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
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
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
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
一种基于卷积神经网络从3导联心电图推导标准12导联心电图的新方法 Regular Papers
Lu-di WANG, Wei ZHOU, Ying XING, Na LIU, Mahmood MOVAHEDIPOUR, Xiao-guang ZHOU
《信息与电子工程前沿(英文)》 2019年 第20卷 第3期 页码 405-413 doi: 10.1631/FITEE.1700413
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
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。
标题 作者 时间 类型 操作
一种基于卷积神经网络从3导联心电图推导标准12导联心电图的新方法
Lu-di WANG, Wei ZHOU, Ying XING, Na LIU, Mahmood MOVAHEDIPOUR, Xiao-guang ZHOU
期刊论文