期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
电磁目标表征:知识-数据联合驱动新范式
1
作者
杨淑媛
杨晨
+1 位作者
冯志玺
潘求凯
《航空兵器》
CSCD
北大核心
2024年第2期17-31,共15页
电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的...
电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的途径,它通过模拟人脑的深层结构建立机器学习模型,以端到端的方式自动表征和处理目标数据,在电磁目标检测、分类、识别、参数估计、行为认知等感知任务中显示出良好的性能。然而,深度学习严重依赖海量高质量标注数据,在现实电磁环境中存在一定局限。将知识融入智能系统一直是人工智能的研究方向,结合知识与数据进行电磁目标表征,将有望提升目标感知精度与泛化能力,正在成为电磁目标表征中新的方向。本文回顾了电磁目标表征技术的发展过程,对新的知识-数据联合驱动的电磁目标感知范式进行了展望。
展开更多
关键词
目标表征
专家知识
深度学习
知识-数据联合驱动
知识图谱
下载PDF
职称材料
基于卷积神经网络的快速SAR自聚焦方法
2
作者
刘志
杨淑媛
+3 位作者
于子凡
冯志玺
高全伟
王敏
《测绘学报》
EI
CSCD
北大核心
2024年第4期610-619,共10页
自聚焦是SAR高分辨率成像的关键技术。然而,传统的SAR自聚焦方法均需要迭代多次,实时性差,不适合在轨处理。本文提出了一种基于卷积神经网络的在轨快速SAR自聚焦方法(CNN-AF),该方法采用卷积神经网络来学习失焦图像到聚焦图像的映射,主...
自聚焦是SAR高分辨率成像的关键技术。然而,传统的SAR自聚焦方法均需要迭代多次,实时性差,不适合在轨处理。本文提出了一种基于卷积神经网络的在轨快速SAR自聚焦方法(CNN-AF),该方法采用卷积神经网络来学习失焦图像到聚焦图像的映射,主要用于校正方位向的相位误差,由于在测试阶段该方法无须迭代和调整参数,因此该方法实时性好,更加适用于在轨处理。在真实SAR数据上的试验结果表明,本文方法具有较高的聚焦质量和聚焦速度。
展开更多
关键词
卷积神经网络
SAR
相位误差
自聚焦
下载PDF
职称材料
神经网络七十年:回顾与展望
被引量:
355
3
作者
焦李成
杨淑媛
+2 位作者
刘芳
王士刚
冯志玺
《计算机学报》
EI
CSCD
北大核心
2016年第8期1697-1716,共20页
作为联接主义智能实现的典范,神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程,是人工智能发展中的重要方法,也是当前类脑智能研究中的有效工具.在七十年的发展历程中,神经网络曾历经质疑、批判与冷落,同时也几度...
作为联接主义智能实现的典范,神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程,是人工智能发展中的重要方法,也是当前类脑智能研究中的有效工具.在七十年的发展历程中,神经网络曾历经质疑、批判与冷落,同时也几度繁荣并取得了许多瞩目的成就.从20世纪40年代的M-P神经元和Hebb学习规则,到50年代的Hodykin-Huxley方程、感知器模型与自适应滤波器,再到60年代的自组织映射网络、神经认知机、自适应共振网络,许多神经计算模型都发展成为信号处理、计算机视觉、自然语言处理与优化计算等领域的经典方法,为该领域带来了里程碑式的影响.目前,模拟人脑复杂的层次化认知特点的深度学习已经成为类脑智能中的一个重要研究方向.通过增加网络层数所构造的"深层神经网络"使机器能够获得"抽象概念"能力,在诸多领域都取得了巨大的成功,又掀起了神经网络研究的一个新高潮.文中回顾了神经网络的发展历程,综述了其当前研究进展以及存在的问题,展望了未来神经网络的发展方向.
展开更多
关键词
类脑智能
神经网络
深度学习
大数据
并行计算
机器学习
下载PDF
职称材料
嵌入标签语义的元特征再学习和重加权小样本目标检测
被引量:
4
4
作者
李鹏芳
刘芳
+4 位作者
李玲玲
刘旭
冯志玺
焦李成
熊怡梦
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第12期2561-2575,共15页
小样本目标检测(Few-Shot Object Detection,FSOD)中新类相对基类样本少,且新类和基类目标类别不同,导致FSOD方法存在学习到的新类特征判别性不强的问题.为了增强新类元特征的可分性,本文提出了一种嵌入标签语义的元特征再学习和重加权...
小样本目标检测(Few-Shot Object Detection,FSOD)中新类相对基类样本少,且新类和基类目标类别不同,导致FSOD方法存在学习到的新类特征判别性不强的问题.为了增强新类元特征的可分性,本文提出了一种嵌入标签语义的元特征再学习和重加权小样本目标检测方法.在小样本训练阶段,本文构建了一个词向量标签语义图产生模块.该产生模块引入标签语义信息生成了词向量标签语义图,用于建模基类和新类间的语义关联.同时,本文构建了一个标签语义嵌入模块.该嵌入模块融入基类和新类间的语义关联,对支持集样本的元特征进行再学习.该再学习过程能够将基类中与新类相关联的特征传递给新类,从而在只有少量新类样本的情况下学习到较好的新类元特征.通过端到端(End-to-End)的训练模型,本文方法增强了新类元特征的可分性,从而提升了新类目标的检测精度.在PASCAL VOC和COCO数据集上的对比和消融实验表明了本文方法的可行性与有效性.与FSODFR方法相比,在PASCAL VOC数据集上2-shot和5-shot下,我们方法的目标检测精度分别提高了2.2%和4.3%.
展开更多
关键词
小样本学习
目标检测
小样本目标检测
元学习
标签语义
特征再学习
下载PDF
职称材料
基于有效通道注意力的遥感图像场景分类
被引量:
4
5
作者
屈震
李堃婷
冯志玺
《计算机应用》
CSCD
北大核心
2022年第5期1431-1439,共9页
针对基于人工设计特征的方法不能提取高层次遥感图像信息以及以往利用VGGNet、ResNet等卷积神经网络(CNN)无法关注到遥感图像中显著分类特征的问题,提出了一种基于有效通道注意力(ECA)机制的遥感图像场景分类新模型——ECA-ResNeXt-8-SV...
针对基于人工设计特征的方法不能提取高层次遥感图像信息以及以往利用VGGNet、ResNet等卷积神经网络(CNN)无法关注到遥感图像中显著分类特征的问题,提出了一种基于有效通道注意力(ECA)机制的遥感图像场景分类新模型——ECA-ResNeXt-8-SVM。为了建立高效模型,一方面,设计了嵌入ECA模块的深度特征提取网络ECA-ResNeXt-8,通过端到端的学习使网络更关注分类特征明显的通道;另一方面,利用支持向量机(SVM)代替全连接层作为已提取到的深度特征的分类器,从而进一步提高模型的分类准确率与泛化能力。该模型在实验数据集UC Merced Land-Use上的分类准确率达到95.81%,相较于使用SE-ResNeXt50与ResNeXt50网络,分别提高了6%与18%,且在分类准确率为75%时所提模型的训练时间比上述两个网络分别减少了82%与81%。实验结果表明,所提模型能够有效地减少模型的收敛时间并提升遥感图像场景分类的准确率。
展开更多
关键词
遥感图像场景分类
有效通道注意力机制
支持向量机
深度学习
卷积神经网络
下载PDF
职称材料
题名
电磁目标表征:知识-数据联合驱动新范式
1
作者
杨淑媛
杨晨
冯志玺
潘求凯
机构
西安电子科技大学
出处
《航空兵器》
CSCD
北大核心
2024年第2期17-31,共15页
基金
国家自然科学基金项目(U22B2018,62276205)。
文摘
电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的途径,它通过模拟人脑的深层结构建立机器学习模型,以端到端的方式自动表征和处理目标数据,在电磁目标检测、分类、识别、参数估计、行为认知等感知任务中显示出良好的性能。然而,深度学习严重依赖海量高质量标注数据,在现实电磁环境中存在一定局限。将知识融入智能系统一直是人工智能的研究方向,结合知识与数据进行电磁目标表征,将有望提升目标感知精度与泛化能力,正在成为电磁目标表征中新的方向。本文回顾了电磁目标表征技术的发展过程,对新的知识-数据联合驱动的电磁目标感知范式进行了展望。
关键词
目标表征
专家知识
深度学习
知识-数据联合驱动
知识图谱
Keywords
target representation
expert knowledge
deep learning
joint knowledge-data-driven
know-ledge graph
分类号
TJ760 [兵器科学与技术—武器系统与运用工程]
下载PDF
职称材料
题名
基于卷积神经网络的快速SAR自聚焦方法
2
作者
刘志
杨淑媛
于子凡
冯志玺
高全伟
王敏
机构
西安电子科技大学人工智能学院智能感知与图像理解教育部重点实验室
西安电子科技大学电子工程学院雷达信号处理全国重点实验室
出处
《测绘学报》
EI
CSCD
北大核心
2024年第4期610-619,共10页
基金
国家自然科学基金(62171357,U22B2018,62276205,61906145)
陕西省科技厅自然科学基础研究计划面上项目(2023-JC-YB-524)
陕西省教育科学“十三五”规划(SGH18H350)。
文摘
自聚焦是SAR高分辨率成像的关键技术。然而,传统的SAR自聚焦方法均需要迭代多次,实时性差,不适合在轨处理。本文提出了一种基于卷积神经网络的在轨快速SAR自聚焦方法(CNN-AF),该方法采用卷积神经网络来学习失焦图像到聚焦图像的映射,主要用于校正方位向的相位误差,由于在测试阶段该方法无须迭代和调整参数,因此该方法实时性好,更加适用于在轨处理。在真实SAR数据上的试验结果表明,本文方法具有较高的聚焦质量和聚焦速度。
关键词
卷积神经网络
SAR
相位误差
自聚焦
Keywords
convolutional neural networks
SAR
phase error
autofocus
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
神经网络七十年:回顾与展望
被引量:
355
3
作者
焦李成
杨淑媛
刘芳
王士刚
冯志玺
机构
西安电子科技大学智能感知与图像理解教育部重点实验室智能感知与计算国际联合研究中心智能感知与计算国际合作联合实验室
西安电子科技大学计算机学院
出处
《计算机学报》
EI
CSCD
北大核心
2016年第8期1697-1716,共20页
基金
国家"九七三"重点基础研究发展计划项目基金(2013CB329402)
国家自然科学基金重大研究计划(91438201
+1 种基金
91438103)
教育部"长江学者和创新团队发展计划"(IRT_15R53)资助
文摘
作为联接主义智能实现的典范,神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程,是人工智能发展中的重要方法,也是当前类脑智能研究中的有效工具.在七十年的发展历程中,神经网络曾历经质疑、批判与冷落,同时也几度繁荣并取得了许多瞩目的成就.从20世纪40年代的M-P神经元和Hebb学习规则,到50年代的Hodykin-Huxley方程、感知器模型与自适应滤波器,再到60年代的自组织映射网络、神经认知机、自适应共振网络,许多神经计算模型都发展成为信号处理、计算机视觉、自然语言处理与优化计算等领域的经典方法,为该领域带来了里程碑式的影响.目前,模拟人脑复杂的层次化认知特点的深度学习已经成为类脑智能中的一个重要研究方向.通过增加网络层数所构造的"深层神经网络"使机器能够获得"抽象概念"能力,在诸多领域都取得了巨大的成功,又掀起了神经网络研究的一个新高潮.文中回顾了神经网络的发展历程,综述了其当前研究进展以及存在的问题,展望了未来神经网络的发展方向.
关键词
类脑智能
神经网络
深度学习
大数据
并行计算
机器学习
Keywords
artificial intelligence
neural network
deep learning
big data
parallel computing
machine learning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
嵌入标签语义的元特征再学习和重加权小样本目标检测
被引量:
4
4
作者
李鹏芳
刘芳
李玲玲
刘旭
冯志玺
焦李成
熊怡梦
机构
西安电子科技大学人工智能学院
教育部智能感知与图像理解重点实验室
国际智能感知与计算研究中心
国际智能感知与计算联合研究实验室
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第12期2561-2575,共15页
基金
国家自然科学基金项目(62076192)
陕西省重点研发计划(2019ZDLGY03-06)
+5 种基金
国家自然科学基金国家重点项目(61836009)
长江学者及大学创新研究团队计划(IRT_15R53)
高等学校学科创新引智计划(B07048)
教育部重点科技创新研究项目
国家重点研发计划
CAAI华为MindSpore开放基金等资助.
文摘
小样本目标检测(Few-Shot Object Detection,FSOD)中新类相对基类样本少,且新类和基类目标类别不同,导致FSOD方法存在学习到的新类特征判别性不强的问题.为了增强新类元特征的可分性,本文提出了一种嵌入标签语义的元特征再学习和重加权小样本目标检测方法.在小样本训练阶段,本文构建了一个词向量标签语义图产生模块.该产生模块引入标签语义信息生成了词向量标签语义图,用于建模基类和新类间的语义关联.同时,本文构建了一个标签语义嵌入模块.该嵌入模块融入基类和新类间的语义关联,对支持集样本的元特征进行再学习.该再学习过程能够将基类中与新类相关联的特征传递给新类,从而在只有少量新类样本的情况下学习到较好的新类元特征.通过端到端(End-to-End)的训练模型,本文方法增强了新类元特征的可分性,从而提升了新类目标的检测精度.在PASCAL VOC和COCO数据集上的对比和消融实验表明了本文方法的可行性与有效性.与FSODFR方法相比,在PASCAL VOC数据集上2-shot和5-shot下,我们方法的目标检测精度分别提高了2.2%和4.3%.
关键词
小样本学习
目标检测
小样本目标检测
元学习
标签语义
特征再学习
Keywords
few-shot learning
object detection
few-shot object detection
meta-learning
label semantic
feature relearning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于有效通道注意力的遥感图像场景分类
被引量:
4
5
作者
屈震
李堃婷
冯志玺
机构
西安电子科技大学人工智能学院
出处
《计算机应用》
CSCD
北大核心
2022年第5期1431-1439,共9页
基金
国家自然科学基金资助项目(61836009,61906145)。
文摘
针对基于人工设计特征的方法不能提取高层次遥感图像信息以及以往利用VGGNet、ResNet等卷积神经网络(CNN)无法关注到遥感图像中显著分类特征的问题,提出了一种基于有效通道注意力(ECA)机制的遥感图像场景分类新模型——ECA-ResNeXt-8-SVM。为了建立高效模型,一方面,设计了嵌入ECA模块的深度特征提取网络ECA-ResNeXt-8,通过端到端的学习使网络更关注分类特征明显的通道;另一方面,利用支持向量机(SVM)代替全连接层作为已提取到的深度特征的分类器,从而进一步提高模型的分类准确率与泛化能力。该模型在实验数据集UC Merced Land-Use上的分类准确率达到95.81%,相较于使用SE-ResNeXt50与ResNeXt50网络,分别提高了6%与18%,且在分类准确率为75%时所提模型的训练时间比上述两个网络分别减少了82%与81%。实验结果表明,所提模型能够有效地减少模型的收敛时间并提升遥感图像场景分类的准确率。
关键词
遥感图像场景分类
有效通道注意力机制
支持向量机
深度学习
卷积神经网络
Keywords
remote sensing image scene classification
Efficient Channel Attention(ECA)mechanism
Support Vector Machine(SVM)
deep learning
Convolutional Neural Network(CNN)
分类号
TP309. [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
电磁目标表征:知识-数据联合驱动新范式
杨淑媛
杨晨
冯志玺
潘求凯
《航空兵器》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于卷积神经网络的快速SAR自聚焦方法
刘志
杨淑媛
于子凡
冯志玺
高全伟
王敏
《测绘学报》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
3
神经网络七十年:回顾与展望
焦李成
杨淑媛
刘芳
王士刚
冯志玺
《计算机学报》
EI
CSCD
北大核心
2016
355
下载PDF
职称材料
4
嵌入标签语义的元特征再学习和重加权小样本目标检测
李鹏芳
刘芳
李玲玲
刘旭
冯志玺
焦李成
熊怡梦
《计算机学报》
EI
CAS
CSCD
北大核心
2022
4
下载PDF
职称材料
5
基于有效通道注意力的遥感图像场景分类
屈震
李堃婷
冯志玺
《计算机应用》
CSCD
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部