基于多尺度密集连接网络的电容层析成像图像重建

为求解电容层析成像中的非线性病态反问题,提出了一种多尺度密集连接网络(MD-Net)模型。该模型由多尺度特征融合模块和密集连接块组成,以通过融合多尺度特征进一步提高图像的重建精度。通过MATLAB仿真实验平台构建了流型数据集,利用密集连接网络的非线性映射能力,完成训练集的学习与训练,并利用测试集进行训练效果评价。在此基础上进行了静态实验。仿真与静态实验结果均表明:与LBP、Landweber迭代算法和其他深度学习方法相比,该方法的重建精度最高、抗噪能力强,并具有良好的泛化能力。

注意力密集连接网络的早期AD脑形态学表征与分类

针对阿尔茨海默病(Alzheimer’s disease,AD)这种神经退行性疾病早期阶段难以被及时发现,无法进行诊断与干预的问题,提出基于注意力密集连接网络的早期AD脑形态学特征提取与分类方法。采用密集连接网络为主干架构、多视角三维图像信息作为网络输入的设计策略,引入注意力机制使得网络能够捕获对AD分类具有重要贡献的脑区。实验结果表明,提出算法对认知正常(cognitively normal,CN)与轻度认知障碍(mild cognitive impairment,MCI)、MCI与AD、CN与AD的分类正确率依次达到了98.37%、97.63%、98.60%,在AD分类领域处于较高水平。此外,通过对注意力机制得到的注意力图进行分析,可发现AD患者脑形态学演变轨迹,由CN转化为MCI涉及皮层下结构的脑形态学异常改变,再转化为AD则进一步涉及皮层结构的脑形态学异常改变。

基于稠密连接网络的单矢量水听器目标方位估计

将方位估计问题看成多标签分类问题,将稠密连接网络应用于单矢量水听器目标方位估计,使用经典方法中广泛关注的二阶统计量作为神经网络的输入,使用不断生成训练集的方法训练神经网络。仿真及湖试结果表明,使用稠密连接网络相较经典方法具有更窄的主瓣和更高的方位分辨力;在2个目标信噪比相差6 dB及以上的情况下,稠密连接网络具备经典方法没有的同时检测2个目标的能力,且仍具有优秀的方位分辨力;当2个目标信噪比相差大于18 dB后稠密连接网络逐渐丧失了对弱目标的检测能力。

基于RIS的元素分组面状全连接网络

针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurable intelligence surface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-based element grouping areal fully connected neural network,RGFCNN)。借鉴RIS的结构特征,在传统全连接神经网络上进行优化。设计了透射面注意力机制用于数据有效特征提取,相比于传统的全连接网络,该网络没有对数据进行一维排列,而是提出了一种运用于神经网络构建的元素分组策略,直接对二维面状数据进行分组全连接处理,各组处理输出进行数据串联。实验结果表明:在公开的具有IQ数据特征的通信信号数据集上,RGFCNN在信噪比大于0 dB时具有更好的识别精度,而训练参数是原来的大约1/6。

泛函连接网络计算软件及其在生物多样性研究中的应用

针对农田生物多样性分析的需要 ,研制出泛函连接网络 (FLANN)计算软件。该软件由 7个Java类和 1个HTML文件组成 ,是一种Internet在线计算工具 ,可运行于多种操作系统和Web浏览器上 ,并在各种类型的PC及工作站上使用 ,可读取多种类型的数据库文件。对水稻田昆虫生物多样性的两组取样调查数据Zmar18和Zapr15 ,用生物多样性工具软件LUMP和非监督分类 -离差平方和聚类法进行统计归纳及分类 ,分别划分为 2 1个和 2 0个功能群 ,各包含 6 0个样本。以FLANN计算软件对昆虫生物多样性进行了模式分类分析。结果表明 ,泛函连接网络的模式分类及预测与实际测查结果吻合良好。泛函连接网络Internet在线计算软件的应用可促进生物多样性数据采集和分析的规范化 ,有利于数据和信息共享 。

基于注意机制的轻量化稠密连接网络单幅图像去雨

图像中附着的雨条纹对背景造成的破坏严重影响了对图像信息的分析和后续研究。为了恢复被雨条纹破坏的背景纹理特征,提出一种基于注意机制的轻量化稠密连接网络针对单幅图像进行去雨。注意机制有利于网络准确定位降雨区域,稠密连接网络的使用增强了特征的复用,缓解了梯度消失和模型退化问题。利用多尺度通道混洗深度可分离卷积实现网络轻量化设计,降低了网络参数规模,提升了网络运行效率。在合成数据集和真实数据集上的去雨结果表明,所提算法在定量指标和定性分析上都优于现有算法。

交替活跃的部分连接网络休眠调度策略研究

提出基于交替活跃的部分连接网络的休眠调度策略,无须进行拓扑控制,支持较高的休眠/活跃比率,显著提高了网络平均寿命。给出了满足延迟要求的休眠时间表的确定方法。提出簇内休眠相位同步和簇间相位次序调整的主动调节方法。仿真表明,该方法显著降低了端到端的延迟。

采用改进稠密连接网络的防风药材的道地性识别

目前市场上对防风药材的质量鉴定,仍停留在依靠专业人员的自身经验,对药材表型观察进行划分定级,这样的做法具有一定的主观性和局限性。针对上述问题,该研究建立具有18543张包含5个主要产区防风药材图像的标准数据集,并基于深度学习的方法改进稠密连接网络来区分防风药材的产地,对防风药材品质进行精确、高效的智能分类,判断防风药材的道地性及品质优劣。该神经网络的具体建立过程为:首先对残差模块进行优化改进,将协调注意力(Coordinate Attention,CA)模型与残差模块进行融合,以增加特征图中待识别区域的特征权值,降低背景信息对识别任务的干扰;然后将改进的残差模块嵌入到稠密连接网络,以减少模型运算参数、增强网络对特征信息的高效利用能力;最后重构全连接层,来适应对数据集的识别分类,并增强网络的学习能力。在迁移学习和数据扩充方式下新模型的识别准确率可达97.23%;且训练约48轮便可达到收敛状态,极大地提高了收敛速度。该方法能够高效准确地识别防风药材的产地及道地性并有较强的鲁棒性,可为防风药材质量智能鉴定提供参考。

基于改进密集连接网络的遥感图像场景分类

针对遥感图像场景分类任务从复杂背景下准确提取出地物信息困难和普通卷积提取特征容易产生冗余特征的问题,提出一种基于改进密集连接网络(Ghost-Densenet)的分类模型。该模型利用SoftPool对MaxPool和AveragePool进行替换,最大程度上保留了遥感图像的主要特征;利用Ghost模块通过简单线性变化生成特征图的特性,有效增强模型特征提取能力的同时减少了网络瓶颈层的冗余特征和网络的参数量与计算量。实验结果表明,该模型在UC Merced_Land Use数据集上的平均准确率为92.76%,相较于Densenet121,模型大小减少26.57%,计算量降低32.99%,准确率提高1.17%。通过在Aerial Image Dataset、WHU-RS19 Date Set、RSSCN7 Date Set、SIRI-WHU Date Set四个数据集上进行实验,验证了模型的有效性和鲁棒性,对遥感图像场景分类任务具有良好的应用价值。

混合连接网络度分布的稳定性

本文对既有择优连接,又有随机连接的网络(简称混合连接网络)进行了研究. 基于马氏链理论,本文给出它们度分布稳定性存在的严格证明,并且得到相应网络的度分布和度指数的精确表达式. 特别,在连接规则中只要存在择优成分,网络度分布就服从幂律分布即所得网络为无标度网络,且度指数随着择优连接在连接规则中所占比例的变化而变化.

等电位连接网络在信息系统防雷接地工程中的应用

根据S型和M型两种结构等电位连接网络的不同特点来说明其适用范围、防雷接地工程应用以及安装注意事项。

基于流的无连接网络管理信息建模方法

基于无连接网络的特征概念———流,研究了无连接网络管理信息的建模方法,包括无连接网络信息建模的基本原则,从功能实体到管理资源的转换机制,以及如何确定被管资源之间的关系和被管资源的要素属性.区别于阶段性框架方法,提出了建模方法细化到建模的具体步骤,着重介绍并归纳了无连接网络及其核心概念流的特性,讨论了对功能体系结构组件进行管理抽象的思路和依据.该建模方法可以有效地指导通用的和具体的无连接网络管理信息模型的定义.

基于密集连接网络和多维特征融合的文本匹配模型

针对文本匹配过程中存在语义损失和句子对间信息交互不充分的问题,提出基于密集连接网络和多维特征融合的文本匹配方法.模型的编码端使用BiLSTM网络对句子进行编码,获取句子的上下文语义特征;密集连接网络将最底层的词嵌入特征和最高层的密集模块特征连接,丰富句子的语义特征;基于注意力机制单词级的信息交互,将句子对间的相似性特征、差异性特征和关键性特征进行多维特征融合,使模型捕获更多句子对间的语义关系.在4个基准数据集上对模型进行评估,与其他强基准模型相比,所提模型的文本匹配准确率显著提升,准确率分别提高0.3%、0.3%、0.6%和1.81%.在释义识别Quora数据集上的有效性验证实验结果表明,所提方法对句子语义相似度具有精准的匹配效果.

新型“成长”函数型连接网络预报模型及应用

对于具有生物“成长”历程的系统 ,提出一类新的“成长”函数型连接神经网络预报模型和递推Gauss-Newton学习算法。这种新型网络和学习算法 ,具有学习训练速度较快 ,预报精度高的特点 ,在油田产量预报问题中得到成功的应用。这表明本文方法的有效性。

基于多级注意力跳跃连接网络的行人属性识别

行人属性识别易受视角、尺度和光照等非理想自然条件变化的影响,且某些细粒度属性识别难度较大。为此,提出一种多级注意力跳跃连接网络MLASC-Net。在网络中间层,利用敏感注意力模块在通道及空间维度上对原特征向量进行筛选加权,设计多级跳跃连接结构来融合所提取的显著性特征。在网络顶层,改进多尺度金字塔池化以融合局部特征和全局特征。在网络输出层,结合验证损失算法自适应更新损失层,加速模型的收敛并提高精度。在PETA和RAP数据集上的实验结果表明,MLASC-Net的识别准确率相较原基准网络分别提高约4.62和6.54个百分点,其在识别效果和模型收敛速度上有明显优势,同时在非理想自然条件下具有良好的泛化能力,可有效提高网络对细粒度属性的鲁棒性。

基于函数连接网络的焊接结构工艺过程智能识别系统

从模式识别的基本原理出发,分析了焊接结构工艺过程的分类识别特点;通过模式增强采用函数连接网络结构实现了焊接结构工艺过程的分类学习和自动识别.同时,学习速率较多层网络明显提高.实践表明是一种有效、实用的工艺知识获取和表达方法.

扭立方体连接网络结构的研究与分析

根据交叉立方体(CQn)的结构与关联对的概念,对扭立方体连接网络(TNn)的结构特性进行了分析,证明了当n5时,TNn是不连通的,并且不连通的结点数占整个网络结点数的一半。通过分析扭立方体连接网络的错误所在,提出了一种新型网络结构——扭交叉立方体(TCQn),证明了该网络结构是完全连通的,初步研究了其基本网络性质,如正则性,连通度,容错度,递归性等,表明TCQn具有与CQn同样优秀的网络性质。

可重构密码处理器内部连接网络的设计与分析

提出了可重构密码处理器内部连接网络的连通性、网络宽度、网络规模等概念和设计过程中应该遵循的一些设计原则,给出了全互联、单总线、多总线3种典型的内部连接网络,并对它们的特性进行了分析。

基于空洞卷积密集连接网络的左心室MR图像分割方法

左心室核磁共振(MR)图像分割对于评估心脏功能和诊断疾病具有重要意义.传统分割算法对于左心室,尤其是含有左心室流出道的左心室MR图像,存在分割精度不够的问题.设计了一种基于空洞卷积密集连接网络的左心室MR图像分割方法.该方法利用密集连接网络和空洞卷积缓解了深度学习中梯度消失和内存过度消耗的问题,并且通过数据增强和提取感兴趣区域的方法提升了网络的准确性.分割结果采用平均垂直距离、Dice系数等指标进行评价分析.在MICCAI2009心室分割数据集的138张图片上的测试结果为:内、外膜的平均Dice系数分别为0.91和0.96,平均垂直距离分别为1.71和1.42.实验结果表明,此方法分割精度明显高于其他方法,对于含有左心室流出道的MR图像也能准确分割.

基于改进密集连接网络的土地卫片场景分类方法

为提高土地卫片图像场景识别的效率和精度,本文构建拉普拉斯金字塔-密集连接卷积网络(Lap-DenseNet)模型对土地场景应用进行识别分类,在Lap-DenseNet模型中Lap采用三层金字塔结构,DenseNet模型选用169层结构。将构建好的Lap-DenseNet模型应用到含有6种土地场景的卫片分类中,结果显示:Lap-DenseNet模型训练集的迭代次数不宜过多,否则会因为过拟合现象导致分类效果降低,当迭代次数为200次时分类效果最佳;Lap-DenseNet模型对农村道路分类效果最好,对以绿色背景为主的耕地复耕、未建设用地、农用地复绿分类效果较差,6种场景的平均分类准确率为93.66%;与谷歌卷积网络(GoogLeNet)、快速特征嵌入卷积网络(CaffeNet)、基于密集连接的双流深度特征融合卷积网络(TEX-TS-Net)、基于VGG16的附加资源卷积网络(ARCNet-VGG16)、基于Inception-v3的胶囊卷积网络(Inception-v3-CapsNet)、基于全局上下文空间注意和密集连接的卷积网络(GCSANet)共6种场景分类方法相比,Lap-DenseNet模型的分类效果最好,可在土地卫片场景分类工作中予以合理运用。