导读:本文包含了卷积编码论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,神经网络,深度,图像,分组码,卷积码,网络。
卷积编码论文文献综述
冯嘉良,朱定局,廖丽华[1]（2019）在《基于多尺度空洞卷积自编码神经网络的森林烟火监测》一文中研究指出森林火灾范围大距离远,火灾图像中有效特征提取尺寸较大,传统卷积网络难以有效学习,另外火灾中烟雾和雾气较为相似,容易造成错误识别。针对上述问题,提出一种基于多尺度空洞卷积自编码器(Multi-Scale Dilated Convolution Auto Encoder,MSDCAE)的深度网络,通过空洞卷积获得不同尺寸的感受野特征并连接输出来优化特征学习,再基于Softmaxwithloss设计改进的损失函数(Improved Softmaxwithloss,ISWL)来提升烟雾、雾气等相似图像的分类性能。实验验证了MSDCAE自编码器和ISWL损失函数的有效性,结果证明在森林火灾的烟火图像识别中,新方法对比普通深度网络算法更具优越性。(本文来源于《计算机与数字工程》期刊2019年12期）
杨勇,刘家祥,黄淑英,张迎梅,吴嘉骅[2]（2019）在《卷积自编码融合网络的红外可见光图像融合》一文中研究指出可见光图像能够充分反映场景的细节信息,红外图像能够反映目标的热度信息,利用两者的互补信息进行融合,可以得到具有目标信息和场景细节的图像.本文提出一种基于卷积自编码融合网络的红外与可见光图像融合的方法.首先利用卷积编码网络从两类源图像中提取相应特征,产生在不同维度上包含源图像各项信息的特征图;接着对两类图像的特征图利用等权重相加的融合规则将其进行融合,得到包含两类源图像信息的特征图,然后利用卷积解码网络对其进行重建,最终得到一张包含两类源图像信息的融合图像.通过对多组红外与可见光图像进行实验,实验结果证明本文提出的方法可以得到较好的融合结果.该方法的融合结果无论从主观视觉效果还是客观定量评价,都优于一些主流的红外与可见光图像融合方法.(本文来源于《小型微型计算机系统》期刊2019年12期）
杨树树,刘旭波,徐学华,李贵显,冀贞海[3]（2019）在《卷积编码的识别技术研究》一文中研究指出现代数字通信系统中为了保证信息传输的可靠性,通常采用信道编码技术,卷积码作为一种特殊的线性分组码,具有纠错能力强和编译简单等优点,从而得到了广泛应用。在非合作通信领域,信道编码识别技术已成为一个重要的研究方向。借鉴线性分组码的识别方法对卷积码进行识别分析,重点研究了无误码条件下系统卷积码和非系统卷积码的识别方法,以及有误码条件下的非系统卷积码识别方法,并进行了仿真分析,仿真结果表明,根据大数判决原理结合多次识别的方法相对单次判决识别性能有大幅提升。(本文来源于《航天电子对抗》期刊2019年05期）
陶聪,施云,张丽艳[4]（2019）在《基于卷积神经网络的汉字编码标记点检测识别》一文中研究指出近景摄影测量中采用的标记点要求具有唯一身份号并能在图像中被精确识别定位。设计了一种以汉字作为编码特征的编码标记点,提出了一种基于卷积神经网络的编码标记点检测识别方法。首先采用基于相机成像原理的虚拟相机法,自动生成大量汉字编码点模拟图像作为训练样本,并据此训练卷积神经网络成为汉字编码点识别网络。根据一系列编码点筛选准则分割得到实拍汉字编码点,然后用编码点识别网络对其身份号进行识别,最后通过中心定位算法定位编码点中心。实验结果表明构建的识别网络对汉字编码点识别率可达97. 67%,且受噪声、投影角度、图像对比度、亮度等因素的影响小;分割算法鲁棒性强,能准确分割出汉字编码点;中心定位算法对编码点中心的定位精度高。(本文来源于《仪器仪表学报》期刊2019年08期）
张习之,李立君[5]（2019）在《基于改进卷积自编码机的油茶果图像识别研究》一文中研究指出为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法。该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器。结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性。改进算法100次迭代所需时间为166 s,平均识别准确率为90.4%;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85%的识别准确率,在样本数目为200的小数据集上可达到82%的识别准确率;同时,检测器的搭建验证了算法的有效性,在2 s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87%,使得算法具有一定的实时检测能力。试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考。(本文来源于《林业工程学报》期刊2019年03期）
满成剑[6]（2019）在《基于特征自编码和时间卷积网络的股价预测研究》一文中研究指出今天,随着中国经济的快速发展,资本市场特别是证券市场愈发受到青睐,无论对机构还是个人投资者,股票价格预测一直是各方关注的重点,在资本市场领域有重要的意义。传统上,投资者基于统计技术分析或者简单机器学习方法进行股价预测,但由于股票市场是一个复杂的非线性动态系统,这些方法存在巨大的局限性。近年来,神经网络依靠其强大的非线性建模能力在计算机视觉、自然语言处理、自动驾驶等各方面取得非常大的进展,越来越多的人考虑利用神经网络进行股价预测,其中LSTM凭借其强大的序列建模能力获得更多的青睐,人们也不断通过理论创新、模型创新提升股价的预测精度。近期,时间卷积网络(TCN)理论凭借其更佳强大的序列建模能力在时序任务中取得较LSTM等循环神经网络更好的效果;同时,自编码网络作为一种无监督学习算法,对于进行特征工程、提取高级语义特征方面有独特的效果。论文正是基于以上两个方面对股价预测算法进行创新。本论文深刻回顾了股价预测的理论意义及必要性,并系统阐述了近年来国内外学者在股价预测模型创新中取得的进展,特别地,针对目前表现良好的神经网络模型进行深入探讨,以此为基础构建股价预测创新模型——基于特征自编码和时间卷积网络的股价预测模型,并利用股票历史量价数据实证分析模型的优越性。主要创新工作如下:(1)基于成熟的特征自编码算法以及LSTM股价预测算法理论,首次将以上两种算法相结合,构建“特征自编码网络+LSTM”组合股价预测算法,通过与单纯的LSTM算法进行比较实证分析:选取深证成指成分股平安银行历史量价数据,通过自编码网络进行高级语义特征抽取,将高低级语义特征进行结合,作为LSTM股价预测模型的输入,进行模型的训练及测试,将各项评价指标与单纯的LSTM股价预测模型进行比较。通过以上的模型构建和对比实证分析,得出以下结论:通过特征自编码网络的自训练学习得到的高级语义特征对于股价的预测效果有部分提升;通过t时刻之前timestep长度的日期特征预测t+m时刻的股票价格,中等大小的m(本例中大致为20)取得的预测效果更稳定,具有更好的效果。(2)基于已有的特征自编码算法以及最新的时间卷积网络(TCN)算法结构,首次将TCN算法应用到股价预测任务中去,并与(1)中证明对股价预测有性能提升的“特征自编码网络”相结合,构建“特征自编码网络+TCN”组合股价预测算法。将算法与(1)中的“特征自编码网络+LSTM”组合股价预测算法进行比较实证分析:同样选取相同的平安银行历史量价数据,进行与(1)中相同的操作。通过以上的模型构建和对比实证分析,得出以下结论:通过时间卷积网络的代替LSTM对于股价的预测效果有部分性能提升;通过t时刻之前timestep长度的日期特征预测t+m时刻的股票价格,中等大小的m(本例中大致为20)取得的预测效果更稳定,具有更好的效果;随着预测数据时间步的延长,TCN处理长串数据的能力得到释放,模型的性能得到部分提升,但存在提升上限。最终,我们通过以上的分析证明了“特征自编码网络斗+TCN”模型在股价预测任务中的优越性。(本文来源于《山东大学》期刊2019-05-12）
邱晨力,黄东振,刘华巍,袁晓兵,李宝清[7]（2019）在《融合Gist特征与卷积自编码的闭环检测算法》一文中研究指出闭环检测算法可消除视觉同时定位与建图(VSLAM)系统的累计误差,并对构建全局一致性地图有重要作用。针对现有传统闭环检测算法在视角与场景外观变化下准确率与稳健性降低,及部分基于深度学习方法特征提取与闭环识别实时性不佳的问题,设计了一种融合Gist特征与卷积自编码的闭环检测算法,将Gist特征作为卷积自编码网络重构目标,可增强模型在外观变化下的场景特征表达能力;同时通过透视变换构造视角变化训练图像对,以提升模型在视角变化下闭环检测的准确率与稳健性。所设计的模型较精简,可实现实时关键帧特征提取与闭环检测。在Gardens Point与Nordland数据集的实验结果表明,相较于传统视觉词袋模型(BoVW)、Gist算法及现有部分深度学习方法,本文算法可以达到更高的准确率和稳健性。(本文来源于《激光与光电子学进展》期刊2019年18期）
刘金鹏,孙东江,任连生,郭建梅[8]（2019）在《基于卷积神经网络和Huffman编码的电火花加工穿透检测技术研究》一文中研究指出为了解决电火花加工薄壁中空复杂零件穿透检测难题,提出一种通过采集电极工件间电流、电压数据并利用卷积神经网络进行分类的算法。针对在不同放电条件、不同工件材料、不同电极材料条件下,构造神经网络时需要选择不同权值参数造成的实时运算数据量过大问题,采用Huffman编码方式对权值参数进行压缩处理,并在运算时写入高速缓存中,便可针对不同加工条件灵活选择最优的权值参数,提高CPU利用率。通过累计实验表明,该方法可对不同加工条件的穿透深度进行有效控制,减小硬件开销,降低算法复杂度。(本文来源于《电加工与模具》期刊2019年S1期）
何奕江,杜军平,寇菲菲,梁美玉,王巍[9]（2019）在《基于深度卷积神经网络的图像自编码算法》一文中研究指出针对目前图像编码的研究工作更加重视信息无损性,而没有体现出社交网络图像区分度的问题,本研究提出一种新颖的基于深度卷积神经网络的社交网络图像自编码算法,将深度卷积神经网络提取特征的能力与社交网络中图像的特点相结合,得到性能良好的图像自编码。结合社交网络图片的特性与聚类算法,先将图片进行聚类得到距离信息,再利用深度卷积神经网络学习图片的距离信息,提取深度卷积神经网络中的全连接层作为编码,重复以上步骤,并得到最终的图像编码。试验结果表明,本研究提出的算法在图像搜索中的效果好于其他算法,更利于在社交网络图像搜索中使用。(本文来源于《山东大学学报(工学版)》期刊2019年02期）
赵昀[10]（2019）在《基于稀疏编码的卷积神经网络在语音识别中的应用》一文中研究指出在语音识别研究中,为了消除特征之间的相关性,将稀疏表示引入到模式识别中;针对深度神经网络忽略了输入数据空间位置信息的缺点,将卷积神经网络引入到模式识别中,构建了基于稀疏表示的卷积神经网络。由于经过稀疏编码后的特征互不相关,可以更有效地表示样本数据,而卷积神经网络能有效利用空间信息。因此,基于稀疏表示的卷积神经网络能大幅提升系统识别性能。该研究通过对稀疏编码和卷积神经网络现状的研究,对两种方法进行了总结。(本文来源于《信息通信》期刊2019年02期）
卷积编码论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
可见光图像能够充分反映场景的细节信息,红外图像能够反映目标的热度信息,利用两者的互补信息进行融合,可以得到具有目标信息和场景细节的图像.本文提出一种基于卷积自编码融合网络的红外与可见光图像融合的方法.首先利用卷积编码网络从两类源图像中提取相应特征,产生在不同维度上包含源图像各项信息的特征图;接着对两类图像的特征图利用等权重相加的融合规则将其进行融合,得到包含两类源图像信息的特征图,然后利用卷积解码网络对其进行重建,最终得到一张包含两类源图像信息的融合图像.通过对多组红外与可见光图像进行实验,实验结果证明本文提出的方法可以得到较好的融合结果.该方法的融合结果无论从主观视觉效果还是客观定量评价,都优于一些主流的红外与可见光图像融合方法.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
卷积编码论文参考文献
[1].冯嘉良,朱定局,廖丽华.基于多尺度空洞卷积自编码神经网络的森林烟火监测[J].计算机与数字工程.2019
[2].杨勇,刘家祥,黄淑英,张迎梅,吴嘉骅.卷积自编码融合网络的红外可见光图像融合[J].小型微型计算机系统.2019
[3].杨树树,刘旭波,徐学华,李贵显,冀贞海.卷积编码的识别技术研究[J].航天电子对抗.2019
[4].陶聪,施云,张丽艳.基于卷积神经网络的汉字编码标记点检测识别[J].仪器仪表学报.2019
[5].张习之,李立君.基于改进卷积自编码机的油茶果图像识别研究[J].林业工程学报.2019
[6].满成剑.基于特征自编码和时间卷积网络的股价预测研究[D].山东大学.2019
[7].邱晨力,黄东振,刘华巍,袁晓兵,李宝清.融合Gist特征与卷积自编码的闭环检测算法[J].激光与光电子学进展.2019
[8].刘金鹏,孙东江,任连生,郭建梅.基于卷积神经网络和Huffman编码的电火花加工穿透检测技术研究[J].电加工与模具.2019
[9].何奕江,杜军平,寇菲菲,梁美玉,王巍.基于深度卷积神经网络的图像自编码算法[J].山东大学学报(工学版).2019
[10].赵昀.基于稀疏编码的卷积神经网络在语音识别中的应用[J].信息通信.2019
论文知识图
