-
题名基于衰减因子的双通道神经网络图像分类算法
被引量：4
- 1
-
-
作者
屈景怡
朱威
吴仁彪
-
机构
中国民航大学天津市智能信号与图像处理重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2017年第6期1391-1399,共9页
-
基金
国家自然科学青年基金(11402294)
天津市智能信号与图像处理重点实验室开放基金项目(2015AFS03)
中国民航大学第六期波音基金(20160159209)资助课题
-
文摘
为解决深度卷积神经网络(convolutional neural networks,CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dual-channel neural networks,DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性,卷积通道负责深度网络的学习。考虑到深层网络在训练时容易出现性能不稳定的问题,在卷积通道上引入卷积衰减因子,对其响应数据进行约束。设计一种"双池化层"对同一特征图进行降采样,不仅可以防止训练过拟合,还能保证各通道的维度一致性。在3个图像数据集CIFAR-10、CIFAR-100和MNIST上的实验结果表明,无论是神经网络的可训练深度、稳定性和分类精度,DCNN都明显优于现有的深度卷积神经网络。
-
关键词
图像分类
深度学习
卷积神经网络
双通道神经网络
卷积衰减因子
-
Keywords
image classification
deep learning
convolutional neural networks
dual-channel neural networks （DCNN）
convolution attenuation factor
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双通道卷积神经网络的航班延误预测模型
被引量：30
- 2
-
-
作者
吴仁彪
李佳怡
屈景怡
-
机构
中国民航大学天津市智能信号与图像处理重点实验室
-
出处
《计算机应用》
CSCD
北大核心
2018年第7期2100-2106,2112,共8页
-
基金
国家自然科学基金青年科学基金资助项目(11402294)
天津市智能信号与图像处理重点实验室开放基金资助项目(2017ASP-TJ01)~~
-
文摘
针对航班延误预测数据量大、特征提取困难而传统算法处理能力有限的问题,提出一种基于双通道卷积神经网络(DCNN)的航班延误预测模型。首先,该模型将航班数据和气象数据进行融合,应用DCNN进行自动特征提取,采用批归一化(BN)和Padding策略优化,提升到港延误等级的分类预测性能;然后,在卷积神经网络(CNN)基础上加入直通通道,以保证特征矩阵的无损传输,增强深度网络的畅通性;同时引入卷积衰减因子对卷积通道的特征矩阵进行稀疏性限制,控制不同网络深度的特征叠加比例,维持模型的稳定性。实验结果表明,所提模型与传统模型相比,具有更强的数据处理能力。通过数据融合,航班延误预测准确率可提高1个百分点;加深网络深度后,该模型能保证梯度的稳定,从而训练更深的网络,使准确率提升至92.1%。该基于DCNN算法的模型特征提取充分,预测性能优于对比模型,可更好地服务于民航决策。
-
关键词
航班延误预测
双通道卷积神经网络
数据融合
直通通道
卷积衰减因子
-
Keywords
flight delay prediction Dual-Channel
Convolutional Neural Network （DCNN）
data fusion straight channel
convolution attenuation factor
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
