资源类型

期刊论文 98

会议信息 1

年份

2023 21

2022 14

2021 13

2020 14

2019 10

2018 6

2017 8

2016 3

2014 2

2012 2

2009 1

2008 2

2007 2

2001 1

展开 ︾

关键词

深度学习 15

人工智能 7

机器学习 5

深度神经网络 4

深度强化学习 2

神经网络 2

2020 1

6G;广域覆盖信令小区;多维资源分配;深度Q网络(DQN) 1

COVID-19 1

CVIDL 1

PM2.5脱除 1

RBF网络 1

REC114 1

SO3 1

VO2薄膜 1

ZNF438 1

不孕症 1

临界深度 1

主动物品检测;深度Q学习网络;训练算法;服务机器人 1

展开 ︾

检索范围:

排序: 展示方式:

燃煤电站烟气污染物深度脱除技术的分析

张晓鲁

《中国工程科学》 2014年 第16卷 第10期   页码 47-51

摘要: 近年来雾霾天气的频繁出现使得细颗粒物(PM2.5)成为了公众关注的热点,PM2.5的控制也已增加到2012 年发布的《环境空气质量标准》中,而目前我国现有的烟气污染物控制技术难以脱除PM2.5,因此,为深度脱除PM2.5、SO2、SO3以及重金属等烟气污染物,开发燃煤电站烟气污染物深度脱除技术(深度脱除技术)成为亟待解决的问题。本文系统分析了开发适用于我国燃煤电站的深度脱除技术的必要性以及存在的问题,重点分析研究了PM2.5脱除技术、全负荷下超超临界锅炉的低NOx排放以及SCR工作温度的适应性最后,以某电厂2×660 MW超临界机组为例,介绍了烟气污染物深度脱除系统方案,以此为基础,分析提出了1 000 MW超超临界机组烟气污染物深度脱除的技术路线。

关键词: 燃煤机组     烟气污染物     深度脱除     PM2.5脱除    

融合深度置信网络的串联隐马尔科夫模型及其在脱机手写识别中的应用 Article

Partha Pratim ROY, Guoqiang ZHONG, Mohamed CHERIET

《信息与电子工程前沿(英文)》 2017年 第18卷 第7期   页码 978-988 doi: 10.1631/FITEE.1600996

摘要: 在本文中,我们针对自由书写的脱机手写识别提出一种基于深度结构的串联方法。在提出的模型中,深度置信网络被用于学习序列数据的紧致表示,隐马尔科夫模型被用于(子-)词的识别。

关键词: 手写识别;隐马尔科夫模型;深度学习;深度置信网络;串联方法    

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

摘要: 基于深度学习的三维重建方法通过利用深度网络自动学习低质量图像中的三维形状语义特征,克服了这两个瓶颈。然而,这些方法具有多种体系框架,但是至今未有文献对它们作深入分析和比较。本文对基于深度学习的三维重建方法进行全面综述。首先,基于不同深度学习模型框架,将基于深度学习的三维重建方法分为4类:递归神经网络、深自编码器、生成对抗网络和卷积神经网络,并对相应方法作详细分析。再次,对基于深度学习的三维重建方法进行综合比较,包括不同方法在同一数据库、同一方法在不同数据库以及同一方法对于不同视角个数输入的结果比较。最后,讨论了基于深度学习的三维重建方法的发展趋势。

关键词: 深度学习模型;三维重建;循环神经网络;深度自编码器;生成对抗网络;卷积神经网络    

神经形态计算推动深度学习应用

Chris Palmer

《工程(英文)》 2020年 第6卷 第8期   页码 854-856 doi: 10.1016/j.eng.2020.06.010

泰州大桥南锚碇沉井基础深度效应研究

潘辉,邵国建,胡丰

《中国工程科学》 2012年 第14卷 第5期   页码 62-65

摘要:

重力式锚碇基础在计算中通常简化为浅基础,并不考虑深度效应的影响,较为不经济。泰州大桥南锚碇沉井埋置深度达42 m,为将深度效应考虑到锚碇稳定性计算中,故采用有限元法对泰州大桥南锚碇沉井基础的深度效应进行研究。通过计算对比不同埋置深度条件下锚碇基础在施工期及运营期内位移和转角的变化,可知深度效应对锚碇基础承载力的增强作用十分明显。

关键词: 重力式锚碇     沉井基础     深度效应     有限元    

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

摘要: 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。

关键词: 大脑编码和解码     功能磁共振成像     深度神经网络     深度生成模型     双重学习    

深度学习中的视觉可解释性 Review

Quan-shi ZHANG, Song-chun ZHU

《信息与电子工程前沿(英文)》 2018年 第19卷 第1期   页码 27-39 doi: 10.1631/FITEE.1700808

摘要: 总结了近年来在理解神经网络内部特征表达和训练一个具有中层表达可解释性的深度神经网络上的相关研究工作。虽然深度神经网络在众多人工智能任务中已有杰出表现,但神经网络中层表达的可解释性依然是该领域发展的重大瓶颈。目前,深度神经网络以低解释性的黑箱表达为代价,获取了强大的分类能力。我们认为提高神经网络中层特征表达的可解释性,可以帮助人们打破众多深度学习的发展瓶颈,比如,小数据训练,语义层面上的人机交互式训练,以及基于内在特征语义定向精准修复网络中层特征表达缺陷等难题。本文着眼于卷积神经网络,调研了:(1)网络表达可视化方法;(2)网络表达的诊断方法;(3)自动解构解释卷积神经网络的方法;(4)学习中层特征表达可解释的神经网络的方法; (5)基于网络可解释性的中层对端的深度学习算法

关键词: 人工智能;深度学习;可解释性模型    

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

摘要:

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。

关键词: 机器学习     深度神经网络     对抗实例     对抗攻击     对抗防御    

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

摘要: justify;">基于衍射光学元件的光学深度学习在并行处理深度衍射神经网络(D2NN)是其中一项具有里程碑意义的研究工作。D2NN在太赫兹波段通过3D打印进行神经网络的物理固化。

关键词: 光计算     光学神经网络     深度学习     光学机器学习     深度衍射神经网络    

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

摘要: 在本文中,我们特别总结了用于深度神经网络(DNN)的加速器设计(即DNN加速器)的最新进展。

关键词: 深度神经网络     特定领域体系结构     加速器    

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

摘要: 在此情况下,出现了基于深度学习的推荐系统。当前深度学习推荐大多利用深度神经网络针对一些辅助信息建模,且在建模过程中根据输入数据类别,分别采用多条映射通路,将原始输入数据映射到潜在向量空间。然而,这些深度神经网络推荐算法忽略了不同类别数据间的联合作用可能对推荐效果产生的潜在影响。针对这一问题,本文提出一种基于多类别信息联合作用的前馈深度神经网络推荐方法——深度联合网络,以解决隐性反馈的推荐问题。经验证据表明,使用深度联合推荐可以提供更好推荐性能。

关键词: 神经网络;深度学习;DAN;推荐    

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿(英文)》 2017年 第18卷 第7期   页码 989-1001 doi: 10.1631/FITEE.1601338

摘要: 随着深度传感器的普及,深度信息因其对光照变化与遮挡表现出一定的鲁棒性而被广泛应用于视觉目标跟踪算法中。本文提出了一种基于RGBD和稀疏学习的跟踪算法,从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。为了适应跟踪过程中的各种遮挡情况,我们设计了一种特殊的遮挡物模板用于增广现有的超完备字典。最后,我们进一步提出了一种基于深度信息的遮挡物检测方法用于有效地指示模板更新。

关键词: 目标跟踪;稀疏学习;深度视角;遮挡物模板;深度图像特征    

基于众包标签数据深度学习的命名实体消歧算法 Article

Le-kui ZHOU,Si-liang TANG,Jun XIAO,Fei WU,Yue-ting ZHUANG

《信息与电子工程前沿(英文)》 2017年 第18卷 第1期   页码 97-106 doi: 10.1631/FITEE.1601835

摘要: 本文结合群体智能(即群体用户生成的标签)和深度学习(即数据驱动学习),提出了在命名实体消歧过程中生成区别度更高的特征方法。学习文本描述或实体所对应“众包特征”,然后利用“众包特征”对动态卷积神经网络(Dynamic convolutional neural network, DCNN)进行优化,最后用优化得到的DCNN来提取“深度众包特征本文所提出方法巧妙将群体认知(由众包标签反映)结合到命名实体消歧深度学习框架中。实验分析表明,当有足够多众包标签时,所提出方法优于传统手工设计特征。

关键词: 命名实体消歧;众包计算;深度学习    

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

摘要: 本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。

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    

膜技术在饮用水深度处理中的应用现状

吴礼光,赵海洋,张林

《中国工程科学》 2014年 第16卷 第7期   页码 106-112

摘要:

从压力驱动膜及膜集成技术的特点出发,结合不同水源水质,对膜技术应用于饮用水深度处理方面的进展进行了分析和综述,并提出膜法饮用水深度处理的发展建议

关键词: 膜技术     集成过程     饮用水深度处理    

标题 作者 时间 类型 操作

燃煤电站烟气污染物深度脱除技术的分析

张晓鲁

期刊论文

融合深度置信网络的串联隐马尔科夫模型及其在脱机手写识别中的应用

Partha Pratim ROY, Guoqiang ZHONG, Mohamed CHERIET

期刊论文

深度三维重建:方法、数据和挑战

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

期刊论文

神经形态计算推动深度学习应用

Chris Palmer

期刊论文

泰州大桥南锚碇沉井基础深度效应研究

潘辉,邵国建,胡丰

期刊论文

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

杜长德, 李劲鹏, 黄利皆, 何晖光

期刊论文

深度学习中的视觉可解释性

Quan-shi ZHANG, Song-chun ZHU

期刊论文

深度学习中的对抗性攻击和防御

任奎, Tianhang Zheng, 秦湛, Xue Liu

期刊论文

可见光波段的深度衍射神经网络

陈航, 冯佳楠, 江闽伟, 王逸群, 林杰, 谭久彬, 金鹏

期刊论文

深度神经网络加速器体系结构概述

陈怡然, 谢源, 宋凌皓, 陈凡, 唐天琪

期刊论文

DAN:一种用于个性化推荐的深度联合神经网络

王旭娜,谭清美

期刊论文

基于RGBD和稀疏学习的鲁棒目标跟踪

Zi-ang MA, Zhi-yu XIANG

期刊论文

基于众包标签数据深度学习的命名实体消歧算法

Le-kui ZHOU,Si-liang TANG,Jun XIAO,Fei WU,Yue-ting ZHUANG

期刊论文

基于图像的深度学习降雨强度估计方法

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

期刊论文

膜技术在饮用水深度处理中的应用现状

吴礼光,赵海洋,张林

期刊论文