期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
面向注意力缺陷多动障碍分类的多分辨率时空融合图卷积网络
1
作者 宋笑影 郝春雨 柴利 《电子与信息学报》 北大核心 2025年第6期1927-1936,共10页
神经发育障碍疾病患者的精准分类是医学领域的一项重要挑战,对于疾病诊断和指导治疗至关重要。然而,现有基于图卷积网络(GCNs)的方法通常采用单一分辨率空间特征,忽视了多分辨率下的空间信息以及时间信息。为了克服上述局限性,该文提出... 神经发育障碍疾病患者的精准分类是医学领域的一项重要挑战,对于疾病诊断和指导治疗至关重要。然而,现有基于图卷积网络(GCNs)的方法通常采用单一分辨率空间特征,忽视了多分辨率下的空间信息以及时间信息。为了克服上述局限性,该文提出一种多分辨率时空融合图卷积网络(MSTF-GCN)。在多个分辨率空间下构建多个大脑功能连通性网络,使用支持向量机-递归特征消除提取最优空间特征。为了保留全局时间信息并使网络具有捕获信号不同层次变化的能力,将全局时间信号及其差分信号输入到时间卷积网络中学习复杂时间维度的依赖关系,提取时间特征。结合时空信息构建群体图,利用多通道图卷积网络灵活地融合不同分辨率的群体图数据,最后融入非成像数据信息生成有效的多通道多类型时空融合分类特征,有效提升了MSTF-GCN模型的分类性能。将MSTF-GCN应用于注意力缺陷多动障碍(ADHD)患者分类识别,在ADHD-200数据集两个成像站点上的分类准确率分别达到了75.92%和82.95%,实验结果优于已有的流行算法,验证了MSTF-GCN的有效性。 展开更多
关键词 多分辨率时空融合图卷积网络 时空融合 多分辨率 注意力缺陷多动障碍
在线阅读 下载PDF
基于多分辨率自蒸馏网络的小样本图像分类 被引量:5
2
作者 仇真 奚雪峰 +2 位作者 崔志明 盛胜利 胡伏原 《计算机工程》 CAS CSCD 北大核心 2022年第12期232-240,共9页
因图像数据具有大量的空间冗余信息,传统的多分辨率网络在处理图像数据时会产生较高的计算成本。而自蒸馏学习方法能够在精度与计算成本之间实现动态平衡,使模型在不增加网络深度和宽度的基础上,有效地提高模型精度。提出一种多分辨率... 因图像数据具有大量的空间冗余信息,传统的多分辨率网络在处理图像数据时会产生较高的计算成本。而自蒸馏学习方法能够在精度与计算成本之间实现动态平衡,使模型在不增加网络深度和宽度的基础上,有效地提高模型精度。提出一种多分辨率自蒸馏网络(MRSDN),用于解决小样本学习中输入样本的空间冗余问题。从原始网络中分出一个浅层子网络以识别图像的低分辨率表示,并且保持该原始网络识别高分辨率图像特征的能力。同时,在多分辨率网络中引入改进的全局注意力机制,以减少信息损失且放大全局交互表示。利用自蒸馏学习方法将网络中更深层的知识压缩到浅层子网络中,以提升浅层子网络的泛化能力。在此基础上,将低分辨率网络中的粗粒度特征融合到高分辨率网络中,从而提高模型提取图像特征的能力。实验结果表明,在Mini-ImageNet数据集上MRSDN网络对5-way 1-shot与5-way 5-shot任务的准确率分别为56.34%和74.35%,在Tiered-ImageNet数据集上对5-way 1-shot与5-way 5-shot任务的准确率分别为59.56%和78.96%,能有效缓解高分辨率图像输入时的空间冗余问题,提高小样本图像分类的准确率。 展开更多
关键词 自蒸馏学习 小样本学习 多分辨率网络 空间冗余 全局注意力
在线阅读 下载PDF
基于多分辨率卷积神经网络的火焰检测 被引量:5
3
作者 黄文锋 徐珊珊 +1 位作者 孙燚 周兵 《郑州大学学报(工学版)》 CAS 北大核心 2019年第5期79-83,共5页
采用一种基于多分辨率卷积神经网络的火焰检测算法对真实场景中的火焰目标进行检测.该算法以BN_Inception网络为基础架构,采用不同分辨率的神经网络互补学习复杂场景中火焰的多尺度视觉特征,同时该算法重点关注检测目标场景的背景环境... 采用一种基于多分辨率卷积神经网络的火焰检测算法对真实场景中的火焰目标进行检测.该算法以BN_Inception网络为基础架构,采用不同分辨率的神经网络互补学习复杂场景中火焰的多尺度视觉特征,同时该算法重点关注检测目标场景的背景环境、局部目标和整体布局等特征.使用该算法在构造的涵盖大多数真实场景的火焰数据集上进行测试,实验结果表明,提出的算法能够取得更好的检测效果,并在实际场景中得到了有效验证. 展开更多
关键词 多分辨率卷积神经网络 火焰检测 深度学习 弱监督定位
在线阅读 下载PDF
基于多分辨率B样条小波网络的船体曲面光顺和重建 被引量:1
4
作者 张荣鑫 林焰 纪卓尚 《大连理工大学学报》 EI CAS CSCD 北大核心 2010年第2期215-219,共5页
为用于船体型线设计中船体曲面重建和光顺,基于多分辨率小波网络原理,引入三次B样条函数作为小波基函数,三次B样条基函数作为尺度函数,利用小波网络的权值和激励函数的线性组合,构造了新的二维多分辨率B样条小波网络(multi-resolution B... 为用于船体型线设计中船体曲面重建和光顺,基于多分辨率小波网络原理,引入三次B样条函数作为小波基函数,三次B样条基函数作为尺度函数,利用小波网络的权值和激励函数的线性组合,构造了新的二维多分辨率B样条小波网络(multi-resolution B-splinewavelet net work,MRBWN).将曲面分解为相互正交的u、v方向函数,用该网络来拟合自由曲面;并利用梯度下降法对网络进行训练.最后对船体曲面进行了光顺,实例证明了该方法的有效性和正确性. 展开更多
关键词 多分辨率B样条小波网络 船体曲面 光顺 重建
在线阅读 下载PDF
基于多分辨率时频特征融合的声学场景分类 被引量:4
5
作者 姚琨 杨吉斌 +2 位作者 张雄伟 郑昌艳 孙蒙 《声学技术》 CSCD 北大核心 2020年第4期494-500,共7页
声学场景分类是计算机听觉中最难的任务之一,在单一特征条件下采用基本的卷积神经网络相对于传统的分类方法精度已经有所提升,但是效果依然不够理想。针对这一问题,在卷积神经网络框架下,提出了一种基于时频特征融合的声学场景分类方案... 声学场景分类是计算机听觉中最难的任务之一,在单一特征条件下采用基本的卷积神经网络相对于传统的分类方法精度已经有所提升,但是效果依然不够理想。针对这一问题,在卷积神经网络框架下,提出了一种基于时频特征融合的声学场景分类方案。在分类模型构建方面,提出一种多分辨率卷积池化方案,构造多分辨率卷积神经网络,以更好地适应提取特征的时频结构;在特征选取方面,融合低层次包络特征对数——Mel子带能量和高层次结构特征——非负矩阵分解系数矩阵,把两种二维特征堆叠为三维特征送入分类模型。在2017年和2018年声学场景分类和事件检测挑战赛的开发数据集上进行了训练和测试。实验结果表明,文中提出方案比基线系统的分类精度分别提高7.5%和10.3%,可有效改善分类效果。 展开更多
关键词 声学场景分类 多分辨率卷积神经网络 时频特征融合 时频结构 非负矩阵分解
在线阅读 下载PDF
基于多时间特征融合网络的ADS-B实采信号分离
6
作者 王文益 袁梦 《电讯技术》 北大核心 2024年第9期1394-1399,共6页
不同于以往单天线广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)信号分离中利用仿真的ADS-B信号制作数据集,将单天线接收的真实飞机发射的ADS-B原始信号通过调整信号起始时间以及功率并人为增加噪声来制作数... 不同于以往单天线广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)信号分离中利用仿真的ADS-B信号制作数据集,将单天线接收的真实飞机发射的ADS-B原始信号通过调整信号起始时间以及功率并人为增加噪声来制作数据集。为了提高信号分离的时域波形精度,提出一种多分辨率多时间特征融合重采样(Multi-Temporal fusion Resampling of Multi-Resolution Features,MTRM-RF)网络,通过卷积将信号转化成不同采样率的信号并分别使用多层堆叠逐渐膨胀的一维卷积提取不同时间间隔的特征,以获得更多的时间信息。对多种基于深度学习的语音分离网络进行比较发现,MTRM-RF网络能够有效地融合ADS-B信号的不同采样率、不同时间间隔采样点的特征进行训练。并且随着训练集数据量的增加,分离信号的平均解码正确率达到88.39%,证明该网络可有效分离单天线实采的ADS-B交织信号。 展开更多
关键词 广播式自动相关监视 深度学习 信号分离 单天线 多分辨率多时间特征融合重采样网络
在线阅读 下载PDF
基于多尺度增量学习的单人体操动作中关键点检测方法
7
作者 江佳鸿 夏楠 +2 位作者 李长吾 周思瑶 于鑫淼 《电子学报》 EI CAS CSCD 北大核心 2024年第5期1730-1742,共13页
人体关键点检测是计算机视觉的热点研究领域.目前,对于体操动作关键点检测,仍存在检测精度不足及缺乏细节部位检测能力等问题.为了提升检测精度,本文设计了一种多分辨率网络,该网络在浅层具备较大感受野,同时能够利用高分辨率通道增强... 人体关键点检测是计算机视觉的热点研究领域.目前,对于体操动作关键点检测,仍存在检测精度不足及缺乏细节部位检测能力等问题.为了提升检测精度,本文设计了一种多分辨率网络,该网络在浅层具备较大感受野,同时能够利用高分辨率通道增强细节特征的提取能力.为实现对手部及脚部关键点的检测,设计了一种增量学习网络.该网络融合了多分辨率网络的浅层特征并利用自建数据集计算深层特征以提升网络对手部及脚部关键点的检测能力.最后对两个网络输出结果进行合并.计算机仿真表明,多分辨率网络在COCO2017关键点检测数据集上达到了94.4%的准确率,并且增量学习网络能够在训练数据较少的情况下实现对细节部位关键点的准确检测. 展开更多
关键词 人体关键点检测 体操动作 多分辨率网络 增量学习 权重融合
在线阅读 下载PDF
网格模型PDE曲面重建中的边界曲线构造
8
作者 庞明勇 董晓芬 阿列克谢.苏林 《浙江大学学报(理学版)》 CAS CSCD 2014年第6期611-618,623,共9页
利用偏微分方程(PDE)进行曲面拟合是计算机图形学研究领域中的常用方法,该类方法通过选取适当的边界条件来构造PDE,用PDE的解来表示几何曲面.基于网格简化方法和离散曲面测地线计算等技术,提出一种从网格模型提取PDE曲面片边界条件曲线... 利用偏微分方程(PDE)进行曲面拟合是计算机图形学研究领域中的常用方法,该类方法通过选取适当的边界条件来构造PDE,用PDE的解来表示几何曲面.基于网格简化方法和离散曲面测地线计算等技术,提出一种从网格模型提取PDE曲面片边界条件曲线的方法.首先,对复杂模型进行简化并分片处理;通过计算离散曲面的测地线为每个分片定义相应的PDE边界条件曲线,进而构造复杂模型的PDE拟合表面.最后,通过细分方法建立原模型的多分辨率表示.实验表明,该方法可以对具有不同几何复杂度的网格模型进行处理,产生具有细分连通性的多分辨网格模型. 展开更多
关键词 偏微分方程 曲面建模 边界条件曲线 曲面逼近 多分辨率网络
在线阅读 下载PDF
混合动力船舶负载功率预测模型研究 被引量:3
9
作者 高迪驹 潘康凯 王天真 《控制工程》 CSCD 北大核心 2019年第2期362-367,共6页
为了实现混合动力船舶的各动力源之间的最佳负载功率分配,构建了一种基于多分辨率小波神经网络(MRA-WNN)的混沌时间序列短期预测模型。将小波函数与尺度函数共同应用于网络基函数之中,首先从较大尺度上逼近时间序列的整体趋势,然后根据... 为了实现混合动力船舶的各动力源之间的最佳负载功率分配,构建了一种基于多分辨率小波神经网络(MRA-WNN)的混沌时间序列短期预测模型。将小波函数与尺度函数共同应用于网络基函数之中,首先从较大尺度上逼近时间序列的整体趋势,然后根据负载功率波动的大小,在不同尺度上逐层加入细节逼近,提高预测精度。由多分辨率解确定小波基函数的平移和伸缩参数,并结合多分辨率学习算法,能减少训练参数,提高计算速度。实验结果表明,MRA-WNN具有较高的预测精度,是混合动力船舶负载功率预测的一种有效方法。 展开更多
关键词 混合动力船舶 负载功率 多分辨率小波神经网络 混沌时间序列 短期预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部