- 基于卷积神经网络和可解释人工智能的脑部 MRI 扫描诊断痴呆症
研发了一个使用卷积神经网络和可解释 AI 算法的系统,可用于精确诊断痴呆症,并让所有相关人员可视化和理解结果。
- MambaUIE&SR: 揭示海洋的秘密仅需 2.8 FLOPs
通过使用基于状态空间模型的 MambaUIE 方法,可以高效地合成全局和局部信息,仅具有少量参数,并提高准确性。
- SF-MMCN: 低功耗可重构服务器流卷积神经网络加速器
利用并行结构提出的 SF-MMCN 设计,在面对 CNN 模型中的并行结构时实现了高效的操作和区域利用率,并取得了 76% 的能量节约、55% 的面积节约以及 9.25 倍和 4.92 倍的操作和区域利用效率提升。
- 低信噪比环境下雷达无人机检测与分类的混合量子神经网络优势
本文研究了使用雷达进行检测和分类问题的混合量子神经网络 (HQNN) 和可比较的经典卷积神经网络 (CNN) 的性能。我们发现,在高信噪比 (SNR) 的情况下,CNN 在检测和分类方面的表现优于 HQNN。然而,在低信噪比范围内,HQNN - 通过机器学习辅助方法提高 X 射线微 CT 系统的能力
通过使用基于卷积神经网络(CNN)的深度学习模型,本文介绍了一种受到 UNet 启发的架构,其中包括一系列的编码器、解码器单元以及跳跃连接,用于去除 X 射线微 CT 图像中的环形伪影。结果表明,与传统的基于滤波器的非机器学习技术相比,所提 - LPAC:可学习的感知 - 动作 - 交流循环及其在覆盖控制中的应用
该研究提出了一个学习型感知 - 行动 - 通信(LPAC)架构,用于分布式机器人群控制问题,通过卷积神经网络处理感知环境、图神经网络实现机器人之间的通信和浅层多层感知器计算机器人动作,并验证该架构在覆盖控制方面超过了标准的分布式和集中式算法 - AAAI基于 Transformer 的无参考图像质量评估通过监督对比学习
在这篇论文中,我们提出了一种基于监督对比学习与 Transformer 的图像质量评估模型 SaTQA,该模型通过 SCL 在大规模合成数据集上进行训练,从而提取出具有各种失真类型和水平的图像退化特征,并结合了 CNN 的归纳偏置和 Tra - 学习三角分布在视觉世界中
卷积神经网络在广泛的视觉任务中取得成功,本文研究了特征和标签之间的数学连接,提出了一种用于标签分布学习的通用且简单的框架,通过提出的三角分布变换(TDT)在主流的骨干网络中实现不同的标签分布学习任务。实验证明,TDT 在人脸年龄识别、照明色 - 快速稀疏 3D 卷积网络使用 VDB
我们提出了一种新的卷积神经网络实现,针对稀疏的 3D 数据推理进行了优化。该实现使用 NanoVDB 作为数据结构来存储稀疏张量,在保持高性能的同时占用相对较小的内存。我们证明,该架构在高分辨率 3D 目标分类网络上的速度大约比最先进的密集 - 猫脸部关键点的自动检测
动物情感计算领域的重要挑战之一是缺乏高质量的数据集,本文提出了一个以猫脸图像为基础的新数据集,并通过使用面部标志检测卷积神经网络模型,在猫脸上取得了优异性能,同时该模型也具有推广到人脸标志检测的潜力。
- 语义分割的注意力网络的实证研究
语义分割是计算机视觉中的一个重要问题。近期,采用端到端卷积神经网络的语义分割算法比传统方法更准确。然而,基于注意力机制的解码器在多个数据集上已经达到了最先进的性能,但这些网络通常只与之前的最佳网络的 mIoU 进行比较,忽略了它们的特点,并 - 深度学习神经网络相关的医疗索赔服务
医疗保险索赔存在与患者、医生、诊断中心和保险提供商相关的有组织犯罪,形成一种必须不断监测的连锁反应。通过对回归模型的相关性研究,使用卷积神经网络架构来检测欺诈性索赔,并帮助检测不同提供商提出的索赔中的洗钱行为。使用有监督和无监督分类器来检测 - 基于量化优化的随机梯度朗维因子动力学
本文基于量化优化提出一种替代的随机下降学习方程,采用随机分析方法,使用 Langevin SDE 动态实现可控噪声,无需添加噪声或调整 mini-batch 大小,在各种数据集上证明了该算法的有效性,同时提供了所提算法的简单 PyTorch - 基于 CSI 的高效自我隔离监测系统,使用支路卷积神经网络
本研究提出一种基于 Wi-Fi 信号的无设备自我隔离监测系统,利用卷积神经网络进行房间占用检测和人类活动识别,平均准确率可达 98.19%,降低了 54.04%的推理延迟。
- 基于深度学习的肺癌风险因素人工智能预测
本研究旨在利用深度学习方法(卷积神经网络)开发一个能够高度准确地检测肺癌的模型,并比较其准确率和损失值。研究结果表明,该模型能够在现实世界中使用,对于肺癌的早期检测十分重要,鳞状细胞癌、正常细胞癌、腺癌和大细胞癌是最重要的风险因素。
- 多核 NPUs 的张量切片和优化
提出了一种用于高度约束的多核心神经处理器单元的 TensorFlow XLA/LLVM 编译器优化方法,名为 Tensor Slicing Optimization (TSO),这种方法最大限度地提高了 NPU 核心的卷积并行性和内存使用率 - 自主社交机器人手部洗涤行为检测系统
本文介绍了一个自主观察儿童洗手并鼓励好的洗手习惯的社交机器人系统,使用修改的卷积神经网络和 VG-16 架构,可在 WHO 规定的洗手步骤中实现高达 90% 的准确度。
- 基于 CNN 的迁移学习方法进行农业种植园分类
本文介绍了利用迁移学习在深度神经网络中对高光谱图像进行分类的方法,实验结果表明,相对于直接使用大数据集进行训练,迁移学习方法可以显著降低训练时间并提高分类准确率。
- 自动作文评分的深度学习架构
基于循环神经网络和卷积神经网络的自动评测系统在 8 个数据集上实验表明,本系统在自动评测方面具有显著的优势。
- 非本土英语使用者单词识别的频率重心特征
本研究旨在探讨何种辅助 Quintessential Mel 频率倒谱系数(MFCCs)可以提高非英语母语人士在有限语音识别任务中的表现,作者引入了频率重心用于改善在不同语音噪声条件下的英语单词识别能力,并通过两阶段卷积神经网络,对带有阿拉