关键词convolutional neural networks (cnns)
搜索结果 - 8
- 深度学习体系结构在航天器异常检测中的比较
通过比较各种深度学习架构在宇宙飞船数据中检测异常的有效性，结果显示卷积神经网络（CNNs）在识别空间模式方面表现出色，长短时记忆网络（LSTM）和递归神经网络（RNNs）则在捕捉时间序列航天遥测中的时序异常方面表现出较高的功效。 Trans - 感知自供训练网络用于噪声图像水印去除
本文提出了一种用于嘈杂图像水印移除的感知自监督学习网络 (PSLNet)，它基于并行网络来去除噪音和水印，在结构信息和像素增强方面改善图像水印移除效果，通过综合实验验证了该方法在与卷积神经网络 (CNNs) 相比的嘈杂图像水印移除方面的高效 - 基于卷积自编码器的降阶模型的实用存在定理
使用深度学习中的卷积神经网络 (CNNs) 构建的自编码器在处理复杂的非线性问题时表现出色，并提供了新的数据驱动技术，如物理信息神经网络 (PINNs)、神经算子、深度算子网络 (DeepONets) 和基于深度学习的 ROMs (DL-R - 探索卷积神经网络 (CNN) 在牙科 X 光影像分割中的作用：一项全面系统文献综述
深度学习在牙科图像分析中展示了其作为分析图像的有效工具，且具有非常高的性能水平。
- Chaurah：一种基于智能树莓派的停车系统
本文提出了 Chaurah，这是一个针对停车设施而设计的低成本 ANPR 系统，它借助于树莓派 3 进行操作。系统使用了双阶段方法，第一阶段利用两个卷积神经网络 (CNNs) 从车辆图像中定位和识别车牌，而第二阶段则进行光学字符识别 (OC - EPIM: 基于 Epitome 的高效处理内存加速器
为了解决处理内存加速器上大规模神经网络的受限芯片内存容量所带来的挑战，本文介绍了 Epitome，这是一个轻量级神经算子，为处理内存加速器（EPIM）设计了高效的卷积操作符。实验结果表明，我们的 3 位量化 EPIM-ResNet50 在 - 设备上快速适应预训练模型的一次性剪枝
基于大规模预训练模型，提出了一种适用于低能力设备的可伸缩单次剪枝方法，利用类似任务的剪枝知识从预训练模型中提取一个子网络来适应新任务，实验证明该方法在处理具有不同内存限制的多样化下游任务时，在准确性和效率方面始终优于流行的剪枝基准方法。
- MM基于深度学习的受限序列编码解码
本文提出使用深度学习方法解码固定长度和可变长度的约束序列码，其中基于多层感知机（MLP）网络和卷积神经网络（CNN）的解码固定长度的约束序列码和使用 CNN 对可变长度的约束序列码进行批处理解码，可以提高系统吞吐量和降低误比特率。