期刊文献+
共找到699篇文章
< 1 2 35 >
每页显示 20 50 100
基于多智能体迁移强化学习算法的电力系统最优碳–能复合流求解
1
作者 陈艺璇 张孝顺 +1 位作者 郭乐欣 余涛 《高电压技术》 EI CAS CSCD 北大核心 2019年第3期863-872,共10页
为避免碳排放责任的重复计算,首次在电力系统最优碳–能复合流模型中提出发电侧、电网侧、用户侧之间的碳排放责任分摊机制。并进一步提出一种全新的多智能体迁移强化学习算法,以实现电力系统最优碳–能复合流模型的快速、高质量求解。... 为避免碳排放责任的重复计算,首次在电力系统最优碳–能复合流模型中提出发电侧、电网侧、用户侧之间的碳排放责任分摊机制。并进一步提出一种全新的多智能体迁移强化学习算法,以实现电力系统最优碳–能复合流模型的快速、高质量求解。此算法同时组织多个智能体执行优化任务,并将知识学习机制、多智能体交互机制和知识迁移机制相结合,不仅使每个智能体都具有较强的自主学习能力,还通过多个智能体之间的协调实现了问题的合作求解;知识迁移可以复用历史任务学习经验,使新任务学习效率大幅提升。IEEE 57节点系统、IEEE 300节点系统及深圳电网模型仿真结果均表明,此算法在保证最优解质量和寻优稳定性的同时,收敛速度可达其他算法的4.7~50.5倍,具有明显的优势和实用价值。 展开更多
关键词 多智能体迁移强化学习算法 碳-能复合流 碳排放责任分摊 迁移学习 强化学习
基于特征迁移和实例迁移的跨项目缺陷预测方法 预览
2
作者 倪超 陈翔 +3 位作者 刘望舒 顾庆 黄启国 李娜 《软件学报》 EI CSCD 北大核心 2019年第5期1308-1329,共22页
在实际软件开发中,需要进行缺陷预测的项目可能是一个新启动项目,或者这个项目的历史训练数据较为稀缺.一种解决方案是利用其他项目(即源项目)已搜集的训练数据来构建模型,并完成对当前项目(即目标项目)的预测.但不同项目的数据集间会... 在实际软件开发中,需要进行缺陷预测的项目可能是一个新启动项目,或者这个项目的历史训练数据较为稀缺.一种解决方案是利用其他项目(即源项目)已搜集的训练数据来构建模型,并完成对当前项目(即目标项目)的预测.但不同项目的数据集间会存在较大的分布差异性.针对该问题,从特征迁移和实例迁移角度出发,提出了一种两阶段跨项目缺陷预测方法 FeCTrA.具体来说,在特征迁移阶段,该方法借助聚类分析选出源项目与目标项目之间具有高分布相似度的特征;在实例迁移阶段,该方法基于TrAdaBoost方法,借助目标项目中的少量已标注实例,从源项目中选出与这些已标注实例分布相近的实例.为了验证FeCTrA方法的有效性,选择Relink数据集和AEEEM数据集作为评测对象,以F1作为评测指标.首先,FeCTrA方法的预测性能要优于仅考虑特征迁移阶段或实例迁移阶段的单阶段方法;其次,与经典的跨项目缺陷预测方法 TCA+、Peters过滤法、Burak过滤法以及DCPDP法相比,FeCTrA方法的预测性能在Relink数据集上可以分别提升23%、7.2%、9.8%和38.2%,在AEEEM数据集上可以分别提升96.5%、108.5%、103.6%和107.9%;最后,分析了FeCTrA方法内的影响因素对预测性能的影响,从而为有效使用FeCTrA方法提供了指南. 展开更多
关键词 软件质量保障 软件缺陷预测 跨项目缺陷预测 迁移学习 特征迁移 实例迁移
在线阅读 下载PDF
深度学习在电力系统中的应用研究综述 预览
3
作者 叶琳 杨滢 +1 位作者 洪道鉴 陈新建 《浙江电力》 2019年第5期83-89,共7页
近年来,人工智能特别是深度学习技术的迅速发展,给当今社会带来了巨大变革。首先梳理了人工智能尤其是机器学习的关键及前沿技术,阐述了包括强化学习、迁移学习、生成对抗神经网络、胶囊网络和引导学习等几种典型机器学习方法的特点。... 近年来,人工智能特别是深度学习技术的迅速发展,给当今社会带来了巨大变革。首先梳理了人工智能尤其是机器学习的关键及前沿技术,阐述了包括强化学习、迁移学习、生成对抗神经网络、胶囊网络和引导学习等几种典型机器学习方法的特点。然后分析了机器学习在电力系统稳定性分析领域、协调调度领域以及负荷预测领域的典型应用场景,对比了其在解决特定问题时的优势。最后对应用情况进行了概括总结,展望了其在电力系统运行领域的应用前景。 展开更多
关键词 人工智能 机器学习 强化学习 迁移学习 对抗神经网络 胶囊网络 引导学习
在线阅读 免费下载
基于深度学习的动态人脸识别方法 预览
4
作者 何元烈 刘峰 孙盛 《计算机工程与设计》 北大核心 2019年第11期3299-3305,共7页
为更好地解决动态人脸识别在非受限环境下鲁棒性差的问题,提出基于深度学习的动态人脸识别方法。该方法结合迁移学习、多任务学习、增强学习和循环神经网络的优点,用预先训练好的模型提取视频每一帧的人脸图像特征,对其进行同时跟踪和识... 为更好地解决动态人脸识别在非受限环境下鲁棒性差的问题,提出基于深度学习的动态人脸识别方法。该方法结合迁移学习、多任务学习、增强学习和循环神经网络的优点,用预先训练好的模型提取视频每一帧的人脸图像特征,对其进行同时跟踪和识别,采用增强学习进一步提高识别效果,使用循环神经网络对一段视频进行识别。实验结果表明,该方法与当前先进方法相比,识别准确性接近最好成绩且鲁棒性有了较大提升。 展开更多
关键词 深度学习 动态人脸识别 迁移学习 多任务学习 增强学习 循环神经网络
在线阅读 下载PDF
他山之石可以攻玉:致力于迁移知识,共享学习研究--中国科学院计算技术研究所庄福振博士
5
作者 时兰兰 《科技成果管理与研究》 2019年第10期8-9,共2页
庄福振,中国科学院计算技术研究所副研究员,计算机学会高级会员;中国人工智能学会机器学习专委会委员,中国计算机学会模式识别与人工智能专委会委员。主要从事机器学习和数据挖掘方面的相关研究工作,包括迁移学习、多任务学习、多视图... 庄福振,中国科学院计算技术研究所副研究员,计算机学会高级会员;中国人工智能学会机器学习专委会委员,中国计算机学会模式识别与人工智能专委会委员。主要从事机器学习和数据挖掘方面的相关研究工作,包括迁移学习、多任务学习、多视图学习、推荐系统以及并行分类算法等。多年来,他主持或参与国家自然科学基金项目重点基金项目、面上项目、青年基金项目、国家重点研发计划等项目10项。 展开更多
关键词 中国计算机学会 机器学习 多任务学习 迁移学习 数据挖掘 模式识别 人工智能 多视图学习
基于迁移权重的条件对抗领域适应 预览
6
作者 王进 王科 +2 位作者 闵子剑 孙开伟 邓欣 《电子与信息学报》 EI CSCD 北大核心 2019年第11期2729-2735,共7页
针对条件对抗领域适应(CDAN)方法未能充分挖掘样本的可迁移性,仍然存在部分难以迁移的源域样本扰乱目标域数据分布的问题,该文提出一种基于迁移权重的条件对抗领域适应(TW-CDAN)方法。首先利用领域判别模型的判别结果作为衡量样本迁移... 针对条件对抗领域适应(CDAN)方法未能充分挖掘样本的可迁移性,仍然存在部分难以迁移的源域样本扰乱目标域数据分布的问题,该文提出一种基于迁移权重的条件对抗领域适应(TW-CDAN)方法。首先利用领域判别模型的判别结果作为衡量样本迁移性能的主要度量指标,使不同的样本具有不同的迁移性能;其次将样本的可迁移性作为权重应用在分类损失和最小熵损失上,旨在消除条件对抗领域适应中难以迁移样本对模型造成的影响;最后使用Office-31数据集的6个迁移任务和Office-Home数据集的12个迁移任务进行了实验,该方法在14个迁移任务上取得了提升,在平均精度上分别提升1.4%和3.1%。 展开更多
关键词 迁移学习 领域适应 对抗学习 迁移权重
在线阅读 免费下载
基于无监督迁移成分分析和深度信念网络的轴承故障诊断方法 预览
7
作者 谭俊杰 杨先勇 +1 位作者 徐增丙 王志刚 《武汉科技大学学报》 CAS 北大核心 2019年第6期456-462,共7页
针对轴承故障样本少导致识别精度低的问题,提出一种基于无监督迁移成分分析(unsupervised transfer component analysis,UTCA)和深度信念网络(deep belief network,DBN)的故障诊断方法。首先利用UTCA的核函数将不同工况样本特征映射到... 针对轴承故障样本少导致识别精度低的问题,提出一种基于无监督迁移成分分析(unsupervised transfer component analysis,UTCA)和深度信念网络(deep belief network,DBN)的故障诊断方法。首先利用UTCA的核函数将不同工况样本特征映射到一个共享再生核Hilbert空间中,使得源域和目标域样本集更加相似,并通过最大均值偏差嵌入法(maximum mean discrepancy embedding,MMDE)判断能够迁移的源域数据,将源域样本迁移到目标域中,为深度学习提供充足的训练样本,解决了实际故障样本较少的问题;然后采用DBN模型对源域样本进行训练,再对映射后无标记的目标域样本进行故障诊断分析。利用不同工况下的滚动轴承实验数据进行算法验证,结果表明,与普通DBN、SVM、BPNN以及传统机器学习-UTCA融合方法相比,本文方法对滚动轴承故障的诊断精度更高。 展开更多
关键词 故障诊断 滚动轴承 无监督迁移成分分析 深度信念网络 迁移学习 深度学习
在线阅读 下载PDF
基于深度学习的图像风格迁移研究综述 预览 被引量:2
8
作者 陈淑環 韦玉科 +2 位作者 徐乐 董晓华 温坤哲 《计算机应用研究》 CSCD 北大核心 2019年第8期2250-2255,共6页
为推进基于深度学习的图像风格迁移的技术研究,对目前基于深度学习的图像风格迁移的主要方法和代表性工作进行了归纳与探讨。回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像... 为推进基于深度学习的图像风格迁移的技术研究,对目前基于深度学习的图像风格迁移的主要方法和代表性工作进行了归纳与探讨。回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像风格迁移在相关领域中的应用前景,最后总结了基于深度学习的图像风格迁移目前存在的问题与未来的研究方向。 展开更多
关键词 图像风格迁移 深度学习 迁移学习 纹理合成
在线阅读 下载PDF
多代表点自约束的模糊迁移聚类
9
作者 秦军 张远鹏 +1 位作者 蒋亦樟 杭文龙 《山东大学学报:工学版》 CAS CSCD 北大核心 2019年第2期107-115,共9页
以往建立在模糊C均值(fuzzy C-means, FCM)框架下利用源域虚拟簇中心作为迁移知识的迁移聚类算法容易受到离群点和噪声的干扰,且单个簇中心不足以描述簇结构。针对此问题,提出多代表点自约束的模糊迁移聚类算法,该算法引入样本代表权重... 以往建立在模糊C均值(fuzzy C-means, FCM)框架下利用源域虚拟簇中心作为迁移知识的迁移聚类算法容易受到离群点和噪声的干扰,且单个簇中心不足以描述簇结构。针对此问题,提出多代表点自约束的模糊迁移聚类算法,该算法引入样本代表权重机制为簇中每个样本分配代表权重来刻画簇结构,这种机制能更好的刻画簇结构,对离群点和噪声有较好的抑制作用;同时利用源域样本,重构目标域簇结构,并以此作为迁移知识进行目标域样本聚类,相对于利用单中心作为迁移知识来说,整体重构后的目标域簇结构所包含的迁移知识量更为丰富。试验结果表明。在人工数据集和真实数据集上,所提出的聚类算法相比对比算法,NMI和ARI最高提升了0.674 5和0.608 4。说明在迁移环境下,以代表点自约束作为知识迁移规则,所提出的聚类算法具有一定的聚类效果。 展开更多
关键词 模糊聚类 迁移聚类 多代表点 迁移学习 无监督学习
DeepMind提出“从模拟到真实”的新型迁移学习方案 预览
10
作者 编辑部(编译) 《机器人产业》 2019年第6期16-20,共5页
如何让机器人在模拟环境中将学到的知识带到真实世界中加以应用,一直是科学家们思考的问题。最近,DeepMind研究人员提出了一种“从模拟到真实”的新型迁移学习方法,智能体在模拟环境中通过观察学习知识,随后可以将已学到的知识迁移到真... 如何让机器人在模拟环境中将学到的知识带到真实世界中加以应用,一直是科学家们思考的问题。最近,DeepMind研究人员提出了一种“从模拟到真实”的新型迁移学习方法,智能体在模拟环境中通过观察学习知识,随后可以将已学到的知识迁移到真实环境中。在实验中,仅通过几个小时的学习,机器人就完成了难度系数非常高的魔方堆积任务,并取得了良好的性能表现。 展开更多
关键词 观察学习 迁移学习 模拟环境 机器人 知识迁移 难度系数 智能体 真实环境
在线阅读 下载PDF
基于树木整体图像和集成迁移学习的树种识别 预览
11
作者 冯海林 胡明越 +1 位作者 杨垠晖 夏凯 《农业机械学报》 EI CAS CSCD 北大核心 2019年第8期235-242,279共9页
为解决自然场景中拥有复杂背景的树木整体图像识别问题,提出了一种基于树木整体图像和集成迁移学习的树种识别方法。首先使用AlexNet、VggNet-16、Inception V3及ResNet 50这4种在ImageNet大规模数据集上预训练的模型对图像进行特征提取... 为解决自然场景中拥有复杂背景的树木整体图像识别问题,提出了一种基于树木整体图像和集成迁移学习的树种识别方法。首先使用AlexNet、VggNet-16、Inception V3及ResNet 50这4种在ImageNet大规模数据集上预训练的模型对图像进行特征提取,然后迁移到目标树种数据集上,训练出4个不同的分类模型,最后通过相对多数投票法和加权平均法建立集成模型。构建了一个新的树种图像数据集——TreesNet,基于该数据集,设计了多类实验,并将该方法与传统的图像识别方法进行了分析比较。实验结果表明:该方法对复杂背景下树种图像识别准确率达到99.15%,对于树木整体图像识别具有较好的效果。 展开更多
关键词 树种识别 迁移学习 图像识别 深度学习 集成学习
在线阅读 下载PDF
一种基于迁移学习的学习资源推荐方法 预览
12
作者 唐路平 许庆贤 肖迎元 《天津理工大学学报》 2019年第3期10-16,共7页
移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书... 移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书网等.手动检索和个性化推荐是在线学习系统提供给用户获取学习资源的常用方式.个性化推荐因其能主动建模学习者偏好,为学习者提供个性化的学习资源推荐服务而受到了广泛关注并成为在线学习领域的研究热点.本文在传统协同过滤个性化推荐系统的基础上提出一种基于迁移学习的学习资源的推荐方法,该方法从已有的数据中学习知识,然后迁移到目标任务中,解决了目标任务中数据过少从而导致学习特征的能力不足的问题. 展开更多
关键词 泛在学习 迁移学习 学习资源 推荐系统
在线阅读 免费下载
深度学习在图像识别中的应用研究综述 预览 被引量:2
13
作者 郑远攀 李广阳 李晔 《计算机工程与应用》 CSCD 北大核心 2019年第12期20-36,共17页
深度学习作为图像识别领域重要的技术手段,有着广阔的应用前景,开展图像识别技术研究对推动计算机视觉及人工智能的发展具有重要的理论价值和现实意义,文中对深度学习在图像识别中的应用给予综述。介绍了深度学习的由来,具体分析了深度... 深度学习作为图像识别领域重要的技术手段,有着广阔的应用前景,开展图像识别技术研究对推动计算机视觉及人工智能的发展具有重要的理论价值和现实意义,文中对深度学习在图像识别中的应用给予综述。介绍了深度学习的由来,具体分析了深度信念网络、卷积神经网络、循环神经网络、生成式对抗网络以及胶囊网络等深度学习模型,对各个深度学习模型的改进型模型逐一对比分析。总结近年来深度学习在人脸识别、医学图像识别、遥感图像分类等图像识别应用领域取得的研究成果并探讨了已有研究值得商榷之处,对深度学习在图像识别领域中的发展趋势进行探讨,指出有效使用迁移学习技术识别小样本数据,使用非监督与半监督学习对图像进行识别,如何对视频图像进行有效识别以及强化模型的理论性等是该领域研究的进一步方向。 展开更多
关键词 深度学习 图像识别 卷积神经网络 胶囊网络 迁移学习 非监督学习
在线阅读 下载PDF
基于迁移学习的风力发电机叶片裂缝识别 预览
14
作者 刘艳霞 丁小燕 方建军 《传感器与微系统》 CSCD 2019年第8期107-110,共4页
采用基于Inception v3模型的迁移学习方法对风机叶片裂缝进行自动检测,分别设计了基于反向传播(BP)神经网络和超限学习机(ELM)的全连接层实现叶片状态分类。实验结果表明:迁移学习方法的收敛速度和网络精度均优于Faster R-CNN和Yolo v3... 采用基于Inception v3模型的迁移学习方法对风机叶片裂缝进行自动检测,分别设计了基于反向传播(BP)神经网络和超限学习机(ELM)的全连接层实现叶片状态分类。实验结果表明:迁移学习方法的收敛速度和网络精度均优于Faster R-CNN和Yolo v3深度学习算法。对于结构相对简单的全连接层,用ELM超限学习机可取得与BP神经网络相近的性能指标(准确率89. 3%,召回率91. 5%,F1值0. 819),但训练速度可提高上千倍,适用于对实时性要求较高的应用场景。 展开更多
关键词 迁移学习 超限学习 神经网络 深度学习 风机叶片
在线阅读 下载PDF
基于低秩表示的多任务短期电力负荷预测的研究
15
作者 苏运 卜凡鹏 +5 位作者 郭乃网 田世明 田英杰 张琪祁 瞿海妮 柳劲松 《现代电力》 北大核心 2019年第3期58-65,共8页
在电力系统负荷预测中,使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系,忽视关联信息在多个地点间传递的可能会导致学习效果欠佳。针对这一问题,本文提出基于低秩表示的多任务学习方法进行多个地点的多任务负荷预测,该方法... 在电力系统负荷预测中,使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系,忽视关联信息在多个地点间传递的可能会导致学习效果欠佳。针对这一问题,本文提出基于低秩表示的多任务学习方法进行多个地点的多任务负荷预测,该方法在学习过程中可以提取不同位置的负荷预测模型的共享低维表示,从而可以挖掘多个任务之间的关联关系,同时又可以区别不同任务之间的差别。实验表明,多任务负荷预测的平均性能优于决策树和随机森林等单任务学习方法,在负荷预测的精度上有了一定的提升。 展开更多
关键词 负荷预测 多任务学习 迁移学习 机器学习 低秩
利用网络图像增强行为识别 预览
16
作者 闻号 《计算机技术与发展》 2019年第1期31-34,共4页
鉴于商业视觉搜索引擎的日益成熟,网络数据可能是下一个扩大视觉识别的重要数据源。通过观察发现,动作名称查询到的网络图像具有歧视性的动作场景。网络图像的歧视性信息和视频的时间信息之间有相互补充的优势。在此基础上提出一种利用... 鉴于商业视觉搜索引擎的日益成熟,网络数据可能是下一个扩大视觉识别的重要数据源。通过观察发现,动作名称查询到的网络图像具有歧视性的动作场景。网络图像的歧视性信息和视频的时间信息之间有相互补充的优势。在此基础上提出一种利用大量的网络图像来增强行为识别的方法。具体框架是:提取行为视频的密集轨迹特征,并与网络图像特征相结合后放入支持向量机中训练分类。该方法是一个跨域学习问题,为了有效地利用网络图像特征,引入了跨域字典学习算法来处理网络图像,以解决网络图像域和视频域之间存在的域差异问题。由于网络图像可以轻松地在网络上获取,所以该方法几乎零成本地增强行为识别。在KTH和YouTube数据集上的实验结果表明,该方法有效提高了人体行为识别的准确率。 展开更多
关键词 网络学习 迁移学习 行为识别 密集轨迹 字典学习
在线阅读 下载PDF
全卷积语义分割与物体检测网络
17
作者 肖锋 芮挺 +1 位作者 任桐炜 王东 《中国图象图形学报》 CSCD 北大核心 2019年第3期474-482,共9页
目的目前主流物体检测算法需要预先划定默认框,通过对默认框的筛选剔除得到物体框。为了保证足够的召回率,就必须要预设足够密集和多尺度的默认框,这就导致了图像中各个区域被重复检测,造成了极大的计算浪费。提出一种不需要划定默认框... 目的目前主流物体检测算法需要预先划定默认框,通过对默认框的筛选剔除得到物体框。为了保证足够的召回率,就必须要预设足够密集和多尺度的默认框,这就导致了图像中各个区域被重复检测,造成了极大的计算浪费。提出一种不需要划定默认框,实现完全端到端深度学习语义分割及物体检测的多任务深度学习模型(FCDN),使得检测模型能够在保证精度的同时提高检测速度。方法首先分析了被检测物体数量不可预知是目前主流物体检测算法需要预先划定默认框的原因,由于目前深度学习物体检测算法都是由图像分类模型拓展而来,被检测数量的无法预知导致无法设置检测模型的输出,为了保证召回率,必须要对足够密集和多尺度的默认框进行分类识别;物体检测任务需要物体的类别信息以实现对不同类物体的识别,也需要物体的边界信息以实现对各个物体的区分、定位;语义分割提取了丰富的物体类别信息,可以根据语义分割图识别物体的种类,同时采用语义分割的思想,设计模块提取图像中物体的边界关键点,结合语义分割图和边界关键点分布图,从而完成物体的识别和定位。结果为了验证基于语义分割思想的物体检测方法的可行性,训练模型并在VOC(visual object classes)2007 test数据集上进行测试,与目前主流物体检测算法进行性能对比,结果表明,利用新模型可以同时实现语义分割和物体检测任务,在训练样本相同的条件下训练后,其物体检测精度优于经典的物体检测模型;在算法的运行速度上,相比于FCN,减少了8ms,比较接近于YOLO(you only look once)等快速检测算法。结论本文提出了一种新的物体检测思路,不再以图像分类为检测基础,不需要对预设的密集且多尺度的默认框进行分类识别;实验结果表明充分利用语义分割提取的丰富信息,根据语义分割图和边界关键点完� 展开更多
关键词 深度学习 物体检测 语义分割 边界关键点 多任务学习 迁移学习 默认框
一种基于伪标签的半监督少样本学习模型 预览
18
作者 余游 冯林 +1 位作者 王格格 徐其凤 《电子学报》 EI CAS CSCD 北大核心 2019年第11期2284-2291,共8页
如何将带有大量标记数据的源域知识模型迁移至带有少量标记数据的目标域是少样本学习研究领域的热点问题.针对现有的少样本学习算法在源域数据与目标域数据的特征分布差异较大时存在的泛化能力较弱的问题,提出一种基于伪标签的半监督少... 如何将带有大量标记数据的源域知识模型迁移至带有少量标记数据的目标域是少样本学习研究领域的热点问题.针对现有的少样本学习算法在源域数据与目标域数据的特征分布差异较大时存在的泛化能力较弱的问题,提出一种基于伪标签的半监督少样本学习模型FSLSS(Few-Shot Learning based on Semi-Supervised).首先,利用pytorch深度学习框架建立一个关系型深度学习网络,并使用源域数据对网络进行预训练;然后,使用此网络对目标域数据进行分类预测,将分类概率最大的类标签作为数据的伪标签;最后,利用目标域的伪标签数据和源域的真实标签数据对网络进行混合训练,并重复伪标签标记与混合训练过程.实验结果表明,相对于现有主流少样本学习算法,FSLSS模型有更好的泛化能力及知识迁移效果. 展开更多
关键词 少样本学习 半监督学习 伪标签 迁移学习
在线阅读 下载PDF
基于深度学习的椎间孔狭窄自动多分级研究 预览
19
作者 洪雁飞 魏本征 +2 位作者 刘川 韩忠义 李天阳 《智能系统学报》 CSCD 北大核心 2019年第4期708-715,共8页
椎间孔狭窄症的术前定性分级诊断对临床医生治疗策略的制定和患者健康恢复至关重要,但目前该方面临床上仍然存在很多问题,并且缺乏相关的研究和行之有效的方法用于辅助临床医生诊断。因此,为提高计算机辅助椎间孔狭窄症诊断准确率以及... 椎间孔狭窄症的术前定性分级诊断对临床医生治疗策略的制定和患者健康恢复至关重要,但目前该方面临床上仍然存在很多问题,并且缺乏相关的研究和行之有效的方法用于辅助临床医生诊断。因此,为提高计算机辅助椎间孔狭窄症诊断准确率以及医生工作效率,本文提出一种基于深度学习的椎间孔狭窄图像自动分级算法。从人体矢状切脊柱核磁共振图像中提取脊柱椎间孔图像,并做图像预处理;设计一种监督式深度卷积神经网络模型,用于实现脊柱椎间孔图像数据集的自动多分级;利用迁移学习方法,解决深度学习算法在小样本数据集上的过拟合问题。实验结果表明,本文算法在脊柱椎间孔图像数据集上的分类精确度可达到87.5%以上,且其具有良好的鲁棒性和泛化能力。 展开更多
关键词 椎间孔狭窄 自动分级 机器学习 深度学习 特征提取 监督训练 迁移学习 过拟合
在线阅读 下载PDF
特征增量极限学习机 预览
20
作者 赵中堂 郑小东 《计算机科学》 CSCD 北大核心 2019年第S11期112-116,共5页
在机器学习的不同应用领域,出现了很多优秀的极限学习机分类模型。研究者往往愿意公开这些模型的结构以及参数,但不愿公开原始训练数据。针对如何仅利用现有的模型和少量具有新特征的样本得到一个更高效的识别模型的问题,提出一种特征... 在机器学习的不同应用领域,出现了很多优秀的极限学习机分类模型。研究者往往愿意公开这些模型的结构以及参数,但不愿公开原始训练数据。针对如何仅利用现有的模型和少量具有新特征的样本得到一个更高效的识别模型的问题,提出一种特征增量极限学习机算法。该算法能从具有新特征的样本中学习知识,提高现有模型的识别精度。在真实世界图像和三轴加速度传感器数据集上的测试结果表明,该算法能有效地工作,在不需要以往训练样本参与的情况下,能一定程度上提高已有模型的识别精度,得到新的识别模型。 展开更多
关键词 增量学习 普适计算 迁移学习 机器学习
在线阅读 免费下载
上一页 1 2 35 下一页 到第
使用帮助 返回顶部 意见反馈