期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
直接映射低维小脑模型神经网络及在机器人传感器中的应用
被引量：
2
1
作者
朱庆保
《计算机学报》
EI
CSCD
北大核心
2003年第8期1004-1008,共5页
提出了一种能高速度、高精度学习的低维小脑模型神经网络 .模型算法采用直接权地址映射技术 ,将训练样本的输入量化后直接作为联想存储器中C个权的首地址 ,建立起输入与权的关系 .经样本训练后 ,任意输入作为相近的两个样本间的权首地...
提出了一种能高速度、高精度学习的低维小脑模型神经网络 .模型算法采用直接权地址映射技术 ,将训练样本的输入量化后直接作为联想存储器中C个权的首地址 ,建立起输入与权的关系 .经样本训练后 ,任意输入作为相近的两个样本间的权首地址 ,经过输出映射算法即可得到较精确的输出 .实验表明 ,它学习非线性函数的精度比最新改进的CMAC高十倍以上 ,收敛速度则快五十倍以上 ,且算法简单 ,不会发散 ,学习过程要求的存储器很小 ,实现容易 .此算法已用于机器人传感器的信号细分 。
展开更多
关键词
机器人
传感器
直接映射
低维小脑模型神经网络
模型
算法
在线阅读
下载PDF
职称材料
用多个改进低维CMAC神经网络学习多维函数的研究
2
作者
朱庆保
《计算机工程》
CAS
CSCD
北大核心
2003年第20期140-142,共3页
提出了一种多维非线性函数的多神经网络学习方法，即用变量代换的方法把一个多维非线性函数分解为若干低维函数，用多个改进的低维小脑模型神经网络分别映射这些低维函数，提高了收敛性，减少了存储空间，大大提高了学习精度，且易于实...
提出了一种多维非线性函数的多神经网络学习方法，即用变量代换的方法把一个多维非线性函数分解为若干低维函数，用多个改进的低维小脑模型神经网络分别映射这些低维函数，提高了收敛性，减少了存储空间，大大提高了学习精度，且易于实现。给出了大量学习非线性函数的仿真实验, 其结果表明，采用这种方法的学习精度比用一个CMAC的学习精度提高10倍以上。
展开更多
关键词
神经网络
小脑
模型
多
维
非线性函数
仿真
精度
在线阅读
下载PDF
职称材料
结合改进CNN和双线性模型的CBIR方法
被引量：
3
3
作者
蔡鹏飞
叶剑锋
《计算机工程与应用》
CSCD
北大核心
2019年第16期191-196,208,共7页
针对现有基于内容的图像检索(Content-Based Image Retrieval,CBIR)方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络(Convolutional Neural Network,CNN)和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池...
针对现有基于内容的图像检索(Content-Based Image Retrieval,CBIR)方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络(Convolutional Neural Network,CNN)和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程,以此降低图像特征映射的维度。基于双线性模型的思想,使用两个特征提取器进行特征提取,并在每个图像位置上对两个特征进行内积,以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性,获得相关图像及其排序。实验结果表明,该方法能够准确检索出相关图像,并具有较低的检索时间和内存消耗。
展开更多
关键词
基于内容的图像检索(CBIR)
卷积
神经网络
(CNN)
双线性
模型
低
维
度图像表示
曼哈顿距离
在线阅读
下载PDF
职称材料
题名
直接映射低维小脑模型神经网络及在机器人传感器中的应用
被引量：
2
1
作者
朱庆保
机构
南京师范大学计算机科学系
出处
《计算机学报》
EI
CSCD
北大核心
2003年第8期1004-1008,共5页
基金
江苏省教育厅自然科学基金 (2 0 0 1SXXTSJB111)资助
文摘
提出了一种能高速度、高精度学习的低维小脑模型神经网络 .模型算法采用直接权地址映射技术 ,将训练样本的输入量化后直接作为联想存储器中C个权的首地址 ,建立起输入与权的关系 .经样本训练后 ,任意输入作为相近的两个样本间的权首地址 ,经过输出映射算法即可得到较精确的输出 .实验表明 ,它学习非线性函数的精度比最新改进的CMAC高十倍以上 ,收敛速度则快五十倍以上 ,且算法简单 ,不会发散 ,学习过程要求的存储器很小 ,实现容易 .此算法已用于机器人传感器的信号细分 。
关键词
机器人
传感器
直接映射
低维小脑模型神经网络
模型
算法
Keywords
CMAC neural network
direct weight address mapping
robot
sensor
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
用多个改进低维CMAC神经网络学习多维函数的研究
2
作者
朱庆保
机构
南京师范大学计算机系
出处
《计算机工程》
CAS
CSCD
北大核心
2003年第20期140-142,共3页
基金
江苏省教育厅自然科学基金资助项目(2001SXXTSJB111)
文摘
提出了一种多维非线性函数的多神经网络学习方法，即用变量代换的方法把一个多维非线性函数分解为若干低维函数，用多个改进的低维小脑模型神经网络分别映射这些低维函数，提高了收敛性，减少了存储空间，大大提高了学习精度，且易于实现。给出了大量学习非线性函数的仿真实验, 其结果表明，采用这种方法的学习精度比用一个CMAC的学习精度提高10倍以上。
关键词
神经网络
小脑
模型
多
维
非线性函数
仿真
精度
Keywords
Neural network
Cerebellar model articulation controller(CMAC)
Multidimensional nonlinear function
Simulation
Accuracy
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
结合改进CNN和双线性模型的CBIR方法
被引量：
3
3
作者
蔡鹏飞
叶剑锋
机构
河南工学院计算机科学技术系
南京航空航天大学机电学院
出处
《计算机工程与应用》
CSCD
北大核心
2019年第16期191-196,208,共7页
基金
河南省科技厅科技攻关项目(No.162102310606)
河南省教育厅资助项目(No.16A520067)
文摘
针对现有基于内容的图像检索(Content-Based Image Retrieval,CBIR)方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络(Convolutional Neural Network,CNN)和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程,以此降低图像特征映射的维度。基于双线性模型的思想,使用两个特征提取器进行特征提取,并在每个图像位置上对两个特征进行内积,以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性,获得相关图像及其排序。实验结果表明,该方法能够准确检索出相关图像,并具有较低的检索时间和内存消耗。
关键词
基于内容的图像检索(CBIR)
卷积
神经网络
(CNN)
双线性
模型
低
维
度图像表示
曼哈顿距离
Keywords
Content-Based Image Retrieval(CBIR)
Convolutional Neural Network(CNN)
bilinear model
low-dimensional image representation
Manhattan distance
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
直接映射低维小脑模型神经网络及在机器人传感器中的应用
朱庆保
《计算机学报》
EI
CSCD
北大核心
2003
2
在线阅读
下载PDF
职称材料
2
用多个改进低维CMAC神经网络学习多维函数的研究
朱庆保
《计算机工程》
CAS
CSCD
北大核心
2003
0
在线阅读
下载PDF
职称材料
3
结合改进CNN和双线性模型的CBIR方法
蔡鹏飞
叶剑锋
《计算机工程与应用》
CSCD
北大核心
2019
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
