feature extraction | BriefGPT

关键词feature extraction

搜索结果 - 331

GraphKAN: 用图科尔莫戈洛夫阿诺德网络增强特征提取
大量的应用涉及嵌入在非欧几里得空间中的具有潜在关系的数据。图神经网络 (GNNs) 用于通过捕捉图中的依赖关系来提取特征。尽管具有突破性的性能，但我们认为多层感知器 (MLPs) 和固定激活函数阻碍了特征提取，因为信息丢失。受科尔莫戈洛夫
PDF11 days ago
自我监督语音模型界面设计
提出了一种连接上游和下游模型的接口，通过使用卷积接口设计，其深度与上游模型的深度按对数比例计算，在许多任务上始终优于其他接口设计。
PDF12 days ago
实验性疼痛的面貌：将深度学习的热痛特征应用于电痛
本研究检查是否能将深度学习的特征表示从一个实验性诱发疼痛转移到另一个实验性诱发疼痛，以分类三种疼痛程度。通过使用 AI4Pain 挑战数据集，我们利用了现有的热痛卷积神经网络作为特征提取器，从而提高了验证和测试分组的性能，展示了在其他疼痛数
PDF13 days ago
以科尔莫戈洛夫 - 阿诺德网络（KANs）作为基于 IMU 的人体活动识别特征提取器的初步研究
本研究探讨了一种新颖的神经网络架构，Kolmogorov-Arnold Networks（KANs），作为传感器（特别是 IMU）人体活动识别（HAR）的特征提取器。通过在每个节点的边缘上进行表示为 B-SPLINES 的非线性计算，并在节
PDF14 days ago
SGSM: 一种类似基础模型的半广义感知模型
智能传感系统的重要性在智能服务领域日益增长。我们提出了一种新的感知模型方案，称为半通用感知模型 (SGSM)，它能够使用相对较少的特定任务标记数据来解决各种任务。通过对共同的理论模型进行分析构建的 SGSM 能够描述不同的模态，如声学和 W
PDF15 days ago
DenoiseReID: 人物再识别表示学习的去噪模型
我们提出了一种用于表示学习的新型去噪模型，并以人员重识别（ReID）作为基准任务，称为 DenoiseReID，通过联合特征提取和去噪来改进特征的区分能力。
PDF17 days ago
XctDiff：从单个 X 射线投影图像中重建具有一致解剖结构的 CT 图像
本文提出了一种名为 XctDiff 的算法框架，用于从单个放射照片中重建 CT，该算法将重建过程分解为两个易于控制的任务：特征提取和 CT 重建。实验结果表明，我们提出的方法在重建性能方面达到了最先进水平，并克服了模糊问题。此外，我们还将
PDF23 days ago
面向任务的嵌入计数：启发式聚类驱动的特征微调用于全切片图像分类
通过启发式聚类驱动的特征微调方法（HC-FT），提供纯净的正样本和难负样本，增强多实例学习的性能，并在 CAMELYON16 和 BRACS 数据集上实现了 97.13% 和 85.85% 的 AUC，持续优于所有对比方法。
PDFa month ago
关于使用一阶和二阶导数近似进行生物特征在线签名识别的研究
通过对 MCYT330 在线签名数据库进行实验，研究了特征提取中不同的逼近方法对于模式识别应用的影响，特别关注了 delta 和 delta-delta 参数。结果显示，11 点逼近优于 1 点逼近，识别率提高了 1.4%，随机伪造减少了
PDFa month ago
基于自适应动态融合网络的基于语言的时尚检索系统
在语言和时尚图像检索的领域中，使用参考图像和相应的文本描述来定位所需的时尚项目是一个有趣的挑战。本文提出了一种自我提取的动态融合网络，通过同时考虑路由路径的一致性和模态特定信息，动态地组合多粒度特征。我们的方法包括两个新模块：（1）具有模态
PDFa month ago
医学影像系统的深度学习特征提取识别的进展
提出了一种利用空间分层技术的新型无监督医学图像特征提取方法，并提出了基于权重的目标函数以实现快速图像识别。该算法将图像的像素分为多个子域，并使用四叉树访问图像。利用单纯形算法提出了一种阈值优化技术。针对高光谱图像的非线性特征，提出了一种基于
PDFa month ago
多模融合深度学习模型在疾病识别中的应用
本文介绍了一种创新的多模态融合深度学习方法，以克服传统单模态识别技术的缺点，包括信息不完整和诊断准确性有限。通过应用先进的深度学习模型（包括卷积神经网络（CNN），循环神经网络（RNN）和变换器）从基于图像、时间和结构化数据源提取高级特征。
PDFa month ago
三维 CAD 模型特征提取的基于集合方法
基于集合的特征提取方法应用于 CAD 模型，将几何信息的不确定性转化为一组特征子图，并通过确定特征边界和识别特征子图来实现特征提取系统。
PDFa month ago
欧洲 XFEL 电子管自动异常检测
为探索通过机器学习研究速调管的行为，我们完成了一系列实验，确定了各种操作模式，并进行了特征提取和降维，以提取有关正常运行的最有价值信息，使用先进的数据驱动学习技术分析记录的数据，识别可能有助于更好地理解速调管运行状态并及早发现故障或异常的最
PDFa month ago
利用高光谱成像进行特种作物成熟度分类的双频带特征选择
草莓和番茄等特殊作物的成熟度分类对于选择性采摘和质量控制是农业下游的重要活动。本文提出了一种特征提取方法，展示了在特征选择方面的最新成果，并通过比较分析表明该方法在成熟度分类和时间效率方面的表现优于现有方法。
PDFa month ago
NAFRSSR：一种高效的立体图像超分辨率轻量级递归网络
立体图像超分辨率（SR）是指从双摄像头设备通常捕获的一对低分辨率（LR）图像重建出高分辨率（HR）图像。我们提出了一种名为 NAFRSSR 的简单而高效的立体图像 SR 模型，通过引入递归连接和轻量化构成模块来改进先前最先进的模型 NAFS
PDF2 months ago
高效特征提取的稀疏张量生成器
我们开发了一个智能稀疏张量生成器，模拟了真实稀疏张量的重要特征，并提出了多种有效的稀疏张量特征提取方法。
PDF2 months ago
MM遥感图像超分辨率的高级特征提取模块
提出了一种名为 Channel and Spatial Attention Feature Extraction (CSA-FE) 的高级特征提取模块，通过使用通道和空间注意力结合标准视觉变换器 (ViT)，有效提取特征；在 UCMerce
PDF2 months ago
非负矩阵分解在降维中的应用：一项综述
本文综述了非负矩阵分解（NMF）在降维中的应用，重点关注其在特征提取和特征选择方面。我们分类了降维方法，对 NMF 的不同方法进行了全面总结。此外，我们讨论了 NMF 在降维中的最新研究趋势和潜在未来发展方向，旨在突出需要进一步探索和发展的
PDF2 months ago
MFDS-Net: 远程感知变化检测的多尺度特征深度监督网络，融合全局语义和细节信息
MFDS-Net 是一种基于全局语义和细节信息的多尺度特征深度监督网络，旨在更精细地描述变化的建筑和地理信息，增强变化目标的定位和弱特征的提取。
PDF2 months ago