检索结果-内蒙古大学图书馆

山西大学学报(自然科学版) 2022年第1期45卷 60-67页

作者：杨梦铎李凡长苏州经贸职业技术学院信息技术学院苏州大学江苏省计算机信息处理技术重点实验室苏州大学计算机科学与技术学院

由于真实世界中的复杂数据经常能够被表示成李群结构，文章设计了一个以李群特征作为输入的深度网络架构，以此利用深度学习强大的特征表示能力来进行模式识别等任务。在构建李群深度神经网络的过程中，为了保证在优化时李群特征能够被... 详细信息

由于真实世界中的复杂数据经常能够被表示成李群结构，文章设计了一个以李群特征作为输入的深度网络架构，以此利用深度学习强大的特征表示能力来进行模式识别等任务。在构建李群深度神经网络的过程中，为了保证在优化时李群特征能够被限定在微分流形的结构上，提出了适用于李群特征的深度学习算法。算法在特征学习的过程中不仅能够保证不损失数据流形结构的信息，同时也限定了参数优化的假设空间。基于李群特征的深度学习算法在CIFAR-BW和MNIST数据集上，通过为静态图像设计辐条模型的李群特征，实验结果表明算法在较少次数的迭代下就能够收敛到较为理想的结果。

关键词：李群特征深度学习辐条模型图像分类表示学习

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的YOLOv5优化模型

引用

计算机技术与发展 2023年第12期33卷 163-170页

作者：潘烨新黄启鹏韦超杨哲苏州大学计算机科学与技术学院江苏苏州215006 省计算机信息处理技术重点实验室江苏苏州215006

目标检测是机器视觉研究中的重要分支。目前在工业生态中应用广泛的YOLOv5模型经过版本迭代,在预测权重大小以及检测精度方面都有所优化,但模型的处理速度仍然较低,尤其是对于小目标及遮挡目标的检测效果有待改进。该文提出一种基于注... 详细信息

目标检测是机器视觉研究中的重要分支。目前在工业生态中应用广泛的YOLOv5模型经过版本迭代,在预测权重大小以及检测精度方面都有所优化,但模型的处理速度仍然较低,尤其是对于小目标及遮挡目标的检测效果有待改进。该文提出一种基于注意力机制的YOLO v5改进模型。首先,通过引入维度关联注意力机制模块进行特征融合,提升主干网络的特征提取能力,达到改善小目标与遮挡目标的检测效果;其次,采用SIoU损失函数代替CIoU损失函数,作为新的边界框回归参数的损失函数,提高边界框的定位精度以及检测速度。实验结果显示,优化模型的平均精度均值达到87.8%,相比于YOLOv5提高了4.7百分点,在单GPU上模型的检测速度达到83.3 FPS。

关键词：机器视觉深度学习目标检测注意力机制损失函数

来源：评论

学校读者我要写书评

暂无评论

多通道Laplacian矩阵融合的超图直推学习模型

引用

小型微型计算机系统 2023年第11期44卷 2566-2575页

作者：徐良奎杨哲吴国荣赵雷苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006 江苏省大数据智能工程实验室江苏苏州215006 高等计算医学实验室北卡罗来纳大学教堂山分校美国教堂山NC 27599

超图直推学习模型是机器学习领域研究热点.超图模型的性能取决于构造的超图结构及其Laplacian矩阵的质量.现有超图模型基于单一超图结构,信息表达能力有限.本文提出超图结构扩张法,将异构超图的关联矩阵和权重矩阵拼接,融合更多的顶点... 详细信息

超图直推学习模型是机器学习领域研究热点.超图模型的性能取决于构造的超图结构及其Laplacian矩阵的质量.现有超图模型基于单一超图结构,信息表达能力有限.本文提出超图结构扩张法,将异构超图的关联矩阵和权重矩阵拼接,融合更多的顶点间全局高阶信息,增加Markov随机游走的扩散范围.但这会导致矩阵维度高,计算开销大.因此进一步提出多通道Laplacian矩阵融合法,用多个通道计算异构超图结构各自的Laplacian矩阵,再加权累加.在4个数据集上的实验表明,两种方法都能提高超图直推学习模型的分类性能,且Laplacian矩阵融合法比结构扩张法平均节约40%左右时间成本,F1指标最高提升8.4%.

关键词：超图直推学习超图结构扩张超图Laplacian矩阵多通道Laplacian矩阵融合

来源：评论

学校读者我要写书评

暂无评论

无人驾驶中的场景实时语义分割方法

引用

计算机辅助设计与图形学学报 2021年第7期33卷 1026-1037页

作者：秦飞巍沈希乐彭勇邵艳利袁文强计忠平白静杭州电子科技大学计算机学院杭州310018 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 北方民族大学计算机科学与工程学院银川750021

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分... 详细信息

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融合2路多尺度特征的特征融合模块,以及用于优化上下文语义路径输出结果的注意力精炼模块.该网络基于PyTorch框架实现,使用NVIDIA1080Ti显卡进行实验,在道路场景数据集Cityscapes上,mIoU达到78.8%,运行速度达到27.5帧/s.

关键词：无人驾驶实时语义分割残差单元注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于序列的蛋白质二面角预测研究综述

引用

计算机技术与发展 2023年第3期33卷 1-8页

作者：郑美丽朱琪张步忠安庆师范大学计算机与信息学院安徽安庆246013 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

蛋白质结构决定功能,蛋白质主链上N-C键和C-C键形成的二面角(φ,ψ)对蛋白质三维结构和空间构象起着重要作用。从蛋白质一级序列出发,预测骨架二面角可以加速对低能结构构象空间的有效采样,大大推进三维结构预测,可作为生物实验的有效... 详细信息

蛋白质结构决定功能,蛋白质主链上N-C键和C-C键形成的二面角(φ,ψ)对蛋白质三维结构和空间构象起着重要作用。从蛋白质一级序列出发,预测骨架二面角可以加速对低能结构构象空间的有效采样,大大推进三维结构预测,可作为生物实验的有效快速辅助手段。随着蛋白质生物样本数据增多和计算性能提升,近年来,深度学习方法广泛应用到蛋白质二面角预测。介绍了蛋白质残基的主要特征表示、计算方法对二面角预测处理、评价标准和常用数据集等;对近几年来的基于深度学习模型诸多研究工作进行系统归纳与整理,从网络结构设计、输入特征表示、模型泛化性能等方面进行总结,并对比分析各算法特点及存在的问题。在此基础上,对其未来研究发展方向与应用前景进行了展望。

关键词：骨架二面角机器学习深度学习序列表征蛋白质结构

来源：评论

学校读者我要写书评

暂无评论

具有窗口结构Bi⁃LSTM网络的心电图QRS波检测方法

引用

南京大学学报（自然科学版） 2021年第1期57卷 42-51页

作者：李一凡朱斐凌兴宏刘全苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州大学苏州215006

心电监测已经成为临床诊断和健康监测的重要手段.作为心电分析的基础,心电图QRS波的自动检测备受关注.但是,由于动态心电数据体量大、有噪声,目前很多方法在动态心电图QRS波的检测任务中往往表现不佳,在实际应用场景下实际准确率不到80%... 详细信息

心电监测已经成为临床诊断和健康监测的重要手段.作为心电分析的基础,心电图QRS波的自动检测备受关注.但是,由于动态心电数据体量大、有噪声,目前很多方法在动态心电图QRS波的检测任务中往往表现不佳,在实际应用场景下实际准确率不到80%.针对此问题提出具有窗口结构Bi⁃LSTM(Bidirectional Long Short⁃Term Memory)网络的心电图QRS波检测方法.通过增大采样窗口,在双向的LSTM结构中添加卷积层,给模型赋予了特征提取的能力,经过样本训练就能获得可以预测的模型.卷积Bi⁃LSTM模型可以自动学习和标注心电图中QRS波的位置,解决正样本稀疏和噪音干扰的问题.实验表明,具有窗口结构Bi⁃LSTM网络的心电图QRS波检测方法在适当增大取样窗口时,可以提高预测准确度并加快收敛速度.

关键词：心电图分割标注 QRS 波检测深度学习 Bi⁃LSTM 卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于空间和多层级联合编码的图像描述算法

引用

计算机科学 2022年第10期49卷 151-158页

作者：方仲俊张静李冬冬华东理工大学信息科学与工程学院上海200237 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215031

图像描述是图像理解领域的热点研究课题之一,它是结合计算机视觉和自然语言处理的跨媒体数据分析任务,通过理解图像内容并生成语义和语法都正确的句子来描述图像。现有的图像描述方法多采用编码器-解码器模型,该类方法在提取图像中的视... 详细信息

图像描述是图像理解领域的热点研究课题之一,它是结合计算机视觉和自然语言处理的跨媒体数据分析任务,通过理解图像内容并生成语义和语法都正确的句子来描述图像。现有的图像描述方法多采用编码器-解码器模型,该类方法在提取图像中的视觉对象特征时大多忽略了视觉对象之间的相对位置关系,但它对于正确描述图像的内容是非常重要的。基于此,提出了基于Transformer的空间和多层级联合编码的图像描述方法。为了更好地利用图像中所包含的对象的位置信息,提出了视觉对象的空间编码机制,将各个视觉对象独立的空间关系转换为视觉对象间的相对空间关系,以此来帮助模型识别各个视觉对象间的相对位置关系。同时,在视觉对象的编码阶段,顶部的编码特征保留了更多的贴合图像语义信息,但丢失了图像部分视觉信息,考虑到这一点,文中提出了多层级联合编码机制,通过整合各个浅层的编码层所包含的图像特征信息来完善顶部编码层所蕴含的语义的信息,从而获取到更丰富的贴合图像的语义信息的编码特征。文中在MSCOCO数据集上使用多种评估指标(BLEU,METEOR,ROUGE-L和CIDEr等)对提出的图像描述方法进行评估,并通过消融实验证明了提出的基于空间的编码机制以及多层级联合编码机制能够辅助产生更为准确有效的图像描述语句。对比实验结果表明,所提方法能够产生准确、有效的图像描述并优于大多数最新的算法。

关键词：图像描述 Transformer 空间编码机制多层级联合编码机制注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种加速时间差分算法收敛的方法

引用

自动化学报 2021年第7期47卷 1679-1688页

作者：何斌刘全张琳琳时圣苗陈红名闫岩苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

时间差分算法(Temporal difference methods,TD)是一类模型无关的强化学习算法.该算法拥有较低的方差和可以在线(On-line)学习的优点,得到了广泛的应用.但对于一种给定的TD算法,往往只能通过调整步长参数或其他超参数来加速收敛,这也就... 详细信息

时间差分算法(Temporal difference methods,TD)是一类模型无关的强化学习算法.该算法拥有较低的方差和可以在线(On-line)学习的优点,得到了广泛的应用.但对于一种给定的TD算法,往往只能通过调整步长参数或其他超参数来加速收敛,这也就造成了加速TD算法收敛的方法匮乏.针对此问题提出了一种利用蒙特卡洛算法(Monte Carlo methods,MC)来加速TD算法收敛的方法(Accelerate TD by MC,ATDMC).该方法不仅可以适用于绝大部分的TD算法,而且不需要改变在线学习的方式.为了证明方法的有效性,分别在同策略(On-policy)评估、异策略(Off-policy)评估和控制(Control)三个方面进行了实验.实验结果表明ATDMC方法可以有效地加速各类TD算法.

关键词：强化学习时间差分算法蒙特卡罗算法加速收敛

来源：评论

学校读者我要写书评

暂无评论

FASSD:基于特征扩展融合的SSD优化模型

引用

计算机时代 2023年第3期 28-30,35页

作者：孙楠苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室

SSD(Single Shot MultiBox Detector)是目标检测领域内重要的算法之一,在检测精度与速度上都取得了较好的结果。针对SSD单层感受野不足,特征分辨能力差的问题,提出了FASSD优化模型(SSD with Feature Fusion Atrous)。FASSD模型通过对特... 详细信息

SSD(Single Shot MultiBox Detector)是目标检测领域内重要的算法之一,在检测精度与速度上都取得了较好的结果。针对SSD单层感受野不足,特征分辨能力差的问题,提出了FASSD优化模型(SSD with Feature Fusion Atrous)。FASSD模型通过对特征金字塔与预测器的改造,使模型在扩展感受野的同时能更充分的学习特征金字塔所带来的多尺度特征。在PASCAL VOC数据集上,FASSD取得了82.5%的mAP,相比于原始SSD提高了7.6%。

关键词：机器视觉目标检测多尺度特征金字塔空洞卷积

来源：评论

学校读者我要写书评

暂无评论

医学图像深度学习技术:从卷积到图卷积的发展

引用

中国图象图形学报 2021年第9期26卷 2078-2093页

作者：唐朝生胡超超孙君顶司马海峰河南理工大学计算机科学与技术学院焦作454000 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧... 详细信息

以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积理论、方法和实践,包括图结构视角下医学图像的专业采集、数据结构的剪枝转换以及特征聚类重构方法;图卷积网络的理论溯源,重要的网络架构和发展脉络;图卷积网络的优化方向和衍生出的跳跃连接、inception、图注意力等重要机制;图卷积网络在医学图像分割、疾病检测和图像重建等方面的实践应用。最后,提出了图卷积网络在医学图像分析领域仍亟待突破的瓶颈问题:1)多模态医学图像学习中,异构图的构建与学习任务的优化;2)特征重构和池化过程中,如何通过构图算法设计与神经架构搜索算法结合,以实现最优图结构的可学习过程转换;3)高质量图结构医学标注数据的大规模低成本生成与生成对抗网络的算法设计。随着人工智能技术的不断发展和医学影像规模的不断扩大,以图卷积为代表的深度学习方法必将在医疗辅助诊断领域取得更大的突破。

关键词：医学图像深度学习图表示学习图神经网络(GNN) 图卷积网络(GCN)

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：