关键词residual neural network
搜索结果 - 6
- 基于反事実的动态系统根本原因分析
通过使用残差神经网络对动态因果系统进行建模，并得出相应的反事实轨迹分布，我们解决了现有因果方法在确定根本原因时的问题，该方法对静态环境有限且注重导致故障的外部影响，而非结构影响。我们提出的方法在动态系统基准和真实世界河流数据集上具有有效性。
- 黎曼残差神经网络
本研究通过将残差神经网络（ResNet）推广至广义黎曼流形，从几何角度提供了一种方法，用以解决在图结构和自然科学中遇到的具有层次结构或流形值数据的学习问题。实验结果表明，与已有的针对双曲空间和对称正定矩阵流形进行学习的流形神经网络相比，我们 - 基于视觉触觉感知与置信校准神经网络的可靠结肠癌息肉分类
本研究提出了一种置信度校准的残差神经网络用于结直肠癌息肉分类，该模型采用了新颖的基于视觉的触觉传感系统和独特的结直肠癌息肉幻影，并通过温度缩放后处理方法解决过于自信的输出问题。通过引入噪声和模糊处理检验模型可靠性，结果显示模型有效地处理了非 - RCC-GAN: 规则化的混合条件 GAN 用于大规模表格数据综合
本文介绍了一种新型生成对抗网络（GAN），用于综合包含连续、离散和二进制等各种特征的大规模表格数据库。 我们提出了一种联合处理二进制和离散特征的条件向量定义，并应用于训练生成器网络，使用具有跳过连接的三层深度残差神经网络的核心体系结构。此外 - KDD元学习用于少样本时间序列分类
利用梯度元学习方法，以残差神经网络作为元学习代理来进行少样本时间序列分类问题的模型训练，实现在少量目标任务训练样本下对来自不同领域的目标任务进行快速预测，在 UCR TSC Archive 数据集中实现较强的表现。
- 使用深度时空残差网络预测城市全局人流量
使用深度学习方法 ST-ResNet，可以应对众多影响人流量的因素，有效预测每个区域内的人流流入和流出情况，提升交通管理与公共安全。实验证明 ST-ResNet 在北京和纽约市的两种不同人流数据中及贵阳市实时系统中均优于传统九种算法。