检索范围:
排序: 展示方式:
深度学习的几何学解释 Article
雷娜, 安东生, 郭洋, 苏科华, 刘世霞, 罗钟铉, 丘成桐, 顾险峰
《工程(英文)》 2020年 第6卷 第3期 页码 361-374 doi: 10.1016/j.eng.2019.09.010
本文从几何角度来理解深度学习,特别是提出了生成对抗网络(GAN)的最优传输(OT)观点。自然数据集具有内在的模式,该模式可被概括为流形分布原理,即同一类高维数据分布于低维流形附近。GAN主要完成流形学习和概率分布变换两项任务。其中,后者可以用经典的OT方法来实现。此外, OT理论揭示了生成器与判别器之间的内在关系是协作的而不是竞争的,并且解释了模式崩溃的根本原因。在此基础上,我们提出了一种新的生成模型,该模型利用自编码器(AE)进行流形学习,并利用OT映射进行概率分布变换。这个AE-OT模型提升了深度学习理论的严谨性和透明性、提高了计算的稳定性和效率,尤其是避免了模式崩溃问题。实验结果验证了我们的假设,并充分展示了我们提出的AE-OT模型的优点。
关键词: 生成,对抗,深度学习,最优传输,模式崩溃
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。
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
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
RFPose-OT:基于最优传输理论的无线三维人体姿态估计 Research Article
俞聪1,张东恒2,武治2,卢智2,解春阳1,胡洋3,陈彦2
《信息与电子工程前沿(英文)》 2023年 第24卷 第10期 页码 1445-1457 doi: 10.1631/FITEE.2200550
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
基于机器学习的广彩瓷图案生成系统 Special Feature on Intelligent Design
Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH
《信息与电子工程前沿(英文)》 2019年 第20卷 第12期 页码 1632-1643 doi: 10.1631/FITEE.1900399
关键词: 广彩瓷;分类;生成对抗网络;艺术创作
基于最小化重构误差的生成对抗网络异常检测 Article
Huan-gang WANG, Xin LI, Tao ZHANG
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 116-125 doi: 10.1631/FITEE.1700786
基于自适应采样的鲁棒精确最优传输映射 Research Articles
王应时1,郑晓朋2,陈伟2,3,齐鑫4,任玉雪3,雷娜2,3,顾险峰4
《信息与电子工程前沿(英文)》 2021年 第22卷 第9期 页码 1207-1220 doi: 10.1631/FITEE.2000250
视觉知识引导的中国篆刻智能化生成 Research Article
张克俊1,2,张瑞1,殷叶航1,李一非3,伍文棋1,孙凌云1,2,吴飞1,邓晃煌1,潘云鹤1
《信息与电子工程前沿(英文)》 2022年 第23卷 第10期 页码 1479-1493 doi: 10.1631/FITEE.2100094
针对意外崩溃智能体的教练辅助多智能体强化学习框架 Research Article
赵鉴1,赵有朋1,王维埙2,阳明宇1,胡迅晗1,周文罡1,郝建业2,李厚强1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1032-1042 doi: 10.1631/FITEE.2100594
关键词: 多智能体系统;强化学习;意外崩溃智能体
基于Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例 Article
刘宇飞, 周源, 刘欣, 董放, 王畅, 王子鸿
《工程(英文)》 2019年 第5卷 第1期 页码 156-163 doi: 10.1016/j.eng.2018.11.018
以大数据为基础的深度学习算法在推动新一代人工智能快速发展中意义重大。然而深度学习的有效利用对标注样本数量的高度依赖,使得深度学习在小样本数据环境下的应用受到制约。本研究提出了一种基于生成对抗网络(generative adversarial network,GAN)和深度神经网络(deep neural network,DNN)分类器的方法。首先,将原始样本划分为训练集样本和测试集样本,采用训练集样本训练GAN 后生成模拟样本数据,扩增训练集样本规模;然后,使用模拟样本训练DNN 分类器;最后,使用测试集样本测试分类器,并通过指标验证该方法在小样本多分类问题下的有效性同时,该方法是一次将基于原始样本的经典统计机器学习分类方法转变为基于数据增强的深度学习分类方法的尝试。本研究有助于探索以深度学习为代表的新一代人工智能技术在应用范围与应用效果方面的潜力。
基于机器学习的抄袭源检索的查询生成方法 Article
Lei-lei KONG, Zhi-mao LU, Hao-liang QI, Zhong-yuan HAN
《信息与电子工程前沿(英文)》 2017年 第18卷 第10期 页码 1556-1572 doi: 10.1631/FITEE.1601344
高子航, 贾广禄, 谢宏钊, 黄强, 福田敏男, 石青
《工程(英文)》 2022年 第17卷 第10期 页码 232-243 doi: 10.1016/j.eng.2022.05.012
现有的仿生机器鼠仅可以执行一些基本的仿鼠运动基元(MP),并通过这些基元的刚性组合来形成简单的行为。为了模拟具有高相似性的典型实验鼠行为,本文提出使用概率模型和运动特征对实验鼠的行为进行参数化。首先,对15 个10 min 的实验鼠运动视频片段的分析表明,一只实验鼠在野外通常有6 种典型的行为,且每种行为都包含8 个运动基元的不同组合。本文首先使用softmax 分类器来获得实验鼠的行为-运动分层概率模型。其次,使用静态和动态的运动参数对运动基元组合进行特征化。本文分别使用分层聚类和模糊C均值(FCM)聚类获得静态和动态运动参数的优势值。这些优势值通过二阶傅里叶级数对实验鼠的脊柱关节轨迹进行拟合,并且通过具有两个隐藏层的反向传播(BP)神经网络对关节轨迹进行泛化。最后,将分层概率模型和泛化的关节轨迹分别作为控制策略和指令映射到机器鼠。本文在机器鼠上实现了6 种典型的仿鼠行为,其结果与实验鼠的行为相比显示出高度相似性。
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
基于机器学习的广彩瓷图案生成系统
Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH
期刊论文