期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于对比层级相关性传播的由粗到细的类激活映射算法研究 被引量:3
1
作者 孙辉 史玉龙 王蕊 《电子与信息学报》 EI CSCD 北大核心 2023年第4期1454-1463,共10页
以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行... 以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系,利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码,找到影响模型决策的重要性区域,再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数,从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明,相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外,该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务,对困难样本进行学习,可以有效提高网络识别的准确率,进一步验证了CF-CAM算法的有效性和优越性。 展开更多
关键词 卷积神经网络 类激活映射 对比层级相关性传播 鸟类细粒度分类 数据增强
在线阅读 下载PDF
不同层级公允价值信息的决策有用性研究——基于我国A股金融业的经验分析 被引量:5
2
作者 邵莉 吴俊英 《西部论坛》 2012年第3期102-108,共7页
基于FAS 157的公允价值层级理论,采用Ohlson价格模型,以公允价值的三个层级为切入点,通过对A股金融行业的实证分析,研究公允价值层级信息被我国资本市场的认可程度。分析结果表明,公允价值层级信息的披露有助于公司提升股价,第一层级公... 基于FAS 157的公允价值层级理论,采用Ohlson价格模型,以公允价值的三个层级为切入点,通过对A股金融行业的实证分析,研究公允价值层级信息被我国资本市场的认可程度。分析结果表明,公允价值层级信息的披露有助于公司提升股价,第一层级公允价值资产比第二层级公允价值资产更具增量价值,而第三层级公允价值资产以及公允价值负债的三个层级均未呈现显著的价值相关性。相关部门应尽快制定公允价值层级披露的统一标准,并鼓励上市公司通过评估事务所、会计师事务所等中介机构对其公允价值资产和负债进行计量。 展开更多
关键词 FAS157 公允价值层级理论 层级信息 信息披露 公允价值资产 公允价值负债 价值相关性 决策有用性
在线阅读 下载PDF
基于自适应优化AP聚类与BP加权网络的多区域复合短期风电功率预测 被引量:3
3
作者 赵飞 张天祥 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期634-640,共7页
精准的风电集群区域功率预测对电源侧的竞价上网具有重要意义。由于同一地区多个风电场受气候影响波动程度相近,可看作具有时空相关性的风电场群,并以此进行集群的合理划分。为此,提出一种基于自适应优化近邻传播(AP)聚类与反向传播(BP... 精准的风电集群区域功率预测对电源侧的竞价上网具有重要意义。由于同一地区多个风电场受气候影响波动程度相近,可看作具有时空相关性的风电场群,并以此进行集群的合理划分。为此,提出一种基于自适应优化近邻传播(AP)聚类与反向传播(BP)加权神经网络的多区域复合短期风电功率预测模型。首先,通过粒子群优化算法(PSO)优化AP聚类方法对风电场群的历史数据进行集群的聚类与划分;然后,根据得到的最优聚类结果构建风电场群子区域样本训练集;最后,利用基于相关系数权重的BP神经网络对各子区域进行功率预测。算例结果表明:所提方法在24 h日前预测相较传统叠加法与单一BP神经网络可提高1.35%和2.62%的精度,可表明该模型具有优越的预测性能。 展开更多
关键词 风电场 聚类分析 粒子群算法 反向传播 相关性理论 功率预测
在线阅读 下载PDF
基于高分辨率类激活映射算法的弱监督目标实时检测
4
作者 孙辉 史玉龙 +2 位作者 张健一 王蕊 王羽玥 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期1051-1059,共9页
受益于深度学习的发展,目标检测技术在各类视觉任务中得到广泛关注。然而,获取目标的边框标注需要高昂的时间和人工成本,阻碍了目标检测技术在实际场景中的应用。为此,该文在仅使用图像类别标签的基础上,提出一种基于高分辨率类激活映... 受益于深度学习的发展,目标检测技术在各类视觉任务中得到广泛关注。然而,获取目标的边框标注需要高昂的时间和人工成本,阻碍了目标检测技术在实际场景中的应用。为此,该文在仅使用图像类别标签的基础上,提出一种基于高分辨率类激活映射算法的弱监督目标实时检测方法,降低网络对目标实例标注的依赖。该方法将目标检测细划分为弱监督目标定位和目标实时检测两个子任务。在弱监督定位任务中,该文利用对比层级相关性传播理论设计了一种新颖的高分辨率类激活映射算法(HR-CAM),用于获取高质量目标类激活图,生成目标伪检测标注框。在实时检测任务中,该文选取单镜头多盒检测器(SSD)作为目标检测网络,并基于类激活图设计目标感知损失函数(OA-Loss),与目标伪检测标注框共同监督SSD网络的训练过程,提高网络对目标的检测性能。实验结果表明,该文方法在CUB200和TJAB52数据集上实现了对目标准确高效的检测,验证了该文方法的有效性和优越性。 展开更多
关键词 弱监督定位 目标检测 对比层级相关性传播理论 类激活映射算法 目标感知损失函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部