-
题名声全息重构卷积计算中混迭问题的研究
被引量：2
- 1
-
-
作者
陈晓东
陈心昭
陆益民
李志远
-
机构
合肥工业大学机械与汽车工程学院
-
出处
《数据采集与处理》
CSCD
2004年第3期346-351,共6页
-
基金
国家自然科学基金 ( 5 0 2 75 0 44)资助项目
安徽省自然科学基金 ( 0 0 0 4741 8)资助项目。
-
文摘
分析了实空间离散格林函数的特点和平面声全息重构卷积计算的特殊性 ,推导了在重构条件下二维循环卷积与重构卷积的关系。理论上证明了在全息重构中将二维全息声压序列补零使其成为原序列长度的两倍 ,而二维格林函数序列无需进行补零处理仍可由二维离散傅氏变换准确地得到全息重构卷积结果 ,而不会产生循环卷积中的混迭现象 ,即不存在所谓的重构“卷绕”误差。同时还证明了实空间格林函数的取值不确定性不会影响重构结果 ,并通过仿真算例进行了验证。
-
关键词
循环卷积
重构卷积
格林函数
二维离散傅氏变换
近场平面声全息
声学测量
-
Keywords
two-dimensional discrete Fourier transform
near-field acoustical holography
cyclic convolution
Green′s function
-
分类号
TB52
[理学—物理]
TB532
[理学—声学]
-
-
题名具有空间-通道重构卷积模块的肺音分类模型
- 2
-
-
作者
叶娜
吴辰文
蒋佳霖
-
机构
兰州交通大学电子与信息工程学院计算机科学与技术系
-
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2024年第9期1720-1728,共9页
-
基金
国家自然科学基金(62241204)。
-
文摘
目的探究肺音数据的准确识别及分类。方法本文提出了一种结合空间-通道重构卷积(SCConv)模块的卷积网络架构以及双可调Q因子小波变换(DTQWT)与三重Wigner-Ville变换(WVT)结合的肺音特征提取方法,通过自适应地聚焦于重要的通道和空间特征,提高模型对肺音关键特征的捕捉能力。基于ICBHI2017数据集,进行正常音、哮鸣音、爆裂音、哮鸣音和爆裂音结合的分类。结果方法在分类的准确率、敏感性、特异性以及F1分数上分别达到85.68%、93.55%、86.79%、90.51%。结论所提方法在ICBHI 2017肺音数据库上取得了优异的性能,特别是在区分正常肺音和异常肺音方面。
-
关键词
肺音分类
卷积神经网络
空间-通道重构卷积
双可调Q因子小波变换
三重Wigner-Ville变换
-
Keywords
lung sound classification
convolutional neural network
spatial and channel reconstruction convolution
dual tunable Q-factor wavelet transform
triple Wigner-Ville transform
-
分类号
TN912.3
[电子电信—通信与信息系统]
R563.9
[电子电信—信息与通信工程]
TP18
[医药卫生—呼吸系统]
-
-
题名弹载人工智能可重构卷积加速器设计
- 3
-
-
作者
王镇
汪健
张磊
王世和
-
机构
华东光电集成器件研究所
-
出处
《战术导弹技术》
北大核心
2019年第5期97-102,共6页
-
文摘
随着卷积神经网络的广泛应用,相关的卷积加速器应运而生,但现有卷积运算结构都是专用设计,满足不了弹载人工智能对实时性与低功耗的要求。针对此问题,充分考虑专用集成电路实现后的高能效性和现场可编程逻辑门阵列的灵活可配置性,研究动态可重构、分时复用、脉冲阵列与并行流水等结构,设计一种了用于弹载人工智能的可重构的卷积加速器,有效的弥补系统硬件资源的有限性,并提高了系统的并行性,满足未来智能武器装备对处理性能的需求。
-
关键词
卷积神经网络
弹载人工智能
可重构卷积加速器
集成电路
-
Keywords
convolutional neural network
missile artificial intelligence
reconfigurable convolution accelerator
integrated circuit
-
分类号
TJ760.2
[兵器科学与技术—武器系统与运用工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于重构双注意力网络的图文情感分析
- 4
-
-
作者
周乐善
冯锡炜
-
机构
辽宁石油化工大学人工智能与软件学院
-
出处
《计算机技术与发展》
2024年第12期157-164,共8页
-
基金
辽宁省教育厅面上项目(LJKMZ20220741)。
-
文摘
在传统的图文跨模态情感分析算法中,由于缺乏对视觉特征空间和通道的关注,往往容易造成局部特征关键信息的丢失,导致在特征融合阶段,不能很好地表示关键信息。因此,该文提出了基于重构双注意力网络的图文情感分析模型(Images-Text Sentiment Analysis Based on Reconstructed Dual Attention Networks Fusion, IRDA)。该模型在视觉特征提取中使用ResNet50获取视觉特征,同时引入空间和通道重构卷积模块,对视觉特征空间和通道位置信息进行重构,对不同位置的关键信息进行融合,加强视觉特征提取。在文本特征提取中使用BERT模型获取文本特征表示,并使用双向门控循环单元(Bi-GRU)关注低层次单词之间的上下文联系,进而增强文本语义特征。使用交互注意力机制关注模态间的特征交互,并进行视觉特征与文本特征融合,进而完成情感分类任务。该模型在MVSA多模态数据集上进行实验验证,实验结果表明该模型皆优于当前主流模型,证实了模型的有效性。
-
关键词
深度学习
多模态
交互注意力
BERT
重构单元卷积模块
卷积神经网络
情感分析
-
Keywords
deep learning
multimodal
interactive attention
BERT
reconstructing unit convolutional module
convolutional neural networks
sentiment analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
