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
2
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
基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类（英文）
被引量：
1
1
作者
张姝茵
侯彪
+1 位作者
焦李成
吴倩
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
2018年第2期177-183,共7页
针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获...
针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性.
展开更多
关键词
稀疏自编码器
极化SAR图像
Wishart距离
马尔科夫随机场
在线阅读
下载PDF
职称材料
神经网络七十年:回顾与展望
被引量：
398
2
作者
焦李成
杨淑媛
+2 位作者
刘芳
王士刚
冯志玺
《计算机学报》
EI
CSCD
北大核心
2016年第8期1697-1716,共20页
作为联接主义智能实现的典范,神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程,是人工智能发展中的重要方法,也是当前类脑智能研究中的有效工具.在七十年的发展历程中,神经网络曾历经质疑、批判与冷落,同时也几度...
作为联接主义智能实现的典范,神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程,是人工智能发展中的重要方法,也是当前类脑智能研究中的有效工具.在七十年的发展历程中,神经网络曾历经质疑、批判与冷落,同时也几度繁荣并取得了许多瞩目的成就.从20世纪40年代的M-P神经元和Hebb学习规则,到50年代的Hodykin-Huxley方程、感知器模型与自适应滤波器,再到60年代的自组织映射网络、神经认知机、自适应共振网络,许多神经计算模型都发展成为信号处理、计算机视觉、自然语言处理与优化计算等领域的经典方法,为该领域带来了里程碑式的影响.目前,模拟人脑复杂的层次化认知特点的深度学习已经成为类脑智能中的一个重要研究方向.通过增加网络层数所构造的"深层神经网络"使机器能够获得"抽象概念"能力,在诸多领域都取得了巨大的成功,又掀起了神经网络研究的一个新高潮.文中回顾了神经网络的发展历程,综述了其当前研究进展以及存在的问题,展望了未来神经网络的发展方向.
展开更多
关键词
类脑智能
神经网络
深度学习
大数据
并行计算
机器学习
在线阅读
下载PDF
职称材料
题名
基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类（英文）
被引量：
1
1
作者
张姝茵
侯彪
焦李成
吴倩
机构
西安电子科技大学智能感知与图像理解教育部重点实验室智能感知与计算国际联合研究中心智能感知与计算国际合作联合实验室
出处
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
2018年第2期177-183,共7页
基金
Supported by National Natural Science Foundation of China(61671350,61573267,61473215,61572383,61502369)
the National Basic Research Program(973 Program)of China(2013CB329402)
文摘
针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性.
关键词
稀疏自编码器
极化SAR图像
Wishart距离
马尔科夫随机场
Keywords
sparse auto-encoder(SAE)
polarimetric synthetic aperture radar(PolSAR)images
Wishart distance
Markov random fields(MRF)
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
神经网络七十年:回顾与展望
被引量：
398
2
作者
焦李成
杨淑媛
刘芳
王士刚
冯志玺
机构
西安电子科技大学智能感知与图像理解教育部重点实验室智能感知与计算国际联合研究中心智能感知与计算国际合作联合实验室
西安电子科技大学
计算
机学院
出处
《计算机学报》
EI
CSCD
北大核心
2016年第8期1697-1716,共20页
基金
国家"九七三"重点基础研究发展计划项目基金(2013CB329402)
国家自然科学基金重大研究计划(91438201
+1 种基金
91438103)
教育部"长江学者和创新团队发展计划"(IRT_15R53)资助
文摘
作为联接主义智能实现的典范,神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程,是人工智能发展中的重要方法,也是当前类脑智能研究中的有效工具.在七十年的发展历程中,神经网络曾历经质疑、批判与冷落,同时也几度繁荣并取得了许多瞩目的成就.从20世纪40年代的M-P神经元和Hebb学习规则,到50年代的Hodykin-Huxley方程、感知器模型与自适应滤波器,再到60年代的自组织映射网络、神经认知机、自适应共振网络,许多神经计算模型都发展成为信号处理、计算机视觉、自然语言处理与优化计算等领域的经典方法,为该领域带来了里程碑式的影响.目前,模拟人脑复杂的层次化认知特点的深度学习已经成为类脑智能中的一个重要研究方向.通过增加网络层数所构造的"深层神经网络"使机器能够获得"抽象概念"能力,在诸多领域都取得了巨大的成功,又掀起了神经网络研究的一个新高潮.文中回顾了神经网络的发展历程,综述了其当前研究进展以及存在的问题,展望了未来神经网络的发展方向.
关键词
类脑智能
神经网络
深度学习
大数据
并行计算
机器学习
Keywords
artificial intelligence
neural network
deep learning
big data
parallel computing
machine learning
分类号
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
基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类（英文）
张姝茵
侯彪
焦李成
吴倩
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
2018
1
在线阅读
下载PDF
职称材料
2
神经网络七十年:回顾与展望
焦李成
杨淑媛
刘芳
王士刚
冯志玺
《计算机学报》
EI
CSCD
北大核心
2016
398
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
