您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(110)

电子、通信与自动控制技术(12)

信息科学与系统科学(1) 显示更多>>

数学(1) 中医学与中药学(0) 临床医学(0) 交通运输工程(0) 体育科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

我的筛选 >
2003-2020 全部
为您找到包含“Convolutional neural network”的内容共124

朱睿,李朝锋

2015-11-11

卷积神经网络(Convolutional neural network)是当前图像处理领域的研究热点。本文提出了一种基于卷积神经网络的JPEG2000压缩图像质量评价方法。该模型由一层包含20个卷积

江南大学 物联网工程学院,江苏 无锡 214122,江南大学 物联网工程学院,江苏 无锡 214122

#计算机科学技术#

本文收录在计算机应用与软件,2017,34(1):175-179.

0评论(0 分享(0)

詹逸超,张洪刚

2019-12-26

神经网络(convolutional neural network,CNN)提取图像特征,并使用编码器-解码器结构的循环神经网络(recurrent neural network,RNN),将特征翻译

北京邮电大学信息与通信工程学院,北京  100876,北京邮电大学信息与通信工程学院,北京  100876

#计算机科学技术#

0评论(0 分享(0)

王康,陈振学

2016-06-24

图像识别在计算机视觉领域广泛应用。深度学习热潮兴起之后,卷积神经网络(Convolutional Neural Network, CNN)作为其中的一种典型模型,在图像识别上取得了良好的应用效果

国家自然科学基金(61203261和61273277

山东省自然科学基金(ZR2012FQ003

浙江大学CAD&CG国家重点实验室开放课题(A1514

山东大学控制科学与工程学院,济南 250061,山东大学控制科学与工程学院,济南 250061

#电子、通信与自动控制技术#

0评论(0 分享(0)

陈传俊

2017-02-08

情感倾向;随后从文本层面,引入CNN(Convolutional Neural Network,卷积神经网络)模型获取文本特征向量并得到电影短评的情感倾向。最后融合词汇和文本层面的情感倾向计算结果,生成

北京邮电大学网络与交换技术国家重点实验室,北京,100876

#计算机科学技术#

0评论(0 分享(0)

安恩莹,苏菲

2018-06-04

多个步骤,而利用卷积神经网络(Convolutional Neural Network,CNN)可简化相关过程。深度残差网络(Residual Network,ResNet)在卷积神经网络的基础上,加入

Chinese National Natural Science Foundation (61372169

北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876

#电子、通信与自动控制技术#

0评论(0 分享(0)

陈浩,别红霞

2015-11-10

卷积神经网络是目前机器学习领域的热点,其在图像识别领域有着广泛的应用。虽然卷积神经网络在各个方面都有不错的表现,但实际运用时不可避免会遇到卷积神经网络运算量过大,运算效率过低的问题。近几年GPU通用并行计算技术得到了飞速的发展,因为其计算核心的数量远远多于CPU,在高度并行的计算问题上,GPU的计算效率要远高于CPU。而最近英伟达公司在其GPU通用计算架构CUDA上推出了深度学习库CUDNN,该库为深度学习中常用的方法提供了接口,使得深度学习算法在GPU上的简易开发成为可能。本文借助CUDNN库,在GPU上实现了卷积神经网络,并测试了其相对于CPU的加速效果。

北京邮电大学信息与通信工程学院,北京邮电大学信息与通信工程学院

#计算机科学技术#

0评论(0 分享(0)

瞿晨非,张伟,樊承柱,王静,宫世杰

2015-08-27

为了更好地对无参考图像进行质量评估,我们提出一种新的基于无参考图像的学习立体图像局部结构信息的卷积神经网络(Convolutional Neural Network, CNN)。选取立体图像对中图像

山东大学自主创新基金项目(2013TB004

山东省优秀中青年科学家科研奖励基金(BS2013DX023

:国家自然科学基金项目(61203253

山东大学控制科学与工程学院,山东济南,250061,山东大学控制科学与工程学院,山东济南,250061,山东大学控制科学与工程学院,山东济南,250061,山东大学控制科学与工程学院,山东济南,250061,山东大学控制科学与工程学院,山东济南,250061

#电子、通信与自动控制技术#

0评论(0 分享(0)

汪枭杰,姚文斌

2019-03-29

卷积神经网络剪枝技术可以有效减少神经网络的内存占用和运行耗时,有利于神经网络在资源有限的设备上部署。剪枝研究中,如何衡量参数重要性是核心问题,参数重要性直接决定哪些参数被优先移除。本文提出一种基于注意力机制的卷积神经网络剪枝方法,该方法借助注意力模块,自适应地学习卷积网络中同层滤波器输出通道的权重,并以此计算滤波器重要性,在滤波器级别指导网络剪枝。实验结果表明,本方法在相同剪枝比例下可以获得更高的准确率,并且不依赖特定的底层运算库或硬件设备。

School of Computer Science, Beijing University of Posts and Telecommunications, Beijing,School of Computer Science, Beijing University of Posts and Telecommunications, Beijing

#计算机科学技术#

0评论(0 分享(0)

杨凯昕,刘天航,张鑫旺,王晶

2020-06-03

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。脑电信号中包含了大量的生理与疾病信息,常被用于脑机接口研究中风患者的康复治疗等,而解决这些问题的关键是如何提高脑电信号的识别精度。为此,本文提出一种端到端的双分支卷积神经网络对运动想象脑电信号进行特征提取和分类. 首先,利用双分支卷积神经网络自动提取原始脑电信号的多种特征;然后,使用残差模块进行特征的融合;最后,利用全连接网络层进行脑电信号的分类.实验在BCI竞赛III 4a数据集中取得了很好的效果,证明该模型可以有效地分类脑电信号且无需手动设计特征,具有较高的应用价值.

School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044 ,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044 ,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044 ,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044

#计算机科学技术#

0评论(0 分享(0)

杨旭东,周学成,张德军,曹聪

2019-01-25

药片缺陷检测是保证药品质量的重要手段。人工检测存在成本高、效率低、主观性强等问题,而基于模式识别的传统的机器视觉方法虽然相较于人工检测方法有了一定的提高,但仍存在过程复杂、检测精度低等问题。为了解决上述问题,使用基于卷积神经网络的药片表面缺陷检测方法。首先采用CCD工业相机和光电传感器自动采集药片图像,然后对药片图像进行预处理,去除药片图像的噪声,提高药片图像质量。最后,使用卷积神经网络检测药片是否合格,并进一步检测不合格药片的缺陷类型。实验结果表明,在药片表面缺陷检测准确率上,基于卷积神经网络的检测方法相较于传统机器视觉方法提高了近10%。

国家自然科学基金(31271609

华南农业大学工程学院,广东广州 510642,华南农业大学工程学院,广东广州 510642,华南农业大学工程学院,广东广州 510642,华南农业大学工程学院,广东广州 510642

#计算机科学技术#

本文收录在中国科技论文在线精品论文,2019,12(6):915-922.

0评论(0 分享(0)