基于LSTM循环神经网络的核电设备状态预测

龚安;马光明;郭文婷;陈臣;, 计算机技术与发展 2019年09期 , 期刊

核电站的规模随着经济的发展日益扩大,核电设备运行状态的研究已成为数据挖掘的重要研究领域。核电设备是高可靠性和高安全性的复杂系统,多年的设备运行产生了大量的时间序列数据。为了解决核电设备运行状态难以准确预测等问题,提出了一种基于长短期记忆(long short-term memory, LSTM)循环神经网络的核电设备状态预测方法。首先除去原数据中噪点明显的数据,然后使用z-score标准化(zero-mean normalization)方法对数据进行预处理,然后实现LS


加权信息熵与增强局部二值模式结合的人脸识别

丁莲静;刘光帅;李旭瑞;陈晓文;, 计算机应用 发表时间:2019-04-25 10:36 期刊

针对人脸识别时因受到光照、姿态、表情、遮挡及噪声几种因素的影响而识别率不高的问题,提出了一种加权信息熵(IEw)与自适应阈值环形局部二值模式(ATRLBP)算子相结合的人脸识别方法(IE(w)ATR-LBP)。首先,从原始人脸图像分块提取信息熵,得到每个子块的权值;其次,采用ATRLBP算子,分别对每个人脸子块提取特征得到概率直方图;最后,将各个块的权值与概率直方图相乘,再串联成为最后的特征直方图,采用SVM进行识别。AR人脸库,在表情、光照、遮挡A、遮挡B四个集,所提方


多模态深度学习综述

刘建伟; 丁熙浩; 罗雄麟, 计算机应用研究 发表时间:2019-04-26 11:47 期刊

...存在的方式,如文字、语言、声音、图形等。多模态学习是指学习多个模态中各个模态的信息,并且实现各个模态的信息的交流和转换。多模态深度学习是指建立可以完成多模态学习任务的神经网络模型。多模态学习的普遍性和深度学习的热度赋予了多模态深度学习鲜活的生命力和发展潜力。旨在多模态深度学习的发展前期,总结当前的多模态深度学习,发现在不同的多模态组合和学习目标下,多模态深度学习实...


基于高阶累积量特征学习的调制识别方法

袁莉芬; 宁暑光; 何怡刚; 吕密; 路健, 系统工程与电子技术 发表时间:2019-04-26 16:55 期刊

...e ratio,Low SNR)环境中,自动调制分类识别率低且识别类型受限。利用零均值高斯白噪声的高阶累积量理论值等于0的性质,在信号分析过程中,引入高阶累积量,可使系统免受高斯白噪声的影响。同时,引入深度学习网络结构完成微弱特征的表征,可有效解决调制方式受限及LowSNR情况下的识别率下降问题。实验结果表明,本文方法在高斯信道环境下的分类精度比现有方法要高,在LowSNR的不同信道环境下有较高的识别率,且使得模型在时间、相位和频率偏移量方面具有更好的鲁棒性。...


人脸活体检测综述

蒋方玲;刘鹏程;周祥东;, 自动化学报 发表时间:2019-04-28 10:47 期刊

人脸活体检测是为了提高人脸识别系统安全性而需要重点研究的问题。本文首先从人脸活体检测的问题出发,分个体、类内、类间三个层面对人脸活体检测存在的困难与挑战进行了阐述分析。接下来,本文以算法使用的分类线索为主线,分类别对人脸活体检测算法及其优缺点进行了梳理和总结。之后,本文就常用人脸活体检测数据集的特点、数据量、数据多样性等方面进行了对比分析,对算法评估常用的性能评价指标进行了阐述,总结分析了代表性人脸活体检测方法在照片视频类数据集CASIA-MFSD、Replay-Atta


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...


基于深度增强学习的卫星姿态控制方法

王月娇; 马钟; 杨一岱; 王竹平; 唐磊, 中国空间科学技术 发表时间:2019-04-29 11:24 期刊

...复杂任务时,遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后对卫星姿态进行稳定,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方...


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


基于深度融合的显著性目标检测算法

张冬明;靳国庆;代锋;袁庆升;包秀国;张勇东;, 计算机学报 发表时间:2019-04-30 15:45 期刊

...决多种显著图的有效融合问题,我们提出了一种基于深度卷积神经网络的特征图深度融合模型。算法使用四种低层显著图作为网络的输入,采用前融合和后融合的双通道卷积网络学习图像的显著目标。前融合通道利用一个多层的全卷积网络生成对物体目标边缘敏感的显著图,后融合通道使用权重共享的浅层网络分别获得四种目标对象位置保持的高层语义显著图,两个通道的特征图再通过一个四层的全卷积网络进行优化,从而获得最终的显著图。在公开数据集上的大量实验证明了本文提出的显著图深度融合算法的有效性。...


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...


对称式密集连接网络的地基云图分割方法

沈慧想; 夏旻; 施必成; 刘佳, 计算机工程与应用 发表时间:2019-05-06 10:42 期刊

...积层提取地基云图特征,然后通过连续的密集连接块和上采样模块对特征图进一步处理,最后通过并联方式融合网络浅层和网络深层的特征图从而实现对地基云图精确的分割。其中,密集块中采用跨层连接的方式实现了网络中所用层的特征传递,使得云图特征得到复用,同时一定程度上减轻了训练过程中的梯度消失问题,通过并联浅层网络和深层网络的特征图实现了对地基云图的进一步精确分割。实验结果表明,该方法与其它用于地基云图分割的机器学习方法相比,能够提高地基云图的分割准确率,具有良好的泛化效果。...


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


基于深度可分离卷积和宽残差网络的医学影像超分辨率重建

高媛;王晓晨;秦品乐;王丽芳;, 计算机应用 发表时间:2019-05-09 15:49 期刊

...提高医学影像超分辨率的重建质量,提出了一种基于深度可分离卷积的宽残差超分辨率神经网络算法。首先,利用深度可分离卷积改进网络的残差块,扩宽残差块中卷积层的通道,将更多的特征信息传入了激活函数,使得网络中浅层低级图像特征可以更容易的传播到高层,增强了医学影像超分辨率的重建质量;然后,采用组归一化的方法训练网络,将卷积层的通道维度划分为组,在每个组内计算归一化的均值和方差,使得网络训练过程具有了更快的收敛性,解决了深度可分离卷积扩宽通道数导致网络训练难度增加的问题,同时网络表现出...


基于深度残差网络与边缘监督学习的显著性检测

时斐斐;张松龙;彭力;, 激光与光电子学进展 发表时间:2019-05-10 14:10 期刊

...值低和目标边缘表现模糊这一问题,本文提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面通过构建基于背景、前景和边缘三分类模型,训练网络学习边缘特征使得目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后将提出的算法在SED2和ECSSD(Extended Complex Scene Saliency Dat...


基于质谱的蛋白质生物标志物发现中的特征选择与机器学习方法研究进展

徐开琨; 韩明飞; 黄传玺; 常乘; 朱云平, 生物工程学报 发表时间:2019-05-13 07:03 期刊

...的人类蛋白质组计划正快速推进。蛋白质生物标志物在疾病早期诊断和临床治疗等方面有着非常重要的意义,其发现策略和方法的研究已成为一个重要的热点领域。特征选择与机器学习对于解决蛋白质组数据“高维度”及“稀疏性”问题有较好的效果,因而逐渐被广泛地应用于发现蛋白质生物标志物的研究中。文中主要阐述蛋白质生物标志物的发现策略以及其中特征选择与机器学习方法的原理、应用实例和适用范围,并讨论深度学习方法在本领域的应用前景及局限性,以期为相关研究提供参考。...


融合STN和DenseNet的深度学习网络及其应用

张锡英; 宋宇鹏; 陈曦; 边继龙, 计算机工程与应用 发表时间:2019-05-13 09:24 期刊

...分支之一,具有重要的理论和实践意义。近年来,以深度卷积神经网络为代表的图像分类方法被成功地应用到各个领域。针对神经网络对输入数据敏感、训练时间长等问题,结合空间映射网络(Spatial Transform Network,STN)和密集神经网络(Dense Neural Network,DenseNet)两者的特性,提出一种新型网络结构ST-DenseNet。该网络能够对输入图片作不变性归一化处理,解决数据敏感问题的同时提高图像识别效果。在树种叶片公开数据集Leafsnap...


相关搜索
 找到 23,645 条结果 
首页上一页5678910111213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。