检索结果-维普期刊中文期刊服务平台

基于边缘的双路卷积神经网络及其可视化被引量：4: 1; 作者李雨冲闫昭帆严国萍《计算机工程与科学》 CSCD 北大核心 2019年第10期1837-1845,共9页; 为提高小尺度复杂图像识别准确率,通过对LeNet-5卷积神经网络并入一个新通道,让其处理与边缘有关的信息。结合两种通道产生的不同特征构造分类器,提出一种基于边缘的双路卷积神经网络,对小尺度复杂数据集进行识别。在包含10类产品数据... 展开更多; 关键词图像模式识别双路卷积神经网络小尺度复杂图像神经网络可视化; 在线阅读下载PDF 职称材料

前列腺癌患者神经微环境潜在磁共振成像影像标志物的研究现状被引量：1: 2; 作者齐东戚轩 +3 位作者杨宏楷杜兵翟承凤何永胜《磁共振成像》 CAS CSCD 北大核心 2024年第8期194-200,共7页; 前列腺癌(prostate cancer,PCa)是全球男性中患病最多、致死率第二高的癌症。PCa神经微环境与肿瘤进展、手术根治程度及术后复发密切相关,但具体机制尚不明确。神经微环境中的神经密度(neural density,ND)、神经周围侵袭(perineural inv... 展开更多; 关键词前列腺癌神经微环境影像标志物磁共振成像多参数磁共振成像神经可视化磁共振弥散成像; 在线阅读下载PDF 职称材料

融合深度残差网络与注意力机制的驾驶人行为检测方法研究: 3; 作者陈运星崔军华 +2 位作者吴钊吴华伟袁星宇《重庆理工大学学报(自然科学)》北大核心 2025年第3期34-42,共9页; 为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾... 展开更多; 关键词深度学习驾驶人行为检测深度残差网络注意力机制神经网络可视化; 在线阅读下载PDF 职称材料

基于可控卷积曲面的三维神经元建模: 4; 作者朱晓强陈琦《计算机工程》 CAS CSCD 北大核心 2023年第3期231-237,共7页; 在神经科学领域,大脑复杂神经行为的分析需要构造表面光滑且高质量的神经元模型。针对三维神经元形态数据的复杂性,现有三维神经元模型的研究在构造模型的过程中,骨架之间的折痕较大且表面光滑度较低。为解决支撑半径过大导致的卷积过... 展开更多; 关键词神经元可视化骨架隐式曲面卷积曲面曲面混合网格优化; 在线阅读下载PDF 职称材料

基于数据增广和CNN的地震随机噪声压制被引量：71: 5; 作者王钰清陆文凯 +2 位作者刘金林张猛苗永康《地球物理学报》 SCIE EI CAS CSCD 北大核心 2019年第1期421-433,共13页; 卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一... 展开更多; 关键词卷积神经网络数据增广地震噪声压制神经网络可视化; 在线阅读下载PDF 职称材料

基于迁移学习的驾驶分心行为识别及模型解释被引量：6: 6; 作者周扬张瑞宾《科学技术与工程》北大核心 2021年第7期2967-2973,共7页; 为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释。以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将... 展开更多; 关键词驾驶分心行为识别迁移学习神经网络可视化重点关注区域; 在线阅读下载PDF 职称材料

改进的SqueezeNet网络在船舶分类中的应用被引量：7: 7; 作者张玉皓李立钢《传感器与微系统》 CSCD 北大核心 2022年第1期150-152,160,共4页; 船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法。所改良的网络结构以SqueezeNet为... 展开更多; 关键词卷积神经网络船舶分类神经网络可视化; 在线阅读下载PDF 职称材料

题名基于边缘的双路卷积神经网络及其可视化被引量：4: 1; 作者李雨冲闫昭帆严国萍; 机构长安大学信息工程学院; 出处《计算机工程与科学》 CSCD 北大核心 2019年第10期1837-1845,共9页; 基金 “弘毅长大”研究生科研创新实践项目(2018103,2018109); 文摘为提高小尺度复杂图像识别准确率,通过对LeNet-5卷积神经网络并入一个新通道,让其处理与边缘有关的信息。结合两种通道产生的不同特征构造分类器,提出一种基于边缘的双路卷积神经网络,对小尺度复杂数据集进行识别。在包含10类产品数据上分类的结果表明,双路卷积神经网络的识别准确率远高于传统网络。最后通过神经网络可视化算法对双路卷积神经网络进行了可视化分析。; 关键词图像模式识别双路卷积神经网络小尺度复杂图像神经网络可视化; Keywords image pattern recognition 2-channel convolutional neural network small-scale complex image neural network visualization; 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

题名前列腺癌患者神经微环境潜在磁共振成像影像标志物的研究现状被引量：1: 2; 作者齐东戚轩杨宏楷杜兵翟承凤何永胜; 机构马鞍山市人民医院影像科皖南医学院安徽医科大学马鞍山临床学院(马鞍山市人民医院); 出处《磁共振成像》 CAS CSCD 北大核心 2024年第8期194-200,共7页; 基金安徽省重点研究与开发计划项目(编号:2022e07020065)。; 文摘前列腺癌(prostate cancer,PCa)是全球男性中患病最多、致死率第二高的癌症。PCa神经微环境与肿瘤进展、手术根治程度及术后复发密切相关,但具体机制尚不明确。神经微环境中的神经密度(neural density,ND)、神经周围侵袭(perineural invasion,PNI)以及神经内分泌特征(neuroendocrine features,NEF)与TMPRSS2 ERG基因、单胺氧化酶A(monoamine oxidase A,MAOA)、核因子κB,神经营养因子以及神经肽Y(neuropeptide Y,NPY)等的表达密切相关。挖掘与该基因组学及蛋白组学相关的影像标志物可以早期识别PCa神经微环境从而影响临床诊疗方案。基于多参数磁共振成像(multiparameter magnetic resonance imaging,mp-MRI)影像组学特征可以识别PNI及NEF的潜在影像标志物。基于磁粒子成像技术(magnetic particle imaging,MPI)、深度神经网络(deep neural network,DNN)图像分类模型可以进行神经可视化。新兴神经影像技术弥散张量成像(diffusion tensor imaging,DTI)、扩散频谱成像(diffusion spectrum imaging,DSI)、神经突定向扩散与密度成像(neurite orientation dispersion and density imaging,NODDI)以及基于吩噁嗪的近红外荧光团的设计合成与神经成像技术,在显示及预测ND、PNI、NEF也蕴含着独特的价值。本文就PCa患者神经微环境潜在影像标志物的研究现状进行综述,以进一步揭示PCa神经微环境的神经生理机制,为后续诊疗过程及改善患者预后提供影像学依据。; 关键词前列腺癌神经微环境影像标志物磁共振成像多参数磁共振成像神经可视化磁共振弥散成像; Keywords prostate cancer neuro microenvironment image markers magnetic resonance imaging multiparameter magnetic resonance imaging neurovisualization magnetic resonance diffusion imaging; 分类号 R445.2 [医药卫生—影像医学与核医学] R737.25 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名融合深度残差网络与注意力机制的驾驶人行为检测方法研究: 3; 作者陈运星崔军华吴钊吴华伟袁星宇; 机构湖北文理学院纯电动汽车动力系统设计与测试湖北省重点实验室湖北文理学院汽车与交通工程学院; 出处《重庆理工大学学报(自然科学)》北大核心 2025年第3期34-42,共9页; 基金湖北省自然科学基金创新发展联合基金项目(2024AFD045) 襄阳市研究与开发项目(2022ABH006510)。; 文摘为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾驶行为的干扰,引入SE Block注意力机制并对图像进行特征提取和分类预测;通过与其他模型的对比试验、消融试验和特征可视化试验验证所提出模型的性能。结果表明:与其他检测模型相比,所提出模型的平均分类准确率为99.89%,其展现出更优的性能;采用Grad-CAM可视化方法解释模型的关注区域,所提出模型更精准地关注对驾驶行为判定的关键特征,进一步增强了本模型的可解释性,提高了人们对驾驶行为检测模型的信任性。; 关键词深度学习驾驶人行为检测深度残差网络注意力机制神经网络可视化; Keywords deep learning driver behavior surveillance deep residual network attention mechanism neural network visualization; 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

题名基于可控卷积曲面的三维神经元建模: 4; 作者朱晓强陈琦; 机构上海大学通信与信息工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2023年第3期231-237,共7页; 基金国家自然科学基金青年基金(61402277)。; 文摘在神经科学领域,大脑复杂神经行为的分析需要构造表面光滑且高质量的神经元模型。针对三维神经元形态数据的复杂性,现有三维神经元模型的研究在构造模型的过程中,骨架之间的折痕较大且表面光滑度较低。为解决支撑半径过大导致的卷积过渡混合问题,采用基于采样点密度和半径的算法进行数据预处理并结合骨架的抽象性和卷积曲面的光滑性,提出一种利用局部可变支撑半径控制的卷积曲面混合方法。采用基于VDB的稀疏体素自适应调整空间分辨率提高生成效率,用于解决提取不同半径神经元等值面的速度问题。为验证生成模型数据的有效性,利用MeshLab工具验证网格的水密性并基于Isotropic Remeshing算法重构网格,利用Loop算法细分神经元网格,使其表面更加光滑且包含更多细节信息。为构造在脑神经组织中进行光传播模拟实验的神经元模型,利用TetGen软件生成高质量的神经元四面体模型。实验结果表明,与现有神经元建模方法相比,该方法不仅能有效提高生成速率,而且能生成高阶光滑的网格模型。; 关键词神经元可视化骨架隐式曲面卷积曲面曲面混合网格优化; Keywords neuron visualization skeleton implicit surface convolution surface surface blending grid optimization; 分类号 TP391.9 [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

题名基于数据增广和CNN的地震随机噪声压制被引量：71: 5; 作者王钰清陆文凯刘金林张猛苗永康; 机构清华大学人工智能研究院智能技术与系统国家重点实验室北京信息科学与技术国家研究中心清华大学自动化系; 出处《地球物理学报》 SCIE EI CAS CSCD 北大核心 2019年第1期421-433,共13页; 基金国家自然科学基金项目(41674116)资助; 文摘卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.; 关键词卷积神经网络数据增广地震噪声压制神经网络可视化; Keywords Convolutional neural network Data augmentation Seismic noise attenuation Neural network visualization; 分类号 P315 [天文地球—地震学]; 在线阅读下载PDF 职称材料

题名基于迁移学习的驾驶分心行为识别及模型解释被引量：6: 6; 作者周扬张瑞宾; 机构西安航空学院车辆工程学院长安大学汽车学院桂林航天工业学院汽车与交通工程学院; 出处《科学技术与工程》北大核心 2021年第7期2967-2973,共7页; 基金国家重点研发计划(2019YFB1600500) 国家自然科学基金(51775053) +1 种基金广西高校中青年教师基础能力提升(2019KY0819)。; 文摘为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释。以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证。利用Grad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化,对照各分心行为的特点及模型分类时的重点关注区域对模型进行了解释。结果表明:所构建模型在测试集中的平均识别准确率达98.89%,经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力。; 关键词驾驶分心行为识别迁移学习神经网络可视化重点关注区域; Keywords driver inattention behavior recognition transfer learning neural network visualization focused areas; 分类号 X910 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名改进的SqueezeNet网络在船舶分类中的应用被引量：7: 7; 作者张玉皓李立钢; 机构中国科学院国家空间科学中心中国科学院复杂航天系统电子信息技术重点实验室中国科学院大学; 出处《传感器与微系统》 CSCD 北大核心 2022年第1期150-152,160,共4页; 基金中国科学院重点部署资助项目(KGFZD-125-15-014)。; 文摘船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法。所改良的网络结构以SqueezeNet为基础,并将网络浅层输出和深层输出级联合并作为最终输出,使得特征内容更加丰富;同时对Adam优化器进行改进,针对模型训练时Loss是否持续降低自适应调整学习率,加快模型收敛速度。经实验对比,所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet_V3网络平均高出1.24%,运行时间平均降低3.09%。; 关键词卷积神经网络船舶分类神经网络可视化; Keywords convolutional neural network(CNN) ship classification neural network visualization; 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	作者	出处	发文年	被引量	操作
1	基于边缘的双路卷积神经网络及其可视化	李雨冲闫昭帆严国萍	《计算机工程与科学》 CSCD 北大核心	2019	4	在线阅读下载PDF 职称材料
2	前列腺癌患者神经微环境潜在磁共振成像影像标志物的研究现状	齐东戚轩杨宏楷杜兵翟承凤何永胜	《磁共振成像》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	融合深度残差网络与注意力机制的驾驶人行为检测方法研究	陈运星崔军华吴钊吴华伟袁星宇	《重庆理工大学学报(自然科学)》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于可控卷积曲面的三维神经元建模	朱晓强陈琦	《计算机工程》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
5	基于数据增广和CNN的地震随机噪声压制	王钰清陆文凯刘金林张猛苗永康	《地球物理学报》 SCIE EI CAS CSCD 北大核心	2019	71	在线阅读下载PDF 职称材料
6	基于迁移学习的驾驶分心行为识别及模型解释	周扬张瑞宾	《科学技术与工程》北大核心	2021	6	在线阅读下载PDF 职称材料
7	改进的SqueezeNet网络在船舶分类中的应用	张玉皓李立钢	《传感器与微系统》 CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料