基于深层神经网络的信道编码类型盲识别

1

作者 杨宗方 张天骐 +1 位作者 马焜然 邹涵 《系统工程与电子技术》 EI CSCD 北大核心 2024年第5期1820-1829,共10页

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,... 为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,用于识别接收数据中不同类型的信道码字。将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理,输入到预先训练好的深层神经网络识别器中进行识别,并分析了字长度对识别准确率的影响,得出了最合适的字长度。实验结果表明,两种识别器都能够有效识别接收数据中多种类型的信道编码,且在信噪比为3 dB时CNN识别器的识别准确率能够达到99%以上,而RCNN识别器在1 dB时就能够达到99%以上的识别准确率。 展开更多

关键词 深层神经网络 信道编码识别器 盲识别 字长度

在线阅读 下载PDF 职称材料

深层神经网络中间层可见化建模 被引量：17

2

作者 高莹莹 朱维彬 《自动化学报》 EI CSCD 北大核心 2015年第9期1627-1637,共11页

深层神经网络的中间层是隐含的、未知的,这使得深层网络的学习过程不可追踪,学习结果无法解释,在一定程度上制约了深度学习的发展.本文通过引入先验知识使深层网络的中间层具有明确的含义与显性的影响关系,即中间层可见化,从而部分人工... 深层神经网络的中间层是隐含的、未知的,这使得深层网络的学习过程不可追踪,学习结果无法解释,在一定程度上制约了深度学习的发展.本文通过引入先验知识使深层网络的中间层具有明确的含义与显性的影响关系,即中间层可见化,从而部分人工干预深层网络的内部结构,约束网络学习的方向.基于深层堆叠网络(Deep stacking network,DSN),提出两种中间层部分可见的深层神经网络:输入层部分可见的深层堆叠网络(Input-layer visible DSN,IVDSN)和隐含层部分可见的深层堆叠网络(Hidden-layer visible DSN,HVDSN),部分可见是为了保留对未知信息的提取能力和一定的容错能力.以基于文本的言语情感计算为例测试所提网络的有效性,结果表明先验知识的引入有助于提升深层神经网络的性能;所提两种网络均可实现中间层的部分可见化,其中HVDSN结构更精简,性能也更优. 展开更多

关键词 深层神经网络 深层堆叠网络 中间层可见化 言语情感计算

在线阅读 下载PDF 职称材料

深层神经网络语音识别自适应方法研究 被引量：15

3

作者 邓侃 欧智坚 《计算机应用研究》 CSCD 北大核心 2016年第7期1966-1970,共5页

为了解决语音识别中深层神经网络的说话人与环境自适应问题,从语音信号中的说话人与环境因素的固有特点出发,提出了使用长时特征的自适应方案。基于高斯混合模型建立说话人—环境联合补偿模型,对说话人与环境参数进行估计,将此参数作为... 为了解决语音识别中深层神经网络的说话人与环境自适应问题,从语音信号中的说话人与环境因素的固有特点出发,提出了使用长时特征的自适应方案。基于高斯混合模型建立说话人—环境联合补偿模型,对说话人与环境参数进行估计,将此参数作为长时特征,将估计出来的长时特征与短时特征一起送入深层神经网络进行训练。Aurora4实验表明,该方案可以有效地对说话人与环境因素进行分解,并提升自适应效果。 展开更多

关键词 语音识别 声学模型自适应 深层神经网络

在线阅读 下载PDF 职称材料

利用词表示和深层神经网络抽取蛋白质关系 被引量：4

4

作者 李丽双 蒋振超 +1 位作者 万佳 黄德根 《中文信息学报》 CSCD 北大核心 2017年第1期31-40,共10页

蛋白质关系抽取是生物医学信息抽取领域的重要分支。目前研究中,基于特征和核函数方法的蛋白质关系抽取已被充分研究,并且达到了很高的F-值,通过改进特征和核函数进一步优化实例表示变得十分困难。该文结合词表示和深层神经网络,提出了... 蛋白质关系抽取是生物医学信息抽取领域的重要分支。目前研究中,基于特征和核函数方法的蛋白质关系抽取已被充分研究,并且达到了很高的F-值,通过改进特征和核函数进一步优化实例表示变得十分困难。该文结合词表示和深层神经网络,提出了一种实例表示模型。该模型能够充分利用词表示的语义表示能力和深层神经网络的表示优化能力;同时引入主成分分析和特征选择进行特征优化,并且通过比较多种传统的分类器,寻找适合蛋白质关系抽取的分类器。该方法在AIMed语料、BioInfer语料和HPRD50语料上的F-值分别取得了70.5%、82.2%和80.0%,在蛋白质关系抽取任务上达到了目前最好的抽取水平。 展开更多

关键词 蛋白质关系抽取 词表示 深层神经网络

在线阅读 下载PDF 职称材料

基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法 被引量：4

5

作者 郭业才 侯坤 《实验室研究与探索》 CAS 北大核心 2021年第3期1-4,13,共5页

针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略... 针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略将训练得到的最优权重作为深度神经网络的初始权重,提高网络的抗噪性、泛化性和收敛速度。仿真与实验结果表明,与传统DOA估计算法相比,该算法在低信噪比情况下定位误差小、准确度高。 展开更多

关键词 堆栈稀疏自编码器 深层神经网络 波达方位 迁移学习

在线阅读 下载PDF 职称材料

基于深层神经网络的多特征关联声学建模方法 被引量：6

6

作者 范正光 屈丹 +1 位作者 闫红刚 张文林 《计算机研究与发展》 EI CSCD 北大核心 2017年第5期1036-1044,共9页

针对不同声学特征之间的信息互补性以及声学建模中各任务间的关联性,提出了一种多特征关联的深层神经网络声学建模方法,该方法首先借鉴深层神经网络(deep neural network,DNN)多模态以及多任务学习思想,通过共享DNN部分隐含层为不同特... 针对不同声学特征之间的信息互补性以及声学建模中各任务间的关联性,提出了一种多特征关联的深层神经网络声学建模方法,该方法首先借鉴深层神经网络(deep neural network,DNN)多模态以及多任务学习思想,通过共享DNN部分隐含层为不同特征声学模型间建立关联,从而挖掘不同学习任务间隐含的共同解释性因素,实现知识迁移以及性能的相互促进;其次利用低秩矩阵分解方法减少模型估计参数的数量,加快模型训练速度,并对不同特征的识别结果采用ROVER(recognizer output voting error reduction)融合算法进行融合,进一步提高系统识别性能.基于TIMIT的连续语音识别实验表明,采用关联声学建模方法,不同特征的识别性能均要优于独立建模时的识别性能.在音素错误率(phone error rates,PER)指标上,关联声学建模下的ROVER融合结果要比独立建模下的ROVER融合结果相对降低约4.6%. 展开更多

关键词 语音识别 深层神经网络 声学模型 低秩矩阵分解 融合

在线阅读 下载PDF 职称材料

基于深层神经网络(DNN)的汉语方言种属语音识别 被引量：6

7

作者 景亚鹏 郑骏 胡文心 《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心 2014年第1期60-67,共8页

将深层神经网络(Deep Neural Network)应用于汉语方言种属语音识别.基于优化的QuickNet软件,为方言识别实现了一种有监督的DNN逐层预训练方法.在训练时,从3层开始逐层做有监督的神经网络训练,每增长一层的初始权值包含前一层训练好的部... 将深层神经网络(Deep Neural Network)应用于汉语方言种属语音识别.基于优化的QuickNet软件,为方言识别实现了一种有监督的DNN逐层预训练方法.在训练时,从3层开始逐层做有监督的神经网络训练,每增长一层的初始权值包含前一层训练好的部分权值和输出端的随机权值.在得到最大层的初始权值后,再进行传统的BP网络训练.该方法和普通神经网络相比识别率有较大提升,可用于移动互联网标准语音识别人口、方言口音鉴识等领域. 展开更多

关键词 深层神经网络 方言语音识别 QuickNet

在线阅读 下载PDF 职称材料

深层神经网络预训练的改进初始化方法 被引量：6

8

作者 周佳俊 欧智坚 《电讯技术》 北大核心 2013年第7期895-898,共4页

在基于神经网络的语音识别任务中,提出根据激励函数二阶导数优化网络预训练阶段中权值初始化的方法。利用激励函数的非线性区域和自变量呈高斯分布的特性,寻找权值分布的较优方差以提升训练速度。通过比较同一学习速率下不同初始化数值... 在基于神经网络的语音识别任务中,提出根据激励函数二阶导数优化网络预训练阶段中权值初始化的方法。利用激励函数的非线性区域和自变量呈高斯分布的特性,寻找权值分布的较优方差以提升训练速度。通过比较同一学习速率下不同初始化数值对收敛速度的影响,发现此种方法可以加快预训练阶段的速度,提升神经网络训练的效率。 展开更多

关键词 语音识别 深层神经网络 预训练 初始化 激励函数

在线阅读 下载PDF 职称材料

采用深层神经网络中间层特征的关键词识别 被引量：2

9

作者 刘学 王年松 郭武 《小型微型计算机系统》 CSCD 北大核心 2015年第7期1540-1544,共5页

在基于模板匹配的关键词识别中,提出采用深层神经网络的中间层特征(bottleneck,BN)作为特征输入,将其取代传统的声学参数来生成后验概率图.首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络,将所有的语音特征经过这个神经... 在基于模板匹配的关键词识别中,提出采用深层神经网络的中间层特征(bottleneck,BN)作为特征输入,将其取代传统的声学参数来生成后验概率图.首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络,将所有的语音特征经过这个神经网络后得到稳健的BN特征;然后利用混合高斯模型将BN特征转化成后验概率图;在识别过程中,利用后验概率图作为特征参数,采用简化的分段动态时间规整算法实现关键词匹配.在TIMIT数据库上,相对于采用传统感知线性参数的系统,采用BN特征的系统,识别准确率有30%的提升. 展开更多

关键词 识别 分段动态时间规整 深层神经网络 中间层

在线阅读 下载PDF 职称材料

基于改进单深层神经网络的自然场景中维吾尔文检测 被引量：1

10

作者 彭勇 哈力旦·阿布都热依木 丁维超 《计算机应用研究》 CSCD 北大核心 2019年第9期2876-2880,共5页

针对自然场景中维吾尔文检测难度大的问题,改进单深层神经网络对自然场景中维吾尔文进行检测。该网络结构由维吾尔文特征提取组件和多层特征融合的文本检测组件组成,以端到端的方式训练学习预测维吾尔文文本框的位置以及置信度。维吾尔... 针对自然场景中维吾尔文检测难度大的问题,改进单深层神经网络对自然场景中维吾尔文进行检测。该网络结构由维吾尔文特征提取组件和多层特征融合的文本检测组件组成,以端到端的方式训练学习预测维吾尔文文本框的位置以及置信度。维吾尔文特征提取组件利用卷积神经网络提取自然场景维吾尔文图像中的多尺度和多层级维吾尔文特征。多层特征融合的文本检测组件则使用维吾尔文特征提取组件提取的特征,预测文本框的位置和维吾尔文类别的置信度。分析发现与中英文检测不同,维吾尔文文本具有更特殊的特征,针对这种特性设计了多宽高比和多尺寸大小的默认框并调整了部分卷积核的大小。经在自然场景中具有维吾尔文的图片集实验表明,改进的单深层神经网络方法考虑了图像的多尺度和多层级特征对检测精度的影响,算法的准确率和F值分别达到了0. 723 4和0. 611 5,提高了检测的准确率。 展开更多

关键词 维吾尔文检测 单深层神经网络 多尺度特征

在线阅读 下载PDF 职称材料

基于深层神经网络压制多次波 被引量：18

11

作者 宋欢 毛伟建 唐欢欢 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2021年第8期2795-2808,共14页

有效压制多次波一直是地震勘探中的难点问题.尽管已发展了多种多次波压制方法,但仍存在多次波压制不全、计算耗时长等缺陷,使得应对复杂地质地震数据多次波压制具有挑战性.为了突破现有多次波压制方法的局限性,本文提出了一种基于深层... 有效压制多次波一直是地震勘探中的难点问题.尽管已发展了多种多次波压制方法,但仍存在多次波压制不全、计算耗时长等缺陷,使得应对复杂地质地震数据多次波压制具有挑战性.为了突破现有多次波压制方法的局限性,本文提出了一种基于深层神经网络的多次波压制方法,采用的深层神经网络是一种改进的具有卷积编码器和卷积解码器的U-net网络.不同于常规方法依赖于滤波或波动理论,该方法仅依赖于大量训练数据.训练数据以含多次波的原始地震数据作为输入,不含多次波的地震数据作为输出,通过最小化损失函数来优化神经网络参数.训练成功的网络模型具备较好地分离多次波和一次波的能力,可直接用来快速压制地震数据中的多次波,避免了常规方法涉及的大规模计算.工业界模型数据测试结果表明,本文提出的深层神经网络方法能有效压制复杂地质地震数据中的多次波,同时还具有较高的泛化能力和多次波压制效率. 展开更多

关键词 多次波压制 深层神经网络 深度学习

在线阅读 下载PDF 职称材料

基于深层神经网络的备件储备方案决策方法 被引量：2

12

作者 张云景 汤光明 徐潇雨 《系统仿真学报》 CAS CSCD 北大核心 2019年第11期2238-2246,共9页

备件分类对于备件储备具有重要意义,是备件决策活动的关键环节。分析了影响备件储备选择的因素,提出了基于深层神经网络的备件储备品种和数量决策方法。对备件属性进行梳理,按照属性影响因素分析,提出2种备件分类方法:(1)将备件属性重... 备件分类对于备件储备具有重要意义,是备件决策活动的关键环节。分析了影响备件储备选择的因素,提出了基于深层神经网络的备件储备品种和数量决策方法。对备件属性进行梳理,按照属性影响因素分析,提出2种备件分类方法:(1)将备件属性重要性展开,对备件属性重要性进行排序,使用一个结构相对简单的深层神经网络依次对各属性实施判决,"不确定储备"的品种将再通过下一属性判决;(2)将备件的全部属性输入一个结构相对复杂的深层神经网络,深层神经网络依据备件的全属性实施判决。实验证明2种方法分别在时间效率和决策准确性上具有优势,能够为备件储备工作提供决策支撑。 展开更多

关键词 备件 储备方案 深层神经网络 属性分析 决策

在线阅读 下载PDF 职称材料

面向小样本数据的水下目标识别神经网络深层化研究 被引量：4

13

作者 吴晏辰 王英民 《西北工业大学学报》 EI CAS CSCD 北大核心 2022年第1期40-46,共7页

在面对新时期海洋工程应用领域的挑战时,可以通过利用基于深度学习的神经网络在水声工程中的实现,来达成自动化、高效性、准确性的目标。然而在面对水下目标样本匮乏、水下声环境复杂、样本信噪比差等客观问题时,深度学习也会因其自身... 在面对新时期海洋工程应用领域的挑战时,可以通过利用基于深度学习的神经网络在水声工程中的实现,来达成自动化、高效性、准确性的目标。然而在面对水下目标样本匮乏、水下声环境复杂、样本信噪比差等客观问题时,深度学习也会因其自身的局限性而变得不那么灵敏。针对小样本问题,通过构建多种目标特征提取法和深层深度神经网络模型,得到了不同目标特征提取与网络模型匹配后的目标识别率与网络预测值,并通过比对实验结果,提出了通过深层神经网络深层化设计解决小样本目标识别的新思路。 展开更多

关键词 水下目标识别 深度学习 深层神经网络设计

在线阅读 下载PDF 职称材料

基于深层卷积神经网络的初生仔猪目标实时检测方法 被引量：28

14

作者 沈明霞 太猛 +3 位作者 CEDRIC Okinda 刘龙申 李嘉位 孙玉文 《农业机械学报》 EI CAS CSCD 北大核心 2019年第8期270-279,共10页

针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid net... 针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95.76%和93.84%,召回率分别为95.47%和94.88%,对分辨率为500像素×375像素的图像检测速度为53.19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。 展开更多

关键词 初生仔猪 实时检测 深层卷积神经网络 FPN算法

在线阅读 下载PDF 职称材料

基于轻量级深层卷积神经网络的花卉图像分类系统 被引量：6

15

作者 徐光柱 朱泽群 +2 位作者 尹思璐 刘高飞 雷帮军 《数据采集与处理》 CSCD 北大核心 2021年第4期756-768,共13页

为解决深层卷积神经网络(Deep convolutional neural network,DCNN)模型在算力弱、存储成本高的AI边缘计算设备上难以高效应用的现实问题,本文利用重量级网络辅助训练轻量级网络,设计了一种基于轻量级神经网络的花卉图像分类系统。首先... 为解决深层卷积神经网络(Deep convolutional neural network,DCNN)模型在算力弱、存储成本高的AI边缘计算设备上难以高效应用的现实问题,本文利用重量级网络辅助训练轻量级网络,设计了一种基于轻量级神经网络的花卉图像分类系统。首先利用重量级DCNN并结合迁移学习、爬虫技术与最大连通区域分割方法,构建了适用于轻量级网络训练的扩充花卉数据集。然后基于Tiny⁃darknet与Darknet⁃reference两种网络及扩充后的花卉数据集训练得到两种面向弱算力设备的轻量级DCNN模型。训练得到的两种花卉分类网络在Oxford102花卉数据集上的平均分类准确率可达98.07%与98.83%,模型大小分别为4 MB与28 MB,在AI边缘计算设备中具有较好的应用前景。 展开更多

关键词 花卉图像分类 深层卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于深层卷积神经网络和双谱特征的雷达信号识别方法 被引量：29

16

作者 刘赢 田润澜 王晓峰 《系统工程与电子技术》 EI CSCD 北大核心 2019年第9期1998-2005,共8页

针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特... 针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。 展开更多

关键词 雷达信号识别 深层卷积神经网络 特征提取 双谱

在线阅读 下载PDF 职称材料

结合优化U⁃Net和残差神经网络的单通道语音增强算法 被引量：6

17

作者 许春冬 徐琅 周滨 《现代电子技术》 2022年第9期35-40,共6页

语音增强的目的是从带噪语音中恢复出干净的语音信号,为了解决现有深度神经网络中语音增强算法不稳定,语音增强效果不理想的问题,提出一种改进的U⁃Net网络与残差神经网络相结合的语音增强算法。首先,该方法构建了一个基于U⁃Net网络的端... 语音增强的目的是从带噪语音中恢复出干净的语音信号,为了解决现有深度神经网络中语音增强算法不稳定,语音增强效果不理想的问题,提出一种改进的U⁃Net网络与残差神经网络相结合的语音增强算法。首先,该方法构建了一个基于U⁃Net网络的端到端的语音增强模型;然后在该模型的编解码块中引入残差单元,将残差神经网络结构的跨层连接和拟合残差项应用到模型训练中,该方法更有利于恢复目标语音的细节特征信息,增强了模型训练的稳定性,提高了模型的特征提取能力和训练效率,改进后的Residual⁃U⁃Net网络模型能够实现更优的语音增强效果。仿真实验结果表明:与现有的其他几种语音增强方法相比,文中所提出的Residual⁃U⁃Net算法更有效地实现了语音增强,此外,该算法具有良好的去噪效果,进一步提高了语音信号的质量及其可懂度。 展开更多

关键词 语音增强 深层神经网络 U⁃Net 残差神经网络 跨层连接 模型训练 残差单元引入 特征提取

在线阅读 下载PDF 职称材料

基于深层卷积神经网络近视性黄斑病变筛查系统的研究

18

作者 史春生 刘磊 +1 位作者 王亚茹 王泽飞 《中华实验眼科杂志》 CAS CSCD 北大核心 2021年第7期602-608,共7页

目的研究一种基于深层卷积神经网络(DCNN)全自动近视性黄斑病变(MMD)筛查及其严重程度评估系统。方法收集安徽省第二人民医院6068张眼底图像构建训练集,并选取公开的眼底图像数据集构建测试集。对眼底图像进行预处理及扩增、MMD病变等... 目的研究一种基于深层卷积神经网络(DCNN)全自动近视性黄斑病变(MMD)筛查及其严重程度评估系统。方法收集安徽省第二人民医院6068张眼底图像构建训练集,并选取公开的眼底图像数据集构建测试集。对眼底图像进行预处理及扩增、MMD病变等级标注、数据清洗。构建全自动MMD筛查系统,该系统由两级网络结构组成,第一级网络结构用于识别MMD是否存在,第二级网络结构用于判断MMD病变的严重等级。比较VGG-16、ResNet50、Inception-v3和Densenet这4种常用的DCNN方法在MMD筛查及严重程度识别任务中的准确率、特异性、敏感度、精确率、F1值、曲线下面积(AUC)、Kappa系数性能。结果Densenet网络模型在MMD筛查任务中表现最优,其敏感度、特异性、精确率、F1值和AUC分别为0.898、0.918、0.919、0.908和0.962。Inception-v3网络模型在MMD严重程度识别任务中表现最优,其敏感度、特异性、精确率、F1值和AUC分别为0.839、0.952、0.952、0.892和0.965。可视化结果显示,本研究所采用的网络结构模型可自动学习MMD严重等级判断的临床特征,准确识别弥漫性和局灶性脉络膜萎缩区域。结论基于DCNN的眼底图像MMD筛查方法可自动化提取MMD的有效特征,并准确进行MMD筛查及其严重等级判断,可有效辅助临床。 展开更多

关键词 近视性黄斑病变 深层卷积神经网络 筛查 人工智能

在线阅读 下载PDF 职称材料

基于级联深度神经网络的抑郁症识别 被引量：5

19

作者 江筱 邵珠宏 +1 位作者 尚媛园 丁辉 《计算机应用与软件》 北大核心 2019年第10期117-122,150,共7页

抑郁症是最常见的心理障碍之一,严重困扰患者的工作和生活。随着情感感知技术的发展,开发抑郁症自动识别系统具有广阔的前景。基于视频人脸图像,结合级联深度神经网络和多特征(全局特征和局部特征)对抑郁症BDI-II分值进行预测。设计全... 抑郁症是最常见的心理障碍之一,严重困扰患者的工作和生活。随着情感感知技术的发展,开发抑郁症自动识别系统具有广阔的前景。基于视频人脸图像,结合级联深度神经网络和多特征(全局特征和局部特征)对抑郁症BDI-II分值进行预测。设计全局特征网络、局部特征网络(眼部,嘴部)三个分支,利用FaceNet网络和深度神经网络提取全局特征,利用基于四元数的局部二进制编码和深度神经网络提取局部特征。在融合层将全局特征向量和局部特征向量拼接,接入第三个深度神经网络对抑郁程度进行预测。在AVEC2013和AVEC2014抑郁症数据库上进行测试,实验结果表明,与其他基于视觉的方法相比,该方法取得了更小的平均绝对误差和均方根误差。 展开更多

关键词 抑郁症识别 深层神经网络 四元数 局部二值模式 异或非对称区域局部梯度编码

在线阅读 下载PDF 职称材料

基于神经网络的层状周期结构能量传输谱预测 被引量：4

20

作者 刘陈续 于桂兰 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第1期88-95,共8页

本文对层状周期结构的能量传输谱预测方法进行了研究.在考虑几何参数、物理参数单独变化以及同时变化3种情况下,通过构建深层反向传播(BP)神经网络,实现层状周期结构能量传输谱的精准预测.与径向基函数(RBF)神经网络进行对比实验,实验... 本文对层状周期结构的能量传输谱预测方法进行了研究.在考虑几何参数、物理参数单独变化以及同时变化3种情况下,通过构建深层反向传播(BP)神经网络,实现层状周期结构能量传输谱的精准预测.与径向基函数(RBF)神经网络进行对比实验,实验结果验证了所提方法的有效性. 展开更多

关键词 层状周期结构 深层反向传播神经网络 径向基函数神经网络 能量传输谱 衰减域

在线阅读 下载PDF 职称材料