期刊文献+
共找到10,389篇文章
< 1 2 250 >
每页显示 20 50 100
Review of Anomaly Detection Systems in Industrial Control Systems Using Deep Feature Learning Approach 认领
1
作者 Raogo Kabore Adlès Kouassi +3 位作者 Rodrigue N’goran Olivier Asseu Yvon Kermarrec Philippe Lenca 《工程(英文)(1947-3931)》 2021年第1期30-44,共15页
Industrial Control Systems (ICS) or SCADA networks are increasingly targeted by cyber-attacks as their architectures shifted from proprietary hardware, software and protocols to standard and open sources ones. Further... Industrial Control Systems (ICS) or SCADA networks are increasingly targeted by cyber-attacks as their architectures shifted from proprietary hardware, software and protocols to standard and open sources ones. Furthermore, these systems which used to be isolated are now interconnected to corporate networks and to the Internet. Among the countermeasures to mitigate the threats, anomaly detection systems play an important role as they can help detect even unknown attacks. Deep learning which has gained a great attention in the last few years due to excellent results in image, video and natural language processing is being used for anomaly detection in information security, particularly in SCADA networks. The salient features of the data from SCADA networks are learnt as hierarchical representation using deep architectures, and those learnt features are used to classify the data into normal or anomalous ones. This article is a review of various architectures such as Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Stacked Autoencoder (SAE), Long Short Term Memory (LSTM), or a combination of those architectures, for anomaly detection purpose in SCADA networks. 展开更多
关键词 ICS SCADA Unsupervised Feature Learning Deep Learning Anomaly Detection
在线阅读 免费下载
高分辨率遥感影像解译中的机器学习范式 认领
2
作者 周培诚 程塨 +1 位作者 姚西文 韩军伟 《遥感学报》 EI CSCD 北大核心 2021年第1期182-197,共16页
高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值。传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低。所以,如何自... 高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值。传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低。所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题。近年来,随着人工智能技术的飞速发展,采用机器学习方法实现高分辨率遥感影像解译已成为主流的研究方向。本文结合高分辨率遥感影像解译的典型任务,如目标检测、场景分类、语义分割、高光谱图像分类等,系统综述了5种代表性的机器学习范式。具体来说,本文分别介绍了不同机器学习范式的定义、常用方法以及代表性应用,包括全监督学习(如支持向量机、K-最近邻、决策树、随机森林、概率图模型)、半监督学习(如纯半监督学习、直推学习、主动学习)、弱监督学习(如多示例学习)、无监督学习(如聚类、主成分分析、稀疏表达)和深度学习(如堆栈自编码机、深度信念网络、卷积神经网络、生成对抗网络)。其次,深入分析五种机器学习范式的优缺点,并总结了它们在遥感影像解译中的典型应用。最后,展望了高分辨率遥感影像解译的机器学习发展方向,如小样本学习、无监督深度学习、强化学习等。 展开更多
关键词 遥感影像解译 机器学习范式 深度学习 弱监督学习 小样本学习 强化学习
深度强化学习在智能制造中的应用展望综述 认领
3
作者 孔松涛 刘池池 +2 位作者 史勇 谢义 王堃 《计算机工程与应用》 CSCD 北大核心 2021年第2期49-59,共11页
深度强化学习作为机器学习发展的最新成果,已经在很多应用领域崭露头角。关于深度强化学习的算法研究和应用研究,产生了很多经典的算法和典型应用领域。深度强化学习应用在智能制造中,能在复杂环境中实现高水平控制。对深度强化学习的... 深度强化学习作为机器学习发展的最新成果,已经在很多应用领域崭露头角。关于深度强化学习的算法研究和应用研究,产生了很多经典的算法和典型应用领域。深度强化学习应用在智能制造中,能在复杂环境中实现高水平控制。对深度强化学习的研究进行概述,对深度强化学习基本原理进行介绍,包括深度学习和强化学习。介绍深度强化学习算法应用的理论方法,在此基础对深度强化学习的算法进行了分类介绍,分别介绍了基于值函数和基于策略梯度的强化学习算法,列举了这两类算法的主要发展成果,以及其他相关研究成果。对深度强化学习在智能制造的典型应用进行分类分析。对深度强化学习存在的问题和未来发展方向进行了讨论。 展开更多
关键词 人工智能 深度强化学习 深度学习 强化学习 智能控制 智能制造
在线阅读 下载PDF
深度域适应综述:一般情况与复杂情况 认领
4
作者 范苍宁 刘鹏 +2 位作者 肖婷 赵巍 唐降龙 《自动化学报》 EI CAS CSCD 北大核心 2021年第3期515-548,共34页
信息时代产生的大量数据使机器学习技术成功地应用于许多领域.大多数机器学习技术需要满足训练集与测试集独立同分布的假设,但在实际应用中这个假设很难满足.域适应是一种在训练集和测试集不满足独立同分布条件下的机器学习技术.一般情... 信息时代产生的大量数据使机器学习技术成功地应用于许多领域.大多数机器学习技术需要满足训练集与测试集独立同分布的假设,但在实际应用中这个假设很难满足.域适应是一种在训练集和测试集不满足独立同分布条件下的机器学习技术.一般情况下的域适应只适用于源域目标域特征空间与标签空间都相同的情况,然而实际上这个条件很难满足.为了增强域适应技术的适用性,复杂情况下的域适应逐渐成为研究热点,其中标签空间不一致和复杂目标域情况下的域适应技术是近年来的新兴方向.随着深度学习技术的崛起,深度域适应已经成为域适应研究领域中的主流方法.本文对一般情况与复杂情况下的深度域适应的研究进展进行综述,对其缺点进行总结,并对其未来的发展趋势进行预测.首先对迁移学习相关概念进行介绍,然后分别对一般情况与复杂情况下的域适应、域适应技术的应用以及域适应方法性能的实验结果进行综述,最后对域适应领域的未来发展趋势进行展望并对全文内容进行总结. 展开更多
关键词 域适应 迁移学习 深度域适应 深度学习 机器学习
在线阅读 下载PDF
基于奖励高速路网络的多智能体强化学习中的全局信用分配算法 认领
5
作者 姚兴虎 谭晓阳 《计算机应用》 CSCD 北大核心 2021年第1期1-7,共7页
针对多智能体系统中联合动作空间随智能体数量的增加而产生的指数爆炸的问题,采用“中心训练-分散执行”的框架来避免联合动作空间的维数灾难并降低算法的优化代价。针对在众多的多智能体强化学习场景下,环境仅给出所有智能体的联合行... 针对多智能体系统中联合动作空间随智能体数量的增加而产生的指数爆炸的问题,采用“中心训练-分散执行”的框架来避免联合动作空间的维数灾难并降低算法的优化代价。针对在众多的多智能体强化学习场景下,环境仅给出所有智能体的联合行为所对应的全局奖励这一问题,提出一种新的全局信用分配机制——奖励高速路网络(RHWNet)。通过在原有算法的奖励分配机制上引入奖励高速路连接,将每个智能体的值函数与全局奖励直接建立联系,进而使得每个智能体在进行策略选择时能够综合考虑全局的奖励信号与其自身实际分得的奖励值。首先,在训练过程中,通过中心化的值函数结构对每个智能体进行协调;同时,这一中心化的结构也能起到全局奖励分配的作用;然后,在中心值函数结构中引入奖励高速路链接来辅助进行全局奖励分配,从而构建出奖励高速路网络;之后,在执行阶段,每个智能体的策略仅仅依赖于其自身的值函数。在星际争霸多智能体挑战的微操作场景中的实验结果表明,相比当前较先进的反直觉的策略梯度(Coma)算法和单调Q值函数分解(QMIX)算法,该网络所提出的奖励高速路在4个复杂的地图上的测试胜率提升超过20%。更重要的是,在智能体数量较多且种类不同的3s5z和3s6z场景中,该网络在所需样本数量为QMIX和Coma等算法的30%的情况下便能取得更好的结果。 展开更多
关键词 深度学习 深度强化学习 多智能体强化学习 多智能体系统 全局信用分配
在线阅读 下载PDF
深度(层)学习:内涵、流变与展望 认领
6
作者 付亦宁 《南京师大学报:社会科学版》 北大核心 2021年第2期67-75,共9页
“Deep learning”同时存在于教育领域与计算机领域,二者的内涵有着差异,英文表述却相同。教育领域的“Deep learning”可以理解为“深层学习”,它是一种学习方法,同“教”与“学”活动的各个要素相关联。而计算机领域的“Deep learnin... “Deep learning”同时存在于教育领域与计算机领域,二者的内涵有着差异,英文表述却相同。教育领域的“Deep learning”可以理解为“深层学习”,它是一种学习方法,同“教”与“学”活动的各个要素相关联。而计算机领域的“Deep learning”可以翻译为“深度学习”,它是作为人工智能的新兴方向,“特征学习”是其主要特征。国外教育领域深层学习的研究自1976年起,侧重于对影响学习者深层学习因素的探讨;国内的研究自2004年起,经历了概念明晰、模式应用到结果追寻等阶段。梳理分析国内外深度(层)学习的内涵和研究历程,可以化解“深度(层)学习”理解的概念迷思;对已有研究的批判性思考可以进一步地展望未来:即深度(层)学习将在横向上呈现“跨界融合”,在纵向上表现出理念深化、实践深入等研究趋势。 展开更多
关键词 深度学习 深层学习 浅层学习 人工智能
在线阅读 下载PDF
自主学习何以可能:“学习强国”启示下的平台学习之策 认领
7
作者 刘和海 程程 戴濛濛 《电化教育研究》 北大核心 2021年第4期61-67,共7页
2020年初,一场疫情让在线居家自主学习全面展开,面对各种问题与挑战,教育技术工作者不得不重新思考:如何最大程度发挥平台学习优势,提高平台支持下的深度学习效率,让自主学习真正成为可能。与此同时,深受全国人民称赞的“学习强国”平台... 2020年初,一场疫情让在线居家自主学习全面展开,面对各种问题与挑战,教育技术工作者不得不重新思考:如何最大程度发挥平台学习优势,提高平台支持下的深度学习效率,让自主学习真正成为可能。与此同时,深受全国人民称赞的“学习强国”平台,其因具有人本性、融合性、互动性、便捷性等特点而成为学习者进行深度自主学习的典型。文章探究如何构建学习资源众筹、学习形式多样、学习评价多元的,自下而上、协同互动、数据支撑的自主学习平台,希望能为教育工作者指明平台建设方向,能为深度学习提供更好的学习支持服务。 展开更多
关键词 自主学习 平台学习 深度学习 学习强国
在线阅读 下载PDF
多模态视觉语言表征学习研究综述 认领
8
作者 杜鹏飞 李小勇 高雅丽 《软件学报》 EI CSCD 北大核心 2021年第2期327-348,共22页
我们生活在一个由大量不同模态内容构建而成的多媒体世界中,不同模态信息之间具有高度的相关性和互补性,多模态表征学习的主要目的就是挖掘出不同模态之间的共性和特性,产生出可以表示多模态信息的隐含向量.主要介绍了目前应用较广的视... 我们生活在一个由大量不同模态内容构建而成的多媒体世界中,不同模态信息之间具有高度的相关性和互补性,多模态表征学习的主要目的就是挖掘出不同模态之间的共性和特性,产生出可以表示多模态信息的隐含向量.主要介绍了目前应用较广的视觉语言表征的相应研究工作,包括传统的基于相似性模型的研究方法和目前主流的基于语言模型的预训练的方法.目前比较好的思路和解决方案是将视觉特征语义化,然后与文本特征通过一个强大的特征抽取器产生出表征,其中,Transformer作为主要的特征抽取器被应用表征学习的各类任务中.分别从研究背景、不同研究方法的划分、测评方法、未来发展趋势等几个不同角度进行阐述. 展开更多
关键词 多模态表征学习 表征学习 多模态机器学习 深度学习
在线阅读 下载PDF
基于主动学习的机器学习算法研究进展 认领
9
作者 刘霄宇 左劼 孙频捷 《现代计算机》 2021年第3期32-36,共5页
主动学习算法的目的是通过算法模型与标注人员的交互,使标注人员只使用少量的数据便可以获得与大量数据相同的模型预测准确率。近年来,主动学习算法在各种数据的标注获取、训练算法模型的过程中起到巨大的作用,有效地降低标注成本,这引... 主动学习算法的目的是通过算法模型与标注人员的交互,使标注人员只使用少量的数据便可以获得与大量数据相同的模型预测准确率。近年来,主动学习算法在各种数据的标注获取、训练算法模型的过程中起到巨大的作用,有效地降低标注成本,这引起学者们的广泛关注与深入研究。通过对主动学习算法在图像分类任务中的方法进行归纳分析与整理,为基于主动学习的机器学习方法提供理论依据。 展开更多
关键词 主动学习 机器学习 表征学习 深度学习
在线阅读 免费下载
An Oracle Bone Inscription Detector Based on Multi-Scale Gaussian Kernels 认领
10
作者 Guoying Liu Shuanghao Chen +1 位作者 Jing Xiong Qingju Jiao 《应用数学(英文)》 2021年第3期224-239,共16页
The detection of Oracle Bone Inscriptions (OBIs) is one of the most fundamental tasks in the study of Oracle Bone, which aims to locate the positions of OBIs on rubbing images. The existing methods are based on the sc... The detection of Oracle Bone Inscriptions (OBIs) is one of the most fundamental tasks in the study of Oracle Bone, which aims to locate the positions of OBIs on rubbing images. The existing methods are based on the scheme of anchor boxes, involving complex network design and a great number of anchor boxes. In order to overcome the problem, this paper proposes a simpler but more effective OBIs detector by using an anchor-free scheme, where shape-adaptive Gaussian kernels are employed to represent the spatial regions of different OBIs. More specifically, to address the problem of misdetection caused by regional overlapping between some tightly distributed OBIs, the character regions are simultaneously represented by multiscale Gaussian kernels to obtain regions with sharp edges. Besides, based on the kernel predictions of different scales, a novel post-processing pipeline is used to obtain accurate predictions of bounding boxes. Experiments show that our OBIs detector has achieved significant results on the OBIs dataset, which greatly outperforms several mainstream object detectors in both speed and efficiency. Dataset is available at http://jgw.aynu.edu.cn. 展开更多
关键词 Oracle Bone Inscriptions Deep Learning Object Detection Hourglass Network
在线阅读 免费下载
元学习研究综述 认领
11
作者 李凡长 刘洋 +3 位作者 吴鹏翔 董方 蔡奇 王哲 《计算机学报》 EI CSCD 北大核心 2021年第2期422-446,共25页
深度学习在大量领域取得优异成果,但仍然存在着鲁棒性和泛化性较差、难以学习和适应未观测任务、极其依赖大规模数据等问题.近两年元学习在深度学习上的发展,为解决上述问题提供了新的视野.元学习是一种模仿生物利用先前已有的知识,从... 深度学习在大量领域取得优异成果,但仍然存在着鲁棒性和泛化性较差、难以学习和适应未观测任务、极其依赖大规模数据等问题.近两年元学习在深度学习上的发展,为解决上述问题提供了新的视野.元学习是一种模仿生物利用先前已有的知识,从而快速学习新的未见事物能力的一种学习定式.元学习的目标是利用已学习的信息,快速适应未学习的新任务.这与实现通用人工智能的目标相契合,对元学习问题的研究也是提高模型的鲁棒性和泛化性的关键.近年来随着深度学习的发展,元学习再度成为热点,目前元学习的研究百家争鸣、百花齐放.本文从元学习的起源出发,系统地介绍元学习的发展历史,包括元学习的由来和原始定义,然后给出当前元学习的通用定义,同时总结当前元学习一些不同方向的研究成果,包括基于度量的元学习方法、基于强泛化新的初始化参数的元学习方法、基于梯度优化器的元学习方法、基于外部记忆单元的元学方法、基于数据增强的元学方法等.总结其共有的思想和存在的问题,对元学习的研究思想进行分类,并叙述不同方法和其相应的算法.最后论述了元学习研究中常用数据集和评判标准,并从元学习的自适应性、进化性、可解释性、连续性、可扩展性展望其未来发展趋势. 展开更多
关键词 元学习 深度学习 深度神经网络 泛化能力 自适应能力 扩展能力
在线阅读 下载PDF
一种基于迁移学习的小样本图像分类方法 认领
12
作者 胡胜利 吴季 《湖北理工学院学报》 2021年第2期27-32,共6页
深度学习模型应用于小样本图像分类时,存在训练时间过长和过拟合的问题。鉴于此,提出了一种基于迁移学习的小样本图像分类方法。首先,将MobileNet-V2,Ineption-V3,Xception 3种深度卷积神经网络放在大型数据集中进行预训练,然后保留并... 深度学习模型应用于小样本图像分类时,存在训练时间过长和过拟合的问题。鉴于此,提出了一种基于迁移学习的小样本图像分类方法。首先,将MobileNet-V2,Ineption-V3,Xception 3种深度卷积神经网络放在大型数据集中进行预训练,然后保留并冻结在源网络预训练过程中的基本参数,用数据增强的方法强化小样本数据后,再对小样本的目标数据集进行特征提取训练,最后对预训练的网络模型进行微调,并解冻部分层次,用于调整网络权重,并再次训练目标数据集。实验结果表明,迁移学习在小样本图像的应用中是有效的,可以构造出泛化性能很高的模型,大大减少了原深度模型训练时产生的过拟合问题。 展开更多
关键词 深度学习 迁移学习 深度卷积神经网络 数据增强
在线阅读 免费下载
Lightweight FaceNet Based on MobileNet 认领
13
作者 Xinzheng Xu Meng Du +2 位作者 Huanxiu Guo Jianying Chang Xiaoyang Zhao 《智能科学国际期刊(英文)》 2021年第1期1-16,共16页
Face recognition is a kind of biometric technology that recognizes identities through human faces. At first, the speed of machine recognition of human faces was slow and the accuracy was lower than manual recognition.... Face recognition is a kind of biometric technology that recognizes identities through human faces. At first, the speed of machine recognition of human faces was slow and the accuracy was lower than manual recognition. With the rapid development of deep learning and the application of Convolutional Neural Network (CNN) in the field of face recognition, the accuracy of face recognition has greatly improved. FaceNet is a deep learning framework commo</span><span><span style="font-family:Verdana;">nly used in face recognition in recent years. FaceNet uses the deep learning model GoogLeNet, which has </span><span style="font-family:Verdana;">a high</span><span style="font-family:Verdana;"> accuracy in face recognition. However, its network structure is too large, which causes the </span><span style="font-family:Verdana;">FaceNet</span><span style="font-family:Verdana;"> to run at a low speed. Therefore, to improve the running speed without affecting the recognition accuracy of FaceNet, this paper proposes a lightweight FaceNet model based on MobileNet. This article mainly does the following works:</span></span></span><span style="font-family:""> </span><span style="font-family:Verdana;">Based on the analysis of the low running speed of FaceNet and the principle of MobileNet, a lightweight FaceNet model based on MobileNet is proposed. The model would reduce the overall calculation of the network by using deep separable convolutio</span><span style="font-family:""><span style="font-family:Verdana;">ns. In this paper, the model is trained on the CASIA-WebFace and VGGFace2 </span><span style="font-family:Verdana;">datasets,</span><span style="font-family:Verdana;"> and tested on the LFW dataset. Experimental results show that the model reduces the network parameters to a large extent while ensuring </span><span style="font-family:Verdana;">the accuracy</span><span style="font-family:Verdana;"> and hence an increase in system computing speed. The model can also perform face recognition on a specific person in the video. 展开更多
关键词 Face Recognition Deep Learning FaceNet MobileNet
在线阅读 免费下载
基于强化学习的三维游戏控制算法 认领
14
作者 孟琭 沈凝 +1 位作者 祁殷俏 张昊园 《东北大学学报:自然科学版》 EI CAS CSCD 北大核心 2021年第4期478-482,493,共6页
基于强化学习,设计了一个面向三维第一人称射击游戏(DOOM)的智能体,该智能体可在游戏环境下移动、射击敌人、收集物品等.本文算法结合深度学习的目标识别算法Faster RCNN与Deep Q-Networks(DQN)算法,可将DQN算法的搜索空间大大减小,从... 基于强化学习,设计了一个面向三维第一人称射击游戏(DOOM)的智能体,该智能体可在游戏环境下移动、射击敌人、收集物品等.本文算法结合深度学习的目标识别算法Faster RCNN与Deep Q-Networks(DQN)算法,可将DQN算法的搜索空间大大减小,从而极大提升本文算法的训练效率.在虚拟游戏平台(ViZDoom)的两个场景下(Defend_the_center和Health_gathering)进行实验,将本文算法与最新的三维射击游戏智能体算法进行比较,结果表明本文算法可以用更少的迭代次数实现更优的训练结果. 展开更多
关键词 强化学习 深度学习 目标识别 Faster RCNN DQN
在线阅读 下载PDF
Ultrasonographic Segmentation of Fetal Lung with Deep Learning 认领
15
作者 Jintao Yin Jiawei Li +6 位作者 Qinghua Huang Yucheng Cao Xiaoqian Duan Bing Lu Xuedong Deng Qingli Li Jiangang Chen 《生物科学与医学(英文)》 2021年第1期146-153,共8页
<div style="text-align:justify;"> The morbidity and mortality of the fetus is related closely with the neonatal respiratory morbidity, which was caused by the immaturity of the fetal lung primarily. Th... <div style="text-align:justify;"> The morbidity and mortality of the fetus is related closely with the neonatal respiratory morbidity, which was caused by the immaturity of the fetal lung primarily. The amniocentesis has been used in clinics to evaluate the maturity of the fetal lung, which is invasive, expensive and time-consuming. Ultrasonography has been developed to examine the fetal lung quantitatively in the past decades as a non-invasive method. However, the contour of the fetal lung required by existing studies was delineated in manual. An automated segmentation approach could not only improve the objectiveness of those studies, but also offer a quantitative way to monitor the development of the fetal lung in terms of morphological parameters based on the segmentation. In view of this, we proposed a deep learning model for automated fetal lung segmentation and measurement. The model was constructed based on the U-Net. It was trained by 3500 data sets augmented from 250 ultrasound images with both the fetal lung and heart manually delineated, and then tested on 50 ultrasound data sets. With the proposed method, the fetal lung and cardiac area were automatically segmented with the accuracy, average IoU, sensitivity and precision being 0.98, 0.79, 0.881 and 0.886, respectively. </div> 展开更多
关键词 Fetal Lung Fetal Heart Ultrasound Image SEGMENTATION Deep Learning
在线阅读 免费下载
基于神经进化的深度学习模型研究综述 认领
16
作者 韩冲 王俊丽 +1 位作者 吴雨茜 张超波 《电子学报》 EI CAS CSCD 北大核心 2021年第2期372-379,共8页
深度学习研究发展至今已可以胜任各类识别、分类、生成任务,但是对于不同的任务,神经网络的结构或参数不可能只是微小的变化,依然需要专家进行调整.在这样的情况下,自动化地调整神经网络的结构或参数成为研究热点.其中,以达尔文自然进... 深度学习研究发展至今已可以胜任各类识别、分类、生成任务,但是对于不同的任务,神经网络的结构或参数不可能只是微小的变化,依然需要专家进行调整.在这样的情况下,自动化地调整神经网络的结构或参数成为研究热点.其中,以达尔文自然进化论为灵感的神经进化成为主要优化方法.利用神经进化优化的深度学习模型以种群为基础,通过突变、重组等操作进化,可实现自动地、逐步地构建神经网络并最终选择出性能最优的深度学习模型.本文简述了神经进化与进化计算;详细概述了各类基于神经进化的深度学习模型;分析了各类模型的性能;总结了神经进化与深度学习融合的前景并探讨下一步的研究方向. 展开更多
关键词 神经进化 深度学习 进化计算 卷积神经网络 生成式对抗网络 自动编码器 长短期记忆网络 深度强化学习
在线阅读 免费下载
Physics-Aware Deep Learning on Multiphase Flow Problems 认领
17
作者 Zipeng Lin 《通讯与网络(英文)》 2021年第1期1-11,共11页
In this article, a physics aware deep learning model is introduced for multiphase flow problems. The deep learning model is shown to be capable of capturing complex physics phenomena such as saturation front, which is... In this article, a physics aware deep learning model is introduced for multiphase flow problems. The deep learning model is shown to be capable of capturing complex physics phenomena such as saturation front, which is even challenging for numerical solvers due to the instability. We display the preciseness of the solution domain delivered by deep learning models and the low cost of deploying this model for complex physics problems, showing the versatile character of this method and bringing it to new areas. This will require more allocation points and more careful design of the deep learning model architectures and residual neural network can be a potential candidate. 展开更多
关键词 Deep Learning Neural Network MULTI-PHASE Oil Incompressible Fluid Physics Partial Differential Equation
在线阅读 免费下载
深度学习图像数据增广方法研究综述 认领
18
作者 马岽奡 唐娉 +1 位作者 赵理君 张正 《中国图象图形学报》 CSCD 北大核心 2021年第3期487-502,共16页
数据作为深度学习的驱动力,对于模型的训练至关重要。充足的训练数据不仅可以缓解模型在训练时的过拟合问题,而且可以进一步扩大参数搜索空间,帮助模型进一步朝着全局最优解优化。然而,在许多领域或任务中,获取到充足训练样本的难度和... 数据作为深度学习的驱动力,对于模型的训练至关重要。充足的训练数据不仅可以缓解模型在训练时的过拟合问题,而且可以进一步扩大参数搜索空间,帮助模型进一步朝着全局最优解优化。然而,在许多领域或任务中,获取到充足训练样本的难度和代价非常高。因此,数据增广成为一种常用的增加训练样本的手段。本文对目前深度学习中的图像数据增广方法进行研究综述,梳理了目前深度学习领域为缓解模型过拟合问题而提出的各类数据增广方法,按照方法本质原理的不同,将其分为单数据变形、多数据混合、学习数据分布和学习增广策略等4类方法,并以图像数据为主要研究对象,对各类算法进一步按照核心思想进行细分,并对方法的原理、适用场景和优缺点进行比较和分析,帮助研究者根据数据的特点选用合适的数据增广方法,为后续国内外研究者应用和发展研究数据增广方法提供基础。针对图像的数据增广方法,单数据变形方法主要可以分为几何变换、色域变换、清晰度变换、噪声注入和局部擦除等5种;多数据混合可按照图像维度的混合和特征空间下的混合进行划分;学习数据分布的方法主要基于生成对抗网络和图像风格迁移的应用进行划分;学习增广策略的典型方法则可以按照基于元学习和基于强化学习进行分类。目前,数据增广已然成为推进深度学习在各领域应用的一项重要技术,可以很有效地缓解训练数据不足带来的深度学习模型过拟合的问题,进一步提高模型的精度。在实际应用中可根据数据和任务的特点选择和组合最合适的方法,形成一套有效的数据增广方案,进而为深度学习方法的应用提供更强的动力。在未来,根据数据和任务基于强化学习探索最优的组合策略,基于元学习自适应地学习最优数据变形和混合方式,基于生成对抗网络进一步� 展开更多
关键词 深度学习 过拟合 数据增广 图像变换 生成对抗网络 元学习 强化学习
视频人脸识别进展综述 认领
19
作者 白子轶 毛懿荣 王瑞平 《计算机科学》 CSCD 北大核心 2021年第3期50-59,共10页
人脸识别是生物特征识别领域的一项关键技术,长期以来得到研究者的广泛关注。视频人脸识别任务特指从一段视频中提取出人脸的关键信息,从而完成身份识别。相较于基于图像的人脸识别任务来说,视频数据中的人脸变化模式更为多样且视频帧... 人脸识别是生物特征识别领域的一项关键技术,长期以来得到研究者的广泛关注。视频人脸识别任务特指从一段视频中提取出人脸的关键信息,从而完成身份识别。相较于基于图像的人脸识别任务来说,视频数据中的人脸变化模式更为多样且视频帧之间存在较大差异,如何从冗长而复杂的视频中抽取到人脸的关键特征成为当前的研究重点。以视频人脸识别技术为研究对象,首先介绍了该技术的研究价值和存在的挑战;接着对当前研究工作的发展脉络进行了系统的梳理,依据建模方式将传统基于图像集合建模的方法分为线性子空间建模、仿射子空间建模、非线性流形建模、统计建模四大类,同时对深度学习背景下基于图像融合的方法进行了介绍;另外对现有视频人脸识别数据集进行分类整理并简要介绍了常用的评价指标;最后分别采用灰度特征和深度特征在YTC数据集及IJB-A数据集上对代表性工作进行评测。实验结果表明:神经网络可以从大规模数据中提取到鲁棒的视频帧特征,从而带来识别性能的大幅提升,而有效的视频数据建模能够挖掘出人脸潜在的变化模式,从视频序列包含的大量样本中找到更具判别力的关键信息,排除噪声样本的干扰,因此基于视频的人脸识别具有广泛的通用性和实用价值。 展开更多
关键词 视频人脸识别 图像集合建模 子空间学习 流形学习 深度学习
在线阅读 免费下载
基于特征聚合网络的小样本学习方法 认领
20
作者 叶萌 杨娟 +2 位作者 汪荣贵 薛丽霞 李懂 《计算机工程》 CAS CSCD 北大核心 2021年第3期77-82,共6页
针对深度学习中使用少量样本完成模型训练的小样本学习问题,构建一种双路的特征聚合网络,并提出一种新的综合损失函数对网络模型的参数更新过程加以控制。通过综合损失函数,特征聚合网络可将样本映射到更具代表性的特征空间中,从而获得... 针对深度学习中使用少量样本完成模型训练的小样本学习问题,构建一种双路的特征聚合网络,并提出一种新的综合损失函数对网络模型的参数更新过程加以控制。通过综合损失函数,特征聚合网络可将样本映射到更具代表性的特征空间中,从而获得更优的特征分布。实验结果表明,与MN、PN等方法相比,该特征聚合网络能有效降低特征空间的复杂性,提升整体模型的分类效果。 展开更多
关键词 深度学习 小样本学习 特征提取 度量学习 特征聚合
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部 意见反馈