- COLINGAlphaFin: 用检索增强的股票链框架进行金融分析基准测试
通过 AlphaFin 数据集和 Stock-Chain 方法,有效地解决了金融分析中的挑战,提供了可解释性的股票趋势预测和金融问答的综合框架。
- 航空语义分割和深度估计的森林巡查数据集
通过使用 UAV 监测森林环境的变化,本研究介绍了一个新的大型航拍数据集,用于森林巡视任务,该数据集包含了真实和虚拟记录的自然环境,密集标注的语义分割标签和深度图,并研究了不同采集条件下多尺度神经网络的性能以及从虚拟数据到真实数据的迁移学习 - ICLR口罩、标志与学习率重置
通过理解学习率重置在结构和参数学习上的优势,我们能更接近设计更灵活的深度学习算法,能优化各种稀疏架构的集合。
- 利用音乐语法基础激活构建音乐圆环的概念空间
通过运用音乐理论中的和弦进行规范,介绍了一种利用音乐语法调节脉冲神经网络激活的新方法,展示了某些激活自然地跟随其他激活,类似于吸引力的概念,通过调制键的概念在网络中导航不同的吸引盆地,并证明了我们模型中的概念图由音乐和声规则结构化,突显了在 - 基于不确定性引导的人机协作增强分割
为解决深度学习算法在临床应用中缺乏透明度的问题,研究提出了一种基于不确定性引导标注的框架,通过量化不确定性和开放临床人员指导,实现自动质量控制,提高算法性能。
- CT 扫描中的深度肋骨骨折实例分割与分类(RibFrac 挑战)
肋骨骨折是一种常见且可能严重的损伤,在 CT 扫描中很难检测。为解决这个问题,引入了 RibFrac 挑战,提供了一个超过 5000 个肋骨骨折的基准数据集,包括 660 个 CT 扫描,并具有体素级实例掩模注释和四个临床类别(buckle - 基于深度学习的物联网网络流量分析
使用深度学习算法和无监督学习技术来监测和检测 IoT 网络中的异常,并在 KDD Cup 99 数据集上实施了一个模型,实验结果展示了异常检测模型的出色性能,达到了超过 98% 的准确率。
- 高血压脑出血研究的综合图像 / 文本 (HICH-IT):综合文本和图像数据集
介绍了一种名为 HICH-IT 的新的医学领域高血压脑内出血(HICH)的多模态数据集,旨在提高人工智能在 HICH 的诊断和治疗中的准确性。该数据集包含文本信息和头部 CT 图像,并结合特定注释和深度学习算法,用于图像分割和命名实体识别的 - 基于注意力机制的深度学习单目视觉里程计的运动一致性损失
该论文提出了一种基于深度学习的视觉里程计的一致性损失函数,实验证明该方法提高了模型在 KITTI 里程计基准上的性能。
- 生物识别应用中的模型压缩技术综述
深度学习算法在提高人类任务自动化能力方面发挥了重要作用,然而,这些模型性能的巨大提升与其日益复杂性高度相关,限制了它们在以人为本的应用中的实用性,而这些应用通常部署在资源受限的设备上。因此,我们需要压缩技术来大幅减小深度学习模型的计算和内存 - 无线电地图估计 - 包含定向发射天线的开放数据集和初步实验
近年来,许多研究探讨了深度学习算法在城市通信网络中确定发射器和接收器对之间的大规模信号衰落(也称为 “路损”)的应用。本文通过发布包含真实城市地图和开放数据源的航拍图像的模拟路损无线电地图公共数据集,进行了关于模型架构、输入特征设计以及从航 - 零样本主动学习基于自监督学习
提出了一种新的无关模型且无需迭代过程的主动学习方法,利用自监督学习的特征表示来进行数据注释以提高深度学习模型的泛化性能。
- 利用分层卷积学习动态相关性并通过降噪长期序列预测
提出了一种 Hierarchical Memorizing Network (HMNet) 模型,通过引入分层卷积结构、动态变量交互模块和自适应去噪模块,实现了对序列的多尺度信息提取、变量之间动态相关性学习和类似模式的去噪,实验证明 HMN - 使用 GAN 进行视频增强的超分辨率研究调查
这篇论文总结了使用深度学习算法,如生成对抗网络,进行超分辨率图像和视频研究的最新进展,提供了改进图像和视频质量的方法,如递归学习、新颖的损失函数、帧率增强和注意力模型集成。这些进展对于增加低分辨率视频的视觉清晰度和质量具有巨大潜力,可应用于 - 基于深度学习的自动冠状动脉物体检测
在数字医学时代,医学影像作为一种广泛应用的早期疾病检测技术,在每天产生和储存的电子病历中产生大量的影像。在这篇论文中,我们利用目标检测方法对 X 射线血管造影图像进行分析,精确地确定冠状动脉狭窄的位置,从而实现了对狭窄位置的自动实时检测,帮 - 应用深度学习对急诊心电图进行心脏和除心脏疾病辨别
该研究展示了一种单一模型在急诊科收集到的心电图数据上具备预测多种心脏和非心脏病症的能力,并提出将该模型作为筛查工具并纳入综合临床决策支持系统来高效地对患者进行分诊。研究强调了全面的心电图分析算法和开放式 MIMIC-IV-ECG 数据集的卓 - 学习从大尺寸 VHR 遥感图像全面检测桥梁
本文提出了大规模数据集 GLH-Bridge 和高效网络 HBD-Net,用于在大尺寸高分辨率遥感图像中进行全面的桥梁检测,并验证了 GLH-Bridge 数据集和 HBD-Net 的有效性。
- 通过精细调整的 EfficientNet 深度学习架构优化性能,提升 COVID-19 检测能力
使用深度学习算法和经过微调的 EfficientNetB4 模型,结合放射学影像技术(尤其是胸部 X 射线)快速准确地识别 COVID-19 患者,并提供了有效的肺部疾病检测方法,为医疗图像诊断领域带来了有益的研究。
- 深度学习在帕金森病眼动数据的时间序列分类中的应用
通过使用眼动追踪数据,分析巴金森病诊断和分类的深度学习算法,研究发现通过用于准备阶段的短时间序列数据作为输入可实现疾病分类任务,结果表明这些数据具有较低的主体间变异性并携带关于大脑认知和运动状况的有用信息,有效用于机器学习发现与疾病相关的生 - 物联网时序数据的图像转换:一综述
在物联网时代,物联网数据的高维和高频率给时序分类或回归带来了挑战,而深度学习算法在智能物联网应用中表现出了优异的时间序列数据分类性能。然而,发现时序中隐藏的动态模式和趋势仍然困难。近期的研究表明,将物联网数据转换为图像可以提高学习模型的性能