期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于递归卷积神经网络的移动机器人定位算法 被引量:6
1
作者 李少伟 王胜正 《计算机工程与应用》 CSCD 北大核心 2019年第10期240-243,249,共5页
移动机器人定位已成为机器人研究的重要任务。提出基于递归卷积神经网络的移动机器人定位(Recurrent Convolutional Neural Networks-Based Mobile Robot Localization,RCNN-MRL)算法。递归卷积神经网络(Recurrent Convolutional Neural... 移动机器人定位已成为机器人研究的重要任务。提出基于递归卷积神经网络的移动机器人定位(Recurrent Convolutional Neural Networks-Based Mobile Robot Localization,RCNN-MRL)算法。递归卷积神经网络(Recurrent Convolutional Neural Networks,RCNN)结合卷积神经网络(Convolutional Neural Networks,CNN)和递归神经网络(Recurrent Neural Networks,RNN)的特性,并依据机器人上嵌入的照相机拍摄的第一人称视角图像,RCNN-MRL算法利用RCNN实现自主定位。具体而言,先通过RCNN有效地处理多个连续图像,再利用RCNN作为回归模型,进而估计机器人位置。同时,设计双轮机器人移动,获取多个时间序列图像信息。最后,依据双轮机器人随机移动建立仿真环境,分析机器人定位性能。实验数据表明,提出的RCNN模型能够实现自主定位。 展开更多
关键词 移动机器人定位 第一人称视角 时间序列图像 递归卷积神经网络 双轮机器人
在线阅读 下载PDF
基于多尺度融合神经网络的同频同调制单通道盲源分离算法
2
作者 付卫红 张鑫钰 刘乃安 《系统工程与电子技术》 北大核心 2025年第2期641-649,共9页
针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。... 针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。首先,编码模块提取出混合通信信号的编码特征;然后,分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;最后,解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明,所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以高效面对复杂通信环境的挑战。 展开更多
关键词 单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理
在线阅读 下载PDF
基于RCNN的问题相似度计算方法 被引量:10
3
作者 杨德志 柯显信 +1 位作者 余其超 杨帮华 《计算机工程与科学》 CSCD 北大核心 2021年第6期1076-1080,共5页
在搜索引擎、问答系统中利用深度学习的方法计算问题相似度是NLP领域研究的热点。结合卷积神经网络(CNN)和长短记忆网络(LSTM),提出了递归卷积神经网络(RCNN)问句相似度的计算方法,首先利用双向递归神经网络提取上下文信息,然后采用1D... 在搜索引擎、问答系统中利用深度学习的方法计算问题相似度是NLP领域研究的热点。结合卷积神经网络(CNN)和长短记忆网络(LSTM),提出了递归卷积神经网络(RCNN)问句相似度的计算方法,首先利用双向递归神经网络提取上下文信息,然后采用1D卷积神经网络将词嵌入信息与上下文信息进行融合;再利用全局最大池化提取关键信息来完成问句的语义表示;最后通过匹配层判断问句对的相似度。在Quora Question Pairs数据集上的实验结果表明,该相似度计算方法准确率为83.57%,优于其他方法。 展开更多
关键词 问题相似度 递归卷积神经网络 全局最大池化 孪生网络
在线阅读 下载PDF
CRNN心音分类系统硬件加速及实现 被引量:1
4
作者 周李敏 孙静 +2 位作者 杨宏波 潘家华 王威廉 《计算机工程与设计》 北大核心 2022年第11期3071-3078,共8页
为提高心音分类算法的实时性并将该分类算法移植至资源有限的移动设备中,提出一种适用于CRNN心音分类系统的硬件加速器。根据卷积层和LSTM层运算特点,通过交错缓存和分片缓存减小内存耗用,采用滑动窗运算机制和HLS指令优化最大限度地增... 为提高心音分类算法的实时性并将该分类算法移植至资源有限的移动设备中,提出一种适用于CRNN心音分类系统的硬件加速器。根据卷积层和LSTM层运算特点,通过交错缓存和分片缓存减小内存耗用,采用滑动窗运算机制和HLS指令优化最大限度地增加运算并行度,在FPGA平台中实现该加速方案。实验结果表明,与通用CPU相较,该CRNN加速器实现了29.79倍加速效果,能效比为通用GPU的20.2倍,具有较好的使用价值。 展开更多
关键词 心音分类 现场可编辑逻辑门阵列 递归卷积神经网络 并行计算 硬件加速
在线阅读 下载PDF
低质量无约束人脸图像下的超分辨率摆正
5
作者 孙强 谭晓阳 《计算机应用》 CSCD 北大核心 2017年第11期3226-3230,3237,共6页
针对人脸识别算法准确率受面部姿态、遮挡、图像分辨率等因素影响的问题,提出一种超分辨率摆正的方法,作用于低质量无约束输入图像上,生成高清晰度标准正面视图。主要通过估计输入图像与3D模型间的投影矩阵,产生标准正面视图,通过人脸... 针对人脸识别算法准确率受面部姿态、遮挡、图像分辨率等因素影响的问题,提出一种超分辨率摆正的方法,作用于低质量无约束输入图像上,生成高清晰度标准正面视图。主要通过估计输入图像与3D模型间的投影矩阵,产生标准正面视图,通过人脸对称性的特点,补全由于姿态、遮挡等原因所产生的面部缺失像素。在摆正过程中,为了提高图像分辨率以及避免面部像素信息丢失,引入一个16层的深度递归卷积神经网络进行超分辨率重构;并提出两个扩展:递归监督和跳跃链接,来降低网络训练难度以及缩小模型体量。在经过处理的LFW数据集上实验表明,该方法对人脸识别和性别检测算法的性能具有显著提升作用。 展开更多
关键词 人脸识别 人脸摆正 3D重建 超分辨率重构 深度递归卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部