检索范围:
排序: 展示方式:
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
可见光波段的深度衍射神经网络 Article
陈航, 冯佳楠, 江闽伟, 王逸群, 林杰, 谭久彬, 金鹏
《工程(英文)》 2021年 第7卷 第10期 页码 1485-1493 doi: 10.1016/j.eng.2020.07.032
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。
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
DAN:一种用于个性化推荐的深度联合神经网络 Research Articles
王旭娜,谭清美
《信息与电子工程前沿(英文)》 2020年 第21卷 第7期 页码 963-980 doi: 10.1631/FITEE.1900236
关键词: 神经网络;深度学习;DAN;推荐
基于深度前馈神经网络的多基地外辐射源雷达高精度目标跟踪 Research Article
徐宝兄,易建新,程丰,龚子平,万显荣
《信息与电子工程前沿(英文)》 2023年 第24卷 第8期 页码 1214-1230 doi: 10.1631/FITEE.2200260
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
面向多目标跟踪的关联相似度神经网络学习 Research Articles
马良,钟巧勇,张营营,谢迪,浦世亮
《信息与电子工程前沿(英文)》 2021年 第22卷 第9期 页码 1194-1206 doi: 10.1631/FITEE.2000272
关键词: 多目标跟踪;深度神经网络;相似度学习
迈向下一代视网膜神经假体——基于脉冲的视觉计算方法 Review
余肇飞, 刘健, 贾杉杉, 张祎晨, 郑雅菁, 田永鸿, 黄铁军
《工程(英文)》 2020年 第6卷 第4期 页码 449-461 doi: 10.1016/j.eng.2020.02.004
神经假体是一种精准医疗设备,旨在以闭环的方式操纵大脑神经信号,接受来自外界环境刺激的同时,控制人脑或人体的某些部分。外界输入的信息可以在大脑中的神经元细胞中以毫秒量级处理运算。就视觉而言,视觉场景信息进入眼睛,经过视网膜神经细胞进行处理,以神经元脉冲的模式将其输出,发送至脑皮层,以进行进一步的计算。因此,视网膜神经假体感兴趣的神经信号是神经元脉冲。神经假体中的闭环计算包括两个阶段:将刺激信息编码为神经元信号和将神经元信号重新解码为刺激信息。为了更好地理解视网膜中神经网络的计算原理,我们认为,有必要对视网膜构建一个超级网络环路,在此环路中,那些皮层神经网络所揭示的不同功能的网络模块,都可以应用于视网膜网络中。视网膜的不同组成部分,包括多种细胞类型和突触连接——化学突触和电突触(缝隙连接),使视网膜成为一个理想的神经网络,其能够适应人工智能中发展起来的计算技术,对视觉场景的编码和解码进行建模
深度学习中的对抗性攻击和防御 Feature Article
任奎, Tianhang Zheng, 秦湛, Xue Liu
《工程(英文)》 2020年 第6卷 第3期 页码 346-360 doi: 10.1016/j.eng.2019.12.012
在深度学习(deep learning, DL)算法驱动的数据计算时代,确保算法的安全性和鲁棒性至关重要。最近,研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响,但会使深度学习模型输出意想不到的结果。最近,在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后,讨论了防御方法中的一些代表性研究成果。这些攻击和防御机制可以为该领域的前沿研究提供参考。
王硕,唐小我
《中国工程科学》 2003年 第5卷 第4期 页码 65-69
设计虚拟企业跟踪评价指标体系,建立神经网络跟踪评价模型。结果表明,它比传统的方法简便、准确,具有广阔的应用前景。
基于感受野编码的多神经元决策脉冲神经网络 Article
Yong-qiang MA, Zi-ru WANG, Si-yu YU, Ba-dong CHEN, Nan-ning ZHENG, Peng-ju REN
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 139-150 doi: 10.1631/FITEE.1700714
基于图像的深度学习降雨强度估计方法 Article
尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan
《工程(英文)》 2023年 第21卷 第2期 页码 162-174 doi: 10.1016/j.eng.2021.11.021
关键词: 城市洪水 降雨图像 深度学习模型 卷积神经网络(CNN) 降雨强度
标题 作者 时间 类型 操作
基于感受野编码的多神经元决策脉冲神经网络
Yong-qiang MA, Zi-ru WANG, Si-yu YU, Ba-dong CHEN, Nan-ning ZHENG, Peng-ju REN
期刊论文