检索范围:
排序: 展示方式:
基于门控自编码器的驾驶行为量化评价标准化策略 Research Articles
何欣,张哲,许力,俞佳培
《信息与电子工程前沿(英文)》 2022年 第23卷 第3期 页码 452-462 doi: 10.1631/FITEE.2000667
关键词: 驾驶行为;标准化;门控自编码器;定量评价
深度三维重建:方法、数据和挑战 Review Article
刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1
《信息与电子工程前沿(英文)》 2021年 第22卷 第5期 页码 615-766 doi: 10.1631/FITEE.2000068
半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles
侯亮,罗潇逸,汪子扬,梁军
《信息与电子工程前沿(英文)》 2020年 第21卷 第7期 页码 963-1118 doi: 10.1631/FITEE.1900116
基于注意力的高效机器人抓取检测网络 Research Article
秦晓飞1,胡文凯1,肖晨2,何常香2,裴颂文1,3,4,张学典1,3,4,5
《信息与电子工程前沿(英文)》 2023年 第24卷 第10期 页码 1430-1444 doi: 10.1631/FITEE.2200502
姚富强,张毅
《中国工程科学》 2011年 第13卷 第10期 页码 69-75
基于常规直扩体制的不足,笔者分析了跳码扩谱的必要性,提出和研究了一种新的预编码跳码扩谱通信抗干扰技术体制,重点讨论了预编码跳码扩谱的基本原理与自编码跳码扩谱的异同点
基于双向深度生成模型和功能磁共振成像数据的大脑编码和解码 Review
杜长德, 李劲鹏, 黄利皆, 何晖光
《工程(英文)》 2019年 第5卷 第5期 页码 948-953 doi: 10.1016/j.eng.2019.03.010
通过功能磁共振成像(fMRI)进行大脑编码和解码是视觉神经科学的两个重要方面。尽管以前的研究人员在大脑编码和解码模型方面取得了显著进步,但是现有方法仍需要使用先进的机器学习技术进行改进。例如,传统方法通常会分别构建编码和解码模型,并且容易对小型数据集过度拟合。实际上,有效地统一编码和解码过程可以进行更准确的预测。在本文中,我们首先回顾了现有的编码和解码方法,并讨论了“双向”建模策略的潜在优势。接下来,在体系结构和计算规则方面,我们证明了深度神经网络和人类视觉通路之间存在的对应关系。此外,深度生成模型[如变分自编码器(VAE)和生成对抗网络(GAN)]在大脑编码和解码研究中产生了可喜的成果。最后,我们提出了最初为机器翻译任务设计的对偶学习方法,该方法通过利用大规模未配对数据提高了编码和解码模型的效果。
位移测量光栅干涉仪综述 Special Feature on Precision Measurement and Inst
Peng-cheng HU, Di CHANG, Jiu-bin TAN, Rui-tao YANG, Hong-xing YANG, Hai-jin FU
《信息与电子工程前沿(英文)》 2019年 第20卷 第5期 页码 631-654 doi: 10.1631/FITEE.1800708
Jing-jing Chen, Qi-rong Mao, You-cai Qin, Shuang-qing Qian, Zhi-shen Zheng,2221808071@stmail.ujs.edu.cn,mao_qr@ujs.edu.cn,2211908026@stmail.ujs.edu.cn,2211908025@stmail.ujs.edu.cn,3160602062@stmail.ujs.edu.cn
《信息与电子工程前沿(英文)》 2020年 第21卷 第11期 页码 1535-1670 doi: 10.1631/FITEE.2000019
关键词: 语音分离;生成因子;自动编码器;深度学习
基于深度学习紧致二进制编码的指纹索引 None
Chao-chao BAI, Wei-qiang WANG, Tong ZHAO, Ru-xin WANG, Ming-qiang LI
《信息与电子工程前沿(英文)》 2018年 第19卷 第9期 页码 1112-1123 doi: 10.1631/FITEE.1700420
深度神经网络加速器体系结构概述 Review
陈怡然, 谢源, 宋凌皓, 陈凡, 唐天琪
《工程(英文)》 2020年 第6卷 第3期 页码 264-274 doi: 10.1016/j.eng.2020.01.007
论智能起源中的简约与自洽原则 Position Paper
马毅1,曹颖2,沈向洋3
《信息与电子工程前沿(英文)》 2022年 第23卷 第9期 页码 1298-1323 doi: 10.1631/FITEE.2200297
深度卷积神经网络高效计算研究进展 Review
Jian CHENG, Pei-song WANG, Gang LI, Qing-hao HU, Han-qing LU
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 64-77 doi: 10.1631/FITEE.1700789
关键词: 深度神经网络;加速;压缩;硬件加速器
基于注意机制编码解码模型的答案选择方法 Article
Yuan-ping NIE, Yi HAN, Jiu-ming HUANG, Bo JIAO, Ai-ping LI
《信息与电子工程前沿(英文)》 2017年 第18卷 第4期 页码 535-544 doi: 10.1631/FITEE.1601232
关键词: 问答技术、答案选择、注意机制、深度学习
王秀妮,姜威,王利村
《中国工程科学》 2006年 第8卷 第1期 页码 54-57
由于分形图像编码过程非常费时,因此在前人的基础上,通过分析影响分形图像编码速度的相关因素,提出了使用图像块的改进方差来提高分形压缩性能的思想。
标题 作者 时间 类型 操作
Latent source-specific generative factor learning for monaural speech separation using weighted-factor autoencoder
Jing-jing Chen, Qi-rong Mao, You-cai Qin, Shuang-qing Qian, Zhi-shen Zheng,2221808071@stmail.ujs.edu.cn,mao_qr@ujs.edu.cn,2211908026@stmail.ujs.edu.cn,2211908025@stmail.ujs.edu.cn,3160602062@stmail.ujs.edu.cn
期刊论文