基于LSTM循环神经网络的储层物性参数预测方法研究

安鹏; 曹丹平; 赵宝银; 杨晓利; 张明, 地球物理学进展 发表时间:2019-03-06 08:57 期刊

...量和孔隙度对于储层精细描述具有十分重要的意义。深度学习技术具有极强的数据结构挖掘能力,目前,全连接的深度神经网络已经在泥质含量预测进行了初步尝试并取得了较好的效果。而长短时记忆(LSTM)循环神经网络更适合解决序列化的数据问题,因此本文提出基于LSTM循环神经网络利用多种测井参数进行泥质含量和孔隙度预测的方法,预测结果的均方根误差比常规全连接深度神经网络分别下降了42.2%和48.6%,实际应用表明,对于具有序列化特性的泥质含量和孔隙度,LSTM循环神经网络预测的准确性和稳...


基于扩张卷积金字塔网络的车道线检测

田晟; 张剑锋; 张裕天; 许凯, 西南交通大学学报 发表时间:2019-03-07 15:50 期刊

为满足汽车高级驾驶辅助系统对车道线检测准确性和时效性的要求,提出一种基于扩张卷积金字塔网络的端到端车道线快速检测算法。该算法采用改进的ResNet50网络作为基础模型提取局部车道线特征,利用扩张卷积能指数级扩大感受野的特点,设计了扩张卷积金字塔模块,用以完整提取不同尺度的车道线特征。提出“锚点栅格”的思想,将输出划分为一组栅格,对每个栅格进行分类和回归分析,经过非极大值抑制等后处理,最终输出车道线标记点集。在CULane多场景数据集中对模型进行测试,在IoU阈值取为0.3


基于深度学习的语义分割问题研究综述

张祥甫;刘健;石章松;吴中红;王智;, 激光与光电子学进展 发表时间:2019-03-08 17:05 期刊

...领域的核心技术。近年来,卷积神经网络(CNN)不断取得突破性进展,利用深度学习方法处理语义分割问题展示出具大的潜力。从语义分割的定义出发,探讨了目前语义分割领域存在的挑战。在介绍CNN相关原理的基础上,详细对比了几种用于语义分割算法评测的数据集,重点对近年来语义分割领域基于解码器、信息融合和循环神经网络(RNN)的深度学习方法进行综述。最后进行总结和展望,阐述了未来语义分割领域需进一步丰富数据库场景、提高算法实时性和开展3D点云语义分割的发展趋势。...


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...


基于多特征和深度神经网络的维吾尔文情感分类

买买提阿依甫; 吾守尔·斯拉木; 艾斯卡尔·艾木都拉; 杨文忠; 帕丽旦·木合塔尔, 计算机应用研究 发表时间:2019-03-12 15:32 期刊

针对传统机器学习的情感分类方法存在长距离依赖问题,深度学习存在忽略情感词库的弊端,提出了一种基于注意力机制与双向长短记忆网络和卷积神经网络模型相结合的维吾尔文情感分类方法。将多特征拼接向量作为双向长短记忆网络的输入捕获文本上下文信息,使用注意力机制和卷积网络获取文本隐藏情感特征信息,有效增强了对文本情感语义的捕获能力。实验结果表明,该方法在二分类和五分类情感数据集上的F1值相比于机器学习方法分别提高了5.59%、7.73%。...


基于深度学习的代码审查意见有效性评估

段雨佳;鞠婷;, 电子科技 2020年01期 , 期刊

针对代码审查过程中的代码审查意见对于开发者可能无价值的问题,文中提出了一种基于深度学习长短期记忆网络的代码审查意见有效性评估方法。该方法通过提取代码审查意见中与审查意见有效性相关的特征,并根据这些特征构建评估模型,从而评估审查意见对于开发人员是否有价值。为了验证方法的有效性,文中选取了GitHub上开源Eclipse项目中的审查信息作为实验数据,并将所提方法与其它机器学习方法对比。实验结果表明,该方法可以有效评估审查意见的价值。...


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...


模糊熵和深度学习在精神分裂症中的应用研究

田程; 胡廷; 曹锐; 相洁, 计算机工程与应用 发表时间:2019-03-13 15:31 期刊

...的前提。针对以上问题,提出一种基于大脑复杂性和深度学习的精神分裂症脑电信号(EEG)分类方法,旨在发现隐藏在数据中的分布式特征。与忽略空间信息的标准脑电数据分析技术相反,首先将脑电信号的时间序列进行分频处理,并将每个频段的时间序列用模糊熵(FuzzyEn)进行特征提取,按照电极的空间位置构成特征向量,并将特征向量输入到卷积神经网络(CNN)中训练分类模型,自动识别受试者是否患病。实验结果表明,基于模糊熵和卷积神经网络的分类方法是有效的,分类准确率达到了99.16%。...


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...


基于双重注意力机制的异步优势行动者评论家算法

凌兴宏;李杰;朱斐;刘全;伏玉琛;, 计算机学报 发表时间:2019-03-14 17:29 期刊

深度强化学习是目前机器学习领域发展最快的技术之一。传统的深度强化学习方法在处理高维度大状态的空间任务时,由于庞大的计算量导致其训练时间过长。虽然异步深度强化学习利用异步方法极大缩短了训练时间,但会忽略某些更具价值的图像区域和图像特征。针对上述问题,提出了一种基于双重注意力机制的异步优势行动者评论家算法。新算法利用特征注意力机制和视觉注意力机制来改进传统的异步深度强化学习模型。其中,特征注意力机制为卷积神经网络卷积后的所有特征图设置不同的权重,使得智能体聚焦于重要的图像特征;...


基于深度学习的无人机数据链信噪比估计方法

孙宇航; 曾国奇; 刘春辉; 张多纳, 北京航空航天大学学报 发表时间:2019-03-15 09:34 期刊

...Network,LSTM)结合的估计模型;利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对方法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计方法与单一网络结构的深度学习方法,所提方法的均方误差最低,实现了对信噪比的高精度估计。...


基于深度学习和CRFs的产品评论观点抽取方法

那日萨; 睢国钦; 彭振, 情报杂志 发表时间:2019-03-18 15:32 期刊

...模型需要人工构造语言学特征的缺陷,提出一种基于深度学习和CRFs的产品评论抽取方法,该方法首先在连续词袋模型(CBOW)获得词向量基础上,利用双向长短期记忆神经网络(BLSTM RNN)自动学习评论语句的文本特征,再以CRFs层进行解码标注,进而识别出三元组。[结果/结论]为验证方法的有效性,针对从京东商城等电商平台上抓取的手机和酒店评论集,人工标注部分评论用于训练模型并进行测试,实验结果表明,该方法在产品评论观点抽取任务上取得了平均F值大于80%的效果。...


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。...


基于动态采样和迁移学习的疾病预测模型

胡满满;陈旭;孙毓忠;沈曦;王晓青;余天洋;梅御东;肖立;程伟;杨杰;杨焱;, 计算机学报 发表时间:2019-03-19 13:39 期刊

...合,将诊断结果作为输出标签,在此基础上利用机器学习算法训练疾病预测模型。不同疾病发病率的差异性导致医学样本具有不均衡、小样本特点,难以训练高效、准确疾病预测模型。采样技术是目前解决样本不均衡问题的常用手段,其主要采用一定的策略生成均衡训练集,在均衡训练集上训练疾病预测模型,但是采样技术独立训练不同疾病的预测模型,没有考虑不同疾病模型之间的知识迁移性,限制了模型效果。迁移学习可以实现相似任务之间的知识迁移,如果将迁移学习运用到疾病预测模型训练过程中,在已有疾病诊断模型的基础上...


基于深度学习的ARM平台实时人脸识别

方国康;李俊;王垚儒;, 计算机应用 发表时间:2019-03-19 15:24 期刊

...脸识别实时性不强和识别率低的问题,提出一种基于深度学习的实时人脸识别方法。首先基于MTCNN人脸识别算法设计了一种实时检测并追踪人脸的算法;然后在ARM平台上基于深度残差网络来设计人脸特征提取网络;最后针对ARM平台的特点,使用Mali-GPU加速人脸特征提取网络的运算,分担CPU负荷,提高系统整体运行效率。算法部署在基于ARM的瑞芯微RK3399开发板上,运行速度达到22FPS。实验结果表明,与MobileFaceNet相比,该方法在MgaFac上的识别率提升了11个百分...


基于双深度网络的安全深度强化学习方法

朱斐;吴文;伏玉琛;刘全;, 计算机学报 发表时间:2019-03-19 15:37 期刊

深度强化学习利用深度学习感知环境信息,使用强化学习求解最优决策,是当前人工智能领域的主要研究热点之一。然而,大部分深度强化学习的工作未考虑安全问题,有些方法甚至特意加入带随机性质的探索来扩展采样的覆盖面,以期望获得更好的近似最优解。可是,不受安全控制的探索性学习很可能会带来重大风险。针对上述问题,提出了一种基于双深度网络的安全深度强化学习(Dual Deep Network Based Secure Deep Reinforcement Learning, DDN-SDRL...


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...


深度学习视阈下MOOC学习者流失预测及干预研究

林鹏飞; 何秀青; 陈甜甜; 吴华君; 何聚厚, 计算机工程与应用 发表时间:2019-03-27 10:11 期刊

...pen Online Courses)课程在为学习者提供优质课程的同时,低完成率成为影响其有效推广的重要因素。通过对edX开放数据集分析发现,学习者的逐渐流失是导致MOOC课程低完成率的因素之一,且学习行为与成绩之间存在复杂的相关性;基于线性回归和深度神经网络(Deep Neural Network,简称DNN)预测学习者的成绩,实验证明,DNN能够更好地拟合学习行为与成绩之间复杂的相关性,实现对成绩更加精准的预测,预警学习者流失;对预测的潜在流失学习者迭代进行个性化的教学...


相关搜索
 找到 23,645 条结果 
首页上一页2345678910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。