检索范围:
排序: 展示方式:
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
基于衍射光学元件的光学深度学习在并行处理、计算速度和计算效率方面有着独特优势。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。鉴于太赫兹波段下存在的粒子间耦合限制和材料损耗,本文将D2NN的应用波段延展至可见光波段,并提出了包括修订公式在内的一般理论,解决了工作波长、人工神经元特征尺寸和加工制备之间的矛盾。在632.8 nm的工作波长下,本文提出了一种新颖的可见光D2NN分类器,可用于原始目标(手写数字0~9)和已更改目标(被遮盖和涂改目标)的目标识别。本文获得的实验分类精度(84%)和数值分类精度(91.57%)量化了理论设计和制造系统性能之间的匹配程度。本文所提出的一般理论模型可将D2NN应用于各种实际问题或设计全新的应用场景。
Khuong LE-NGUYEN; Quyen Cao MINH; Afaq AHMAD; Lanh Si HO
《结构与土木工程前沿(英文)》 2022年 第16卷 第10期 页码 1213-1232 doi: 10.1007/s11709-022-0880-7
关键词: FRCM deep neural networks confinement effect strength model confined concrete
Survey on deep learning for pulmonary medical imaging
Jiechao Ma, Yang Song, Xi Tian, Yiting Hua, Rongguo Zhang, Jianlin Wu
《医学前沿(英文)》 2020年 第14卷 第4期 页码 450-469 doi: 10.1007/s11684-019-0726-4
关键词: deep learning neural networks pulmonary medical image survey
《结构与土木工程前沿(英文)》 2021年 第15卷 第6期 页码 1453-1479 doi: 10.1007/s11709-021-0767-z
关键词: damage detection deep feed-forward neural networks functionally graded carbon nanotube-reinforced composite plates modal kinetic energy
《机械工程前沿(英文)》 2022年 第17卷 第3期 doi: 10.1007/s11465-022-0688-0
关键词: precision milling dimensional accuracy cutting force convolutional neural networks coherent noise
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
最近,由于可使用的大数据和计算能力的快速增长,人工智能重新获得了巨大的关注和投资。机器学习(ML)方法已成功应用于解决学术界和工业界的许多问题。尽管大数据应用的高速增长为ML的发展提供动力,但它也给传统计算机系统带来了数据处理速度和可扩展性方面的严峻挑战。专门为AI应用程序设计的计算平台已经从对冯·诺依曼(von Neumann)平台的补充发展到必备的独立技术解决方案。这些平台属于更大的类别,被称为“专有域计算”,专注于针对AI的特定定制。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。我们从计算单元、数据流优化、网络模型、基于新兴技术的体系结构以及针对新兴应用的加速器等方面讨论支持DNN执行的各种体系结构。我们还提供了有关AI芯片设计未来趋势的展望。
《机械工程前沿(英文)》 2022年 第17卷 第2期 doi: 10.1007/s11465-022-0673-7
关键词: deep reinforcement learning hyper parameter optimization convolutional neural network fault diagnosis
Novel interpretable mechanism of neural networks based on network decoupling method
《工程管理前沿(英文)》 2021年 第8卷 第4期 页码 572-581 doi: 10.1007/s42524-021-0169-x
关键词: neural networks interpretability dynamical behavior network decouple
《化学科学与工程前沿(英文)》 2023年 第17卷 第6期 页码 759-771 doi: 10.1007/s11705-022-2269-5
关键词: hydrocracking convolutional neural networks self-organizing map deep learning data-driven optimization
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
J. Sargolzaei, A. Hedayati Moghaddam
《化学科学与工程前沿(英文)》 2013年 第7卷 第3期 页码 357-365 doi: 10.1007/s11705-013-1336-3
关键词: oil recovery artificial intelligence extraction neural networks supercritical extraction
Tiago Miguel FERREIRA, João ESTÊVÃO, Rui MAIO, Romeu VICENTE
《结构与土木工程前沿(英文)》 2020年 第14卷 第3期 页码 609-622 doi: 10.1007/s11709-020-0623-6
关键词: Artificial Neural Networks seismic vulnerability masonry buildings damage estimation vulnerability curves
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。
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
标题 作者 时间 类型 操作
Development of deep neural network model to predict the compressive strength of FRCM confined columns
Khuong LE-NGUYEN; Quyen Cao MINH; Afaq AHMAD; Lanh Si HO
期刊论文
Survey on deep learning for pulmonary medical imaging
Jiechao Ma, Yang Song, Xi Tian, Yiting Hua, Rongguo Zhang, Jianlin Wu
期刊论文
A deep feed-forward neural network for damage detection in functionally graded carbon nanotube-reinforced
期刊论文
A hybrid deep learning model for robust prediction of the dimensional accuracy in precision milling of
期刊论文
A new automatic convolutional neural network based on deep reinforcement learning for fault diagnosis
期刊论文
Multiple input self-organizing-map ResNet model for optimization of petroleum refinery conversion units
期刊论文
Predicting the yield of pomegranate oil from supercritical extraction using artificial neural networks
J. Sargolzaei, A. Hedayati Moghaddam
期刊论文
The use of Artificial Neural Networks to estimate seismic damage and derive vulnerability functions for
Tiago Miguel FERREIRA, João ESTÊVÃO, Rui MAIO, Romeu VICENTE
期刊论文