分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-13
摘要： 作为一个十余年来快速发展的崭新领域,深度学习受到了越来越多研究者的关注,它在特征提取和建模上都有着相较于浅层模型显然的优势.深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛化能力.它克服了过去人工智能中被认为难以解决的一些问题。且随着训练数据集数量的显著增长以及芯片处理能力的剧增,它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然,因此也促进了人工智能的发展.深度学习是包含多级非线性变换的层级机器学习方法。首先论述了深度学习的基础知识，分析了算法的优越性，并介绍了主流学习算法及应用现状。最后总结了当前存在的问题及发展方向。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-09
摘要： 不良光照条件下的目标检测是一个重要的图像处理任务，目前的研究主要通过图像增强来减少图像噪声，同时改进网络结构和数据集来适应不良光照条件下的目标检测。然而，很少有人研究不良光照条件对目标检测的具体影响。因此在本文中，我们通过算法生成模拟不良光照条件的数据集，在不同的噪声条件下进行目标检测，统计检测结果，对影响进行研究。由于实验是在模拟数据中进行的，为了保证结果的准确性，我们利用实际场景的不良光照图像对结论进行了验证。
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2024-01-08
摘要： 随着传感器和网络技术的飞速发展，大量历史时间序列数据出现，高效准确地进行时间序列预测越来越重要。近年来，将深度学习的思想和技术运用到时间序列预测任务中的方法发展迅速，并取得了许多成果。本文分析了时间序列预测方法的国内外研究现状，论述了时间序列预测所涉及的相关理论，归纳总结了该任务所运用的传统方法、基于机器学习的方法和基于深度学习的方法，重点对比分析了基于深度学习的各方法的优缺点，并由此对基于深度学习的时间序列预测方法进行了展望。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-07
摘要： 本文对特征级数据融合算法进行了分类概述，分布从基于概率统计的融合算法、基于逻辑推理的融合算法、基于特征抽取的融合算法、基于搜索的融合算法和基于神经网络的融合算法做了归纳，并且对数据融合的未来研究方向进行了总结论述。
分类： 计算机科学 >> 自然语言理解与机器翻译 提交时间： 2024-01-07
摘要： 多层感知机（MLP）是一种前馈神经网络，通过在网络中加入一个或者更多个隐藏层，克服了线性模型的限制，打开了深度学习的大门。本文利用了多层感知机完成图像分类，在Fashion MNIST数据集上进行了探索，并尝试迁移到MNIST数据集中。在Fashion MNIST上我们进行特征预处理后，选择了不同的优化方法并进行比较，此外分别通过增加丢弃法和权重衰减法等正则化方法，实现了对多层感知机的优化、改进。通过实验表明，适当的特征处理能够提高模型的数值稳定性。动量法显著提高了模型效果，同时权重衰减等方法对提高模型的泛化效果起到了帮助。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2024-01-07
摘要： 由于人工神经网络具有高度非线性描述的特点，这个特点导致了他们被愈来愈广泛的研究和应用，在这些研究和应用当中主要的应用领域就是分类。分类实现的基础是特征分类，所以要进行分类就需要先提取样本的特征。在常见的卷积神经网络中，通常是由输入层、卷积层、池化层、激活层、全连接层，按照一定的次序连接而构成。卷积神经网络的输入层实现的是整个神经网络的输入，在本设计中，训练和推理的数据为30*30像素的单通道灰度图
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2024-01-07
摘要： 图像分类和识别在现代社会中具有重要意义。已经有许多优秀的卷积神经网络工作来优化图像分类的准确性，其中一位杰出的代表是ResNet 1 ，它大幅增加了神经网络的深度，从而极大地提高了神经网络的性能。与此同时，还有一些可插拔的性能优化子模块可以帮助优化所有网络，其中一个杰出的代表是SeNet 3 。然而，在面对现实世界中的复杂场景时，它们并不总是表现良好。本文的主要工作是研究如何有效提高卷积神经网络（ResNet）在一些特殊场景（小图片、高噪声图片）中的识别性能，并尝试分析一些神经网络的底层机制。
分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-07
摘要： 传统的电动机故障诊断技术通常基于单一类型的状态参数，如振动参数或电气参数等。然而，单一类型的电动机状态参数监测范围很多时候都是非常有限的，难以满足对电动机进行全面综合故障诊断的需求。本文的研究旨在通过融合振动数据和电流数据两种类型的参数，提出一种综合的电动机故障诊断方法，以提高诊断的可靠性和准确性。并在数据融合的基础上考虑到在实际工业和生产环境中，获取大规模标记样本的成本往往较高，甚至不可行。因此，对神经网络进行进一步的学习与改进，提出基于RNN和注意力机制的小样本故障诊断网络。本文利用电动机故障特征提取方法，研究电动机在不同故障下的振动及电流信号特征，所采用的故障特征提取方法包括：快速傅里叶变换 (FFT)和希尔伯特-黄变换。根据本文的实际数据融合需求，设计数据融合整体实施方案，依次利用快速傅里叶变换（FFT）、希尔伯特-黄变换（HHT）以及卷积神经网络(CNN)串联多层感知机(MLP)等方法提取故障特征，融合电动机的振动及电流参数，对电动机进行综合故障识别与故障诊断。结果表明，采用数据融合方法的电动机故障诊断技术能够提高诊断结果的准确性，减少由于单一参数造成的不确定性，从而提高电动机故障诊断的准确性。设计的小样本故障诊断网络用于识别小样本下设备的健康状态，其中注意力机制捕捉信号的空间和通道关系，利用单一实验样本验证本文使用的网络在不同的小样本工作条件下具有诊断效率和准确率优势
分类： 计算机科学 >> 自然语言理解与机器翻译 提交时间： 2024-01-07
摘要： 该中文命名实体识别项目的目标主要包括以下两个方面。首先是实现高精度的中文命名实体识别，通过对中文文本进行深度学习，提高中文实体识别的准确率，减少误识别和漏识别的现象。其次是实现标准化流程建立，形成一套标准化的中文命名实体识别流程，包括数据预处理、模型训练、实体识别等，为后续研究提供基础。代码提交在了GitHub，网址为https://github.com/Blue88888/DL_CNER。
分类： 电子与通信技术 >> 通信技术 提交时间： 2024-01-07
摘要： 网络（特别是虚拟专用网络）的配置验证是一项复杂的任务，在生产环境的每次更新之前都需要进行，以便网络提供商可以确保其客户的网络可用性。本文探讨了一种基于图神经网络（GNN）的方法，用于检测和定位IP虚拟专用网络（VPN）中的配置错误。研究着重于两种GNN模型，一种专注于客户和提供商边缘路由器之间的路由配置错误，另一种专注于不同提供商边缘路由器之间的VPN路由错误。其目标是提供一种工具，简化验证端到端VPN配置的过程。在研究中，使用了平衡的数据集来训练这两个模型，这个数据集包含了从基于IMSNetworks部署的VPN中提取的标记配置的示例。结果显示，这两个模型在处理不同规模的VPN（从3到40个站点）和两种类型的架构（全网状和中心辐射型）时都表现出很高的准确性。这种方法的优势在于通过图神经网络可以捕捉网络拓扑和配置之间的复杂关系，从而更有效地检测配置错误。通过使用这种技术，网络提供商可以在每次更新之前对网络配置进行验证，以确保其客户的网络可用性。
分类： 电子与通信技术 >> 信息处理技术 提交时间： 2024-01-07
摘要： 近年来，随着深度学习技术的迅速发展，基于卷积神经网络（CNN）的图像识别在各个领域取得了显著的成就。在植物学领域，花卉种类的识别是一个重要的研究方向，对于生态学、农业以及环境监测等诸多方面具有重要意义。本研究旨在探索并优化ResNet（深度残差网络）在花卉种类识别任务中的应用。首先，文章对ResNet网络的结构进行了深入分析，理解了其引入残差学习的机制，以及如何有效地应对深层网络训练中的梯度消失和爆炸问题。通过在花卉图像数据集上的实验，验证了ResNet在处理复杂多类别花卉图像识别任务上的卓越性能。在数据预处理阶段，文章采用了数据增强技术，包括裁剪和翻转等，以扩充训练数据集，提高模型的泛化能力，同时对花卉图像进行了标准化处理，以适应ResNet网络对输入数据的要求。实验结果表明，相较于传统的神经网络模型，采用ResNet网络的花卉种类识别模型在准确率和收敛速度上均有显著提升。此外，通过深度分析模型在不同花卉类别上的表现，发现ResNet网络在处理具有层次结构和复杂形态的花卉图像时表现更为出色。本文提出的模型不仅在整体上取得了优异的性能，还在对特定花卉类别的识别上具备较高的准确性。在进一步的研究中，我们考虑通过迁移学习进一步提升模型的泛化能力，特别是在面对小样本花卉数据集时。同时将探索模型的实时性能，以适应现实场景中对花卉种类快速准确识别的需求。本研究通过对ResNet网络在花卉种类识别任务中的优势和应用进行全面而深入的分析，为深度学习在植物学领域的应用提供了有益的参考和借鉴。研究成果不仅对花卉识别技术的改进具有一定的理论价值，同时也在实际应用中具备广泛的推广潜力。
分类： 计算机科学 >> 计算机软件 提交时间： 2024-01-07
摘要： 本文基于图神经网络，提出了一种用于工业过程控制回路故障诊断的方法。通过对回路传感器输出信号的监测，图神经网络能够捕捉到回路中的异常行为，并自动诊断回路故障类型。实验结果表明，该方法能够高效地检测到回路故障，并且能够在单故障和多故障情况下都实现较高的准确率。该方法为工业过程控制提供了可靠的故障诊断方案，在实际工业应用中具有重要的意义和应用价值。
分类： 计算机科学 >> 自然语言理解与机器翻译 提交时间： 2024-01-07
摘要： 针对目前中文命名实体识别研究中存在的语义特征提取不充分、不全面等问题，Transformers(BERT)在各种相关 NLP 任务中显示出惊人的改进，并且已经提出了连续的变体来进一步提高预训练语言模型的性能。在本文中，我们的目标是重新审视中文预训练语言模型，以检验它们在非英语语言中的有效性。本文基于 RoBERT 模型进行微调，实验结果表明，在许多 NLP 任务上表现良好。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-06
摘要： 本报告探究了SGT模型在磁探领域的应用，特别关注了其在MGT、SNR0和SNR5数据集上的性能表现。实验结果揭示了SGT模型在处理这些数据集时存在虚警率过高和预测偏差较大等问题。为解决模型的预测能力和泛化能力不足的问题，我们设计了一系列改进实验，着重从调参、优化特征提取方式和修改连续性判断三个方面入手。在这三种改进方法中，调参取得了约0.5%的性能提升，特征提取优化和正交基判断的方法反而预测效果降低了20%。通过代码审查和逻辑推理，我们发现问题源于特征提取与模型不兼容。为适应正交基算法，我们提出一种改进思路：引入多种不同类型的特征，包括时域特征、频域特征和统计特征等，并综合利用这些特征信息，构建更为复杂而全面的SGT模型。此外，引入stacking模块，将基于不同特征的单一模型的预测结果作为输入，通过进一步的学习和综合，生成更准确的预测。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-06
摘要： 长期以来，空间场景分类一直是地理信息科学领域的一个突出研究领域。在过去传统方法主要依赖于基于图像特征的检索方法。然而，随着深度学习和人工智能领域的迅速发展，对复杂空间场景的高效分类日益重要。本文提出了一种新颖的框架，该框架将目标检测与知识图谱相结合，自动完成空间场景分类。首先使用目标检测技术对输入图像进行处理以识别场景中的关键实体。随后，利用包含各种空间场景、实体及其关系的知识图谱来识别空间场景分类。为了验证该框架的有效性，我们使用八个空间场景类别进行了实验。实验结果表明，得到的分类结果与真实空间类型较为一致，验证了框架的有效性，展现了空间场景分类的潜在应用价值。
分类： 信息科学与系统科学 >> 信息科学与系统科学基础学科 提交时间： 2024-01-06
摘要： 近年来工业过程向过程复杂化、规模大型化的方向发展，传统的故障诊断技术已在解决实际工业过程问题时，遇到了一系列难题。随着深度学习(deep learning)在特征提取与模式识别上的优异性能和独特潜力，深度学习技术被用于故障诊断已经成为当前研究的重点。为此本文介绍了几种典型的基于深度学习的故障诊断方法。最后对于深度学习在故障诊断应用中存在的障碍进行了探讨，并对展望了未来的相关研究方向。
分类： 信息科学与系统科学 >> 控制科学与技术 提交时间： 2024-01-06
摘要： 人工智能的核心课题之一是神经网络与深度学习，它们模仿人脑的工作原理，通过多层次的神经元连接来从数据中挖掘有价值的知识和规律。神经网络的研究始于上世纪四十年代，经过几次起伏和革新，目前已经涵盖了多个种类和领域，如卷积神经网络、循环神经网络、语音识别、计算机视觉和自然语言处理等。深度学习是指利用多层神经网络来处理复杂的非线性问题，它依赖于海量的数据和计算资源，以及高效的训练和优化技术。深度学习在近几年取得了令人惊叹的进展，但也存在着一些难题和挑战，如模型解释性、泛化能力、安全性和可靠性等。深度学习仍是一个充满活力和前景的研究领域，有望为人类的智能和生活开辟更多的机会和可能。本文将从神经网络到深度学习来简要介绍一下部分类型的神经网络结构以及部分深度学习的模型结构。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-06
摘要： 扩散模型是一种强大的生成模型，能够在图像、文本和音频等多个领域内产生高质量的结果。本综述旨在汇总和分析应用于视觉领域的扩散生成模型的最新研究进展，包括该领域的理论和实践贡献。本文首先探讨了去噪扩散概率模型、基于分数的扩散生成模型和随机微分方程的扩散生成模型这三种主流模型的特点和原理，并分析了旨在优化模型内部算法和提高采样效率的相关衍生模型。其次，综合评述了扩散模型在当前的应用情况，包括在计算机视觉、自然语言处理、时间序列分析、多模态研究以及跨学科等多个领域的实际应用。最后，基于当前的研究趋势和挑战，对扩散模型未来的发展方向进行了展望，以期为该领域的研究提供指导和启发。本文旨在为研究人员提供一个关于扩散模型研究和应用的全面视图，强调其在人工智能生成内容（AIGC）领域的重要地位和未来潜力。
分类： 计算机科学 >> 计算机应用技术 分类： 医学、药学 >> 临床医学 提交时间： 2024-01-06
摘要： 垂体微腺瘤通常难以通过平扫核磁共振成像的方式来检测，且误诊的风险较高、病例较少，这使得垂体微腺瘤的检测分割与分类诊断工作难度较大。基于上述问题，本文提出了一种基于动态增强序列的计算机辅助诊断系统DCEPM-CAD。在提取动态增强MR序列时序信息的同时对其中主干网络HRNetv2添加注意力模块进行改进。为了避免因垂体微腺瘤在图像中占据像素过少而无法提取其相关特征的问题，本文还引入TecoGAN图像超分辨率方法来对垂体区域图像进行超分辨率重建。在275名符合研究条件者的共862张MR图像数据集中，DCEPM-CAD针对垂体微腺瘤的诊断准确率达到77%，同时在垂体、垂体微腺瘤的分割方面取得了显著的效果，Dice相似性系数分别达到92.16和72.54。
分类： 信息科学与系统科学 >> 信息科学与系统科学基础学科 提交时间： 2024-01-06
摘要： 虽然目前的基于单幅图像的三维人脸重建方法可以恢复精细的几何细节，但是这些方法具有局限性。某些方法生成的人脸无法真实地设置动画，因为它们没有对皱纹如何随表情变化进行建模。其他方法是在高质量的面部扫描上训练的，并且不能很好地推广到自然场景的图像。报告中使用的方法，能回归三维人脸形状和动画的细节，这些细节是特定于个人的但能随着表情的变化。该方法的模型经过训练，可以从由特定于人的细节参数和通用表情参数组成的低维潜在表示中鲁棒地生成UV位移图，而回归量则经过训练，可以从单个图像中预测细节，形状，表情，姿势和照明参数。为了实现这一点，该方法引入了一种新的细节一致性损失，从依赖于表情的皱纹中分离出特定于人的细节。这种解缠使得能够通过控制表情参数，同时保持个人特定细节不变，来合成逼真的个人特定皱纹。该方法是从自然场景得图像中学习的，没有配对的三维数据监督。
点击量
待评议
点击量
下载量
评论
