基于深度残差生成式对抗网络的样本生成方法

王星; 杜伟; 陈吉; 陈海涛, 控制与决策 发表时间:2019-04-28 15:32 期刊

...不稳定以及模式坍塌等问题.针对以上问题,本文在深度卷积生成式对抗网络(DCGAN)的基础上结合残差网络采用了一种基于深度残差生成式对抗网络的样本生成方法 RGAN(Residual Generative Adversarial Network).该样本生成方法利用残差网络和卷积网络分别构建生成模型和判别模型,并结合正负样本融合训练的学习优化策略进行优化训练.其中,深度残差网络可以恢复出丰富的图像纹理;正负样本融合训练的方式可以增加对抗网络的鲁棒性,有效缓解对抗网络训练不稳定...


卷积神经网络实现的运动想象脑电分类及人-机器人交互应用

程时伟;周桃春;唐智川;范菁;孙凌云;朱安杰;, 软件学报 发表时间:2019-04-30 09:19 期刊

基于脑电的脑机交互能帮助肢体运动障碍患者进行日常生活和康复训练,但是由于脑电信号存在信噪比较低,个体差异性大等问题,导致脑电特征的提取与分类还需要进一步提高准确性和效率.因此,本文在减少脑电采集通道数目、增加分类数目的前提下,基于卷积神经网络对运动想象中的脑电信号进行分类.首先,基于已有方法进行探索实验,建立由三层卷积层、三层池化层和两层全连接层构成的卷积神经网络;然后针对想象左手、右手、脚的运动和静息态设计与开展了实验,获取了相关脑电数据;接着,利用脑电数据训练出基于卷


基于改进密集连接型网络的光场深度估计

苏钰生; 王亚飞; 李学华, 计算机工程与应用 发表时间:2019-05-05 11:23 期刊

针对传统的光场深度估计算法精度低,计算慢的问题,提出了一种改进DenseNet的多输入流密集连接型卷积神经网络进行光场深度估计的方法。该方法采用的密集连接的结构,减少了模型的计算量。首先对输入图片进行预处理,转化为极平面图EPI Volume(epipolar plane image)结构,然后,采用随机灰度化等数据增强方法克服训练数据不足,最终通过神经网络将EPI特征转化为深度信息。在HCI 4D光场数据集上的对比试验结果表明,该方法在均方误差和不良像素率上都取得了良好结...


多Agent深度强化学习综述

梁星星;冯旸赫;马扬;程光权;黄金才;王琦;周玉珍;刘忠;, 自动化学报 发表时间:2019-05-06 09:04 期刊

近些年来,深度强化学习在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能力,深度强化学习已经成为实现人工智能颇有前景的学习范式.然而,深度强化学习在多agent系统的研究与应用中,仍存在诸多困难和挑战,以StarCraft II为代表的部分观测环境下的多agent学习仍然很难达到理想效果.在本文中,我们简要介绍了深度Q网络、深度策略梯度算法等为代表的深度强化学习算法和相关技术.同时,从多agent深度强化学习中通信过程的角度对现...


基于迁移学习与权重支持向量机的图像多标签标注算法

陈磊;李菲菲;陈虬;, 电子科技 2020年03期 , 期刊

...自动标注中标签不平衡性的问题,提出一种基于迁移学习与权重支持向量机的图像自动标注方法?为了解决所选数据集规模较小无法训练出最优的卷积神经网络的问题,文中采用迁移学习的方法,将通过Imagenet数据集训练出的Alexnet的参数迁移到文中所用的卷积神经网络模型中,并对最后一层全连接层进行微调,利用多标签分类多合页损失函数构成多分类的支持向量机。最后,文中对低频标签进行权重排序以得到图像的多标签标注结果?在Corel-5k、Esp-Game和IAPR-TC12共3个数据集上进...


基于图卷积网络的深度学习点云分类模型

王旭娇;马杰;王楠楠;马鹏飞;杨立闯;, 激光与光电子学进展 发表时间:2019-05-08 11:51 期刊

...是其中具有代表性的研究成果,该模型开创性地利用深度学习模型对点云进行分类,取得了较好的效果。但是PointNet模型只考虑到点云的全局特征而忽略了每个点的局部信息,为了弥补这个缺陷,本文提出了基于图卷积网络的点云分类模型,在PointNet模型中插入一个k NN graph层,通过在点云空间构造k近邻图,利用图结构有效地获取点云的局部信息,从而提高整体点云分类准确率。分类实验在ModelNet40上进行,对比了不同近邻值k对输出精度的影响,结果表明在k取20时,分类准确率最...


基于深度学习的单目图像深度估计的研究进展

李阳;陈秀万;王媛;刘茂林;, 激光与光电子学进展 发表时间:2019-05-08 13:46 期刊

利用二维图像来进行场景的深度估计是计算机视觉领域的经典问题之一,也是实现三维重建、场景感知的重要环节。近年来基于深度学习的单目图像深度估计发展迅速,各种新算法层出不穷。本文介绍了深度学习在这一领域的应用历程与研究进展,从监督与无监督两类方式分别系统地分析了有代表性的算法与框架,总结了深度学习在单目图像深度估计领域的研究进展与变化趋势和当前的缺陷与不足,展望了未来研究的热点。...


基于深度学习的极性电子元器件目标检测与方向识别方法

陈文帅;任志刚;吴宗泽;付敏跃;, 自动化学报 发表时间:2019-05-08 15:19 期刊

1 XX ò 1 X ? g ? z ? Vol. XX, No. X201X c X ACTA AUTOMATICA SINICA Month, 201X?u Y?S 45>f ì?8Iu?? ?£O { ?R1, 2?“f1, 2


基于自学习近邻图策略的短文本匹配方法

付聪; 李六武; 杨振国; 刘文印, 计算机应用研究 发表时间:2019-05-13 16:11 期刊

...对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系。现有方法通常构造静态的近邻图,这些方法一方面依赖先验知识,另一方面难以获得句子对的最优表示。因此,提出了利用孪生卷积神经网络学习更优的动态更新的近邻图。该模型在Quora数据集上的准确率和F1值分别是84.15%和79.88%,在MSRP数据集上的准确率和F1值分别是74...


基于DenseNet的天体光谱分类方法

王奇勋;赵刚;范舟;, 天文研究与技术 发表时间:2019-05-17 10:13 期刊

天体光谱数据的智能处理正由传统机器学习方法逐步转向深度学习,主要采用基于计算机视觉的技术手段。本文基于在计算机视觉领域广泛应用的DenseNet网络结构,针对光谱数据进行修改,建立了适用于光谱数据的一维卷积神经网络模型解决天体光谱数据分类任务。在验证数据集上,恒星、星系、类星体的F1分数达到了为0.9987、0.9127、0.9147,高于传统神经网络。光谱分类关注区域的可视化结果表明,本文模型可以学习到各类天体对应的特征谱线,具有较强的可解释性。本文的方法被用于阿里云天池...


国家自然科学基金“计算机图像与视频处理”领域申请与资助项目关键词统计与分析

侯素娟;赵瑞珍;宋苏;, 软件学报 发表时间:2019-05-22 15:26 期刊

关键词反映出一份项目申请书的主要研究内容.本文统计了国家自然科学基金“计算机图像与视频处理”领域(对应代码F020502)2014-2018年申请与资助项目关键词,并分别从关键词标引量、关键词词频等方面进行分析,探讨了它们与资助率的关系.最后,运用定量的方法透过热频关键词的内容变化分析近5年“计算机图像与视频处理”领域的研究热点变化.


基于乳腺X线摄影的肿块检测综述

王俊茜;徐勇;孙利雷;蒲祖辉;, 自动化学报 发表时间:2019-05-22 16:20 期刊

...乳腺癌死亡率最为有效的方法.乳腺X线摄影检查作为医学界公认的最有效的早期乳腺癌筛检工具,可以很好的反映出乳腺存在的异常情况.乳腺癌临床中常见的病理特征为乳腺的钙化和肿块,对乳腺X线摄影中钙化点的检测技术已经相当的成熟,但对肿块区域的检测和分类依旧是一项具有挑战性的任务.因此,本文对近几年提出的基于全乳腺X线摄影的肿块检测方法进行简要综述,分别从基于传统的乳腺肿块检测方法和基于深度学习的乳腺肿块检测方法进行介绍,并讨论了乳腺X线摄影中肿块检测未来研究的发展趋势....


基于TSNE和多尺度稀疏自编码的高光谱图像分类

董安国; 张倩; 刘洪超; 梁苗苗, 计算机工程与应用 发表时间:2019-05-24 15:30 期刊

...“灾难”、特征以及空间信息利用不足的问题,结合深度学习、流形学习及多尺度空间特征的最新进展,提出了一种TSNE和多尺度稀疏自编码网络的高光谱图像分类算法。利用TSNE算法对高光谱图像进行降维,再对每个像元的邻域进行多尺度空间特征提取,利用加入空谱联合信息的像元训练稀疏自编码网络模型并通过softmax分类器进行分类,减少计算复杂度,提高分类精确度。通过对Indian Pines及Pavia University两组数据进行实验,结果表明,提出的算法与其他五种算法相比分类效果...


基于深度学习与特征融合的人脸识别算法

司琴;李菲菲;陈虬;, 电子科技 2020年04期 , 期刊

...脸的局部结构特征。针对此问题,文中提出一种基于深度学习与特征融合的人脸识别方法。该算法将局部二值模式信息与原图信息相结合作为SDFVGG网络的输入,使得提取的人脸特征更加丰富且更具表征能力。其中,SDFVGG网络是将VGG网络进行深浅特征相融合后的网络。在CAS-PEAL-R1人脸数据库上的实验表明,将网络深浅特征相融合与在卷积神经网络中加入LBP图像信息与原图信息相融合的特征信息对于提高人脸识别准确率非常有效,可得到优于传统算法和一般卷积神经网络的最高98.58%人脸识别...


基于批判性思维的深度学习活动模式构建

王小根;姜鹏丽;, 软件导刊 发表时间:2019-05-27 15:42 期刊

随着知识经济时代的发展,深度学习已成为促进学习者发展的重要方式之一,但学习不太深入的现象仍然比较普遍。目前,创新型人才培养已经成为社会各界共同追求的目标。创新型人才培养要求学习者必须改变固有思维习惯,提升批判性思维能力,而批判性思维能力的提升也会促进深度学习的有效发生。因此,基于批判性思维的深度学习研究具有一定现实意义。在深入分析深度学习和批判性思维内涵特征与实现过程基础上,提出实现深度学习的4个过程阶段,并提取批判性思维培养的7个核心过程要素。通过分析各核心过程要素特点和...


基于进化深度学习短期负荷预测的应用研究

易灵芝; 常峰铭; 龙谷宗; 梁湘湘; 马文斌, 电力系统及其自动化学报 发表时间:2019-05-28 11:10 期刊

...线性电力负荷数据特征提取效果不佳,为了提高电力负荷预测精度,提出基于进化深度学习特征提取预测模型。利用进化算法的全局寻优特点,将进化策略和遗传算法的核心思想融入到深度学习中,对深度学习优化重构误差函数,精简网络结构,构建性能良好的特征提取预测模型。对湖南省某地区智能电网电力负荷数据进行预测,算例分析表明,本文所提方法对某一天24h进行负荷预测时,其MAPE达到1.97%,比支持向量机、ARIMA、BP、DBN预测方法具有更高的预测精度。...


基于长短时记忆神经网络(LSTM)的降雨径流模拟及预报

殷兆凯; 廖卫红; 王若佳; 雷晓辉, 南水北调与水利科技 发表时间:2019-05-28 15:39 期刊

长短时记忆神经网络(LSTM)具有很强的时间序列关系拟合能力,非常适用于模拟及预报流域产汇流这一复杂的时间序列过程。本研究基于LSTM针对不同预见期的径流预报分别建立了流域降雨径流模型,以探讨LSTM在水文预报当中的应用。模型采用流域降雨、气象及水文数据作为输入,不同预见期后的径流过程作为输出,率定期为14a,验证期为2a。结果显示,在预见期为0~2日时LSTM预报精度很高,在预见期为3日时预报精度较差,但仍优于新安江模型。隐藏层神经元数量作为神经网络复杂程度的代表既会影


基于层次注意力机制的维度情感识别方法

汤宇豪; 毛启容; 高利剑, 计算机工程 发表时间:2019-05-30 17:49 期刊

...模态对于情感状态的影响程度也是不同的,如何有效学习各个模态特征并采用合理的方式进行融合一直是一个挑战。本文提出一种基于层次注意力机制的多模态维度情感识别模型,该模型首先在音频模态中加入频率注意力机制学习频域上下文信息,然后利用多模态注意力机制将视频特征与音频特征进行融合,最后通过改进的损失函数对模态缺失问题进行优化,提高模型的鲁棒性以及情感识别的性能。在已有的公开数据集上的实验证明我们的方法相比于主流深度学习方法(LSTM及CRNN等)在CCC相关度系数指标上均有一定的提升...


基于线性动态跳帧的深度双Q网络

陈松;章晓芳;章宗长;刘全;吴金金;闫岩;, 计算机学报 发表时间:2019-05-31 09:49 期刊

深度Q网络模型在处理需要感知高维输入数据的决策控制任务中性能良好。然而,在深度Q网络及其改进算法中基本使用静态的跳帧方法,即动作被重复执行固定的次数。另外,优先级经验重放是对均匀采样的一种改进,然而目前仅将样本的时间差分误差作为评价优先级的标准。针对这两个问题,提出一种基于线性动态跳帧和改进的优先级经验重放的深度双Q网络。该算法使得跳帧率成为一个可动态学习的参数,跳帧率随网络输出Q值的大小线性增长,Agent将根据当前状态和动作来动态地确定一个动作被重复执行的次数,并利用经...


一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

汪洋;郭利进;, 机械科学与技术 发表时间:2019-06-02 08:04 期刊

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究...


相关搜索
 找到 26,205 条结果 
首页上一页34567891011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。