期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到160篇文章
< 1 2 … 8 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别 被引量：23
1
作者 黄勇康 梁美玉 +2 位作者 王笑笑 陈徵 曹晓雯 《计算机应用》 CSCD 北大核心 2022年第3期736-742,共7页
针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多... 针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多人学生课堂行为识别算法。首先,结合实时目标检测和跟踪,得到每个学生的实时图片流;接着,利用深度时空残差卷积神经网络对每个学生行为的时空特征进行学习,从而实现课堂教学场景中面向多学生目标的课堂行为的实时识别;此外,构建了智能教学评估模型,并设计实现了基于学生课堂行为识别的智能教学评估系统,助力教学质量的提升,以实现智慧教育。通过在课堂教学视频数据集上进行实验对比与分析,验证了提出的课堂教学视频中实时多人学生课堂行为识别模型能够达到88.5%的准确率,且所构建的基于课堂行为识别的智能教学评估系统在课堂教学视频数据集上也已取得较好的运行效果。 展开更多
关键词 深度时空残差卷积神经网络 目标检测 目标跟踪 多人课堂行为识别 智能教学评估
在线阅读 下载PDF
基于2D-3D卷积神经网络的情绪识别模型
2
作者 杨朋辉 杨长青 +1 位作者 刘静 崔冬 《燕山大学学报》 北大核心 2025年第1期66-73,共8页
基于脑电信号的情绪识别是人机交互的重要部分,本文将二维卷积神经网络、三维卷积神经网络、深度可分离卷积进行结合,提出一种基于2D-3D卷积神经网络(2-3DCNN)模型,从时间、空间、频率三个方面进行特征提取。在网络中引入SE-ResNet网络... 基于脑电信号的情绪识别是人机交互的重要部分,本文将二维卷积神经网络、三维卷积神经网络、深度可分离卷积进行结合,提出一种基于2D-3D卷积神经网络(2-3DCNN)模型,从时间、空间、频率三个方面进行特征提取。在网络中引入SE-ResNet网络、深度残差收缩网络和Xception网络,挖掘脑电信号中更能显著反映情感变化的空间、时间和频率信息。本文在DEAP公共情感数据集上做性能测试,结果表明,2-3DCNN在唤醒度和效价的两个分类任务上的识别准确率分别达到了97.59%和97.21%,比目前最先进的模型分别高出2.36%和1.34%。 展开更多
关键词 情绪识别 脑电信号 卷积神经网络 深度残差收缩网络 深度可分离卷积
在线阅读 下载PDF
基于一维卷积神经网络的雷达个体识别算法
3
作者 杨孟璋 农丽萍 +1 位作者 李然 王俊义 《计算机工程与设计》 北大核心 2025年第5期1281-1288,共8页
为解决利用长序列雷达信号对雷达辐射源个体进行分类识别的问题,提出一种融合注意力机制和残差的一维卷积深度神经网络(1CDNN)模型,利用一维卷积从原始长序列雷达信号中直接提取特征,减少模型的参数量。引入注意力机制帮助模型学习利用... 为解决利用长序列雷达信号对雷达辐射源个体进行分类识别的问题,提出一种融合注意力机制和残差的一维卷积深度神经网络(1CDNN)模型,利用一维卷积从原始长序列雷达信号中直接提取特征,减少模型的参数量。引入注意力机制帮助模型学习利用全局信息选择关键特征,提高模型的分类识别精度。引入残差使得模型在缓解梯度消失的同时更容易进行优化和训练。实验结果表明,所提模型在实际采集数据集上具有结构简单、训练难度低、分类识别精度高和收敛速度快的优点。 展开更多
关键词 雷达辐射源识别 长序列雷达信号 深度学习 端到端 一维卷积神经网络 注意力机制 残差学习
在线阅读 下载PDF
基于可拓展自注意力时空图卷积神经网络的用户轨迹识别模型
4
作者 雷天亮 吉立新 +2 位作者 王庚润 刘树新 巫岚 《电子学报》 EI CAS CSCD 北大核心 2024年第11期3741-3750,共10页
用户轨迹识别作为一项重要的时空数据挖掘任务,广泛应用于基于位置的个性化服务推荐、行程规划、犯罪行为检测和目标跟踪等领域,但依然面临预测精度不高的问题,主要原因是轨迹数据低采样且稀疏、轨迹类别数量巨大等.针对上述问题提出了... 用户轨迹识别作为一项重要的时空数据挖掘任务,广泛应用于基于位置的个性化服务推荐、行程规划、犯罪行为检测和目标跟踪等领域,但依然面临预测精度不高的问题,主要原因是轨迹数据低采样且稀疏、轨迹类别数量巨大等.针对上述问题提出了基于可拓展自注意力时空图卷积神经网络的用户轨迹识别模型(Expandable Self-Attention Spatio-Temporal Graph Convolutional Neural Networks,ESAST-GCNN),该模型采用时空图卷积神经网络方式,深度挖掘时序特征与空间特征关系,并进行预测与拓展,结合自注意力机制获取用户轨迹特征向量内部相关性,最终根据该特征向量进行用户轨迹身份识别.在两个真实数据集上进行测试后发现,ESAST-GCNN相较于TULER-GRU(TUL via Embedding and RNN)在Geolife与Gowalla中准确率分别提高了13.95%、10.63%,实验结果表明ESAST-GCNN优于其他模型,识别效果更好,适用范围更广. 展开更多
关键词 用户轨迹识别 时空图卷积神经网络 自注意力机制 深度学习 时空序列
在线阅读 下载PDF
改进深度残差卷积神经网络的LDCT图像估计 被引量：7
5
作者 高净植 刘祎 +1 位作者 张权 桂志国 《计算机工程与应用》 CSCD 北大核心 2018年第16期203-210,219,共9页
针对低剂量计算机断层扫描(Low-Dose Computed Tomography,LDCT)重建图像出现明显条形伪影的现象,提出了一种基于残差学习的深度卷积神经网络(Deep Residual Convolutional Neural Network,DR-CNN)模型,可以从LDCT图像预测标准剂量计算... 针对低剂量计算机断层扫描(Low-Dose Computed Tomography,LDCT)重建图像出现明显条形伪影的现象,提出了一种基于残差学习的深度卷积神经网络(Deep Residual Convolutional Neural Network,DR-CNN)模型,可以从LDCT图像预测标准剂量计算机断层扫描(Normal-Dose Computed Tomography,NDCT)图像。该模型在训练阶段,将数据集中的LDCT图像和NDCT图像相减得到残差图像,将LDCT图像和残差图像分别作为输入和标签,通过深度卷积神经网络(Convolution Neural Network,CNN)学习输入和标签之间的映射关系;在测试阶段,利用此映射关系从LDCT图像预测残差图像,用LDCT图像减去残差图像得到预测的NDCT图像。实验采用50对大小为512×512的同一体模的常规剂量胸腔扫描切片和投影域添加噪声后的重建图像作为数据集,其中45对作为训练集,其他作为测试集,来验证此模型的有效性。通过与非局部降噪算法、匹配三维滤波算法和K-SVD算法等目前公认效果较好的图像去噪算法对比,所提模型预测的NDCT图像均方根误差小,且信噪比略高于其他算法处理结果。 展开更多
关键词 低剂量计算机断层扫描 卷积神经网络 残差学习 深度学习
在线阅读 下载PDF
基于改进时空残差卷积神经网络的城市路网短时交通流预测 被引量：8
6
作者 包银鑫 曹阳 施佺 《计算机应用》 CSCD 北大核心 2022年第1期258-264,共7页
城市路网交通流预测受到历史交通流和相邻路口交通流的影响,具有复杂的时空关联性。针对传统时空残差模型缺乏对交通流数据进行相关性分析、捕获微小变化而容易忽略长期时间特征等问题,提出一种基于改进时空残差卷积神经网络(CNN)的城... 城市路网交通流预测受到历史交通流和相邻路口交通流的影响,具有复杂的时空关联性。针对传统时空残差模型缺乏对交通流数据进行相关性分析、捕获微小变化而容易忽略长期时间特征等问题,提出一种基于改进时空残差卷积神经网络(CNN)的城市路网短时交通流预测模型。该模型将原始交通流数据转化成交通栅格数据,利用皮尔逊相关系数(PCC)对交通栅格数据进行相关性分析,确定相关性高的周期序列和邻近序列;同时,建立周期序列模型和邻近序列模型,并引入长短时记忆(LSTM)网络作为混合模型提取时间特征以及捕获两种序列的长期时间特征。利用成都市出租车数据集对模型进行验证,结果表明该模型预测结果优于LSTM、CNN和传统残差模型等基准模型,以均方根误差(RMSE)为评价指标时,所提模型将测试集中交通路网的平均预测精度分别提高了25.6%、13.3%和3.2%。 展开更多
关键词 短时交通流预测 时空分析 残差网络 皮尔逊相关系数 长短时记忆网络 卷积神经网络 组合模型
在线阅读 下载PDF
基于深度时空卷积神经网络的人群异常行为检测和定位 被引量：16
7
作者 胡学敏 陈钦 +2 位作者 杨丽 余进 童秀迟 《计算机应用研究》 CSCD 北大核心 2020年第3期891-895,共5页
针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题,提出一种基于深度时空卷积神经网络的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点,综合利用静态图像的空间特征和前后帧的时间特征,将二维卷积扩展... 针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题,提出一种基于深度时空卷积神经网络的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点,综合利用静态图像的空间特征和前后帧的时间特征,将二维卷积扩展到三维空间,设计面向人群异常行为检测和定位的深度时空卷积神经网络;为了定位人群异常行为,将视频分成若干子区域,获取视频的子区域时空数据样本,然后将数据样本输入设计的深度时空卷积神经网络进行训练和分类,实现人群异常行为的检测与定位。同时,为了解决深度时空卷积神经网络训练时样本数量不足的问题,设计一种迁移学习的方法,利用样本数量多的数据集预训练网络,然后在待测试的数据集中进行微调和优化网络模型。实验结果表明,该方法在UCSD和subway公开数据集上的检测准确率分别达到了99%和93%以上。 展开更多
关键词 人群异常行为检测 深度时空卷积神经网络 迁移学习 数据扩充
在线阅读 下载PDF
多模深度卷积神经网络应用于视频表情识别 被引量：19
8
作者 潘仙张 张石清 郭文平 《光学精密工程》 EI CAS CSCD 北大核心 2019年第4期963-970,共8页
由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络... 由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络,用于视频中的时空表情特征学习。其中,空间卷积神经网络用于提取视频中每一帧静态的表情图像的空间信息特征,而时间卷积神经网络用于从视频中多帧表情图像的光流信息中提取动态信息特征。然后,将这两个深度卷积神经网络学习到的时空特征进行基于深度信念网络(DBN)的特征层融合,输入到支持向量机实现视频中的人脸表情分类任务。在公共的RML和BAUM-1s视频情感数据集的测试结果表明,该方法分别取得了71.06%和52.18%的正确识别率,明显优于现有文献报导的结果。多模深度卷积神经网络的人脸表情识别方法能提高视频中人脸表情的识别性能。 展开更多
关键词 深度卷积神经网络 多模深度学习 表情识别 时空特征 深度信念神经网络
在线阅读 下载PDF
基于卷积神经网络的深度图像超分辨率重建方法 被引量：37
9
作者 李伟 张旭东 《电子测量与仪器学报》 CSCD 北大核心 2017年第12期1918-1928,共11页
为了更有效地提高深度图像的分辨率,构建了一种更深层次的深度图像超分辨率重建的卷积神经网络。该网络直接将低分辨率深度图像作为网络的初始输入,通过卷积神经网络学习图像的高阶表示,获得更具有表达能力的深层特征,同时在网络的输出... 为了更有效地提高深度图像的分辨率,构建了一种更深层次的深度图像超分辨率重建的卷积神经网络。该网络直接将低分辨率深度图像作为网络的初始输入,通过卷积神经网络学习图像的高阶表示,获得更具有表达能力的深层特征,同时在网络的输出层引入亚像素卷积层,针对提取到的特征学习不同上采样滤波器,实现上采样放大操作。为了实现网络更好地收敛,在网络中加入了残差网络结构。在4个常用数据集上的实验结果表明,与其他先进方法相比,该方法网络收敛速度更快,并可以有效地保护图像的边缘结构,解决伪影问题,且在定性和定量两方面均取得了很好的重建效果。 展开更多
关键词 深度图像 超分辨率重建 卷积神经网络 残差网络结构
在线阅读 下载PDF
基于深度卷积神经网络的协作频谱感知方法 被引量：19
10
作者 盖建新 薛宪峰 +1 位作者 吴静谊 南瑞祥 《电子与信息学报》 EI CSCD 北大核心 2021年第10期2911-2919,共9页
针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作... 针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法。该方法将频谱感知问题转化为图像二分类问题,对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理,并作为深度卷积神经网络的输入,通过残差学习训练深度卷积神经网络模型,提取2维灰度图像的深层特征,将测试数据输入到训练好的模型中,完成基于图像分类的频谱感知。实验结果表明:与传统的频谱感知方法相比,在低信噪比(SNR)下、多用户协作感知时,所提方法具有更高的检测概率和更低的虚警概率。 展开更多
关键词 协作频谱感知 深度卷积神经网络 残差学习 协方差矩阵
在线阅读 下载PDF
全卷积多并联残差神经网络 被引量：6
11
作者 李国强 张露 《小型微型计算机系统》 CSCD 北大核心 2020年第1期30-34,共5页
随着人工智能的火热发展,深度学习已经在很多领域占有了一席之地.作为深度学习中一个典型网络--残差神经网络模型自提出之日起就成为了众多研究者的关注点.然而,残差神经网络还有很大的改进空间.为了更好地解决反向传播中梯度减小的问题... 随着人工智能的火热发展,深度学习已经在很多领域占有了一席之地.作为深度学习中一个典型网络--残差神经网络模型自提出之日起就成为了众多研究者的关注点.然而,残差神经网络还有很大的改进空间.为了更好地解决反向传播中梯度减小的问题,本文提出了一种改进的残差神经网络,称为全卷积多并联残差神经网络.在该网络中,每一层的特征信息不仅传输到下一层还输出到最后的平均池化层.为了测试该网络的性能,分别在三个数据集(MNIST,CIFAR-10和CIFAR-100)上对比图像分类的结果.实验结果表明,改进后的全卷积多并联残差神经网络与残差网络相比具有更高的分类准确率和更好的泛化能力. 展开更多
关键词 深度学习 残差神经网络 全卷积多并联残差神经网络 图像分类
在线阅读 下载PDF
基于深度卷积神经网络的慢动目标检测 被引量：7
12
作者 扶明 郑霖 +3 位作者 杨超 黄凤青 符杰林 王俊义 《传感器与微系统》 CSCD 北大核心 2022年第2期111-114,共4页
针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法。主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,... 针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法。主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,得到回波信号的残差谱。然后利用残差谱与回波信号R-D谱进行背景对消以抑制杂波,进而实现对回波信号中运动目标的检测。由于该方法通过学习杂波特性进而进行目标检测,因此适用于未知杂波模型的场景,避免了假设的模型与实际环境不符合的问题。实验验证:该方法相比于传统的杂波抑制目标检测方法,具有较好的性能表现。 展开更多
关键词 目标检测 深度学习 卷积神经网络 背景对消 残差学习
在线阅读 下载PDF
基于深度可分离卷积残差模块的抓取检测算法
13
作者 平路静 马行 +1 位作者 穆春阳 姜谱照 《传感器与微系统》 北大核心 2025年第5期133-137,共5页
针对在移动设备和嵌入式设备等资源受限的环境中,机器人不易实时准确抓取物体的问题,提出一种基于深度可分离卷积残差模块的卷积神经网络(CNN)模型。该模型充分利用相机颜色和深度信息,以RGB-D图像作为网络输入,直接对逐个像素点完成抓... 针对在移动设备和嵌入式设备等资源受限的环境中,机器人不易实时准确抓取物体的问题,提出一种基于深度可分离卷积残差模块的卷积神经网络(CNN)模型。该模型充分利用相机颜色和深度信息,以RGB-D图像作为网络输入,直接对逐个像素点完成抓取预测。利用深度可分离卷积替代传统残差结构中的标准卷积层,构建出深度可分离卷积残差模块,在不降低网络性能的基础上减少模型参数,网络模型大小仅为2.3 MB。最后,在Cornell抓取数据集上进行实验,准确率达到97.7%,检测速度为58 fps。 展开更多
关键词 卷积神经网络 深度可分离卷积 残差网络 抓取检测
在线阅读 下载PDF
基于时空卷积神经网络的数据缺失交通流预测 被引量：8
14
作者 张壮壮 屈立成 +2 位作者 李翔 张明皓 李昭璐 《计算机工程与应用》 CSCD 北大核心 2022年第7期259-265,共7页
针对数据连续缺失情况下交通流预测精度下降甚至失效的问题,提出了一种时空卷积神经网络预测模型,根据横向分布的时间相关性和纵向分布的空间相关性,构建路网交通数据时空矩阵,引入掩码矩阵标记数据的缺失状况,利用卷积操作提取路网中... 针对数据连续缺失情况下交通流预测精度下降甚至失效的问题,提出了一种时空卷积神经网络预测模型,根据横向分布的时间相关性和纵向分布的空间相关性,构建路网交通数据时空矩阵,引入掩码矩阵标记数据的缺失状况,利用卷积操作提取路网中各检测器之间隐含的非线性关联,建立当前时刻与未来交通状态的映射关系,实现数据缺失情况下的交通流预测。使用公开数据集,在3个时间尺度上的验证结果表明,所提出的模型在平均误差和预测精度两个方面均优于长短期记忆网络、门控循环单元、扩散卷积神经网络和图马尔可夫网络模型,在交通数据随机缺失和连续缺失两种情况下,均表现出了良好的稳定性和健壮性。 展开更多
关键词 智能交通系统 交通流预测 深度学习 时空卷积神经网络 连续数据缺失
在线阅读 下载PDF
基于残差的优化卷积神经网络服装分类算法 被引量：21
15
作者 张振焕 周彩兰 梁媛 《计算机工程与科学》 CSCD 北大核心 2018年第2期354-360,共7页
针对目前服装分类算法在解决多类别服装分类问题时分类精度一般的问题,提出了一种基于残差的优化卷积神经网络服装分类算法,在网络中使用了如下三种优化方法:(1)调整批量归一化层、激活函数层与卷积层在网络中的排列顺序;(2)"池化... 针对目前服装分类算法在解决多类别服装分类问题时分类精度一般的问题,提出了一种基于残差的优化卷积神经网络服装分类算法,在网络中使用了如下三种优化方法:(1)调整批量归一化层、激活函数层与卷积层在网络中的排列顺序;(2)"池化层+卷积层"的并行池化结构;(3)使用全局均值池化层替换全连接层。经过由香港中文大学多媒体实验室提供的多类别大型服装数据集(DeepFashion)和标准数据集CIFAR-10上的实验表明,所提出的网络模型在处理图片的速度和分类精度方面都优于VGGNet和AlexNet,且得到了目前为止已知的在DeepFashion数据集上最好的分类准确率。该网络也可以更好地应用于目标检测和图像分割领域。 展开更多
关键词 深度学习 残差网络 多类别服装分类 卷积神经网络优化
在线阅读 下载PDF
基于残差SDE-Net的深度神经网络不确定性估计 被引量：2
16
作者 王永光 姚淑珍 谭火彬 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1991-2000,共10页
神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题,一是在处理大规模数据集时,随着网络层次的增加会导致性能退化;二是SDE-Net在处理具有噪声或高丢失率的分布内数... 神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题,一是在处理大规模数据集时,随着网络层次的增加会导致性能退化;二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net),该模型采用了改进的残差网络(ResNets)中的残差块,并应用于SDE-Net以获得一致稳定性和更高的性能;针对具有噪声或高丢失率的分布内数据,引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复,从而提高ResSDE-Net处理此类数据的性能。实验结果表明:ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能,并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上,仍然分别获得89.89%、65.22%和93.02%的平均准确率。 展开更多
关键词 神经随机微分方程 卷积条件神经过程 不确定性估计 残差块 深度神经网络
在线阅读 下载PDF
基于深度卷积神经网络的脑电图异常检测 被引量：4
17
作者 杜云梅 黄帅 梁会营 《华南师范大学学报（自然科学版）》 CAS 北大核心 2020年第2期122-128,共7页
为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118716个样本的训练集和有12022个样本的测试集;然后,构建有快捷连接... 为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118716个样本的训练集和有12022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别;接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数;最后,在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的. 展开更多
关键词 卷积神经网络 残差模块 脑电图 异常检测 深度学习
在线阅读 下载PDF
基于改进深度卷积神经网络的纸币识别研究 被引量：9
18
作者 盖杉 鲍中运 《电子与信息学报》 EI CSCD 北大核心 2019年第8期1992-2000,共9页
针对如何提高纸币识别率的问题,该文提出一种改进深度卷积神经网络(DCNN)的纸币识别算法。该算法首先通过融合迁移学习、带泄露整流(Leaky ReLU)函数、批量归一化(BN)和多层次残差单元构造深度卷积层,对输入的不同尺寸纸币进行稳定而快... 针对如何提高纸币识别率的问题,该文提出一种改进深度卷积神经网络(DCNN)的纸币识别算法。该算法首先通过融合迁移学习、带泄露整流(Leaky ReLU)函数、批量归一化(BN)和多层次残差单元构造深度卷积层,对输入的不同尺寸纸币进行稳定而快速的特征提取与学习;然后采用改进的多层次空间金字塔池化算法对提取的纸币特征实现固定大小的输出表示;最后通过网络全连接层和softmax层实现纸币图像分类。实验结果表明,该算法在分类性能、泛化能力与稳定性上明显优于常用的纸币分类算法;同时该算法也能够满足纸币清分系统的实时性要求。 展开更多
关键词 纸币识别 深度卷积神经网络 残差学习 空间金字塔池化
在线阅读 下载PDF
基于改进3D卷积神经网络的行为识别 被引量：13
19
作者 张小俊 李辰政 +1 位作者 孙凌宇 张明路 《计算机集成制造系统》 EI CSCD 北大核心 2019年第8期2000-2006,共7页
鉴于基于视频的人体行为识别中的视频流数据过于庞大,3D卷积核参数设置过多,存在训练时间较长,调参困难等问题,以3D卷积神经网络为基础,提出一种将3D卷积核拆分成空间域和时间域两种卷积核的神经网络结构。两种卷积核分别形成两个数据... 鉴于基于视频的人体行为识别中的视频流数据过于庞大,3D卷积核参数设置过多,存在训练时间较长,调参困难等问题,以3D卷积神经网络为基础,提出一种将3D卷积核拆分成空间域和时间域两种卷积核的神经网络结构。两种卷积核分别形成两个数据流进行交互,同时引入残差网络以优化网络结构,减少参数设置。将所提方法应用于两个行为识别数据集KTH和UCF101上进行训练验证,其行为识别准确率分别为96.2%和90.7%。结果表明,较改进前的神经网络框架,所提方法在保证动作识别准确度的前提下,训练速度提高了7.5%~7.8%。该方法可以有效降低深度学习进行行为识别的硬件要求,提高模型训练效率,并可以广泛应用于智能机器人领域。 展开更多
关键词 行为识别 3D卷积神经网络 残差网络 双数据流 深度学习理论
在线阅读 下载PDF
基于去噪卷积神经网络的面波噪声压制方法 被引量：20
20
作者 唐杰 韩盛元 +2 位作者 刘英昌 张文征 孟涛 《石油物探》 CSCD 北大核心 2022年第2期245-252,共8页
提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪。根据叠... 提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪。根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声。为了准确高效地提取地震数据面波噪声的特征,采用残差学习和批量标准化相结合的方式来加快训练过程并提高算法的面波去噪效果,去噪卷积神经网络能够有效处理未知噪声水平的面波降噪。模型数据和单点高密度地震数据测试结果表明,常规带通滤波及变分模态分解方法对有效信号损伤较大,而去噪卷积神经网络在高效去除面波噪声的同时能够较好地保护有效信号。 展开更多
关键词 面波压制 去噪卷积神经网络 残差学习 批量标准化 深度学习 智能去噪 人工智能
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 8 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部