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
基于自监督网络的肝脏磁共振R_(2)^(*)参数图像重建
1
作者
陆琪琪
连梓锋
+3 位作者
李嘉龙
斯文彬
麦兆华
冯衍秋
《波谱学杂志》
CAS
北大核心
2023年第3期258-269,共12页
磁共振等效横向弛豫率(R_(2)^(*))参数量化技术已经被广泛应用于肝脏铁含量的定量测量中.然而铁沉积肝脏R_(2)^(*)参数图像的重建通常会受到噪声的严重影响.随着深度学习的兴起,深度学习网络成为磁共振参数图像重建的重要方法.本文提出...
磁共振等效横向弛豫率(R_(2)^(*))参数量化技术已经被广泛应用于肝脏铁含量的定量测量中.然而铁沉积肝脏R_(2)^(*)参数图像的重建通常会受到噪声的严重影响.随着深度学习的兴起,深度学习网络成为磁共振参数图像重建的重要方法.本文提出了一种模型引导的自监督深度学习网络用于铁沉积肝脏的磁共振R_(2)^(*)参数图像重建.通过利用一种融合噪声校正物理模型和改进的全变分模型的损失函数来引导深度学习网络的自监督训练.网络的训练不需要使用真实的R_(2)^(*)参数图像.同时,相较于传统的参数估计算法,本文提出的方法能够快速准确地重建出铁沉积肝脏R_(2)^(*)参数图像,较好地抑制图像中噪声的影响,校正噪声引起的偏差,同时保持R_(2)^(*)参数图像中的结构细节.
展开更多
关键词
磁共振成像
参数图像重建
深度学习
自监督网络
肝脏铁过载
下载PDF
职称材料
基于自监督网络的DDPG算法的建筑能耗控制
被引量:
1
2
作者
殷雨竹
陈建平
+2 位作者
傅启明
陆悠
吴宏杰
《计算机系统应用》
2022年第2期161-167,共7页
针对强化学习方法训练能耗控制系统时所存在奖赏稀疏的问题,将一种基于自监督网络的深度确定策略梯度(deep deterministic policy gradient,DDPG)方法应用到建筑能耗控制问题中.首先,处理状态和动作变量作为自监督网络前向模型的输入,...
针对强化学习方法训练能耗控制系统时所存在奖赏稀疏的问题,将一种基于自监督网络的深度确定策略梯度(deep deterministic policy gradient,DDPG)方法应用到建筑能耗控制问题中.首先,处理状态和动作变量作为自监督网络前向模型的输入,预测下一个状态特征向量,同时将预测误差作为好奇心设计内部奖赏,以解决奖赏稀疏问题.然后,采用数据驱动的方法训练建筑能耗模型,构建天气数据作为输入、能耗数据作为输出.最后,利用基于自监督网络的DDPG方法求解最优控制策略,并以此设定空气处理装置(air handling unit,AHU)的最优排放温度,减少设备能耗.实验结果表明,该方法能够在保持建筑环境舒适的基础上,实现较好的节能效果.
展开更多
关键词
强化学习
自监督网络
DDPG算法
能耗控制
下载PDF
职称材料
模糊聚类在深度学习自监督领域的应用
被引量:
1
3
作者
范少帅
马啸天
张泽平
《中国新通信》
2021年第4期166-167,共2页
近年来随着深度学习的兴起,机器学习的话题再次被拉回到人们的视野中。通过深度学习来对图像进行识别分类是机器学习领域最重要的话题之一。然而,目前识别方法大多依赖于大规模标注数据,并且要进行充分的网络训练,而图像标注是非常费时...
近年来随着深度学习的兴起,机器学习的话题再次被拉回到人们的视野中。通过深度学习来对图像进行识别分类是机器学习领域最重要的话题之一。然而,目前识别方法大多依赖于大规模标注数据,并且要进行充分的网络训练,而图像标注是非常费时费力的。为了克服这些缺点,一些算法提出了将自监督框架嵌入到无监督的深度学习体系结构中。而为了实现自监督学习,聚类方法的选用也是决定自监督学习最终学习效果的关键一环,本文将论述模糊聚类在自监督学习领域的应用。
展开更多
关键词
深度学习
机器学习
自监督网络
下载PDF
职称材料
基于循环生成对抗网络和Transformer的单幅图像去雾算法
4
作者
王博
魏伟波
+3 位作者
张为栋
潘振宽
李明
李金函
《青岛大学学报(自然科学版)》
CAS
2024年第2期89-97,125,共10页
针对传统去雾算法在配对数据集上训练时产生过拟合的问题,基于密度和深度分解的非配对图像去雾网络模型,改进了自增强缩放网络。引入Transformer机制,将其与深度卷积神经网络模块深度融合,提出了一种使用未配对数据集训练的基于循环生...
针对传统去雾算法在配对数据集上训练时产生过拟合的问题,基于密度和深度分解的非配对图像去雾网络模型,改进了自增强缩放网络。引入Transformer机制,将其与深度卷积神经网络模块深度融合,提出了一种使用未配对数据集训练的基于循环生成对抗网络和Transformer的CT-Nets图像去雾算法;提取输入图像的深度信息和散射系数特征值,利用大气散射模型尽可能恢复不同场景下真实雾的浓度信息,以提高去雾图像主观视觉质量;基于Swin-Transformer设计自增强精化层,以获得精细的细粒度信息,提高模型泛化能力和最终预测图像真实性。实验结果表明,相较于基于密度和深度分解的非配对图像去雾网络模型,CT-Nets图像去雾算法的峰值信噪比和结构相似性分别提升4%和4.1%。
展开更多
关键词
深度学习
单幅图像去雾
自监督网络
循环生成对抗
网络
下载PDF
职称材料
带有遗忘的视觉记忆模型及其在注意力选择上的应用
被引量:
5
5
作者
过晨雷
张立明
《模式识别与人工智能》
EI
CSCD
北大核心
2008年第3期381-387,共7页
在我们以前提出的注意力选择模型上,提出一个带有学习和遗忘的视觉记忆模型:遗忘增量多层分类回归树,来模拟人脑的长短期记忆.同时自监督竞争神经网络综合自下而上和自上而下的信息找到注意力的焦点,该网络各个神经元的连接权根据环境...
在我们以前提出的注意力选择模型上,提出一个带有学习和遗忘的视觉记忆模型:遗忘增量多层分类回归树,来模拟人脑的长短期记忆.同时自监督竞争神经网络综合自下而上和自上而下的信息找到注意力的焦点,该网络各个神经元的连接权根据环境变化在线调整,从而实现整个网络的在线学习.实验证明,该模型能够模拟人的注意力转移,并能在变化的环境中,有意识地盯住感兴趣的物体.
展开更多
关键词
注意力选择
注意力焦点(FoA)
遗忘增量多层分类回归树(AIHDR)
自监督
竞争神经
网络
(SSCNN)
原文传递
题名
基于自监督网络的肝脏磁共振R_(2)^(*)参数图像重建
1
作者
陆琪琪
连梓锋
李嘉龙
斯文彬
麦兆华
冯衍秋
机构
南方医科大学生物医学工程学院
出处
《波谱学杂志》
CAS
北大核心
2023年第3期258-269,共12页
基金
国家自然科学基金资助项目(U21A6005)。
文摘
磁共振等效横向弛豫率(R_(2)^(*))参数量化技术已经被广泛应用于肝脏铁含量的定量测量中.然而铁沉积肝脏R_(2)^(*)参数图像的重建通常会受到噪声的严重影响.随着深度学习的兴起,深度学习网络成为磁共振参数图像重建的重要方法.本文提出了一种模型引导的自监督深度学习网络用于铁沉积肝脏的磁共振R_(2)^(*)参数图像重建.通过利用一种融合噪声校正物理模型和改进的全变分模型的损失函数来引导深度学习网络的自监督训练.网络的训练不需要使用真实的R_(2)^(*)参数图像.同时,相较于传统的参数估计算法,本文提出的方法能够快速准确地重建出铁沉积肝脏R_(2)^(*)参数图像,较好地抑制图像中噪声的影响,校正噪声引起的偏差,同时保持R_(2)^(*)参数图像中的结构细节.
关键词
磁共振成像
参数图像重建
深度学习
自监督网络
肝脏铁过载
Keywords
MR imaging
parameter mapping
deep learning
self-supervised network
liver iron overload
分类号
O482.53 [理学—固体物理]
下载PDF
职称材料
题名
基于自监督网络的DDPG算法的建筑能耗控制
被引量:
1
2
作者
殷雨竹
陈建平
傅启明
陆悠
吴宏杰
机构
苏州科技大学电子与信息工程学院
苏州科技大学江苏省建筑智慧节能重点实验室
苏州科技大学苏州市移动网络技术与应用重点实验室
出处
《计算机系统应用》
2022年第2期161-167,共7页
基金
国家重点研发计划(2020YFC200660)
国家自然科学基金(62072324,61876217,61876121,61772357)
江苏省重点研发计划(BE2017663)。
文摘
针对强化学习方法训练能耗控制系统时所存在奖赏稀疏的问题,将一种基于自监督网络的深度确定策略梯度(deep deterministic policy gradient,DDPG)方法应用到建筑能耗控制问题中.首先,处理状态和动作变量作为自监督网络前向模型的输入,预测下一个状态特征向量,同时将预测误差作为好奇心设计内部奖赏,以解决奖赏稀疏问题.然后,采用数据驱动的方法训练建筑能耗模型,构建天气数据作为输入、能耗数据作为输出.最后,利用基于自监督网络的DDPG方法求解最优控制策略,并以此设定空气处理装置(air handling unit,AHU)的最优排放温度,减少设备能耗.实验结果表明,该方法能够在保持建筑环境舒适的基础上,实现较好的节能效果.
关键词
强化学习
自监督网络
DDPG算法
能耗控制
Keywords
reinforcement learning
self-supervised network
deep deterministic policy gradient(DDPG)algorithm
energy consumption control
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TU111.195 [建筑科学—建筑理论]
下载PDF
职称材料
题名
模糊聚类在深度学习自监督领域的应用
被引量:
1
3
作者
范少帅
马啸天
张泽平
机构
河北大学网络空间安全与计算机学院
出处
《中国新通信》
2021年第4期166-167,共2页
基金
河北大学大学生创新创业训练计划资助项目,课题编号:202010075206。
文摘
近年来随着深度学习的兴起,机器学习的话题再次被拉回到人们的视野中。通过深度学习来对图像进行识别分类是机器学习领域最重要的话题之一。然而,目前识别方法大多依赖于大规模标注数据,并且要进行充分的网络训练,而图像标注是非常费时费力的。为了克服这些缺点,一些算法提出了将自监督框架嵌入到无监督的深度学习体系结构中。而为了实现自监督学习,聚类方法的选用也是决定自监督学习最终学习效果的关键一环,本文将论述模糊聚类在自监督学习领域的应用。
关键词
深度学习
机器学习
自监督网络
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
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
基于循环生成对抗网络和Transformer的单幅图像去雾算法
4
作者
王博
魏伟波
张为栋
潘振宽
李明
李金函
机构
青岛大学计算机科学技术学院
出处
《青岛大学学报(自然科学版)》
CAS
2024年第2期89-97,125,共10页
基金
山东省自然科学基金(批准号:ZR2020QF033)资助。
文摘
针对传统去雾算法在配对数据集上训练时产生过拟合的问题,基于密度和深度分解的非配对图像去雾网络模型,改进了自增强缩放网络。引入Transformer机制,将其与深度卷积神经网络模块深度融合,提出了一种使用未配对数据集训练的基于循环生成对抗网络和Transformer的CT-Nets图像去雾算法;提取输入图像的深度信息和散射系数特征值,利用大气散射模型尽可能恢复不同场景下真实雾的浓度信息,以提高去雾图像主观视觉质量;基于Swin-Transformer设计自增强精化层,以获得精细的细粒度信息,提高模型泛化能力和最终预测图像真实性。实验结果表明,相较于基于密度和深度分解的非配对图像去雾网络模型,CT-Nets图像去雾算法的峰值信噪比和结构相似性分别提升4%和4.1%。
关键词
深度学习
单幅图像去雾
自监督网络
循环生成对抗
网络
Keywords
deep learning
single image dehazing
self-supervised network
cycle generative adversarial
分类号
TP391.41 [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
带有遗忘的视觉记忆模型及其在注意力选择上的应用
被引量:
5
5
作者
过晨雷
张立明
机构
复旦大学电子工程系
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2008年第3期381-387,共7页
基金
国家自然科学基金资助项目(No.60571052
60671062)
文摘
在我们以前提出的注意力选择模型上,提出一个带有学习和遗忘的视觉记忆模型:遗忘增量多层分类回归树,来模拟人脑的长短期记忆.同时自监督竞争神经网络综合自下而上和自上而下的信息找到注意力的焦点,该网络各个神经元的连接权根据环境变化在线调整,从而实现整个网络的在线学习.实验证明,该模型能够模拟人的注意力转移,并能在变化的环境中,有意识地盯住感兴趣的物体.
关键词
注意力选择
注意力焦点(FoA)
遗忘增量多层分类回归树(AIHDR)
自监督
竞争神经
网络
(SSCNN)
Keywords
Attention Selection, Focus of Attention Discriminant Regression i AIHDR) Tree, (SSCNN) (FoA), Amnesic Incremental Hierarchical Self-Supervised Competition Neural Network
分类号
B842.3 [哲学宗教—基础心理学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于自监督网络的肝脏磁共振R_(2)^(*)参数图像重建
陆琪琪
连梓锋
李嘉龙
斯文彬
麦兆华
冯衍秋
《波谱学杂志》
CAS
北大核心
2023
0
下载PDF
职称材料
2
基于自监督网络的DDPG算法的建筑能耗控制
殷雨竹
陈建平
傅启明
陆悠
吴宏杰
《计算机系统应用》
2022
1
下载PDF
职称材料
3
模糊聚类在深度学习自监督领域的应用
范少帅
马啸天
张泽平
《中国新通信》
2021
1
下载PDF
职称材料
4
基于循环生成对抗网络和Transformer的单幅图像去雾算法
王博
魏伟波
张为栋
潘振宽
李明
李金函
《青岛大学学报(自然科学版)》
CAS
2024
下载PDF
职称材料
5
带有遗忘的视觉记忆模型及其在注意力选择上的应用
过晨雷
张立明
《模式识别与人工智能》
EI
CSCD
北大核心
2008
5
原文传递
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