检索结果-维普期刊中文期刊服务平台

多层卷积神经网络深度学习算法可移植性分析被引量：3: 1; 作者肖堃《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期420-424,共5页; 在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图... 展开更多; 关键词多层卷积神经网络深度学习算法可移植性分析图像识别拟合效果 delta法则 FISHER准则; 在线阅读下载PDF 职称材料

基于多层卷积神经网络的变电站异常场景识别算法被引量：12: 2; 作者孟格格高强《电测与仪表》北大核心 2018年第5期46-50,共5页; 针对卷积神经网络对小样本识别率较低的问题,引入置信度的概念,提出了一种基于多层卷积神经网络的图像分类方法,简称M_CNN,并将其应用在变电站异常场景识别中。依据网络对小样本的识别情况,设置置信度判决函数,对在已训练好的单层网络... 展开更多; 关键词置信度多层卷积神经网络小样本变电站异常场景识别; 在线阅读下载PDF 职称材料

糖熏鸡腿颜色快速精准识别的多层卷积神经网络模型研究被引量：3: 3; 作者王博杨洪遥 +3 位作者陆逢贵陈子东曹振霞刘登勇《食品与发酵工业》 CAS CSCD 北大核心 2021年第1期259-265,共7页; 为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CN... 展开更多; 关键词熏鸡糖熏颜色识别机器视觉多层卷积神经网络模型; 在线阅读下载PDF 职称材料

基于跳跃连接神经网络的无监督弱光图像增强算法: 4; 作者刘洋刘思瑞 +1 位作者徐晓淼王竹筠《电子测量与仪器学报》北大核心 2025年第5期208-216,共9页; 针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCE-Net)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图... 展开更多; 关键词弱光图像增强深度曲线估计无参考损失函数多层卷积神经网络无监督学习; 在线阅读下载PDF 职称材料

基于VAE与API行为特征抽取的恶意软件检测: 5; 作者于孟洋师智斌 +1 位作者郝伟泽张舒娟《计算机工程与设计》北大核心 2025年第2期464-471,共8页; 针对现有检测方法缺乏数据连续性和完整性的建模能力、难以提取API调用序列的全局特征,且对API行为语义表示抽取单一等问题,提出一种基于变分自编码器与API行为特征抽取的恶意软件检测方法。通过词嵌入将调用函数表示为语义稠密向量;基... 展开更多; 关键词恶意软件检测变分自编码器多层卷积神经网络序列信息行为语义频率信息特征融合; 在线阅读下载PDF 职称材料

包含跨域建模和深度融合网络的手绘草图检索被引量：7: 6; 作者于邓刘玉杰 +2 位作者邢敏敏李宗民李华《软件学报》 EI CSCD 北大核心 2019年第11期3567-3577,共11页; 在手绘草图检索(sketch-based image retrieval,简称SBIR)领域,引入一种手绘草图的新型检索模型.手绘草图与自然图片之间存在巨大的差异性,这是因为,与自然图片相比,手绘草图展现出高度抽象的视觉表达,用现有的方法对手绘草图进行特征提... 展开更多; 关键词手绘草图检索跨域建模多层深度融合卷积神经网络特征融合深度学习; 在线阅读下载PDF 职称材料

融合CNN-SAM与GAT的多标签文本分类模型被引量：7: 7; 作者杨春霞马文文 +1 位作者陈启岗桂强《计算机工程与应用》 CSCD 北大核心 2023年第5期106-114,共9页; 现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标... 展开更多; 关键词多标签文本分类多层卷积神经网络自注意力机制多头图注意力机制; 在线阅读下载PDF 职称材料

题名多层卷积神经网络深度学习算法可移植性分析被引量：3: 1; 作者肖堃; 机构电子科技大学计算机科学与工程学院; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期420-424,共5页; 基金国家科技重大专项项目(2014ZX03002001).; 文摘在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图像识别方法,并对其可移植性进行分析,通过对抗性训练提高模型泛化能力来防御对抗样例攻击。针对可用性攻击,在前向传播过程中,采用训练好的多层卷积神经网络深度学习模型自动提取输入图像特征,并利用模型权值共享、更新、下采样等操作对输入图像做降采样处理,降低计算复杂度;在反向传播过程中,利用delta法则和Fisher准则,以及基于类内距离和类间距离的能量约束函数实时调整多层卷积神经网络深度学习模型参数,计算模型输出层各个输出单元的残差,使模型权值能够更加快速收敛到有利于图像识别的最优值。测试结果表明:多层卷积神经网络深度学习算法在图像识别领域的应用具有识别准确率和鲁棒性较高,耗时较短的优点,从理论和实验2方面证明了算法的可移植性。; 关键词多层卷积神经网络深度学习算法可移植性分析图像识别拟合效果 delta法则 FISHER准则; Keywords multi-layer convolutional neural network deep learning algorithm portability analysis image recognition fitting effect delta rule fisher criteria; 分类号 TP783 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于多层卷积神经网络的变电站异常场景识别算法被引量：12: 2; 作者孟格格高强; 机构华北电力大学电气与电子工程学院; 出处《电测与仪表》北大核心 2018年第5期46-50,共5页; 文摘针对卷积神经网络对小样本识别率较低的问题,引入置信度的概念,提出了一种基于多层卷积神经网络的图像分类方法,简称M_CNN,并将其应用在变电站异常场景识别中。依据网络对小样本的识别情况,设置置信度判决函数,对在已训练好的单层网络结构中难以识别的样本,重新进行特征的提取并训练下一层的网络,形成多层卷积神经网络结构,达到提高识别率的目的。在MNIST手写体数据库上对不同规模样本数进行实验,结果表明M_CNN模型在针对小样本识别时具有一定优越性,最后,将M_CNN模型应用在变电站异常场景识别中,取得了良好的效果。; 关键词置信度多层卷积神经网络小样本变电站异常场景识别; Keywords confidence multi-layer convolution neural network small samples substation recognition of abnormal scene; 分类号 TM769 [电气工程—电力系统及自动化] 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

题名糖熏鸡腿颜色快速精准识别的多层卷积神经网络模型研究被引量：3: 3; 作者王博杨洪遥陆逢贵陈子东曹振霞刘登勇; 机构渤海大学食品科学与工程学院哈尔滨商业大学职业技术教育学院江苏省肉类生产与加工质量安全控制协同创新中心; 出处《食品与发酵工业》 CAS CSCD 北大核心 2021年第1期259-265,共7页; 基金国家重点研发计划项目(2016YFD0401505) 辽宁省“兴辽英才计划”项目(XLYC1 807 100) 辽宁省一流学科项目(LNSPXKBD2020204,LNSPXKBD2020306)。; 文摘为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CNN模型对熏鸡腿颜色的识别效果。采集并经过图像预处理后,共得到不同颜色的熏鸡腿图像4 352张,作为4种模型的实验样本,随机选取其中的3 482张作为训练组,剩下的870张作为测试组。结果表明,4种模型的平均识别准确率分别为92%(Xception-CNN)、91%(Res Net-50)、89%(Inception)、87%(传统CNN);测试时间分别为1. 36 s(Xception-CNN)、0. 81 s(Res Net-50)、0. 98 s(Inception)、2. 48 s(传统CNN)。Xception-CNN模型对糖熏鸡腿图像的颜色识别准确率最高,达到92%,测试时间略高于Res Net-50模型和Inception模型,但低于传统CNN模型,仅需1. 36 s即可完成识别,此模型可以实现糖熏鸡腿颜色的快速精准识别,为糖熏工艺参数精准调控、保障产品颜色标准化等提供可靠依据。; 关键词熏鸡糖熏颜色识别机器视觉多层卷积神经网络模型; Keywords smoked chicken sugar smoked color recognition machine vision multilayer convolutional neural network model; 分类号 TS251.55 [轻工技术与工程—农产品加工及贮藏工程] TP183 [自动化与计算机技术—控制理论与控制工程] TP391.41 [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

题名基于跳跃连接神经网络的无监督弱光图像增强算法: 4; 作者刘洋刘思瑞徐晓淼王竹筠; 机构沈阳航空航天大学火箭军某军事代表室; 出处《电子测量与仪器学报》北大核心 2025年第5期208-216,共9页; 基金国家自然科学基金(62003224) 辽宁省教育厅项目(JYT2020042)资助。; 文摘针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCE-Net)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图像质量的显著改善。首先,提出新的特征提取网络,该网络整合了多个跳跃连接与卷积层,实现低层与高层特征的有效融合,从而学习到弱光图像中的关键特征,增强网络对弱光图像的学习能力。其次,设计一组联合的无参考损失函数,强调优化过程中与亮度相关的特性,从而更有利于图像增强模型的参数更新,提高图像增强的质量和效果。为了验证所提出算法的有效性,在5个公开数据集上进行了对比实验,与次优算法Zero-DCE相比,有参考数据集SICE上的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了9.4%、21%。无参考数据集LIME、DICM、MEF、NPE上NIQE分别达到了4.04、3.04、3.35、3.83。实验结果表明,所提出算法表现出色,增强后的图像色彩自然,亮度均衡且细节清晰。无论是主观视觉评价还是客观定量指标,均显著优于对比算法,充分体现了在图像增强效果上的卓越性和先进性。; 关键词弱光图像增强深度曲线估计无参考损失函数多层卷积神经网络无监督学习; Keywords low-light image enhancement deep curve estimation no reference loss function multi-layer convolutional neural networks unsupervised learning; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN919.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于VAE与API行为特征抽取的恶意软件检测: 5; 作者于孟洋师智斌郝伟泽张舒娟; 机构中北大学计算机科学与技术学院; 出处《计算机工程与设计》北大核心 2025年第2期464-471,共8页; 基金山西省基础研究计划基金项目(20210302123018)。; 文摘针对现有检测方法缺乏数据连续性和完整性的建模能力、难以提取API调用序列的全局特征,且对API行为语义表示抽取单一等问题,提出一种基于变分自编码器与API行为特征抽取的恶意软件检测方法。通过词嵌入将调用函数表示为语义稠密向量;基于变分自编码器架构,学习数据的潜在状态表示,完成对恶意软件全局特征和模式的提取;采用多层卷积神经网络,抽取不同粒度调用子序列的行为语义特征,同时统计调用频率,获取API使用权重信息;综合上述特征进行恶意软件检测。实验结果表明,该方法在阿里云数据集上达到了97.81%的良/恶性检测精度和93.74%的多分类精度,验证了方法的有效性。; 关键词恶意软件检测变分自编码器多层卷积神经网络序列信息行为语义频率信息特征融合; Keywords malware detection variational autoencoder multi-layer convolutional neural network sequence information beha-vioral semantics frequency information feature fusion; 分类号 TP309.5 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名包含跨域建模和深度融合网络的手绘草图检索被引量：7: 6; 作者于邓刘玉杰邢敏敏李宗民李华; 机构中国石油大学(华东)计算机通信工程学院中国科学院计算计算技术研究所; 出处《软件学报》 EI CSCD 北大核心 2019年第11期3567-3577,共11页; 基金国家自然科学基金(61379106,61379082,61227802) 山东省自然科学基金(ZR2013FM036,ZR2015FM011)~~; 文摘在手绘草图检索(sketch-based image retrieval,简称SBIR)领域,引入一种手绘草图的新型检索模型.手绘草图与自然图片之间存在巨大的差异性,这是因为,与自然图片相比,手绘草图展现出高度抽象的视觉表达,用现有的方法对手绘草图进行特征提取,其产生的特征描述子对于手绘草图的内容无法进行有效地拟合;对于相同的物体,不同的人群用手绘草图描述方式和表达也存在巨大的差距,这就使得手绘草图-自然图片的匹配更加困难;同时,将手绘草图与自然图片映射到相同视觉域的工作,也是一项具有困难的任务.所以,手绘草图检索技术是公认的比较有挑战性的任务.提出一种将手绘草图与自然图片在多个层次上映射到同一视觉域的策略来解决跨域的问题.同时,引入多层深度融合卷积神经网络(multi-layer deep fusion convolutional neural network)的框架来训练并获得手绘草图和自然彩色图片的多层特征表达.在Flickr15k图像数据库进行检索实验,实验结果显示,多层深度融合卷积网络学习到的特征的检索精度超过了现有的手工特征以及由自然图片或者手绘草图训练出来的卷积神经网络(convolutional neural network,简称CNN)的特征.; 关键词手绘草图检索跨域建模多层深度融合卷积神经网络特征融合深度学习; Keywords sketch-based image retrieval(SBIR) crossing-domain modeling multi-layer deep fusion convolutional neural network feature fusion deep learning; 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

题名融合CNN-SAM与GAT的多标签文本分类模型被引量：7: 7; 作者杨春霞马文文陈启岗桂强; 机构南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心; 出处《计算机工程与应用》 CSCD 北大核心 2023年第5期106-114,共9页; 基金国家自然科学基金(61273229) 江苏省青蓝工程资助项目。; 文摘现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标签文本分类模型(CS-GAT)。该模型利用多层卷积神经网络与自注意力机制充分提取文本局部与全局信息并进行融合,得到更为全面的特征向量表示;同时将不同文本标签之间的关联性转变为具有全局信息的边加权图,利用多层图注意力机制自动学习不同标签之间的关联程度,将其与文本上下文语义信息进行交互,获取具有文本语义联系的全局标签信息表示;使用自适应融合策略进一步提取两者特征信息,提高模型的泛化能力。在AAPD、RCV1-V2与EUR-Lex三个公开英文数据集上的实验结果表明,该模型所达到的多标签分类效果明显优于其他主流基线模型。; 关键词多标签文本分类多层卷积神经网络自注意力机制多头图注意力机制; Keywords multi-label text classification multi-layer convolutional neural network self attention mechanism multiheaded graph attention mechanism; 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	多层卷积神经网络深度学习算法可移植性分析	肖堃	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2020	3	在线阅读下载PDF 职称材料
2	基于多层卷积神经网络的变电站异常场景识别算法	孟格格高强	《电测与仪表》北大核心	2018	12	在线阅读下载PDF 职称材料
3	糖熏鸡腿颜色快速精准识别的多层卷积神经网络模型研究	王博杨洪遥陆逢贵陈子东曹振霞刘登勇	《食品与发酵工业》 CAS CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
4	基于跳跃连接神经网络的无监督弱光图像增强算法	刘洋刘思瑞徐晓淼王竹筠	《电子测量与仪器学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于VAE与API行为特征抽取的恶意软件检测	于孟洋师智斌郝伟泽张舒娟	《计算机工程与设计》北大核心	2025	0	在线阅读下载PDF 职称材料
6	包含跨域建模和深度融合网络的手绘草图检索	于邓刘玉杰邢敏敏李宗民李华	《软件学报》 EI CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
7	融合CNN-SAM与GAT的多标签文本分类模型	杨春霞马文文陈启岗桂强	《计算机工程与应用》 CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料