检索结果-维普期刊中文期刊服务平台

基于多尺寸卷积与残差单元的快速收敛GAN胸部X射线图像数据增强被引量：5: 1; 作者于贺余南南《信号处理》 CSCD 北大核心 2019年第12期2045-2054,共10页; 针对深度学习中数据增强的方法,改进生成式对抗网络(GAN,Generative adversarial networks)模型,形成一种快速收敛生成式对抗网络,能够克服GAN训练过程不稳定、收敛速度缓慢容易发生模式崩溃等问题。采用在判别器中使用多尺寸卷积,加强... 展开更多; 关键词生成式对抗网络模式崩溃多尺寸卷积残差单元图灵测试; 在线阅读下载PDF 职称材料

基于注意力和多尺寸卷积的超分辨率算法研究: 2; 作者梁超黄洪全陈延明《传感器与微系统》 CSCD 北大核心 2021年第12期85-88,共4页; 为了解决深层卷积模型的超分辨率技术计算量大、融合的特征不够全面的问题,模型结构不再从深度上进行加深,而是从宽度上进行扩展。对输入的一张特征图进行多尺寸的卷积处理,在结构上融合残差结构、压缩模块和改进的通道注意力模块,融合... 展开更多; 关键词超分辨率多尺寸卷积残差结构通道注意力模块; 在线阅读下载PDF 职称材料

基于局部增强傅里叶神经算子的偏微分方程求解方法: 3; 作者罗驰陆凌云刘飞《计算机科学》北大核心 2025年第9期144-151,共8页; 偏微分方程(PDE)是描述现实系统的重要数学工具,对其进行求解可以预测和分析系统的行为。PDE的解析解通常难以获取,一般通过数值法进行近似解算,但数值法求解参数化PDE时效率较低。近年来,利用深度学习求解PDE的方法在应对上述问题时展... 展开更多; 关键词深度学习偏微分方程傅里叶神经算子多尺寸卷积多分支特征融合多尺度PDE; 在线阅读下载PDF 职称材料

基于MDM-ResNet的脑肿瘤分类方法被引量：8: 4; 作者夏景明邢露萍 +1 位作者谈玲宣大伟《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2022年第2期212-219,共8页; 脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解... 展开更多; 关键词脑肿瘤深度神经网络(DNN) 残差网络(ResNet) 多尺寸卷积核模块双通道池化层多深度融合残差块; 在线阅读下载PDF 职称材料

题名基于多尺寸卷积与残差单元的快速收敛GAN胸部X射线图像数据增强被引量：5: 1; 作者于贺余南南; 机构江苏师范大学电气工程及自动化学院; 出处《信号处理》 CSCD 北大核心 2019年第12期2045-2054,共10页; 基金江苏省高校自然科学项目重大项目(19KJA460010) 江苏省产学研合作项目(BY2018083); 文摘针对深度学习中数据增强的方法,改进生成式对抗网络(GAN,Generative adversarial networks)模型,形成一种快速收敛生成式对抗网络,能够克服GAN训练过程不稳定、收敛速度缓慢容易发生模式崩溃等问题。采用在判别器中使用多尺寸卷积,加强判别器的特征提取能力;在生成器中添加残差单元的方法,使得生成器可以快速拟合真实数据的分布;同时对判别器进行预训练的策略,有利于提高生成器前期训练稳定性和加快训练过程。运用CIFAR-10标准数据集进行实验,与几种基于GAN的模型对比,证实本文的改进算法效果较好,图像质量和多样性更优。利用本文提出的改进算法用于美国NIH临床数据库的胸部X射线数据集,生成扩充样本,经图灵测试证实了算法的有效性。; 关键词生成式对抗网络模式崩溃多尺寸卷积残差单元图灵测试; Keywords generative adversarial networks pattern collapse multi-size convolution residual unit Turing test; 分类号 TP391.4 [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

题名基于注意力和多尺寸卷积的超分辨率算法研究: 2; 作者梁超黄洪全陈延明; 机构广西大学电气工程学院; 出处《传感器与微系统》 CSCD 北大核心 2021年第12期85-88,共4页; 基金国家自然科学基金资助项目(51567004)。; 文摘为了解决深层卷积模型的超分辨率技术计算量大、融合的特征不够全面的问题,模型结构不再从深度上进行加深,而是从宽度上进行扩展。对输入的一张特征图进行多尺寸的卷积处理,在结构上融合残差结构、压缩模块和改进的通道注意力模块,融合多尺寸的特征图的同时灵活运用高、低频信息,最终达到提高重建图像质量的效果。实验结果表明:与目前较为流行的超分辨率算法相比,在参数量上有了一定的减少,且在峰值信噪比和结构相似性上有着良好的表现。; 关键词超分辨率多尺寸卷积残差结构通道注意力模块; Keywords super-resolution multi-size convolution residual structure channel attention module; 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

题名基于局部增强傅里叶神经算子的偏微分方程求解方法: 3; 作者罗驰陆凌云刘飞; 机构华南理工大学软件学院南京电子工程研究所; 出处《计算机科学》北大核心 2025年第9期144-151,共8页; 基金国家自然科学基金(62273153) 广东省基础与应用基础研究基金(2024A1515010900)。; 文摘偏微分方程(PDE)是描述现实系统的重要数学工具,对其进行求解可以预测和分析系统的行为。PDE的解析解通常难以获取,一般通过数值法进行近似解算,但数值法求解参数化PDE时效率较低。近年来,利用深度学习求解PDE的方法在应对上述问题时展现出了优势,特别是傅里叶神经算子FNO(Fourier Neural Operator)已在此类问题中展现出显著成效。然而,FNO仅通过频域上的卷积来提取全局信息,难以捕获PDE的多尺度信息。针对此挑战,提出一种基于局部增强的FNO模型,在傅里叶层引入并行多尺寸卷积模块,通过不同尺寸的卷积提高模型捕获局部多尺度信息的能力。同时,在线性层后引入一种多分支特征融合模块,通过将数据提升到不同通道进行学习来提高模型整合多通道信息的能力。实验结果表明,该模型在Burgers方程的求解中误差降低了30.9%,在Darcy Flow方程的求解中误差降低了18.5%,在Navier-Stokes方程的求解中误差降低了5.5%。; 关键词深度学习偏微分方程傅里叶神经算子多尺寸卷积多分支特征融合多尺度PDE; Keywords Deep learning Partial differential equations Fourier neural operator Multi-size convolution Multi-branch feature fusion Multiscale PDE; 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

题名基于MDM-ResNet的脑肿瘤分类方法被引量：8: 4; 作者夏景明邢露萍谈玲宣大伟; 机构南京信息工程大学南京信息工程大学; 出处《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2022年第2期212-219,共8页; 基金国家自然科学基金(41505017)。; 文摘脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解这些问题.因此,本文基于ResNet提出了一种MDM-ResNet网络,该网络由多尺寸卷积核模块(Multi-size convolution kernel module)、双通道池化层(Dual-channel pooling layer)和多深度融合残差块(Multi-depth fusion residual block)组成.本文实验在Figshare数据集上展开,采用数据增强操作对图像进行预处理,并利用5倍交叉验证方法对网络性能进行评估.最终实验结果表明MDM-ResNet能够对脑膜瘤(Meningioma)、胶质瘤(Glioma)和垂体瘤(Pituitary tumor)进行有效分类.; 关键词脑肿瘤深度神经网络(DNN) 残差网络(ResNet) 多尺寸卷积核模块双通道池化层多深度融合残差块; Keywords brain tumor deep neural network(DNN) residual network(ResNet) multi-size convolution kernel module dual-channel pooling layer multi-depth fusion residual block; 分类号 R739.41 [医药卫生—肿瘤] 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	基于多尺寸卷积与残差单元的快速收敛GAN胸部X射线图像数据增强	于贺余南南	《信号处理》 CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
2	基于注意力和多尺寸卷积的超分辨率算法研究	梁超黄洪全陈延明	《传感器与微系统》 CSCD 北大核心	2021	0	在线阅读下载PDF 职称材料
3	基于局部增强傅里叶神经算子的偏微分方程求解方法	罗驰陆凌云刘飞	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于MDM-ResNet的脑肿瘤分类方法	夏景明邢露萍谈玲宣大伟	《南京信息工程大学学报（自然科学版）》 CAS 北大核心	2022	8	在线阅读下载PDF 职称材料