检索结果-南通市图书馆

Synchronization-based approach for parameter identification in delayed chaotic network

在线全文

学校读者我要写书评

暂无评论

Chinese Physics B 2010年第6期19卷 115-121页

作者：蔡国梁邵海见 Nonlinear Scientific Research Center Jiangsu University

This paper introduces an adaptive procedure for the problem of synchronization and parameter identification for chaotic networks with time-varying delay by combining adaptive control and linear feedback. In particular, we consider that the equations xi（t）（for i = r＋ 1, r＋2,... ,n） can be expressed by the former xi（t）（for i=1,2,...,r）, which is not the same as the previous equation. This approach is also able to track changes in the operating parameters of chaotic networks rapidly and the speed of synchronization and parameter estimation can be adjusted. In addition, this method is quite robust against the effect of slight noise and the estimated value of a parameter fluctuates around the correct value.

关键词： chaotic network parameter identification synchronization time-varying delay

在线全文

学校读者我要写书评

暂无评论

基于YOLOv3模型的高阶目标检测方法

山东大学学报（理学版） 2022年第3期57卷 20-30页

作者：严晨旭邵海见邓星江苏科技大学计算机学院江苏镇江212003 东南大学自动化学院复杂工程系统测量与控制教育部重点实验室江苏南京210009

目标检测是计算机视觉的重要分支,目前基于深度学习的目标检测算法相较于传统目标检测算法在检测精度和检测时间上虽能略胜一筹,但其难以同时兼顾检测速度与检测精度,因此针对这一问题提出了改进YOLOv3后的Mul-YOLO目标检测网络。Mul-Y... 详细信息

目标检测是计算机视觉的重要分支,目前基于深度学习的目标检测算法相较于传统目标检测算法在检测精度和检测时间上虽能略胜一筹,但其难以同时兼顾检测速度与检测精度,因此针对这一问题提出了改进YOLOv3后的Mul-YOLO目标检测网络。Mul-YOLO目标检测网络利用Haar小波进行数据预处理,将图像信息的低频特征在不同分辨率下层层分解,用以获得水平方向、垂直方向以及斜对角方向上的高频特征,进而利用高频特征记录的相应特征信息,减小被检测目标在几何状态变化、光照变化和背景变化下对检测精度带来的负面影响。在特征层上采样、卷积和拼接的过程中融入高阶计算,由此增强在有限的感受野内的特征表述能力,使得训练网络更加关注映射特征的显著性信息,增强了图像的分辨率,有效地减少了数据集训练过程中由连续的卷积和池化带来的信息丢失问题。在PASCAL VOC数据集下的实验结果表明,本文提出的Mul-YOLO目标检测模型相较于传统目标检测模型有了明显的改进,比如相较于Faster R-CNN ResNet提取特征的方法,mAP提高了8.97%,并且单张图片的检测时间提高了172 ms。与YOLOv3提取特征的方法相比,其mAP提高了33.48%,达到了检测精度与检测时间同时相得益彰的目的,综合其他比较结果,本文方法的有效性可以有效地得以验证。

关键词：目标检测 Mul-YOLO Haar小波高区分性特征高阶计算

An linear matrix inequality approach to global synchronisation of non-parameter perturbations of multi-delay Hopfield neural network

在线全文

学校读者我要写书评

暂无评论

Chinese Physics B 2010年第11期19卷 212-217页

作者：邵海见蔡国梁汪浩祥 Nonlinear Scientific Research Center Jiangsu University

In this study, a successful linear matrix inequality approach is used to analyse a non-parameter perturbation of multi-delay Hopfield neural network by constructing an appropriate Lyapunov-Krasovskii functional. This ... 详细信息

关键词： Hopfield neural network LMI approach global synchronisation sliding mode control

在线全文

学校读者我要写书评

暂无评论

基于特征图可视化的医学图像分析

江苏科技大学学报（自然科学版） 2023年第4期37卷 65-71页

作者：汪颖萍邵海见邓星江苏科技大学计算机学院镇江212100 东南大学自动化学院复杂工程系统测量与控制教育部重点实验室南京210009

现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型... 详细信息

现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型,这些模型将具有与网络相同的输入层以及权重,但输出则是一系列特征图.采用SSIM相似度对信息熵最大的特征图评估,分析4个模型提取到的特征信息.在kaggle官网上提供的BreaKHis、Chest X-Ray、Retinal OCT 3类数据集上进行实验,其中基于VGG16网络的特征图可视化模型提取到的特征相似度分别集中在0.95,0.93,0.85,分类精度分别为75.96%,77.19%,99.40%.此外,在ResNet18网络上也有相同的表现.研究表明:分类性能取决于网络的特征提取能力,在保证相似性的前提下,卷积层之间提取到的特征其相似度越低,该数据集在同一网络上往往表现出更好的分类性能.

关键词：卷积神经网络医学图像分类特征图可视化 VGG16

在线全文

学校读者我要写书评

暂无评论

基于自适应邻域选择的局部线性嵌入算法

南京理工大学学报 2017年第6期41卷 748-752页

作者：张志友周佳燕邵海见鲍安平南京信息职业技术学院中认新能源技术学院江苏南京210023 江苏省南京工程高等职业学校电子工程系江苏南京211135 江苏科技大学计算机科学与工程学院江苏镇江212003

为了提高高维数据维数约简的计算效率,基于局部邻域相关的权重与稀疏矩阵,提出了1种改进的局部线性嵌入算法。对于高维数据维数约简的信息量估计,采用了相关维数估计方法来计算一致流形信息量的上界。采用Swiss、Broken swiss、Helix、T... 详细信息

为了提高高维数据维数约简的计算效率,基于局部邻域相关的权重与稀疏矩阵,提出了1种改进的局部线性嵌入算法。对于高维数据维数约简的信息量估计,采用了相关维数估计方法来计算一致流形信息量的上界。采用Swiss、Broken swiss、Helix、Twinpeaks和Intersect 5种经典数据集进行实验评估。实验结果显示,与局部线性嵌入算法相比,针对5种经典数据集,该文算法速度分别提高了27.60%、27.51%、27.18%、28.31%和45.28%。

关键词：自适应邻域选择局部线性嵌入稀疏矩阵数据降维流形算法

多模型投票的深度学习ECG分类方法设计与研究

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2023年第8期40卷 339-344页

作者：李伟康邓星邵海见江苏科技大学计算机学院江苏镇江212100

由于经典机器学习算法在心电信号(Recording of electrocardiograms,ECG)分析中存在特征表征能力不足等原因,基于深度学习投票机制,提出了一种基于多模型投票的深度学习ECG波形分类方法。利用多个具有不同网络参数的深度神经网络对ECG... 详细信息

由于经典机器学习算法在心电信号(Recording of electrocardiograms,ECG)分析中存在特征表征能力不足等原因,基于深度学习投票机制,提出了一种基于多模型投票的深度学习ECG波形分类方法。利用多个具有不同网络参数的深度神经网络对ECG信号进行分类,并通过加权投票来提高ECG信号的分类准确率。实验的平均分类准确率为98%,与传统方法以及其它深度学习方法比如支持向量机,卷积神经网络,深度神经网络以及长短期记忆网络的结果比较,验证了上述方法在分类精度上有显著提高。

关键词：多模型深度学习投票机制心电信号

关于提高大学《信息安全数学》教学质量的思考

在线全文

学校读者我要写书评

暂无评论

大众科技 2018年第12期20卷 83-85页

作者：邵海见邓星江苏科技大学计算机学院江苏镇江212003 东南大学自动化学院复杂系统测量与控制(教育部重点实验室)江苏南京210096

信息安全是计算机、通信以及数学等学科的交叉学科。而《信息安全数学》是该学科的重要核心课程之一,其包含数论、群论、环论、组合论、信息论以及数理逻辑等内容,对密码学、网络安全与通信安全的深入学习有重要意义。但由于该课程通常... 详细信息

信息安全是计算机、通信以及数学等学科的交叉学科。而《信息安全数学》是该学科的重要核心课程之一,其包含数论、群论、环论、组合论、信息论以及数理逻辑等内容,对密码学、网络安全与通信安全的深入学习有重要意义。但由于该课程通常面向非数学专业的本科生,并且其包含的数量关系与空间形式无法给出直接的形象描述,容易挫伤学生兴趣与积极性,甚至影响到教学质量。文章就目前该课程教授中存在的主要问题与解决策略进行探讨,旨在提高学生学习积极性和该课程的教学质量。

关键词：信息安全数学教改策略

基于RBF神经网络结构选择方法的Mackey-Glass与Lorenz混沌时间序列预测建模

在线全文

学校读者我要写书评

暂无评论

江苏科技大学学报（自然科学版） 2018年第5期32卷 701-706页

作者：邵海见邓星江苏科技大学计算机学院镇江212003 东南大学自动化学院南京210096 东南大学复杂工程系统测量与控制教育部重点实验室南京210096

混沌时间序列的频谱状态丰富,能在不同状态下反映信号的激励特性,所以常用作预测建模的测量序列.传统的混沌时间序列的结构选择往往依赖于经验,无法充分反映混沌系统的特性,容易导致模型的推广范围较窄.针对以上问题,提出了一种基于RBF... 详细信息

混沌时间序列的频谱状态丰富,能在不同状态下反映信号的激励特性,所以常用作预测建模的测量序列.传统的混沌时间序列的结构选择往往依赖于经验,无法充分反映混沌系统的特性,容易导致模型的推广范围较窄.针对以上问题,提出了一种基于RBF网络的Mackey-Glass与Lorenz混沌时间序列预测模型,利用模型结构选择方法来充分反映混沌系统的时序特性,并通过模型优化等策略提高模型的泛化能力.结果表明,模型结构选择方法能有效提高混沌时间序列的预测精度,具有良好的应用前景.

关键词：混沌时间序列预测模型结构选择神经网络预测建模

以应用型与研究型混合教学模式为导向的教学方法——以研究生课程《图像理解与分析》为例

在线全文

学校读者我要写书评

暂无评论

大众科技 2020年第9期22卷 105-107,123页

作者：邓星邵海见任亚明江苏科技大学计算机学院江苏镇江212003 东南大学自动化学院复杂系统测量与控制(教育部重点实验室)江苏南京210096 桂林理工大学机械与控制工程学院广西桂林541006

现有的诸多研究生课程《图像理解与分析》的教学模式,通常以某知识点的讲解为中心进行展开。由于该研究生课程有极强的应用背景,为充分发挥研究生的自主学习与创新能力,文章提出以研究型与应用型混合教学模式为导向的教学方法,通过对课... 详细信息

现有的诸多研究生课程《图像理解与分析》的教学模式,通常以某知识点的讲解为中心进行展开。由于该研究生课程有极强的应用背景,为充分发挥研究生的自主学习与创新能力,文章提出以研究型与应用型混合教学模式为导向的教学方法,通过对课程体系与实现方法的理解,让研究生掌握课程《图像理解与分析》的相关分析与理解方法,掌握基本的研究思路和方法,进而达到帮助研究生展开后续相关领域的研究工作的目的。

关键词：研究生课程研究型+应用型图像理解与分析混合教学方法