基于分裂基-2/(2a)FFT算法的卷积神经网络加速性能的研究

卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展,限制其大规模应用的很重要的一个因素就是其计算复杂度,尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式,该文首先提出一种统一的基于时域抽取方法的分裂基-2/(2a)1维FFT快速算法,其中a为任意自然数,然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明:利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络,精度并不会有损失,并且分裂基-2/4能取得最好的提速效果,在以上两个数据集上分别提速38.56%和72.01%。因此,在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。

小波散射网络在各种彩色空间进行图像纹理分类的性能比较(英文)

为了寻找利用小波散射网络进行彩色图像处理的最佳彩色空间,用小波散射网络对KTH_TIPS_COL彩色图像数据库进行了图像纹理分类研究.采用将彩色图像从RGB彩色空间转换到其他各种彩色空间的方法,研究了彩色空间的选择对于小波散射网络用于彩色图像纹理分类的影响.实验结果表明:在不同的彩色空间对彩色图像纹理进行分类,分类成功率往往差别较大;在基于竞争机制的红绿蓝彩色空间中进行小波散射变换比其他彩色空间具有更好的分类性能.考虑到彩色空间可以互相转换,对于彩色纹理图像的分类,推荐将彩色空间转化到基于竞争机制的红绿蓝彩色空间后再输入小波散射网络.

基于不同变换下的信号重建性能的比较（英文）

提出了一种新的算法——Magnitude Cut算法,用于从信号的变换域的相位来恢复信号.首先将重建问题等价转换为一个凸优化问题,然后通过块坐标下降算法(BCD)和内点法解决原始信号重建问题.最后,实现了一维和二维信号的重建,并对先通过高斯随机掩膜再进行傅里叶变换(简称FTGM),柯西小波变换(CWT)相位,先通过二值随机掩膜再进行傅里叶变换(简称FTBM),高斯随机变换(GRT)相位的信号重建结果做了比较分析.分析结果表明,Magnitude Cut算法可以完成已知信号不同变换域相位的信号重建,并且在相同的重建误差下,从FTGM和GRT相位信息重建信号比从FTBM和CWT需要的相位数目更少.

基于通用赤池信息量准则改进维纳-格兰杰因果索引算法的颅内脑电效应连通性研究

本文的目标是处理并分析使用深度电极在难治性癫痫患者癫痫发作期间其大脑皮层中记录到的癫痫脑电信号间的大脑效应连通性。维纳-格兰杰因果索引算法是一种众所周知的检测脑电信号间大脑效应连通性的有效方法。它是一种基于线性自回归模型的方法,而模型参数估计问题在其用于脑电因果效应连通性研究中的计算准确性与鲁棒性方面起着至关重要的作用。本文针对这一问题,使用了我们提出的改进的赤池信息量准则来估计算法中自回归模型的模型阶数,以提高维纳-格兰杰因果索引算法检测大脑效应连通性的性能。实验仿真结果表明:不管是在线性随机系统中还是在能生成模拟癫痫信号的生理模型中,该改进的维纳-格兰杰因果索引算法在检测脑效应连通性上都表现出良好的鲁棒性。