检索结果-内蒙古大学图书馆

重庆理工大学学报(自然科学) 2025年第5期39卷 73-81页

作者：沈如达朱洁苏吉普赵焱何万源常洪丽东南大学信息科学与工程学院南京211189

分析脑电(electroencephalography,EEG)信号,开发一种抑郁症的自动识别模型,以提高诊断的客观性和准确性。基于专为心理障碍分析设计的MODMA数据集,包括24名抑郁症患者和29名健康对照者的静息态EEG数据,采用稀疏贝叶斯学习(sparse Bayes... 详细信息

分析脑电(electroencephalography,EEG)信号,开发一种抑郁症的自动识别模型,以提高诊断的客观性和准确性。基于专为心理障碍分析设计的MODMA数据集,包括24名抑郁症患者和29名健康对照者的静息态EEG数据,采用稀疏贝叶斯学习(sparse Bayesian learning,SBL)算法开发了一种端到端的抑郁症识别模型,通过对EEG信号的深入分析,探索了抑郁症患者与健康个体之间脑电活动的差异。结果表明,所提模型在测试集上展现出极高的准确率(100%),显著超过现有的抑郁症检测技术。参数分析进一步证实了模型的有效性和稀疏性模型的应用价值。开发的基于SBL的脑电抑郁症识别模型,为抑郁症的自动化检测和诊断提供了新的工具和视角。

关键词：抑郁症识别脑电信号客观评估稀疏贝叶斯学习

来源：评论

学校读者我要写书评

暂无评论

基于高效聚合特征增强网络的SAR船舰检测方法

引用

光学学报 2023年

作者：单慧琳刘文星王兴涛付相为李长帅张银胜南京信息工程大学电子与信息工程学院无锡学院电子信息工程学院

合成孔径雷达由于散射效应以及波长和天线尺寸的分辨率限制，导致对小尺寸目标的细节和边界信息难以获取，从而对检测准确性产生影响。为了提高合成孔径雷达船舰检测的准确率以及降低误检率，提出了一种基于高效聚合特征增强网络的合成... 详细信息

合成孔径雷达由于散射效应以及波长和天线尺寸的分辨率限制，导致对小尺寸目标的细节和边界信息难以获取，从而对检测准确性产生影响。为了提高合成孔径雷达船舰检测的准确率以及降低误检率，提出了一种基于高效聚合特征增强网络的合成孔径雷达船舰检测方法。首先，在主干网络中采用空间通道注意力机制，构建出高效层卷积块作为主要的特征提取模块，能够增强模型的特征获取性能，提高对船舰目标的识别能力；其次，特征融合部分采用了Inception NeXt模块来提高算法效率。最后在主干网络以及特征提取部分之间，构建出一种全局增强特征金字塔分支结构，进一步融合全局特征以及避免传输过程中低维度特征损失，用以提升该网络的特征融合能力，即使对于复杂背景下的小目标仍然能展现出可靠的检测能力。为了证明本文所提出网络的有效性，在SSDD数据集上做了实验对比，相较于YOLOv7，高效聚合特征增强网络准确率提升了2.5%，召回率提升了9.2%，交并比阈值为0.5时的平均精度提升了6.4%,Io U为0.5∶0.95时的平均精度提升了9.9%。实验证明了本文所提出网络在提升合成孔径雷达船舰检测精度、改善误检漏检等方面的显著优势，有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

关键词：深度学习目标检测高效聚合特征增强网络注意力机制合成孔径雷达船舰检测

来源：评论

学校读者我要写书评

暂无评论

一种高可靠性的光电容积脉搏特征提取方法

引用

光电子·激光 2024年

作者：汪丽茜王柄淇朱军南京信息工程大学集成电路学院南京信息工程大学电子与信息工程学院

光电容积脉搏波信号能反映血糖浓度，准确提取该信号对无创血糖监测至关重要。本文提出了一种优化方法，通过经验小波变换(Empirical Wavelet Transform， EWT)去除高低频噪声，将脉搏波信号分解为多个子信号。采用动态时间规整算法(Dyn... 详细信息

光电容积脉搏波信号能反映血糖浓度，准确提取该信号对无创血糖监测至关重要。本文提出了一种优化方法，通过经验小波变换(Empirical Wavelet Transform， EWT)去除高低频噪声，将脉搏波信号分解为多个子信号。采用动态时间规整算法(Dynamic Time Warping， DTW)计算子信号的相似度，以识别并剔除异常子信号，随后建立包含保留和剔除异常子信号的两组数据集合。对比分析结果显示，剔除异常子信号后的特征参数（峰峰值、上升支、下降支速率和信号长度的标准差）分别降低了30.34%、20.15%、43.80%和40.54%，显示了该方法在特征值提取可靠性上的提升。此外，该优化方法还使得光电容积脉搏波特征值的采集稳定性提高了44.4%，验证了其在无创血糖监测中的实用性与可靠性。

关键词：光电容积脉搏波 EWT 脉搏波分解 DTW

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和多尺度集成学习的细粒度图像识别方法

引用

数据采集与处理 2025年第2期40卷 384-400页

作者：季晟宇江志康马翔杨绿溪东南大学信息科学与工程学院南京211102

细粒度图像识别是计算机视觉领域中一项重要的研究课题,其主要目标是分辨同属一大类下外观具有高度相似性的子类。以弱监督的细粒度图像识别为研究内容,针对现有研究中存在的图像细粒度特征利用不充分以及判别性区域难以挖掘的问题,提... 详细信息

细粒度图像识别是计算机视觉领域中一项重要的研究课题,其主要目标是分辨同属一大类下外观具有高度相似性的子类。以弱监督的细粒度图像识别为研究内容,针对现有研究中存在的图像细粒度特征利用不充分以及判别性区域难以挖掘的问题,提出了基于注意力机制和多尺度集成学习策略的细粒度图像识别方法。该方法引入渐进式学习网络,利用集成学习的策略,基于深度神经网络3个层级的输出特征并行构建多尺度基分类器,并使用标签平滑的方法对分类器进行渐进式训练,从而大幅度提高低层特征的利用率;同时采用高效双通道注意力机制对特征施加通道权重,使得网络能够在通道层面自主筛选特征,从而提升高信息相关度通道的利用率。该方法还引入了自注意力区域建议网络,通过构建循环反馈机制促使模型逐步定位到更加具有判别性的区域,并在最后的分类模块中将完整图像与判别性区域的特征信息进行融合。实验结果表明,该方法在CUB⁃200⁃2011、FGVC Aircraft和Stanford Cars细粒度图像数据集上的识别准确率达到行业先进水平。

关键词：深度学习细粒度图像识别弱监督注意力机制集成学习

来源：评论

学校读者我要写书评

暂无评论

基于部分积概率分析的高精度低功耗近似浮点乘法器设计

引用

电子与信息学报 2023年第1期45卷 87-95页

作者：闫成刚赵轩徐宸宇陈珂葛际鹏王成华刘伟强南京航空航天大学电子信息工程学院/集成电路学院南京211106

浮点乘法器是高动态范围(HDR)图像处理、无线通信等系统中的关键运算单元,其相比于定点乘法器动态范围更广,但复杂度更高。近似计算作为一种新兴范式,在受限的精度损失范围内,可大幅降低硬件资源和功耗开销。该文提出一种16 bit半精度... 详细信息

浮点乘法器是高动态范围(HDR)图像处理、无线通信等系统中的关键运算单元,其相比于定点乘法器动态范围更广,但复杂度更高。近似计算作为一种新兴范式,在受限的精度损失范围内,可大幅降低硬件资源和功耗开销。该文提出一种16 bit半精度近似浮点乘法器(App-Fp-Mul),针对浮点乘法器中的尾数乘法模块,根据其部分积阵列中出现1的概率,提出一种对输入顺序不敏感的近似4-2压缩器及低位或门压缩方法,在精度损失较小的条件下有效降低了浮点乘法器资源及功耗。相较于精确设计,所提近似浮点乘法器在归一化平均错误距离(NMED)为0.0014时,面积及功耗延时积方面分别降低20%及58%;相较于现有近似设计,在近似位宽相同时具有更高的精度及更小的功耗延时积。最后将该文所提近似浮点乘法器应用于高动态范围图像处理,相比现有主流方案,峰值信噪比和结构相似性分别达到83.16 dB和99.9989%,取得了显著的提升。

关键词：近似计算近似浮点乘法器部分积概率分析低功耗

来源：评论

学校读者我要写书评

暂无评论

基于不对称非局部高效信道注意时空网络的面部表情识别

引用

南京邮电大学学报(自然科学版) 2024年

作者：闫静杰孙雯静顾晓娜周晓阳魏金生南京邮电大学通信与信息工程学院东南大学信息科学与工程学院

为了从信道域、时间域、空间域多维度进行表情特征提取和学习，本文提出了一种新的不对称非局部高效信道注意时空网络（Asymmetric Non-local Efficient Channel Attention Spatial-temporal Network，ANECASN）并应用于面部表情识别。A... 详细信息

为了从信道域、时间域、空间域多维度进行表情特征提取和学习，本文提出了一种新的不对称非局部高效信道注意时空网络（Asymmetric Non-local Efficient Channel Attention Spatial-temporal Network，ANECASN）并应用于面部表情识别。ANECASN主要包含三个模块：第一个模块为轻量型的不对称非局部模块，用于捕获长序列依赖关系，并在该模块中使用金字塔汇集优化特征选择机制以获得较好的局部情感特征，改善深度卷积运算在长序列上计算效率低且情感识别率低的问题。第二个模块为高效信道注意模块，给有利于情感识别的通道以高权重，可在不降维的同时实现局部跨信道交互，降低模型复杂度并增强情感的非线性表达能力以实现性能提优。第三个模块为时空LSTM模块，可通过学习情感特征的空间相关性以及情感特征序列的时间相关性，促进时空之间的信息交互。本文选择Multimodal和RAMAS数据库进行实验，实验结果表明，ANECASN在Multimodal Database上达到了61.54%的识别率，在RAMAS数据库达到了42.49%的识别率，相对于基线ResNet-50提高了至少5%。

关键词：人脸表情不对称非局部高效信道注意时空网络不对称非局部高效注意信道时空LSTM

来源：评论

学校读者我要写书评

暂无评论

多尺度研究铜/金刚石界面电子及热传输特性

引用

中国科学：物理学、力学、天文学 2023年第7期53卷 132-144页

作者：吴孔平张冷王丹蓓张鹏展刘飞汤琨叶建东顾书林金陵科技学院电子信息工程学院南京211169 南京大学电子科学与工程学院南京210093

宽带隙半导体金刚石不仅具有突出的电学性质,而且还具有非常高的热导率,使其既可以耐高压又可以快速散热,因此,金刚石基大功率器件受到越来越广泛的关注.本文研究的过渡金属Cu不仅具有较高的功函数,而且在半导体工艺中被广泛使用,并且C... 详细信息

宽带隙半导体金刚石不仅具有突出的电学性质,而且还具有非常高的热导率,使其既可以耐高压又可以快速散热,因此,金刚石基大功率器件受到越来越广泛的关注.本文研究的过渡金属Cu不仅具有较高的功函数,而且在半导体工艺中被广泛使用,并且Cu与金刚石都具有优异的散热性能.因此,Cu接触金刚石已经超出寻常电极的意义,这种金属-半导体结构既可以实现界面电子特性的裁剪,也可以实现热学设计与管理的功能.在本文中,第一性原理方法被用来研究Cu/金刚石界面的电子特性.结果表明,Cu/金刚石界面的肖特基势垒高度为1.60 eV,原子层分辨的电子态密度与Bader电荷转移分析揭示了在靠近界面一两个原子层内的电子发生了重新排布,说明界面诱导电荷的重构主要是来自金属诱导带隙态.此外,根据密度泛函微扰理论、结合准简谐近似与声子玻尔兹曼输运方程,对金属Cu、金刚石以及Cu/金刚石材料体系的热学特性开展研究.结果表明,室温下金刚石与Cu的热导率分别为2501.3和410.4 W m^(−1) K^(−1),并且在散射失配模型下得到Cu/金刚石界面热导为27.87 MW m^(−2) K^(−1),略低于最近报道的实验值,可能是由于界面附件的电子与声子耦合未加以考虑.另外,根据Hasselman-Johnson模型,得到了室温下Cu/金刚石材料体系的有效热导率、材料体系的尺寸以及金刚石体积占比三者之间的依赖关系.这些理论预测值与实验数据基本一致,说明过渡金属Cu作为表面覆盖层在金刚石基大功率电子器件方面具有重要的应用.

关键词：肖特基势垒静电势平均边界热阻有效热导率密度泛函微扰论

来源：评论

学校读者我要写书评

暂无评论

智慧医疗情境下四方主体隐私行为的交互机理及演化趋势研究

引用

现代情报 2025年第1期45卷 135-149页

作者：朱光吴晗逸刘雯南京信息工程大学风险治理与应急决策研究院江苏南京210044 南京信息工程大学管理工程学院江苏南京210044

[目的/意义]本文针对智慧医疗情境下隐私行为研究在博弈主体、模型参数等方面的不足,探寻患者、医疗机构、智慧医疗平台和政府四方主体之间的隐私行为交互机理与演化趋势。[方法/过程]基于演化博弈理论,构建患者、医疗机构、智慧医疗平... 详细信息

[目的/意义]本文针对智慧医疗情境下隐私行为研究在博弈主体、模型参数等方面的不足,探寻患者、医疗机构、智慧医疗平台和政府四方主体之间的隐私行为交互机理与演化趋势。[方法/过程]基于演化博弈理论,构建患者、医疗机构、智慧医疗平台和政府四方博弈模型。根据不同参数调节下各方行为策略的收益、成本、损失等计算收益矩阵,求解主体的演化稳定策略,并考虑不同因素对主体行为策略及系统稳定状态的影响。[结果/结论]患者的隐私披露行为与披露隐私后获得的服务收益密切相关,医疗机构的隐私保护投入成本和隐私泄露概率对其隐私保护行为有显著影响,智慧医疗平台的政府奖惩、罚款收益和投入成本是影响其严格管理行为的关键因素,政府的监管行为与奖惩机制等因素密切相关。通过应用本文模型和方法,可以动态调整隐私保护机制,明确各方职责,推动智慧医疗可持续健康发展。

关键词：智慧医疗演化博弈隐私行为患者医疗机构智慧医疗平台政府

来源：评论

学校读者我要写书评

暂无评论

融合投资者情绪的S_AM_BiLSTM股价预测模型

引用

计算机工程与应用 2024年第7期60卷 274-281页

作者：袁婧潘甦谢浩徐文鹏南京邮电大学物联网学院南京210003 南京邮电大学通信与信息工程学院南京210003

股票价格预测一直是金融领域的研究热点之一。然而,股票价格的形成机制是相当复杂的,各种因素都可能会导致股票价格的变化。为此,提出了一种基于深度学习方法并融合多源数据和投资者情绪的股票价格预测混合模型(S_AM_BiLSTM)。利用文本... 详细信息

股票价格预测一直是金融领域的研究热点之一。然而,股票价格的形成机制是相当复杂的,各种因素都可能会导致股票价格的变化。为此,提出了一种基于深度学习方法并融合多源数据和投资者情绪的股票价格预测混合模型(S_AM_BiLSTM)。利用文本卷积神经网络(TextCNN)对从股票论坛中提取的投资者评论进行情绪分析,并计算情绪指数。将情绪指数(sentiment)、技术指标和股票历史交易数据作为股价预测模型的特征集,采用双向长短时记忆神经网络(BiLSTM)对股票的收盘价进行预测,并在此基础上加入注意力机制(attention mechanism),提高预测精度。为了证明模型的有效性和适用性,随机选取4个重点行业的股票进行实证研究。实验结果表明,与其他单一模型和不含情绪因子的模型相比,所提出的混合模型的效果更优越。

关键词：深度学习双向长短期记忆网络(BiLSTM) 文本卷积神经网络(TextCNN) 股价预测情绪分析

来源：评论

学校读者我要写书评

暂无评论

基于逐层增量分解的深度网络神经元相关性解释方法

引用

自动化学报 2024年第10期50卷 2049-2062页

作者：陈艺元李建威邵文泽孙玉宝智能信息处理与通信技术省高校重点实验室(南京邮电大学) 南京210003 南京邮电大学通信与信息工程学院南京210003 南京信息工程大学教育部数字取证工程研究中心南京210044

神经网络的黑箱特性严重阻碍了人们关于网络决策的直观分析与理解.尽管文献报道了多种基于神经元贡献度分配的决策解释方法,但是现有方法的解释一致性难以保证,鲁棒性更是有待改进.本文从神经元相关性概念入手,提出一种基于逐层增量分... 详细信息

神经网络的黑箱特性严重阻碍了人们关于网络决策的直观分析与理解.尽管文献报道了多种基于神经元贡献度分配的决策解释方法,但是现有方法的解释一致性难以保证,鲁棒性更是有待改进.本文从神经元相关性概念入手,提出一种基于逐层增量分解的神经网络解释新方法LID-Taylor(Layer-wise increment decomposition),且在此基础上先后引入针对顶层神经元相关性的对比提升策略,以及针对所有层神经元相关性的非线性提升策略,最后利用交叉组合策略得到最终方法SIG-LID-IG,实现了决策归因性能的鲁棒跃升.通过热力图对现有工作与提出方法的决策归因性能做了定性定量评估.结果显示,SIG-LID-IG在神经元的正、负相关性的决策归因合理性上均可媲美甚至优于现有工作.SIG-LID-IG在多尺度热力图下同样取得了精确性更高、鲁棒性更强的决策归因.

关键词：神经网络可解释性决策相关性逐层相关性传播类激活图积分梯度

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：