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(176)

电子、通信与自动控制技术(24)

机械工程(4) 显示更多>>

信息科学与系统科学(3) 工程与技术科学基础学科(2) 临床医学(1) 图书馆、情报与文献学(1) 地球科学(1) 基础医学(1) 教育学(1) 管理学(1) 中医学与中药学(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) 土木建筑工程(0) 天文学(0) 安全科学技术(0) 心理学(0) 数学(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) 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“Deep learning”的内容共215

王蕾,张宝昌

2014-08-15

深度学习作为机器学习领域的新兴技术,给人工智能及相关领域带来了生机与活力。首先,本文对深度学习的重要性、概念及特点进行了详细阐释,说明深度学习的价值及意义所在,然后对深度学习目前较成熟的两个典型模型:卷积神经网络、自动编码器进行了详细综述,并对其最新研究进展应用进行了概括,接着对深度学习中比较有潜力及实际意义的两个模型进行了介绍:多层核函数机(MKMs)及深度时空推理网模型(DeSTIN),为深度学习模型的发展方向注入新鲜力量,最后对深度学习模型的发展方向进行了总结。

北京航空航天大学自动化科学与电气工程学院,机器感知实验室,北京,100191,意大利理工学院模式分析与计算机视觉,意大利,16163

#电子、通信与自动控制技术#

本文收录在中国科技论文在线精品论文,2015,8(6):510-517.

0评论(0 分享(0)

马倩华,李晖

2020-01-03

深度学习方法能自动提取软件源代码的一些语法语义特征进行漏洞预测,已有一些研究证实了其有效性,但该领域还没有统一的指导原则,本文对深度学习与漏洞预测的相互适应性进行了探讨,总结出了构建基于深度学习的漏洞预测系统可以参考的指导原则,然后基于这些原则,分析构建系统所需的关键模块,并将该领域适用的系统简化归类为两种框架,结合对前人的工作的总结分析,给出如何组织这些模块以构建完整的系统。

北京邮电大学 网络空间安全学院,北京 100876 ,北京邮电大学 网络空间安全学院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

陈东浩,张洪刚

2016-11-01

互联网和电子商务的高速发展给计算机视觉带来了新的应用场景,服装是电商平台交易中的第一大类目。本文将深度学习特征提取应用到视频走秀场景下的服装匹配,分别提取浅层图像特征与深度网络特征进行对比分析,浅层特征中对hog特征做出了扩展,提出了hog+颜色直方图的新方式,进而进行自动化匹配推荐。实验表明,级联的浅层特征与深度网络特征都比单一浅层特征有更好的准确率,且深度网络特征的效果最佳,其在测试视频中平均准确率达到68.8%。?

北京邮电大学模式识别与智能系统实验室,北京邮电大学模式识别与智能系统实验室

#计算机科学技术#

0评论(0 分享(0)

董士琪,刘建毅

2019-01-04

隐写术和隐写分析是信息安全领域中的一个重要分支——信息隐藏的主要内容,二者在对抗中不断发展进步。近年来已经有大量的工作将深度学习引用到了隐写分析中,性能已经超过了传统隐写分析算法。这表明,深度学习在信息隐藏领域有着很大的潜力。另外有一些工作实现了基于深度学习的隐写算法,能够自适应地将秘密信息嵌入到载体图像中,但它们在不可见性方面还存在着一些问题。本文针对这些问题提出了一种新的基于深度学习的隐写模型。该模型将一张灰度图嵌入到一张等尺寸的彩色图像中,并能够成功地恢复出秘密图像,且不可见性得到了明显提升。本文针对隐写任务的特点提出了一个新的复合损失函数,该函数能够加快模型的训练。实验表明,本文提出的模型在LFW和Pascal VOC12两个数据集上均有很好的表现。

国家自然科学基金(U1636112

北京邮电大学网络空间安全学院,北京 100876,北京邮电大学网络空间安全学院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

武星

2016-05-26

医学图像分割是图像分割的一个重要领域,它在图像中自动分割出感兴趣的区域方面扮演着及其重要的角色。由于人体的器官组织是可发生形变的,而且影像上相邻灰度差别也很小,这些因素加大了图像分割的难度。因此,将感兴趣的区域准确的分割出来,需要对特征提取提出更高的要求。深度学习因其具有多隐层,能够自动学习有用的特征的特性,在特征的提取以及最终的分割结果在实际应用中效果很好。本文先简述了医学图像分割的重要性,以及深度学习的发展历程,再详细概述了深度学习的方法以及在医学图像分割中的应用。

上海市教育委员会科研创新项目(14YZ024

高等学校博士学科点专项科研基金(20123108120027

上海大学计算机工程与科学学院

#计算机科学技术#

2评论(0 分享(0)

赵志勇,王峰,李元香

2014-02-24

股票市场在整个金融市场中起着很重要的作用。而股票价格波动的预测是最具有吸引力并且有意义的研究问题之一。股票价格预测的关键问题是如何设计一个方法可以提高预测的精度。已有的一些研究指出,传统的一些机器学习的方法都使用浅层的结构,如单隐层的神经网络和支持向量机。对于有限数量的样本和计算单元,浅层结构难以有效地表示复杂的函数,并且对于复杂分类问题表现性能及泛化能力均有明显的不足,尤其当目标函数具有丰富的含义。深度学习可以通过学习一种浅层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,并体现了它对于输入样本数据的强大的本质特征的抽取能力。为了测试深度学习在股票价格预测问题上的性能,我们用港交所(HKEx)2001年的交易数据作为测试。实验结果表明,基于深度学习算法进行股票价格预测模型可以有较好的样本本质特征的抽取能力,能够反映样本的本质特征,并取得比较好的预测结果。

教育部博士点基金(20100141120046

国家自然科学基金(61103125

武汉大学软件工程国家重点实验室,武汉 430072,武汉大学软件工程国家重点实验室,武汉 430072,武汉大学软件工程国家重点实验室,武汉 430072

#计算机科学技术#

0评论(0 分享(0)

李铮,宋红

2017-05-31

如何提取具有代表性的图像特征并将其应用于图像检索,成为当前的研究热点之一。通过对图像信息的学习,卷积神经网络能有效提取丰富的图像特征,显著提高了各种图像处理任务的性能。本文设计并实现了基于深度学习的图像推荐系统。首先,通过深度学习框架Caffe提取图像的高维特征向量;然后运用局部敏感哈希算法思想在深度学习网络中将高维特征向量压缩为二进制哈希码,在MySQL数据库中存储高维特征向量和二进制码,并建立二进制码的索引;最后,系统在CIFAR-10数据集上进行了测试,实验结果表明本系统要优于基于KSH、CNNH、CNNH+、LSH等哈希算法的推荐系统。

北京理工大学软件学院,北京,100081,北京理工大学软件学院,北京,100081

#计算机科学技术#

0评论(0 分享(1)

朱蓉蓉,刘畅

2020-01-22

大规模多输入多输出检测技术(massive multipleinputand multipleoutput, massiveMIMO)是频谱感知中一个研究热点,也是现代无线通信系统中的关键技术。目前检测方法多使用基于规则的启发式算法,无法对信道信息进行建模,本文将深度学习应用于大规模多输入多输出系统中的信号检测。由于现有的检测算法或是算法复杂度较高,无法在实际系统中应用,或者是性能不能达到最优,无法满足现代无线通信系统如5G对频谱效率的需求。因此,本文提出一种基于深度学习的大规模MIMO检测算法,即优化的稀疏性连接网络(OptimizedSparsely Connected Network,O-ScNet)。与现有的深度学习算法相比,该算法优化了输入特征和损失函数。实验结论证明,O-ScNet算法可以更快地收敛,达到更好的实验效果。

School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876,School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876

#电子、通信与自动控制技术#

0评论(0 分享(0)

张建华,刘刚

2014-12-31

随着科技的发展,语音识别作为人机交互的重要接口,已经被广泛研究,很多商用系统也取得了巨大的成功。互联网信息呈指数增长的今天,如何利用这些数据更好及更快的为人类服务已经成为研究的热点,海量的语音数据的分析识别更是研究的重中之重。近年来深度学习模型的广泛发展和计算能力的大幅提升对语音识别技术的提升起到了关键作用。本文立足于语音识别与深度学习理论紧密结合,针对如何利用深度学习模型搭建区分能力更强鲁棒性更强的声学模型的问题,分别采用了深度神经网络和卷积神经网络与隐马尔科夫模型联合训练声学模型,通过GMM-HMM、DNN-HMM、CNN-HMM模型的对比,得出DNN-HMM和CNN-HMM模型在音素错误率上有12.77%和15.01%的降低。?????

北京邮电大学自动化学院, 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)

郭豪,孙岩

2019-03-04

随着深度学习的进一步发展,该项技术也日益改善着人类的生活方式。在空气质量预测方面,可观测的数据量呈现几何倍数的大幅增长,传统的时间预测方法已不堪众任,在本文中,根据空气质量数据与气象数据来预测每个监测站未来48小时的空气质量,利用了深度学习的方法对空气质量预测问题进行研究与实现,考虑到空气污染物的空间相关性,将空间稀疏空气质量数据转换为一致输入,以模拟污染源,以此基于LSTM网络与GRU网络提出了空域数据与时域数据相结合的预测方法,消弱了地域因素对空气质量预测带来的误差,提升了预测的准确精度。

Computer Science School, Beijing University of Posts and Telecommunications, Beijing 100876,Computer Science School, Beijing University of Posts and Telecommunications, Beijing 100876

#计算机科学技术#

0评论(0 分享(0)