国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 12685 条结果

基于多标签神经网络的行人属性识别CSTPCD
作者：陈桂安王笑梅刘鸿程
发表期刊：计算技术与自动化 2020年1期
关键词：多标签分类神经网络行人属性深度学习
摘要：在多标签行人属性识别的问题中,为了充分利用标签之间的相关性,解决传统方法识别准确率低和效率慢的问题,提出了一个多标签卷积神经网络.该网络在一个统一的网络框架下识别行人多个属性.把行人的多个属性看作是一个序列,然后构建了一个时序分类模型.提出的方法不仅避免了复杂的多输入MLCNN网络,也不需要多次训练单标签分类模型.实验结果表明,本文方法准确率均优于SIFT+SVM和多输入的MLCNN模型,平均准确率达到了90.41％.
基于3D卷积神经网络的IR-BCI脑电视频解码研究
作者：官金安汪鹭汐赵瑞娟李东阁吴欢
发表期刊：中南民族大学学报（自然科学版） 2019年4期
关键词：脑-机接口深度学习模拟阅读脑电视频3D卷积神经网络
摘要：采用3D卷积神经网络模型,对脑电信号进行解码研究,旨在挖掘其深层的特征表达,以提高脑-机接口系统的性能.实验在获取"模拟阅读"脑-机接口系统的多维脑电信号后,将原始的通道特征构建成"脑电视频"的格式.其构造方法为:将通道按实际空间排布为二维矩阵,这样某时刻的多通道采样点在空间上形成一个"视频帧",这些空间信息在连续时间帧上的堆叠,形成"脑电视频".这种自然表达信息的方法,不仅包含大脑的空间分布信息,还反映了时间信息的关联,丰富了数据所…查看全部>>
大规模MIMO组网场景中的网络时延预测北大核心CSTPCD
作者：朱军臧守涛李剑李汐叶国骏
发表期刊：安徽大学学报（自然科学版） 2020年2期
关键词：5G网络规划与优化射线追踪模型深度学习时延预测
摘要：针对5G网络规划与优化存在的问题,提出一种融合系统仿真和深度神经网络模型的网络时延预测方法.基于射线追踪模型、高清地图、工程参数等构建时延仿真模型,利用时延仿真模型获取大量时延数据.基于无线通信理论提出三视图特征模型,此模型用于输入特征提取.通过深度神经网络学习时延数据特征,训练神经网络模型,利用神经网络模型预测网络时延.实验结果表明该方法具有可行性和有效性.
基于ACGAN的功率变换器参数性故障诊断方法CSTPCD
作者：傅宏辉王友仁孙灿飞孙权
发表期刊：机械制造与自动化 2019年6期
关键词：故障诊断对抗学习机制功率变换器深度学习ACGAN样本生成
摘要：提出了一种基于辅助分类生成对抗网络的功率变换器参数性故障智能诊断方法.首先采集功率变换器的测点电压与支路电流信号,提取信号的时域特征,构成故障特征向量.采用对抗学习机制训练生成器和判别器,由ACGAN中生成器构造与真实故障特征分布近似的伪数据,从而将伪数据与真实数据同时用于训练判别器,判别器通过判别真伪数据来训练生成器.以Buck变换器为例,验证了所提出的故障诊断方法的可行性,结果表明ACGAN故障诊断方法相对于传统神经网络具有…查看全部>>
基于AT-LSTM的弹幕评论情感分析
作者：庄须强刘方爱
发表期刊：数字技术与应用 2018年2期
关键词：深度学习弹幕评论情感分析AT-LSTM
摘要：弹幕评论能更准确、具体地反映出用户在观看视频时的即时情感和褒贬评价,因此本文提出了一种基于注意力机制的LSTM(AT-LSTM)情感分析模型.首先基于注意力机制更好的挖掘出整个弹幕评论中的情感关键词;然后利用LSTM模型有效结合视频中前后弹幕评论的情感依赖关系,最终提取出基于主题的"高光"视频片段.实验结果表明所提方法的准确度比传统LDA和LSTM方法有了进一步的提高.该模型可以帮助用户更准确的获取网络视频弹幕数据中包含的情感信息,进…查看全部>>
基于改进型AlexNet的LPI雷达信号识别CSTPCD
作者：杨洁张欢
发表期刊：现代电子技术 2020年5期
关键词：LPI雷达信号Choi-Williams分布时频图像图像处理深度学习AlexNet
摘要：为了识别低截获概率(LPI)雷达信号,给出一种基于Choi-Williams分布(CWD)和改进型AlexNet网络模型.首先,利用CWD时频分析方法获得LPI雷达信号的二维时频图像;然后,对获取的原始图像进行预处理,建立改进型AlexNet网络模型对处理后的图像进行训练,获得训练模型;最后,利用训练模型对常见LPI雷达信号(FMCW,Costas,Frank,P1,P2,P3,P4)进行识别.仿真结果表明,与AlexNet网络模型相…查看全部>>
基于深度学习的Android恶意软件检测系统的设计和实现CSTPCD
作者：王涛李剑
发表期刊：信息安全研究 2018年2期
关键词：Android安全深度学习恶意软件神经网络恶意软件检测
摘要：为了提高Android恶意软件检测的准确率和有效性,提出了一种新的基于深度学习的Android恶意软件检测系统:SDADLDroid.该系统中使用的安全相关特征分别由静态特征和动态特征组成.经过特征选择算法,将深度学习多层降噪自动编码机,用于最终的分类.在本次实验中,使用了8 000个良性应用软件和7 000个恶意软件组成的数据集,该系统通过对现实中15 000个应用构建了一个3层的SDA神经网络,该系统的检测准确率高达95.8％.实…查看全部>>
基于深度学习的实验设备识别系统开发设计
作者：黄济川杨雨秋廖磊
发表期刊：工业技术创新 2020年3期
关键词：深度学习实验设备识别系统Android客户端服务器端TCP/IP网络传输协议残差网络改进的YOLO网络模型
摘要：为了让使用者科学规范使用实验设备、教学者提高实验室教学效率,提出了基于深度学习的实验设备识别系统,系统搭载Android平台环境,使用者通过拍照或本地相册选取实验设备图像.Android客户端采集图像并裁剪,使用TCP/IP网络传输协议将图像发送至服务器端;服务器端使用残差网络和改进的YOLO网络模型对图像进行检测,并在数据库中查找图像特征值对应的实验设备;数据库将识别结果和设备使用方法、注意事项等反馈至Android客户端.测试表明…查看全部>>
基于深度学习的领域本体构建研究 ——以汽车领域为例北大核心CHSSCDCSSCICSTPCD
作者：陈晓燕贾珊何有世
发表期刊：情报杂志 2020年1期
关键词：领域本体深度学习深度神经网络BIRCH算法
摘要：[目的/意义]结合深度学习技术和领域本体研究,提出了基于深度学习的领域本体构建方法,从概念抽取、层级关系构建、属性抽取三个模块,结合人工干预搭建起本体架构.[方法/过程]利用深度神经网络实现领域本体概念识别,以BIRCH聚类算法划分本体层级关系,采用卷积神经网络结合远程监督抽取实体关系模型,来抽取领域本体属性.[结果/结论]以汽车领域评论语料为数据源,搭建起汽车领域本体架构,为领域本体构建提供了一种新思路.
集成学习在短文本分类中的应用研究北大核心CSTPCD
作者：王国薇黄浩周刚胡英
发表期刊：现代电子技术 2019年24期
关键词：短文本分类机器学习深度学习集成学习BaggingStacking
摘要：为了进一步提高基于深度神经网络短文本分类性能,提出将集成学习方法应用于5种不同的神经网络文本分类器,即卷积神经网络、双向长短时记忆网络、卷积循环神经网络、循环卷积神经网络、分层注意力机制神经网络,分别对两种集成学习方法(Bagging,Stacking)进行了测试.实验结果表明:将多个神经网络短文本分类器进行集成的分类性能要优于单一文本分类模型;进一步两两集成的实验验证了单个模型对短文本分类性能的贡献率.

12 3 4 5 6 >