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
基于域分离网络的实体解析迁移方法
1
作者
孙琛琛
许雷
+1 位作者
申德荣
聂铁铮
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023年第2期86-94,共9页
实体解析致力于识别多条记录是否描述真实世界相同实体,这是数据清洗和数据集成中的关键问题.近年来,基于深度学习的实体解析广受欢迎,它们需要大量标注数据才能达到较优的效果.然而,在现实场景中,大量高质量标注数据不容易获得.本文提...
实体解析致力于识别多条记录是否描述真实世界相同实体,这是数据清洗和数据集成中的关键问题.近年来,基于深度学习的实体解析广受欢迎,它们需要大量标注数据才能达到较优的效果.然而,在现实场景中,大量高质量标注数据不容易获得.本文提出了一个基于深度迁移学习的实体解析模型,通过域分离网络提取源域和目标域的公共特征,并利用公共特征得到实体解析结果,从而实现从源域到目标域的迁移.实验结果表明,在多个数据集上,本文提出的方法比之前最好的方法在F1度量上最大提高了40%左右.实验证明本文的方法具有更好的表现,并且训练时间更短.
展开更多
关键词
实体解析
域分离网络
变分自编码器
数据集成
迁移学习
在线阅读
下载PDF
职称材料
接收域分离的跨接收系统通用性辐射源指纹识别
2
作者
孙丽婷
柳征
黄知涛
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第10期3966-3978,共13页
受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出...
受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离,利用多部接收机数据预先训练网络对两种作用域的分离能力,聚焦辐射源指纹信息提取,从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式,所提方法能够真正适应实际无监督场景,且参与训练的源域接收机数目越多,域适应效果越好,不需要重复训练即可直接推广应用于新接收系统,具有较高的实际应用价值。
展开更多
关键词
辐射源指纹识别
特定辐射源识别
域分离网络
对抗训练
无监督
域
适应
在线阅读
下载PDF
职称材料
深度多模态不确定度的短视频事件检测方法
3
作者
苏育挺
王富铕
井佩光
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2024年第5期36-45,共10页
随着短视频的快速发展,短视频事件检测任务受到越来越多的关注。现有短视频事件检测研究普遍采用深度神经网络来获得确定的检测结果,但是网络忽略了不确定度的影响从而导致错误的预测结果也会产生过度置信的决策。为了解决上述问题,本...
随着短视频的快速发展,短视频事件检测任务受到越来越多的关注。现有短视频事件检测研究普遍采用深度神经网络来获得确定的检测结果,但是网络忽略了不确定度的影响从而导致错误的预测结果也会产生过度置信的决策。为了解决上述问题,本文提出了一个深度多模态不确定度网络的短视频事件检测方法。首先,该方法在传统域分离网络中嵌入变分层,用来获得预测分布;然后,将视觉模态信息和音频模态信息输入到网络中,利用该方法所构建的独立性和相关性损失可以获得包含不确定度的音频模态共、私有域预测分布以及视觉模态共、私有域预测分布;最后,提出了一个不确定度判别法则用来筛选4个域的预测分布,从而得到最终的预测结果。在公开数据集(UCF-101与HMDB51)和新构建的短视频事件检测数据集上进行了实验。实验结果表明,面对不同的深度分类方法以及不同的数据集,本文方法不仅有着更高的分类准确率,还可以对输出结果进行不确定度估计,针对音频的干扰也具有较强的鲁棒性。
展开更多
关键词
深度神经
网络
短视频事件检测
域分离网络
变分层
模态不确定度
在线阅读
下载PDF
职称材料
题名
基于域分离网络的实体解析迁移方法
1
作者
孙琛琛
许雷
申德荣
聂铁铮
机构
天津理工大学计算机科学与工程学院
东北大学计算机科学与工程学院
出处
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023年第2期86-94,共9页
基金
国家自然科学基金资助项目(62002262,62172082,62072086,62072084)。
文摘
实体解析致力于识别多条记录是否描述真实世界相同实体,这是数据清洗和数据集成中的关键问题.近年来,基于深度学习的实体解析广受欢迎,它们需要大量标注数据才能达到较优的效果.然而,在现实场景中,大量高质量标注数据不容易获得.本文提出了一个基于深度迁移学习的实体解析模型,通过域分离网络提取源域和目标域的公共特征,并利用公共特征得到实体解析结果,从而实现从源域到目标域的迁移.实验结果表明,在多个数据集上,本文提出的方法比之前最好的方法在F1度量上最大提高了40%左右.实验证明本文的方法具有更好的表现,并且训练时间更短.
关键词
实体解析
域分离网络
变分自编码器
数据集成
迁移学习
Keywords
entity resolution
domain separation networks
variational auto-encoder
data integration
transfer learning
分类号
TP31 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
接收域分离的跨接收系统通用性辐射源指纹识别
2
作者
孙丽婷
柳征
黄知涛
机构
国防科技大学电子科学学院
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第10期3966-3978,共13页
基金
国家自然科学基金(62301575)
国防科技大学青年自主创新科学基金(ZK2023-19)。
文摘
受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离,利用多部接收机数据预先训练网络对两种作用域的分离能力,聚焦辐射源指纹信息提取,从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式,所提方法能够真正适应实际无监督场景,且参与训练的源域接收机数目越多,域适应效果越好,不需要重复训练即可直接推广应用于新接收系统,具有较高的实际应用价值。
关键词
辐射源指纹识别
特定辐射源识别
域分离网络
对抗训练
无监督
域
适应
Keywords
Radio Frequency Fingerprinting(RFF)
Specific Emitter Identification(SEI)
Domain Separation Networks(DSN)
Adversarial training
Unsupervised domain adaptation
分类号
TN97 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
深度多模态不确定度的短视频事件检测方法
3
作者
苏育挺
王富铕
井佩光
机构
天津大学电气自动化与信息工程学院
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2024年第5期36-45,共10页
基金
国家自然科学基金(61802277)。
文摘
随着短视频的快速发展,短视频事件检测任务受到越来越多的关注。现有短视频事件检测研究普遍采用深度神经网络来获得确定的检测结果,但是网络忽略了不确定度的影响从而导致错误的预测结果也会产生过度置信的决策。为了解决上述问题,本文提出了一个深度多模态不确定度网络的短视频事件检测方法。首先,该方法在传统域分离网络中嵌入变分层,用来获得预测分布;然后,将视觉模态信息和音频模态信息输入到网络中,利用该方法所构建的独立性和相关性损失可以获得包含不确定度的音频模态共、私有域预测分布以及视觉模态共、私有域预测分布;最后,提出了一个不确定度判别法则用来筛选4个域的预测分布,从而得到最终的预测结果。在公开数据集(UCF-101与HMDB51)和新构建的短视频事件检测数据集上进行了实验。实验结果表明,面对不同的深度分类方法以及不同的数据集,本文方法不仅有着更高的分类准确率,还可以对输出结果进行不确定度估计,针对音频的干扰也具有较强的鲁棒性。
关键词
深度神经
网络
短视频事件检测
域分离网络
变分层
模态不确定度
Keywords
deep neural network
micro-video event detection
domain separation network
variational layer
modal uncertainty
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
作者
出处
发文年
被引量
操作
1
基于域分离网络的实体解析迁移方法
孙琛琛
许雷
申德荣
聂铁铮
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
接收域分离的跨接收系统通用性辐射源指纹识别
孙丽婷
柳征
黄知涛
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
深度多模态不确定度的短视频事件检测方法
苏育挺
王富铕
井佩光
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2024
0
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
