检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2017年第9期29卷 1643-1649页

作者：刘晨羽蒋云飞李学明北京邮电大学信息与通信工程学院北京100876

为重建边缘清晰平滑的高分辨率图像,提出一种基于卷积神经网的单幅图像超分辨率重建算法.该算法使用固定大小的小卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网,重建出边缘更清晰的图像,在一定程度上抑制了边缘的振铃效应;使用... 详细信息

为重建边缘清晰平滑的高分辨率图像,提出一种基于卷积神经网的单幅图像超分辨率重建算法.该算法使用固定大小的小卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网,重建出边缘更清晰的图像,在一定程度上抑制了边缘的振铃效应;使用更大的样本库进行训练,避免发生过拟合.实验结果表明,虽然文中算法在Dong的卷积神经网超分辨率重建算法所提供的小训练库上优势不明显;但在Image Net这类大训练库上,该算法重建的高分辨率图像在主观视觉感受和客观图像质量评价(如峰值信噪比)上都有更好的表现.

关键词：单幅图像超分辨率重建卷积神经网深度学习

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网和SVM雷电监测预警

引用

自然灾害学报 2022年第1期31卷 219-225页

作者：王志斌肖艳姣王珏吴涛中国气象局武汉暴雨研究所暴雨监测预警湖北省重点实验室湖北武汉430205 武汉中心气象台湖北武汉430074

利用天气雷达三维网格拼图资料,并针对正负样本数据不平衡问题,使用SMOTE方法进行处理,通过设计多层卷积神经网络,在网络末端加入SVM判别器,实现对雷电监测;使用改进的变分光流方法反演风场,利用半拉格朗日方法对雷达回波进行外推,使用... 详细信息

利用天气雷达三维网格拼图资料,并针对正负样本数据不平衡问题,使用SMOTE方法进行处理,通过设计多层卷积神经网络,在网络末端加入SVM判别器,实现对雷电监测;使用改进的变分光流方法反演风场,利用半拉格朗日方法对雷达回波进行外推,使用设计的卷积神经网络进行雷电预报;实验表明通过卷积神经网络识别雷电的准确率为76.4%,外推30 min的预报准确率为54.0%,比传统的机器学习方法预报准确率有一定提高,对业务应用有一定的帮助。

关键词：卷积神经网变分光流 SVM 天气雷达 SMOTE

来源：评论

学校读者我要写书评

暂无评论

卷积神经网字符识别算法研究

卷积神经网字符识别算法研究

引用

作者：吴香莲电子科技大学

学位级别：硕士

字符识别技术自20世纪六十年代提出以来,经过几十年的研究和发展,已广泛应用于数据统计、智能交通、金融税务等领域。然而由于字符本身种类多,字形复杂,且手写字符书写风格因人而异等问题,手写字符识别的研究仍是当前的一大难点。卷积... 详细信息

字符识别技术自20世纪六十年代提出以来,经过几十年的研究和发展,已广泛应用于数据统计、智能交通、金融税务等领域。然而由于字符本身种类多,字形复杂,且手写字符书写风格因人而异等问题,手写字符识别的研究仍是当前的一大难点。卷积神经网具有更仿生的层次化工作机理,能够自动挖掘训练数据内部的潜在规律,很好的避免了预处理和特征抽取等复杂的过程,因此在字符识别领域具有天然优势。本文调研和分析了国内外关于字符识别方面主流的文献和算法,着重基于卷积神经网的识别算法,在现有的卷积神经网字符识别算法基础上,提出了两种新的卷积神经网字符识别模型,在字符识别尤其是汉字识别上取得了良好的识别效果。本文的主要内容有:1.通过实验对LeNet-5卷积神经网模型性能进行分析,探讨卷积神经网的滤波器数目和尺度、池化方式、激活函数、正则化方式等参数对模型性能的影响,为构建卷积神经网模型实现模型参数和结构最优化提供方向和指导,实验基于手写数字数据集MNIST进行。2.本文在卷积层和池化层分别提出了一种多级特征提取模块,在卷积神经网的卷积层、池化层、浅层和深层分别使用多级特征提取模块替换原有模型中的特征提取结构,实验证明采取多级特征提取模块的模型其识别效果优于一般的卷积神经网。此外,本文提取出单级和多级特征模块的输出特征图,进行可视化对比分析,并对特征图进行比较,最后在离线手写汉字数据集CASIA-HWDB1.1上进行实验。3.把卷积神经网作为特殊的特征提取器,提取出CNN特征,同时分别提取出传统的Gabor特征和Gradient特征,将Gabor特征、Gradient特征和CNN特征进行多特征融合,再与传统的分类器SVM支持向量机相结合进行训练分类。本文提出的这种“CNN特征+Gabor特征+Gradient特征+SVM分类器”的识别算法在识别难例手写相似汉字数据集上取得了良好的效果,识别性能优于普通的CNN模型和传统的分类器。

关键词：卷积神经网字符识别多级特征提取多特征融合支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于多通道卷积神经网的实体关系抽取

引用

计算机应用研究 2017年第3期34卷 689-692页

作者：肜博辉付琨黄宇王洋中国科学院空间信息处理与应用系统技术重点实验室北京100190 中国科学院电子学研究所北京100190 中国科学院大学北京100190

针对实体关系抽取任务中,传统基于统计学习的方法构建特征费时费力、现有深度学习方法依赖单一词向量的表征能力的问题,提出多通道卷积神经网模型。使用不同的词向量将输入语句进行映射,作为模型不同通道的输入,然后使用卷积神经网自动... 详细信息

针对实体关系抽取任务中,传统基于统计学习的方法构建特征费时费力、现有深度学习方法依赖单一词向量的表征能力的问题,提出多通道卷积神经网模型。使用不同的词向量将输入语句进行映射,作为模型不同通道的输入,然后使用卷积神经网自动提取特征,通过softmax分类器输出关系类型,完成关系抽取任务。与其他模型相比,该模型可以获取输入语句更丰富的语义信息,自动学习出更具有区分度的特征。在Sem Eval-2010 Task 8数据集上的实验结果表明提出的多通道卷积神经网模型较使用单一词向量的模型更适合处理关系抽取任务。

关键词：关系抽取卷积神经网深度学习多通道

来源：评论

学校读者我要写书评

暂无评论

合成孔径雷达图像目标的卷积神经网识别框架

引用

计算机应用研究 2017年第5期34卷 1597-1600页

作者：王家宝李阳张耿宁苗壮李航徐伟光解放军理工大学指挥信息系统学院南京210007

针对合成孔径雷达(SAR)图像目标识别问题,在卷积神经网的基础上,提出了一种新的识别框架。该框架通过连接多个基本操作单元并以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征... 详细信息

针对合成孔径雷达(SAR)图像目标识别问题,在卷积神经网的基础上,提出了一种新的识别框架。该框架通过连接多个基本操作单元并以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果。在MSTAR公开数据集上,该网络框架分类十类目标达到了98.61%的精度,与其他方法相比,有效提高了SAR图像目标的识别精度。所提框架能有效分类SAR图像目标,具有良好的识别精度,且具备模块化结构,无须复杂预处理,实现简单。

关键词：合成孔径雷达目标识别卷积神经网反馈学习

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网的实体关系抽取方法研究

基于卷积神经网的实体关系抽取方法研究

引用

作者：肜博辉中国科学院大学

学位级别：硕士

当今时代，信息呈现爆炸式的增长，人们淹没在数据中，却难以获得想要的知识。在这种背景下，信息抽取技术应运而生，其主要目的是自动化地将半结构化或非结构化的文本数据转化成结构化数据。实体关系抽取是信息抽取技术的核心内容，主... 详细信息

当今时代，信息呈现爆炸式的增长，人们淹没在数据中，却难以获得想要的知识。在这种背景下，信息抽取技术应运而生，其主要目的是自动化地将半结构化或非结构化的文本数据转化成结构化数据。实体关系抽取是信息抽取技术的核心内容，主要负责从自然语言中获取实体对之间的语义关系类型，具有重要的研究价值和广阔的应用前景。\n 针对实体关系抽取任务中，传统基于统计学习的方法构建特征费时费力，现有基于深度学习的方法依赖单一词向量的表征能力问题，提出了多通道卷积神经网模型，并在此模型基础上融合传统语言学特征。\n 论文的主要工作如下:\n 1、使用卷积神经网模型进行实体关系抽取。传统关系抽取方法需要使用自然语言处理工具提取特征，特征集的选取和组合是一项费事费力的工作，并且多个特征的抽取容易造成误差的累积。基于卷积神经网的方法可以自动学习特征，近年来在实体关系抽取任务中取得了很好的抽取效果，并得到了广泛的关注;\n 2、针对现存基于卷积神经网的关系抽取方法依赖于单一词向量表征能力的问题，提出多通道卷积神经网模型。该模型使用不同的词向量将输入映射到不同的通道，从而综合不同词向量的信息，使网络具有更强的表征能力。在SemEval-2010Task8数据集上的F1值比普通模型提高了2个百分点，表明多通道卷积网模型适合用来处理关系抽取任务;\n 3、将传统语言学特征与多通道卷积神经网模型进行融合。深度学习和传统自然语言处理方法之间不是完全割裂的，传统语言学特征是人类对语言认知过程中产生的抽象表达，可以作为先验知识加入到神经网络中。本文将传统特征加入到多通道卷积神经网模型中，在SemEval-2010 Task8数据集上的F1值提高了6.6个百分点。

关键词：关系抽取卷积神经网深度学习自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网的柴油发电机组转速控制系统设计

引用

自动化与仪表 2023年第6期38卷 23-28页

作者：张华彦杜治虎陈向邸维正上海昱章电气股份有限公司上海201612

柴油发电机组的转速波动会导致供电电压和频率波动,影响用电设备使用效能和电能质量。为达到有效实现转速控制的目的,该文设计了基于卷积神经网控制模型的柴油发电机组转速控制系统。系统硬件结构包括转速控制器、供油执行器和传感器。... 详细信息

柴油发电机组的转速波动会导致供电电压和频率波动,影响用电设备使用效能和电能质量。为达到有效实现转速控制的目的,该文设计了基于卷积神经网控制模型的柴油发电机组转速控制系统。系统硬件结构包括转速控制器、供油执行器和传感器。通过信号采集与预处理,获取柴油机各个部位控制量的变化范围;基于卷积神经网络实现一维信号向二维灰度图像的转换;建立柴油发电机组转速控制模型。经实验论证分析,该文系统执行器的静态特性稳定,与其它系统对比,动态性能更优。

关键词：卷积神经网控制器柴油发电机组转速信号转速控制系统执行器

来源：评论

学校读者我要写书评

暂无评论

一种基于强化学习的限定代价下卷积神经网结构自动化设计方法（英文）

引用

集成技术 2019年第3期8卷 42-54页

作者：许强徐杨杰姜玉林张涌中国科学院深圳先进技术研究院深圳518055 中国科学院大学北京100049

目前的神经网络结构自动化设计方法主要对所设计神经网络结构的预测准确率进行优化。然而,实际应用中经常要求所设计的神经网络结构满足特定的代价约束,如内存占用、推断时间和训练时间等。该文提出了一种新的限定代价下的神经网络结构... 详细信息

目前的神经网络结构自动化设计方法主要对所设计神经网络结构的预测准确率进行优化。然而,实际应用中经常要求所设计的神经网络结构满足特定的代价约束,如内存占用、推断时间和训练时间等。该文提出了一种新的限定代价下的神经网络结构自动化设计方法,选取内存占用、推断时间和训练时间三类代表性代价在CIFAR10数据集上进行了实验,并与现有方法进行了对比分析。该方法获得了满足特定代价约束的高准确率的卷积神经网络结构,可优化的代价种类比现有方法更多。

关键词：深度学习强化学习卷积神经网网络结构搜索代价优化

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网的面部识别参数调整方法

引用

无线互联科技 2018年第16期15卷 71-73页

作者：车娜赵剑史丽娟王柳范秦寅长春大学计算机科学技术学院吉林长春130022 长春大学电子信息工程学院吉林长春130022 大阪大学机械科学部日本大阪556670

为了更好地解决使用卷积神经网在人脸面部表情识别方面的表现,文章设计了一个经典的卷积神经网模型,采用比较通用的FER2013表情数据库对其进行训练,并且尝试了几种参数配置方式,在其中选择了训练速度和过拟合等几个方面表现优秀的配置... 详细信息

为了更好地解决使用卷积神经网在人脸面部表情识别方面的表现,文章设计了一个经典的卷积神经网模型,采用比较通用的FER2013表情数据库对其进行训练,并且尝试了几种参数配置方式,在其中选择了训练速度和过拟合等几个方面表现优秀的配置模式。实验结果表明,这样的参数组合对于提高面部表情识别率有很好的表现。

关键词：表情识别卷积神经网深度学习

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络存储加速优化关键技术研究

卷积神经网络存储加速优化关键技术研究

引用

作者：李世杰国防科技大学

学位级别：博士

当前,深度学习技术已经深入到工业、服务、医疗、军事等各个领域。人工智能算法在某些领域已经能够比人类工作的更加出色。因此深度学习技术越来越成为学术界和产业界的研究热点。而优化现有的深度学习算法,充分发挥当前硬件的全部性能... 详细信息

当前,深度学习技术已经深入到工业、服务、医疗、军事等各个领域。人工智能算法在某些领域已经能够比人类工作的更加出色。因此深度学习技术越来越成为学术界和产业界的研究热点。而优化现有的深度学习算法,充分发挥当前硬件的全部性能是算法能否稳定成熟应用于实际生活的关键。因此,本文对卷积神经网中的存储和计算加速优化展开研究,从多个角度分析了卷积神经网的网络和计算特性,并针对几种具有代表性的卷积神经网的存储和计算加速问题展开分析、求解和验证。本文的创新点主要包括:·研究分析了基于分块矩阵分解的卷积神经网GPU显存优化方法(第二章)我们提出了三种分块的GPU显存优化算法,即分块LU分解算法,分块Cholesky分解算法和分块异构CPU-GPU算法。我们的工作获得了以下几个方面结果:首先,这三种算法首先解决了传统的卷积极限学习机ELM-LRF因为受GPU设备上的全局内存大小限制,无法解决大规模的Moore-Penrose矩阵求逆问题(MPMI)这一挑战。其次,根据在ELM-LRF模型中矩阵特征(当H’H矩阵为正定时)加速MPMI而提出了一种有效的分块Cholesky分解算法。实验结果表明分块Cholesky与分块的LU分解算法相比,实现了大约2倍的加速比。第三,提出了一种异构分块的CPU-GPU加速算法,以充分利用GPU节点上的资源来加速MPMI。实验结果表明,这种方法的性能是比分块的Cholesky分解算法高5%-10%。·提出了大规模卷积神经网虚拟混合存储算法(第三章)我们提出了一种名为虚拟混合存储技术(mm CNN)的新型GPU内存管理策略。据我们所知,我们的工作是最先提供一个完整的,以推断任何内存容量大小加速器上的任何规模网络的解决方案。我们在主机和设备之间使用分块异步数据传输,使整个网络看起来像在具有无限内存容量的加速器中运行。在上述思想的基础上,该工作进一步优化了内存管理策略,平衡了数据转换和计算。我们使用异步数据转换技术来借助计算时间覆盖额外的数据传输时间。这样整个系统运行效率更高,速度更快。在我们的实验中,我们在GPU平台上可以以极小的内存大小(低至5MB)正确运行前馈CNN过程。与最先进的相关工作“v DNN”相比,这一结果进一步节省了90%以上的显存开销。我们的工作提高了存储受限的人机交互设备的可扩展性。这项工作使一些交互式应用程序,如在本地移动设备上运行面部识别成为可能。·提出了基于图像合并的高速卷积神经网GPU加速算法(第四章)在本章中,我们提出了两种调度算法来优化图像检测任务中的推断前馈计算。第一个是用于加速CNN前馈过程的高效图像组合算法,我们提出了一种组合图像卷积算法,该算法在大多数主流CNN加速架构中都能很好地工作。该算法可以进一步提高整个网络的前馈速度,提高GPU卡的使用率。鉴于算法中的超参数直接影响系统性能,我们根据整个网络架构提出一种参数选择算法。该算法可以根据某个实验平台在短时间内获得一组合适的参数,并提供相对良好的性能。同时CNN的前馈过程还面临着可扩展性挑战,训练CNN模型随着网络深度的增加,在GPU上消耗越来越大的存储空间,并且使用CNN在具有有限存储器大小的GPU卡上来检测的图像目标是一个难题。所以进一步地,我们对我们提出的这个方法的可扩展性进行了研究,提出了一种是轻耗显存算法,可以在牺牲一定速度的情况下处理大规模的CNN模型。实验表明,我们的方法在不同的平台上运行良好,并实现了令人印象深刻的加速性能,在大尺寸图像上有接近1.7的加速比,在小尺寸图像上有接近7的加速比。·提出了用于快速人脸检测的全GPU实现的批量多任务级联卷积网络(第五章)我们提出了一个基于全gpu实现的批量多任务级联卷积网络,该网络在每个步骤中都经过针对GPU平台的精心设计和优化,以获得卓越的速度性能。此外,我们提出了一种新颖的并行内存分配策略,进一步使我们的算法能够支持批量操作,从而显着提高系统吞吐量。这种方法可以帮助我们快速地在GPU平台上部署训练好的人脸检测模型。在我们的实验中,我们在480p图像上以300fps运行前馈CNN过程。与最先进的相关工作“MTCNN”相比,这一结果显着地进一步提高了超过600%的推理性能。我们的工作以更快的方式实现了面部检测应用程序,远远超过了实时性能,使该应用程序更加实用和强大。

关键词：深度学习卷积神经网 GPU计算优化 GPU存储优化人脸识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：