期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于声呐图像的类别增量学习方法研究
1
作者
陈鑫哲
梁红
徐微雨
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2023年第2期303-309,共7页
由于声呐图像分辨率低、样本数少,现有的类别增量学习网络对历史任务目标出现了严重的灾难性遗忘问题,导致所有任务目标的平均识别率降低。基于生成重放的框架模式,提出了一种改进的类别增量学习网络,设计搭建新的深层卷积生成对抗网络...
由于声呐图像分辨率低、样本数少,现有的类别增量学习网络对历史任务目标出现了严重的灾难性遗忘问题,导致所有任务目标的平均识别率降低。基于生成重放的框架模式,提出了一种改进的类别增量学习网络,设计搭建新的深层卷积生成对抗网络取代变分自编码器,作为生成重放增量网络的重构模型,提升图像的重构效果;构建新的卷积神经网络取代多层感知机,作为生成重放增量网络的识别网络,提升图像的分类识别性能。结果表明,改进的生成重放增量网络缓解了历史任务目标的灾难性遗忘问题,显著提高所有任务目标的平均识别率显著提高。
展开更多
关键词
声呐图像识别
生成
重放
类别增量学习
下载PDF
职称材料
基于脑启发的类增量学习
被引量：
1
2
作者
王伟
张志莹
+3 位作者
郭杰龙
兰海
俞辉
魏宪
《计算机应用研究》
CSCD
北大核心
2023年第3期671-675,688,共6页
现有的类增量学习方法多是采用存储数据或者扩展网络结构,但受内存资源限制不能有效缓解灾难性遗忘问题。针对这一问题,创新地提出基于脑启发生成式重放方法。首先,通过VAE-ACGAN模拟记忆自组织系统,提高生成伪样本的质量;再引入共享参...
现有的类增量学习方法多是采用存储数据或者扩展网络结构,但受内存资源限制不能有效缓解灾难性遗忘问题。针对这一问题,创新地提出基于脑启发生成式重放方法。首先,通过VAE-ACGAN模拟记忆自组织系统,提高生成伪样本的质量;再引入共享参数模块和私有参数模块,保护已提取的特征;最后,针对生成器中的潜在变量使用高斯混合模型,采样特定重放伪样本。在MNIST、Permuted MNIST和CIFAR-10数据集上的实验结果表明,所提方法的分类准确率分别为92.91%、91.44%和40.58%,显著优于其他类增量学习方法。此外,在MNIST数据集上,反向迁移和正向迁移指标达到了3.32%和0.83%,证明该方法实现任务的稳定性和可塑性之间的权衡,有效地防止了灾难性遗忘。
展开更多
关键词
类增量学习
持续学习
灾难性遗忘
脑启发
生成
重放
下载PDF
职称材料
题名
基于声呐图像的类别增量学习方法研究
1
作者
陈鑫哲
梁红
徐微雨
机构
西北工业大学航海学院
出处
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2023年第2期303-309,共7页
基金
国家自然科学基金面上项目(61971354)资助。
文摘
由于声呐图像分辨率低、样本数少,现有的类别增量学习网络对历史任务目标出现了严重的灾难性遗忘问题,导致所有任务目标的平均识别率降低。基于生成重放的框架模式,提出了一种改进的类别增量学习网络,设计搭建新的深层卷积生成对抗网络取代变分自编码器,作为生成重放增量网络的重构模型,提升图像的重构效果;构建新的卷积神经网络取代多层感知机,作为生成重放增量网络的识别网络,提升图像的分类识别性能。结果表明,改进的生成重放增量网络缓解了历史任务目标的灾难性遗忘问题,显著提高所有任务目标的平均识别率显著提高。
关键词
声呐图像识别
生成
重放
类别增量学习
Keywords
sonar images recognition
generated replay
class-incremental learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于脑启发的类增量学习
被引量：
1
2
作者
王伟
张志莹
郭杰龙
兰海
俞辉
魏宪
机构
辽宁工程技术大学基础教学部
辽宁工程技术大学电子与信息工程学院
中国科学院福建物质结构研究所
出处
《计算机应用研究》
CSCD
北大核心
2023年第3期671-675,688,共6页
基金
国家自然科学基金青年基金资助项目(61701211)
辽宁省教育厅基本科研项目(LJKZ0362)
+1 种基金
福建省科技计划资助项目(2021T3003,2021T3068)
泉州市科技计划资助项目(2021C065L)。
文摘
现有的类增量学习方法多是采用存储数据或者扩展网络结构,但受内存资源限制不能有效缓解灾难性遗忘问题。针对这一问题,创新地提出基于脑启发生成式重放方法。首先,通过VAE-ACGAN模拟记忆自组织系统,提高生成伪样本的质量;再引入共享参数模块和私有参数模块,保护已提取的特征;最后,针对生成器中的潜在变量使用高斯混合模型,采样特定重放伪样本。在MNIST、Permuted MNIST和CIFAR-10数据集上的实验结果表明,所提方法的分类准确率分别为92.91%、91.44%和40.58%,显著优于其他类增量学习方法。此外,在MNIST数据集上,反向迁移和正向迁移指标达到了3.32%和0.83%,证明该方法实现任务的稳定性和可塑性之间的权衡,有效地防止了灾难性遗忘。
关键词
类增量学习
持续学习
灾难性遗忘
脑启发
生成
重放
Keywords
class incremental learning
continual learning
catastrophic forgetting
brain-inspired generation of replay
分类号
TP393.04 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于声呐图像的类别增量学习方法研究
陈鑫哲
梁红
徐微雨
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于脑启发的类增量学习
王伟
张志莹
郭杰龙
兰海
俞辉
魏宪
《计算机应用研究》
CSCD
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
