期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于默认网络内部功能连接能预测抑郁症患者睡眠障碍因子分
被引量：
4
1
作者
秦姣龙
李弘瑄
+1 位作者
吴烨
倪黄晶
《磁共振成像》
CAS
CSCD
北大核心
2024年第7期51-57,共7页
目的探究抑郁症(major depression disorder,MDD)患者大脑默认网络(default mode network,DMN)功能连接(functional connectivity,FC)能否预测其睡眠障碍因子分。材料与方法基于REST-meta-MDD公开数据集中满足本实验需求的326例MDD被试...
目的探究抑郁症(major depression disorder,MDD)患者大脑默认网络(default mode network,DMN)功能连接(functional connectivity,FC)能否预测其睡眠障碍因子分。材料与方法基于REST-meta-MDD公开数据集中满足本实验需求的326例MDD被试静息态功能磁共振成像数据。采用Power模板在全脑中定义了264个脑区节点,分别获取患者的DMN内部FC和DMN与其他网络间的外部FC。采用基于连接组的预测模型在发现数据集上分别基于DMN内部和DMN外部FC对MDD患者的睡眠障碍因子分进行回归预测,独立验证集上检验模型的稳定性。结果在DMN内部FC,发现数据集对MDD患者的睡眠障碍因子分具有一定的预测性(r=0.244,P<0.001),外部独立验证集也有很好的泛化预测效果(r=0.345,P=0.046)。DMN外部FC在发现数据集上对其可进行预测(r=0.238,P<0.001),而独立验证集其泛化性能不足(r=0.256,P=0.143)。结论DMN内部FC对MDD患者睡眠障碍因子分具有一定的预测性。
展开更多
关键词
抑郁症
睡眠障碍
默认网络
静息态功能磁共振成像
磁共振成像
在线阅读
下载PDF
职称材料
基于深度特征增广的跨域小样本人脸欺诈检测算法
被引量：
6
2
作者
孙文赟
金忠
+1 位作者
赵海涛
陈昌盛
《计算机科学》
CSCD
北大核心
2021年第2期330-336,共7页
随着人脸识别技术的发展,人脸欺诈攻击已经成为一项实际的安全问题,人脸欺诈检测算法用于及早发现该类攻击,保护系统安全。文中将一种经典域自适应算法扩展到深度神经网络中,首先定义了基于深度特征增广的域自适应层,提出了一种基于深...
随着人脸识别技术的发展,人脸欺诈攻击已经成为一项实际的安全问题,人脸欺诈检测算法用于及早发现该类攻击,保护系统安全。文中将一种经典域自适应算法扩展到深度神经网络中,首先定义了基于深度特征增广的域自适应层,提出了一种基于深度特征增广的跨域小样本人脸欺诈检测算法。该算法在已有的基于全卷积神经网络的人脸欺诈检测深度神经网络的中部嵌入域自适应层将卷积特征图增广,来适配源域和目标域的差异,随后根据增广后的特征图进行像素级分类,最后将像素级概率图从空间上融合为帧级决策。文中在CASIA-FASD,Replay-Attack和OULU-NPU 3个数据集和6个常见测评协议(2个CASIA-FASD与Replay-Attack跨库协议和4个OULU-NPU标准协议)下进行实验,验证了算法在不同背景、不同攻击设备、不同相机等跨域情况下的性能。实验表明,基准FCN人脸欺诈检测算法已经能够达到较好的性能,在此基础上,借助小样本目标域数据学习域自适应模型,可进一步显著提升性能,将错误率减半(CASIA-FASD训练+Replay-Attack测试的HTER指标从27.31%降至11.23%,Replay-Attack训练+CASIA-FASD测试的HTER指标从37.33%降至21.83%,OULU-NPU标准协议IV的ACER指标从9.45%降至5.56%),实验结果验证了基于深度特征增广的跨域小样本人脸欺诈检测算法的有效性。
展开更多
关键词
模式识别
系统安全
人脸图像分析
人脸欺诈检测
深度学习
在线阅读
下载PDF
职称材料
标签噪声鲁棒学习算法研究综述
被引量：
7
3
作者
宫辰
张闯
王启舟
《航空兵器》
CSCD
北大核心
2020年第3期20-26,共7页
在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对...
在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对训练数据的采集。不幸的是,这些替代方法获取的数据往往存在大量的错误标注,即标签噪声,由此带来了很多潜在的问题。因此,对标签噪声鲁棒学习算法的研究,在推广机器学习工程应用、降低机器学习算法部署成本方面具有重要的意义。本文对标签噪声鲁棒学习算法的最新研究成果进展进行了全面综述,分别从标签噪声的产生、影响、分类等方面进行了详细的总结,对每类标签噪声的处理方法进行了介绍,并对每类处理方法的优缺点进行分析。
展开更多
关键词
人工智能
机器学习
弱监督学习
标签噪声
深度学习
鲁棒学习算法
在线阅读
下载PDF
职称材料
题名
基于默认网络内部功能连接能预测抑郁症患者睡眠障碍因子分
被引量：
4
1
作者
秦姣龙
李弘瑄
吴烨
倪黄晶
机构
南京理工大学
计算机
科学与
工程
学院
南京理工大学
计算机
科学与
工程
学院
南京
邮电
大学
计算机
学院
、软件
学院
、网络空间安全
学院
出处
《磁共振成像》
CAS
CSCD
北大核心
2024年第7期51-57,共7页
基金
国家自然科学基金项目(编号:62201265、81701346)
江苏省自然科学基金项目(编号:BK20190736)。
文摘
目的探究抑郁症(major depression disorder,MDD)患者大脑默认网络(default mode network,DMN)功能连接(functional connectivity,FC)能否预测其睡眠障碍因子分。材料与方法基于REST-meta-MDD公开数据集中满足本实验需求的326例MDD被试静息态功能磁共振成像数据。采用Power模板在全脑中定义了264个脑区节点,分别获取患者的DMN内部FC和DMN与其他网络间的外部FC。采用基于连接组的预测模型在发现数据集上分别基于DMN内部和DMN外部FC对MDD患者的睡眠障碍因子分进行回归预测,独立验证集上检验模型的稳定性。结果在DMN内部FC,发现数据集对MDD患者的睡眠障碍因子分具有一定的预测性(r=0.244,P<0.001),外部独立验证集也有很好的泛化预测效果(r=0.345,P=0.046)。DMN外部FC在发现数据集上对其可进行预测(r=0.238,P<0.001),而独立验证集其泛化性能不足(r=0.256,P=0.143)。结论DMN内部FC对MDD患者睡眠障碍因子分具有一定的预测性。
关键词
抑郁症
睡眠障碍
默认网络
静息态功能磁共振成像
磁共振成像
Keywords
depression
sleep disturbance
default mode network
resting-state functional magnetic resonance imaging
magnetic resonance imaging
分类号
R445.2 [医药卫生—影像医学与核医学]
R749.1 [医药卫生—神经病学与精神病学]
在线阅读
下载PDF
职称材料
题名
基于深度特征增广的跨域小样本人脸欺诈检测算法
被引量：
6
2
作者
孙文赟
金忠
赵海涛
陈昌盛
机构
深圳
大学
电子与
信息
工程
学院
南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室
华东理
工大
学
信息
科学与
工程
学院
出处
《计算机科学》
CSCD
北大核心
2021年第2期330-336,共7页
基金
国家自然科学基金(61902250,61702340,61872188)
国家重点基础研究发展计划(2014CB349303)
+2 种基金
中国博士后科学基金面上项目(2018M643183)
广东省自然科学基金(2017A030310382)
深圳市基础研究自由探索项目(JCYJ20180305124550725,827/000213)。
文摘
随着人脸识别技术的发展,人脸欺诈攻击已经成为一项实际的安全问题,人脸欺诈检测算法用于及早发现该类攻击,保护系统安全。文中将一种经典域自适应算法扩展到深度神经网络中,首先定义了基于深度特征增广的域自适应层,提出了一种基于深度特征增广的跨域小样本人脸欺诈检测算法。该算法在已有的基于全卷积神经网络的人脸欺诈检测深度神经网络的中部嵌入域自适应层将卷积特征图增广,来适配源域和目标域的差异,随后根据增广后的特征图进行像素级分类,最后将像素级概率图从空间上融合为帧级决策。文中在CASIA-FASD,Replay-Attack和OULU-NPU 3个数据集和6个常见测评协议(2个CASIA-FASD与Replay-Attack跨库协议和4个OULU-NPU标准协议)下进行实验,验证了算法在不同背景、不同攻击设备、不同相机等跨域情况下的性能。实验表明,基准FCN人脸欺诈检测算法已经能够达到较好的性能,在此基础上,借助小样本目标域数据学习域自适应模型,可进一步显著提升性能,将错误率减半(CASIA-FASD训练+Replay-Attack测试的HTER指标从27.31%降至11.23%,Replay-Attack训练+CASIA-FASD测试的HTER指标从37.33%降至21.83%,OULU-NPU标准协议IV的ACER指标从9.45%降至5.56%),实验结果验证了基于深度特征增广的跨域小样本人脸欺诈检测算法的有效性。
关键词
模式识别
系统安全
人脸图像分析
人脸欺诈检测
深度学习
Keywords
Pattern recognition
System security
Facial image analysis
Face spoofing detection
Deep learning
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
标签噪声鲁棒学习算法研究综述
被引量：
7
3
作者
宫辰
张闯
王启舟
机构
南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室
南京理工大学
计算机
科学与
工程
学院
江苏省社会安全图像与视频理解
重点
实验室
出处
《航空兵器》
CSCD
北大核心
2020年第3期20-26,共7页
基金
国家自然科学基金项目(61973162)
江苏省自然科学基金项目(BK20171430)。
文摘
在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对训练数据的采集。不幸的是,这些替代方法获取的数据往往存在大量的错误标注,即标签噪声,由此带来了很多潜在的问题。因此,对标签噪声鲁棒学习算法的研究,在推广机器学习工程应用、降低机器学习算法部署成本方面具有重要的意义。本文对标签噪声鲁棒学习算法的最新研究成果进展进行了全面综述,分别从标签噪声的产生、影响、分类等方面进行了详细的总结,对每类标签噪声的处理方法进行了介绍,并对每类处理方法的优缺点进行分析。
关键词
人工智能
机器学习
弱监督学习
标签噪声
深度学习
鲁棒学习算法
Keywords
artificial intelligence
machine learning
weakly supervised learning
label noise
deep learning
robust learning algorithm
分类号
TJ760 [兵器科学与技术—武器系统与运用工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
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
基于默认网络内部功能连接能预测抑郁症患者睡眠障碍因子分
秦姣龙
李弘瑄
吴烨
倪黄晶
《磁共振成像》
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于深度特征增广的跨域小样本人脸欺诈检测算法
孙文赟
金忠
赵海涛
陈昌盛
《计算机科学》
CSCD
北大核心
2021
6
在线阅读
下载PDF
职称材料
3
标签噪声鲁棒学习算法研究综述
宫辰
张闯
王启舟
《航空兵器》
CSCD
北大核心
2020
7
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
