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284篇文章
< 1 2 … 15 >
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：
CNN神经网络在航迹预测中的应用 被引量：8
1
作者 吴一凡 冉晓旻 《电子设计工程》 2019年第12期13-20,共8页
从本质上而言,CNN属于多层感知机,之所以成功,就是因为它将局部连接与共享权值联合运用,一来使权值的数量有效减少,便于网络的优化,也能有效防控过拟合的风险。本课题的研究主要集中在将CNN神经网络多层感知技术应用在三维数据领域的航... 从本质上而言,CNN属于多层感知机,之所以成功,就是因为它将局部连接与共享权值联合运用,一来使权值的数量有效减少,便于网络的优化,也能有效防控过拟合的风险。本课题的研究主要集中在将CNN神经网络多层感知技术应用在三维数据领域的航迹预测技术使用过程之中,利用CNN技术的多层感知越往输入权值越小,越往输出权值越多的倒三角架构形态,丰富对航迹预测的技术操作,完善航空管理体制。利用这种技术为基础的解决方案,加入智能与实时识别算法提出具体的问题解决思路,给予仿真研究图形并配合文字解析,能够真实和有效的给出CNN神经网络为基础的航迹预测识别模型。 展开更多
关键词 cnn神经网络 航迹预测 创新性 应用
在线阅读 下载PDF
基于深度子领域适应卷积神经网络的结构损伤识别
2
作者 张健飞 曹雨 《振动与冲击》 北大核心 2025年第3期251-260,共10页
针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结... 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。 展开更多
关键词 结构损伤识别 子领域适应 局部最大均值差异 卷积神经网络(cnn)
在线阅读 下载PDF
面向织物疵点检测神经网络模型的研究进展
3
作者 刁宇涵 祝双武 赵妍 《纺织科技进展》 2025年第3期21-29,共9页
疵点严重影响了织物外观质量,织物疵点自动检测技术对提高检测效率、降低人工成本、提高纺织企业生产智能化水平都具有重要的意义;因基于深度学习的神经网络具有强大的特征提取能力,近些年越来越多的研究人员将其用于织物疵点自动检测... 疵点严重影响了织物外观质量,织物疵点自动检测技术对提高检测效率、降低人工成本、提高纺织企业生产智能化水平都具有重要的意义;因基于深度学习的神经网络具有强大的特征提取能力,近些年越来越多的研究人员将其用于织物疵点自动检测过程中,提出了很多用于织物疵点检测的神经网络模型。为了提高织物疵点的检测性能和效率,对基于CNN(Convolutional Neural Networks)、生成模型和DETR(Detection Transformer)等当前主流网络模型的检测原理进行概述;分析以这几种网络为主干的多个神经网络模型,讨论其优缺点以及目前它们在织物疵点检测上的应用状况和面临的挑战;展望DETR相关算法的研究趋势。 展开更多
关键词 深度学习 织物疵点检测 卷积神经网络(cnn) 生成模型 DETR
在线阅读 下载PDF
基于“存算一体”的卷积神经网络加速器
4
作者 卢莹莹 孙翔宇 +1 位作者 计炜梁 邢占强 《太赫兹科学与电子信息学报》 2025年第2期170-174,共5页
基于冯·诺伊曼架构的卷积神经网络(CNN)实现方案难以满足高性能与低功耗的要求,本文设计了一种基于“存算一体”架构的卷积神经网络加速器。利用可变电阻式存储器(RRAM)阵列实现“存算一体”架构,采用高效的数据输入管道及硬件处... 基于冯·诺伊曼架构的卷积神经网络(CNN)实现方案难以满足高性能与低功耗的要求,本文设计了一种基于“存算一体”架构的卷积神经网络加速器。利用可变电阻式存储器(RRAM)阵列实现“存算一体”架构,采用高效的数据输入管道及硬件处理单元进行大批量图像数据的处理,实现了高性能的数字图像识别。仿真结果表明,该卷积神经网络加速器有着更快的计算能力,其时钟频率可达100 MHz;此外,该结构综合得到的面积为300742μm^(2),为常规设计方法的56.6%。本文设计的加速模块在很大程度上提高了CNN加速器的速率并降低了能耗,仿真结果对高性能神经网络加速器设计有指导意义和参考作用。 展开更多
关键词 存算一体 卷积神经网络(cnn) 加速器 输入管道 处理单元
在线阅读 下载PDF
基于工业声信号处理的卷积神经网络建模方法研究
5
作者 张鹏 《电声技术》 2025年第1期1-4,共4页
研究卷积神经网络(Convolutional Neural Network,CNN)在工业声信号处理中的应用,通过设计多尺度卷积核与注意力机制,实现工业设备的智能故障诊断。采用小波包降噪和梅尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)特征提取... 研究卷积神经网络(Convolutional Neural Network,CNN)在工业声信号处理中的应用,通过设计多尺度卷积核与注意力机制,实现工业设备的智能故障诊断。采用小波包降噪和梅尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)特征提取,结合多尺度卷积核和注意力机制构建CNN模型。实验结果表明,该模型在离心压缩机故障诊断中的准确率高达96.7%,显著优于传统MFCC+支持向量机(Support Vector Machine,SVM)和基础MFCC+CNN方法。 展开更多
关键词 工业声信号 卷积神经网络(cnn) 多尺度卷积核 注意力机制
在线阅读 下载PDF
基于连续小波卷积神经网络的轴承智能故障诊断方法 被引量：1
6
作者 耿志强 陈威 +1 位作者 马波 韩永明 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第10期2069-2075,共7页
传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的... 传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的计算空间,提高CNN的整体自适应性.在凯斯西储大学轴承数据集上开展滚动轴承故障诊断方法对比实验.结果表明,与传统基于CNN、快速傅里叶变换-CNN、长短时记忆CNN故障诊断方法相比,所提方法的故障诊断精度分别提高了7.45、4.46和1.53个百分点,CNN的收敛速度更快.在不同工况的泛化任务中,所提方法的平均准确率为99.64%,准确性和泛化能力良好. 展开更多
关键词 卷积神经网络(cnn) 连续小波 自适应激活函数 轴承 故障诊断
在线阅读 下载PDF
基于片上系统的可配置卷积神经网络加速器的设计与实现 被引量：1
7
作者 张立国 杨红光 +1 位作者 金梅 申前 《高技术通讯》 CAS 北大核心 2024年第7期744-754,共11页
针对现阶段卷积神经网络(CNN)加速器的设计只能部署在单一现场可编程门阵列(FPGA)平台、不支持硬件平台升级迭代的问题,设计了一种基于片上系统(SoC)的可配置CNN加速器。该加速器具备以下2个特点:(1)在电路设计中将数据位宽、中间缓存... 针对现阶段卷积神经网络(CNN)加速器的设计只能部署在单一现场可编程门阵列(FPGA)平台、不支持硬件平台升级迭代的问题,设计了一种基于片上系统(SoC)的可配置CNN加速器。该加速器具备以下2个特点:(1)在电路设计中将数据位宽、中间缓存空间大小、乘法器阵列(MAC)并行度作为一种可选配置参数,通过调整资源使用量,使得该加速器能够适配不同FPGA硬件;(2)提出了动态数据复用的策略,通过对比数据传输过程中不同复用方式下的总参数量差异,动态地选择复用方法,以减少数据传输的等待时间,提高乘法器阵列利用率。该方案在ZCU104板卡上进行了实验,实验结果表明,当数据位宽选择8、乘法器阵列并行度选择1024、核心运算模块工作在180 MHz时,卷积运算阵列峰值吞吐量为180 GOPs,功耗为3.75 W,能效比达到47.97 GOPs·W^(-1),对于VGG16网络,其卷积层的平均乘法器阵列利用率达到84.37%。 展开更多
关键词 卷积神经网络(cnn) 现场可编程门阵列(FPGA) cnn加速器 可配置 异构加速
在线阅读 下载PDF
基于卷积神经网络的轴承故障诊断综述
8
作者 周宇 王燕 《北京印刷学院学报》 2024年第8期6-12,共7页
轴承故障的诊断一直以来都是诊断领域的一大挑战,尽早发现轴承故障有助于减少损失并预防潜在危险。本文旨在对卷积神经网络在轴承故障诊断领域的应用进行系统综述,详细分析了卷积神经网络模型的结构和原理,阐述了其在轴承故障诊断领域... 轴承故障的诊断一直以来都是诊断领域的一大挑战,尽早发现轴承故障有助于减少损失并预防潜在危险。本文旨在对卷积神经网络在轴承故障诊断领域的应用进行系统综述,详细分析了卷积神经网络模型的结构和原理,阐述了其在轴承故障诊断领域的发展历程,并深入探讨了常见公共数据集的特征,评述了卷积神经网络在轴承故障诊断中的优势和不足、当前面临的困难以及未来可能的研究方向。 展开更多
关键词 轴承 故障诊断 卷积神经网络(cnn) 数据集
在线阅读 下载PDF
基于神经网络的环境声音分类方法研究
9
作者 徐圣林 《电声技术》 2024年第10期54-56,共3页
研究一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)相结合的环境声音分类方法。首先,分析CNN-GRU模型的基本结构;其次,探讨模型进行环境声音分类的数学原理;最后,采用ESC-50数据集... 研究一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)相结合的环境声音分类方法。首先,分析CNN-GRU模型的基本结构;其次,探讨模型进行环境声音分类的数学原理;最后,采用ESC-50数据集在MATLAB平台上对所提方法进行测试。实验结果表明,CNN-GRU模型的准确率、精确率、召回率及F1值分别达到了0.92、0.91、0.89及0.90,验证了该模型在处理环境声音分类任务中的有效性和健壮性。 展开更多
关键词 卷积神经网络(cnn) 门控循环单元(GRU) 声音分类
在线阅读 下载PDF
面向稀疏卷积神经网络的CGRA加速器研究 被引量：1
10
作者 谭龙 严明玉 +3 位作者 吴欣欣 李文明 吴海彬 范东睿 《高技术通讯》 CAS 北大核心 2024年第2期173-186,共14页
本文针对规模日益增长和演变迅速的稀疏卷积神经网络(CNN)应用,提出一款高能效且灵活的加速结构DyCNN来提升其性能和能效。DyCNN基于兼具灵活性和高能效的粗粒度可重构架构(CGRA)设计,可以利用其指令的高并行性来高效支持CNN的操作。Dy... 本文针对规模日益增长和演变迅速的稀疏卷积神经网络(CNN)应用,提出一款高能效且灵活的加速结构DyCNN来提升其性能和能效。DyCNN基于兼具灵活性和高能效的粗粒度可重构架构(CGRA)设计,可以利用其指令的高并行性来高效支持CNN的操作。DyCNN使用基于数据感知的指令动态过滤机制来滤除各计算单元中由于稀疏CNN中权值静态稀疏性和激活值动态稀疏性产生的大量无效计算和访存指令,使它们能像执行稠密网络一样高效复用一组指令。此外DyCNN利用基于负载感知的动静结合负载调度策略解决了稀疏导致的负载不均衡问题。实验结果表明,DyCNN运行稀疏CNN与运行密集CNN相比实现了平均1.69倍性能提升和3.04倍能效提升,比先进的GPU(cuSPARSE)和Cambricon-X上的解决方案分别实现了2.78倍、1.48倍性能提升和35.62倍、1.17倍能效提升。 展开更多
关键词 稀疏卷积神经网络(cnn) 专用加速结构 粗粒度可重构架构(CGRA) 动态指令过滤 动态负载调度
在线阅读 下载PDF
基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法
11
作者 卢后洪 谢罗峰 +3 位作者 朱杨洋 殷鸣 杜波 殷国富 《中国测试》 CAS 北大核心 2024年第2期22-27,共6页
针对人工检测磁瓦内部缺陷过程中需要成熟的经验知识,检测过程不稳定且效率较低等问题,设计一套智能化检测系统。受人工检测的启发,提出一种基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法。将时域信号转换为时-频域语谱图,利用卷... 针对人工检测磁瓦内部缺陷过程中需要成熟的经验知识,检测过程不稳定且效率较低等问题,设计一套智能化检测系统。受人工检测的启发,提出一种基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法。将时域信号转换为时-频域语谱图,利用卷积神经对语谱图提取特征并分类。为更精准地强调重要信息而抑制无关信息,将坐标注意力机制引入到卷积神经网络中。提出的基于卷积神经网络和模态转换的预测模型的准确率达到98.4%,证明提出的检测方法对于磁瓦内部缺陷检方法是有效的。实验结果表明,模态转换和坐标注意力机制能提升模型的性能。 展开更多
关键词 磁瓦 卷积神经网络(cnn) 内部缺陷 模态转换 注意力机制
在线阅读 下载PDF
基于卷积神经网络的噪声抑制算法优化 被引量：1
12
作者 王睿 裴瑶瑶 《电声技术》 2024年第4期28-30,共3页
针对语音信号中的噪声抑制问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)的噪声抑制优化算法。首先,探讨基于CNN的噪声抑制框架,并研究基于L1正则化的优化方法。利用Noisy Speech Database进行实验测试,比较传统CN... 针对语音信号中的噪声抑制问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)的噪声抑制优化算法。首先,探讨基于CNN的噪声抑制框架,并研究基于L1正则化的优化方法。利用Noisy Speech Database进行实验测试,比较传统CNN和文章提出的方法在不同噪声环境下的去噪效果。实验结果表明,文章提出方法的信噪比(Signal-to-Noise Ratio,SNR)和均方根误差(Root Mean Square Error,RMSE)均优于传统CNN。 展开更多
关键词 卷积神经网络(cnn) 噪声抑制 正则化 算法优化
在线阅读 下载PDF
基于神经网络的高保真音频重建方法研究
13
作者 罗明挽 《电声技术》 2024年第10期86-88,共3页
为提升受损音频信号的质量,提出一种基于神经网络的高保真音频重建方法。该方法利用卷积神经网络(Convolutional Neural Network,CNN)提取特征,利用自适应滤波器抑制噪声,利用生成对抗网络进行音频重建。实验结果表明,在不同噪声环境下... 为提升受损音频信号的质量,提出一种基于神经网络的高保真音频重建方法。该方法利用卷积神经网络(Convolutional Neural Network,CNN)提取特征,利用自适应滤波器抑制噪声,利用生成对抗网络进行音频重建。实验结果表明,在不同噪声环境下,该方法能显著提高音频质量,尤其在低信噪比(Signal-to-Noise Ratio,SNR)条件下表现优异。 展开更多
关键词 高保真音频 重建 卷积神经网络(cnn)
在线阅读 下载PDF
基于卷积神经网络的实时语音分割优化研究
14
作者 杨波 《电声技术》 2024年第5期46-48,共3页
为进一步提高实时语音分割的性能,分析基于卷积神经网络(Convolutional Neural Networks,CNN)的实时语音分割优化方法。首先,介绍CNN的基本结构和在语音分割中的数学原理。其次,引入修剪技术,根据权重的重要性分数决定保留或删除权重。... 为进一步提高实时语音分割的性能,分析基于卷积神经网络(Convolutional Neural Networks,CNN)的实时语音分割优化方法。首先,介绍CNN的基本结构和在语音分割中的数学原理。其次,引入修剪技术,根据权重的重要性分数决定保留或删除权重。实验结果表明,该方法的准确率、召回率、F1值及用时均优于传统CNN。 展开更多
关键词 卷积神经网络(cnn) 语音分割 实时性 修剪技术
在线阅读 下载PDF
基于卷积神经网络下的湖羊面部识别研究
15
作者 沈伟 王笑语 +2 位作者 吴攀 王承丽 岳万福 《浙江畜牧兽医》 2024年第5期1-4,共4页
卷积神经网络(CNN)是一种前馈型神经网络,从被称人工神经网络的传统神经网络中发展而来,在计算机视觉领域表现突出。本文首先介绍了设计的CNN卷积神经网络结构,其次,解析了实验硬件环境和工具软件,以及实验过程及细节调整,最后展示了实... 卷积神经网络(CNN)是一种前馈型神经网络,从被称人工神经网络的传统神经网络中发展而来,在计算机视觉领域表现突出。本文首先介绍了设计的CNN卷积神经网络结构,其次,解析了实验硬件环境和工具软件,以及实验过程及细节调整,最后展示了实验结果并进行了分析。试验结果表明,基于卷积神经网络模型的羊脸检测效果较为理想,而羊脸识别工作则仅在正面羊脸上取得了较高的准确率,其它视角的羊脸识别工作仍有待进一步的研究。 展开更多
关键词 卷积神经网络(cnn) 羊脸识别 湖羊
在线阅读 下载PDF
支持CNN与LSTM的二值权重神经网络芯片 被引量：3
16
作者 张士长 王郁杰 +6 位作者 肖航 许浩博 李佳骏 王颖 张浩天 李晓维 韩银和 《高技术通讯》 CAS 2021年第2期122-128,共7页
深度神经网络在图像分类、语音识别、视频检测等领域都取得了巨大的成功,这些领域主要采用了卷积神经网络(CNN)、长短期记忆(LSTM)中的一种或者两种网络类型。由于CNN和LSTM网络结构的差异使得现有深度神经网络加速器无法同时高效支持... 深度神经网络在图像分类、语音识别、视频检测等领域都取得了巨大的成功,这些领域主要采用了卷积神经网络(CNN)、长短期记忆(LSTM)中的一种或者两种网络类型。由于CNN和LSTM网络结构的差异使得现有深度神经网络加速器无法同时高效支持这两种网络类型。权重二值化使得加速器对于CNN和LSTM的同时支持更加高效,同时使得计算复杂度和访存量大幅降低,使得神经网络加速器能够获得更高的能效,并且二值权重对中小规模神经网络模型的精度损失的影响非常有限。本文提出了一种高效支持CNN与LSTM的二值权重神经网络加速器设计结构,该结构在运行CNN和LSTM网络模型时,其核心运算单元利用率超过已有加速器,并且该加速器通过了片上系统(SoC)芯片验证,经过芯片实测,该加速器芯片能效在SoC系统级别达到了6.43 TOPS/W。 展开更多
关键词 卷积神经网络(cnn) 长短期记忆(LSTM) 神经网络加速器 二值权重 片上系统(SoC)
在线阅读 下载PDF
基于卷积神经网络的遥感图像舰船目标检测 被引量：56
17
作者 黄洁 姜志国 +1 位作者 张浩鹏 姚远 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第9期1841-1848,共8页
针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的... 针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。 展开更多
关键词 卷积神经网络(cnn) 支持向量机(SVM) 舰船检测 特征提取 迁移学习
在线阅读 下载PDF
自适应卷积神经网络在旋转机械故障诊断中的应用 被引量：48
18
作者 李涛 段礼祥 +4 位作者 张东宁 赵赏鑫 黄辉 毕彩霞 袁壮 《振动与冲击》 EI CSCD 北大核心 2020年第16期275-282,288,共9页
针对基于机器学习模型的故障诊断存在依赖人工特征提取质量、维数灾难问题和卷积神经网络(CNN)模型构建缺乏自适应性等问题,提出了一种基于粒子群优化(PSO)算法的自适应CNN故障诊断方法,并将其应用于旋转机械故障诊断。将一维时域信号... 针对基于机器学习模型的故障诊断存在依赖人工特征提取质量、维数灾难问题和卷积神经网络(CNN)模型构建缺乏自适应性等问题,提出了一种基于粒子群优化(PSO)算法的自适应CNN故障诊断方法,并将其应用于旋转机械故障诊断。将一维时域信号变成二维时频图像;使用PSO算法对CNN模型中的7个关键参数进行优化选取,以构建深度学习模型;将二维时频图像输入优化后的深度学习模型,对旋转机械故障进行诊断。结果表明,所提方法具有较高的准确率、稳定性和自适应性。 展开更多
关键词 旋转机械 故障诊断 卷积神经网络(cnn) 深度学习模型 粒子群优化(PSO)算法
在线阅读 下载PDF
基于时频特征的卷积神经网络跳频调制识别 被引量：15
19
作者 李红光 郭英 +1 位作者 眭萍 齐子森 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第10期1945-1954,共10页
针对人工设计特征表征能力不足,提取难度大的问题,提出基于卷积神经网络(CNN)的跳频信号调制方式识别系统.该系统通过训练学习跳频信号时频图特征,将调制方式识别问题转化为图像识别问题.采用组合时频变换方法对跳频信号进行时频变换得... 针对人工设计特征表征能力不足,提取难度大的问题,提出基于卷积神经网络(CNN)的跳频信号调制方式识别系统.该系统通过训练学习跳频信号时频图特征,将调制方式识别问题转化为图像识别问题.采用组合时频变换方法对跳频信号进行时频变换得到二维时频图;经过自适应维纳滤波算法滤除背景噪声,提高系统抗噪性;采用连通域检测和双线性插值算法提取跳频信号每跳时频图,对时频图大小进行重置调整;将已处理的时频图输入到设计的11层卷积神经网络中进行训练学习,通过在输出层增加Softmax分类器,实现跳频调制方式分类识别.仿真结果表明,该系统在信噪比为–4 dB条件下,对跳频信号BPSK、QPSK、8PSK、SDPSK、QASK、16QAM、32QAM和GMSK共8种调制方式的平均识别率达到92.54%. 展开更多
关键词 跳频信号 调制识别 卷积神经网络(cnn) 时频变换 卷积层
在线阅读 下载PDF
基于卷积神经网络的脑电信号上肢运动意图识别 被引量：16
20
作者 王卫星 孙守迁 +1 位作者 李超 唐智川 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第7期1381-1389,共9页
为了在脑机交互中能够对运动意图进行识别,使设备能够预判人的行为动作并提前作出反应,脑电(EEG)信号运用学习过程去解码,并建立识别机制.针对传统生物信号模式识别模型中手动提取特征可能会产生信息损失的问题,引入深度学习的卷积神经... 为了在脑机交互中能够对运动意图进行识别,使设备能够预判人的行为动作并提前作出反应,脑电(EEG)信号运用学习过程去解码,并建立识别机制.针对传统生物信号模式识别模型中手动提取特征可能会产生信息损失的问题,引入深度学习的卷积神经网络(CNN),并和目前广泛使用的两种特征提取方法使用BP神经网络分类进行对比.结果显示,CNN在左、右手2分类动作和单手3分类动作中,提高识别精度分别约为4%和8%,增加了动作预测的可靠性.通过对上肢运动意图识别的讨论,可以更好地进行脑机交互控制,并加深对中枢神经信号与手部动作关系的理解. 展开更多
关键词 卷积神经网络(cnn) 脑电信号(EEG) 上肢 运动意图 脑机交互
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 … 15 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