期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
边缘损失约束下的多尺度动态图卷积点云分割网络
1
作者 卢超杰 潘翔 《小型微型计算机系统》 CSCD 北大核心 2024年第9期2215-2220,共6页
图卷积网络广泛应用于三维点云分割.然而最具代表性的图卷积网络(DGCNN)只考虑语义标签损失,而没有考虑分割边界损失,从而影响了分割精度.论文提出了一种用于点云分割的增强型动态图卷积网络MSES-DGCNN,联合边缘监督来提高点云分割准确... 图卷积网络广泛应用于三维点云分割.然而最具代表性的图卷积网络(DGCNN)只考虑语义标签损失,而没有考虑分割边界损失,从而影响了分割精度.论文提出了一种用于点云分割的增强型动态图卷积网络MSES-DGCNN,联合边缘监督来提高点云分割准确率.联合损失函数在已有语义标签交叉熵损失基础上,采用标签变化提取边界区域.然后,论文在已有动态图卷积网络中增加一个边界损失模块,从而使反向传播中边界附近的困难点云样本梯度接近这些边界,并使最终分割结果接近真实边缘.同时,论文针对动态图卷积构建多尺度特征融合模块,以增强不规则形状和不均匀分布点云的语义可分性.实验表明,边缘损失模块可以使分割边界更为准确,在包括ShapeNet和S3DIS在内的基准数据集上改进了分割精度. 展开更多
关键词 三维点云 动态图卷积 多尺度特征融合 边缘损失
下载PDF
基于AE-BNDNN模型的入侵检测方法 被引量:8
2
作者 江颉 高甲 陈铁明 《小型微型计算机系统》 CSCD 北大核心 2019年第8期1713-1717,共5页
基于深度学习的网络入侵检测系统中大量的冗余数据特征会加大模型的训练时间并降低训练效果,针对此问题,提出了AE-BNDNN入侵检测模型.首先利用自编码器网络(Auto-Encoder,AE)对入侵检测数据进行特征降维,去除冗余特征,而后在深度神经网... 基于深度学习的网络入侵检测系统中大量的冗余数据特征会加大模型的训练时间并降低训练效果,针对此问题,提出了AE-BNDNN入侵检测模型.首先利用自编码器网络(Auto-Encoder,AE)对入侵检测数据进行特征降维,去除冗余特征,而后在深度神经网络隐藏层添加批量规范化层,作为训练入侵检测数据特征降维后的分类器,最后采用多层网格搜索算法对AEBNDNN模型参数进行自动优化,寻找模型的最优参数.在NSL-KDD数据集上的实验结果表明,采用多层网格搜索算法优化的AE-BNDNN模型取得了较高的分类准确率和训练速度. 展开更多
关键词 入侵检测 自编码器 深度神经网络 批量归一化 网格搜索
下载PDF
概率型稀疏核Logistic多元分类机 被引量:3
3
作者 郑建炜 王万良 +1 位作者 蒋一波 陈伟杰 《电子与信息学报》 EI CSCD 北大核心 2011年第7期1632-1638,共7页
该文提出一种基于二级先验概率的多元核Logistic分类机,扩展核Logistic回归为多元模型,并解决其解的稀疏性问题,以提升多分类应用时的模型运行速率。为约简模型构建所需计算量,训练过程采用自下向上增补算法,每次迭代采用尽量少的输入样... 该文提出一种基于二级先验概率的多元核Logistic分类机,扩展核Logistic回归为多元模型,并解决其解的稀疏性问题,以提升多分类应用时的模型运行速率。为约简模型构建所需计算量,训练过程采用自下向上增补算法,每次迭代采用尽量少的输入样本,规避了大型矩阵逆操作,以适应于不同量度的数据场合。实验显示,所提多元分类机模型构建简单,且识别率与稀疏性都优于经典支持向量机所生成的"一对一"多分类方法及传统多元核Logistic回归算法。 展开更多
关键词 核Logistic回归 稀疏性概率 多元分类机 自下向上训练
下载PDF
基于子块优化及全局整合的局部判别投影法 被引量:1
4
作者 郑建炜 王万良 姚信威 《电子与信息学报》 EI CSCD 北大核心 2011年第9期2175-2180,共6页
已有投影算法都直接通过完整的输入训练集求解最佳变换矩阵,难以进行增量式学习扩展。针对此问题,该文通过组合优化策略提出局部判别投影方法应用于分类问题。该算法同时包括类间判别信息和类内局部保持特征,求得的变换矩阵还具有正交... 已有投影算法都直接通过完整的输入训练集求解最佳变换矩阵,难以进行增量式学习扩展。针对此问题,该文通过组合优化策略提出局部判别投影方法应用于分类问题。该算法同时包括类间判别信息和类内局部保持特征,求得的变换矩阵还具有正交性。此外,利用核函数将算法扩展至非线性应用,使之可以适应更多的数据类型。在ORL人脸库和小样本说话人辨认应用中验证了该算法的有效性。 展开更多
关键词 模式识别 局部判别投影 组合优化策略 核函数 子空间学习
下载PDF
A weighted averaging method for signal probability of logic circuit combined with reconvergent fan-out structures
5
作者 Xiao Jie Ma Weifeng +1 位作者 William Lee Shi Zhanhui 《Journal of Southeast University(English Edition)》 EI CAS 2018年第2期173-181,共9页
By analyzing the structures of circuits,a novel approach for signal probability estimation of very large-scale integration(VLSI)based on the improved weighted averaging algorithm(IWAA)is proposed.Considering the failu... By analyzing the structures of circuits,a novel approach for signal probability estimation of very large-scale integration(VLSI)based on the improved weighted averaging algorithm(IWAA)is proposed.Considering the failure probability of the gate,first,the first reconvergent fan-ins corresponding to the reconvergent fan-outs were identified to locate the important signal correlation nodes based on the principle of homologous signal convergence.Secondly,the reconvergent fan-in nodes of the multiple reconverging structure in the circuit were identified by the sensitization path to determine the interference sources to the signal probability calculation.Then,the weighted signal probability was calculated by combining the weighted average approach to correct the signal probability.Finally,the reconvergent fan-out was quantified by the mixed-calculation strategy of signal probability to reduce the impact of multiple reconvergent fan-outs on the accuracy.Simulation results on ISCAS85 benchmarks circuits show that the proposed method has approximate linear time-space consumption with the increase in the number of the gate,and its accuracy is 4.2%higher than that of the IWAA. 展开更多
关键词 improved weighted averaging algorithm signal probability estimation gate error rate combinational logic circuits
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部