当前主流方法。...


基于深度聚类的开源软件漏洞检测方法

李元诚; 黄戎; 来风刚; 毛一凡; 蔡力军, 计算机应用研究 发表时间:2019-01-03 11:48 期刊

近年来开源软件频频爆出高危漏洞,对企业信息系统安全造成巨大威胁。针对开源软件漏洞,提出一种基于深度聚类算法的软件源代码漏洞检测方法。该方法利用代码图模型构造开源软件代码属性图,遍历得到关键代码节点并提取出应用程序编程接口(API)序列,并将其嵌入向量空间,以关键代码为中心进行聚类,并根据聚类结果计算每个函数的异常值,生成检测报告并匹配漏洞库,从而检测出源代码中的漏洞。实验结果表明,该方法能够定位开源软件中漏洞所在的关键代码段并检测出相应漏洞。...


基于深度学习的驾驶场景关键目标检测与提取

张雪芹; 魏一凡, 华东理工大学学报(自然科学版) 发表时间:2019-01-04 09:21 期刊

...选定的目标检测是无人驾驶视觉感知中的关键技术之一。采用基于深度计算机视觉组网络(VGGNet)的新型单次多框检测算法(SSD)进行驾驶环境中的关键目标检测、语义标注和目标框选;同时,针对具体驾驶场景,提出了改进的SSD_ARS算法。通过优化梯度更新算法、学习率下降策略和先验框生成策略,在提高平均检测精度的同时使得小目标类别的检测精度得到明显提升。在实际驾驶场景中9类关键目标的检测实验上验证了本文算法的有效性,实验结果表明,检测速度满足实时检测需求。...


深度学习FPGA加速器的进展与趋势

吴艳霞;梁楷;刘颖;崔慧敏;, 计算机学报 发表时间:2019-01-14 15:08 期刊

随着大数据时代的来临,深度学习技术在从海量数据中提取有价值信息方面发挥着重要作用,已被广泛应用于计算机视觉、语音识别及自然语言处理等领域。本文从深度学习算法的特点和发展趋势出发,分析FPGA加速深度学习的优势以及技术挑战;其次,从SoC FPGA和标准FPGA两个方面介绍了CPU-FPGA平台,主要对比分析了两种模型在CPU和FPGA之间数据交互上的区别;接下来,在介绍FPGA加速深度学习算法的开发环境基础上,重点从硬件结构、设计思路和优化策略这三个方面详细综述了采用FPG...


基于FCN的多方向自然场景文字检测方法

杨剑锋; 王润民; 何璇; 李秀梅; 钱盛友, 计算机工程与应用 发表时间:2019-01-16 09:45 期刊

...景中的多方向文字检测问题,本文提出了一种新的基于深度学习文字检测方法,该方法首先采用全卷积网络(Fully Convolutional Networks,FCN)并融合多尺度文字特征图,结合语义分割的方法分割文字候选区域,然后利用分割得到的文字候选区域直接获取文字候选检测框并进行扩大补偿处理,最后对文字候选检测框进行后处理得到最终检测结果。本文方法在ICDAR2013,ICDAR2015标准数据集进行了测评,实验结果表明该方法相比一些最新方法取得了更好的性能。...


深度学习及其在计算机视觉领域中应用

李国和; 乔英汉; 吴卫江; 郑艺峰; 洪云峰; 周晓明, 计算机应用研究 发表时间:2019-01-16 16:51 期刊

随着大数据时代的到来,深度学习利用多层次的模型结构,通过反向传播算法(BP算法)自动地从图像等复杂数据中进行多层次的、具有不同复杂度的特征提取,从而实现端到端的学习,在计算机视觉领域得到广泛应用。深度学习模型尤其是卷积模型网络结构更多层、更复杂,与传统机器学习方法相比具有更强大的特征学习和表达能力。首先回顾了计算视觉发展的历史,介绍了神经元、多层感知机和反向传播等人工神经网络的基本知识以及卷积神经网络的发展史及其卷积、池化等基本操作;然后讨论了AlexNet、VGGNet、...


基于word2vec和双向LSTM的情感分类深度模型

黄贤英; 刘广峰; 刘小洋; 阳安志, 计算机应用研究 发表时间:2019-01-17 08:46 期刊

...情感分类模型存在先验知识依赖以及语义理解不足问题,提出一种基于word2vec和双向长短时记忆循环神经网络的情感分类模型WEEF-BILSTM。采用基于CBOW方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,通过双向LSTM神经网络获取更为完整的文本上下文信息从而提取出深度词向量特征,继而使用one-versus-one SVM对其进行情感分类。实验结果表明:提出的WEEF-BILSTM模型较其他模型分类效果更好,能达到更优的准确率和F值。...


基于深度学习的行人重识别研究进展

罗浩;姜伟;范星;张思朋;, 自动化学报 发表时间:2019-01-22 09:19 期刊

...给定一个监控行人图像检索跨设备下的该行人图像.传统的方法依赖手工特征,不能适应数据量很大的复杂环境.近年来随着深度学习的发展,大量基于深度学习的行人重识别方法被提出.本文先简单介绍了该问题的定义及传统方法的局限,并列举了一些适用于深度学习方法的行人重识别数据集.此外我们详细地总结了一些比较典型的基于深度学习的行人重识别方法,并比较了部分算法在Market1501数据集上的性能表现.最后我们对该问题未来的研究方向做了一个展望....


改进ADASYN-SDA的入侵检测模型研究

陈虹; 赵建智; 肖成龙; 陈建虎; 肖越, 计算机工程与应用 发表时间:2019-01-23 16:45 期刊

...且数据不均衡环境下检测性能较差的问题,提出了一种自适应过采样算法(ADASYN)与改进堆叠式降噪自编码器(SDA)结合的入侵检测模型。首先使用ADASYN算法进行数据过采样处理。其次使用Adam优化算法,以及Dropout正则化对SDA深度学习模型进行改进,提取出低维数、高鲁棒性的集成特征。最后在softmax分类器中进行入侵检测识别。实验表明,ADASYN-SDA模型相较于SDA、AE-DNN和MSVM模型,在平均准确率、检测率和误判率上均有一定程度的提高。...


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。