检索范围:
排序: 展示方式:
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
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。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。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。
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
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
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
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
SmartPaint:一种基于生成式对抗神经网络的人机协同绘画系统 Special Feature on Intelligent Design
Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG
《信息与电子工程前沿(英文)》 2019年 第20卷 第12期 页码 1644-1656 doi: 10.1631/FITEE.1900386
关键词: 协同绘画;深度学习;图像生成
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
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
基于海面更快区域卷积神经网络的导航雷达平面位置指示器图像海面目标检测方法 Research Article
陈小龙,牟效乾,关键,刘宁波,周伟
《信息与电子工程前沿(英文)》 2022年 第23卷 第4期 页码 630-643 doi: 10.1631/FITEE.2000611
基于深度学习技术的集群电动汽车及家庭热水系统灵活性预测 Article
胡俊杰, 周华嫣然, 周羿宏, 张海婧, Lars Nordströmd, 杨光亚
《工程(英文)》 2021年 第7卷 第8期 页码 1101-1114 doi: 10.1016/j.eng.2021.06.008
基于两级层次特征学习的图像分类方法 Article
Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE
《信息与电子工程前沿(英文)》 2016年 第17卷 第9期 页码 897-906 doi: 10.1631/FITEE.1500346
标题 作者 时间 类型 操作
SmartPaint:一种基于生成式对抗神经网络的人机协同绘画系统
Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG
期刊论文