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
4
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MobileNet的恶意软件家族分类模型
被引量：
10
1
作者
曾娅琴
张琳琳
+1 位作者
张若楠
杨波
《计算机工程》
CAS
CSCD
北大核心
2020年第4期162-168,共7页
现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族...
现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点.
展开更多
关键词
卷积神经网络
恶意软件分类
纹理特征
mobilenet
v
2
模型
Softmax模型
下载PDF
职称材料
改进的轻量化人脸识别算法
被引量：
4
2
作者
屈东东
贺利乐
何林
《智能系统学报》
CSCD
北大核心
2023年第3期544-551,共8页
嵌入式平台计算资源有限,无法实时运行计算量和参数量巨大的深度学习模型。基于mobilenet v2提出一种改进的轻量化人脸识别算法L-mobilenet v2,首先对原有网络结构进行优化,然后以三元损失函数为主,将传统分类任务中的softmax损失改为Am...
嵌入式平台计算资源有限,无法实时运行计算量和参数量巨大的深度学习模型。基于mobilenet v2提出一种改进的轻量化人脸识别算法L-mobilenet v2,首先对原有网络结构进行优化,然后以三元损失函数为主,将传统分类任务中的softmax损失改为Am-softmax作为辅助损失函数,使用10575个人的49万张图片进行联合训练。相比于改进前的模型及训练方法,新模型在LFW测试集和自制数据集的识别准确率达到98.56%和95%,将模型参数量缩减72.3%的同时将识别准确率提高了1.56%和7.1%,在嵌入式平台Jetson nano上的平均识别帧率提升了36.3%。该模型可以在计算资源受限的移动端实时运行。
展开更多
关键词
嵌入式平台
深度学习
人脸识别
轻量化网络
mobilenet
v
2
模型
softmax损失
Am-softmax损失
Jetson
nano平台
下载PDF
职称材料
基于多方向振动数据的风机齿轮箱故障智能诊断
3
作者
孟繁晔
高翼飞
陈长征
《机械工程师》
2022年第11期66-70,73,共6页
风机齿轮箱作为风机的关键传递结构,针对其关键部件的故障诊断,提出了一种基于极点对称模态分解算法(ESMD)、MobileNet V2神经网络和D-S证据理论的诊断方法。首先将3个方向的复杂的故障信号进行ESMD分解与重构,将3个方向重构后的信号输...
风机齿轮箱作为风机的关键传递结构,针对其关键部件的故障诊断,提出了一种基于极点对称模态分解算法(ESMD)、MobileNet V2神经网络和D-S证据理论的诊断方法。首先将3个方向的复杂的故障信号进行ESMD分解与重构,将3个方向重构后的信号输入到MobileNet V2网络中进行训练,最后利用D-S证据理论进行融合计算并得到最终的预测结果。使用某公司搭建的风机齿轮箱实验平台数据,最终通过实验表明,文中所提出的诊断方法有效,在准确率可以接受的前提下,极大地减少了运算的时间,实现了轻量化。
展开更多
关键词
风机齿轮箱
ESMD
mobilenet
v
2
神经网络
D-S理论
故障诊断
下载PDF
职称材料
一种应用于云南省外侵物种识别的边缘计算模型
4
作者
罗玲
宋科
+5 位作者
王皓
资彩飞
奉伟
杜铭铭
孙仲享
曹志勇
《湖北农业科学》
2023年第10期212-217,222,共7页
基于MobileNet模型迁移对云南省4种主要外侵物种(鬼针草、喀西茄、水花生和紫茎泽兰)图像进行识别,将宽度倍率为1.0和1.4的MobileNet-v2模型分别应用在本研究数据集上进行试验,分析了MobileNet-v2网络模型识别不稳定的原因,通过增加通...
基于MobileNet模型迁移对云南省4种主要外侵物种(鬼针草、喀西茄、水花生和紫茎泽兰)图像进行识别,将宽度倍率为1.0和1.4的MobileNet-v2模型分别应用在本研究数据集上进行试验,分析了MobileNet-v2网络模型识别不稳定的原因,通过增加通道注意力机制模块、更新激活函数和压缩网络层数对模型进行改进。结果表明,改进后的MobileNet-v2模型识别准确率达96.8%,模型参数量仅为1535093。改进后的MobileNet-v2模型识别准确率高、模型参数量少,适合部署于边缘端,能更好地应用于云南省外侵物种防治领域。
展开更多
关键词
外侵物种
边缘计算模型
mobilenet
-
v
2
模型
云南省
下载PDF
职称材料
题名
基于MobileNet的恶意软件家族分类模型
被引量：
10
1
作者
曾娅琴
张琳琳
张若楠
杨波
机构
新疆大学软件学院
新疆大学网络空间安全学院
新疆大学信息科学与工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第4期162-168,共7页
基金
国家自然科学基金“移动学习情境感知模型研究”(61867006)
新疆维吾尔自治区科技厅创新环境建设专项“校园网安全审计数据共享和威胁情报分析平台”(PT1811)
+1 种基金
新疆维吾尔自治区创新环境建设专项(自然科学基金)联合基金“多种技术融合的Android恶意软件检测方法研究”(2019D01C062)
新疆维吾尔自治区高校科研计划项目—自然科学基金面上项目“基于异常模型的移动应用软件运行时行为检测方法研究”(XJEDU2017M005)。
文摘
现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点.
关键词
卷积神经网络
恶意软件分类
纹理特征
mobilenet
v
2
模型
Softmax模型
Keywords
Con
v
olutional
Neural
Network(CNN)
malware
classification
texture
feature
mobilenet
v
2
model
Softmax
model
分类号
TP309 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
改进的轻量化人脸识别算法
被引量：
4
2
作者
屈东东
贺利乐
何林
机构
西安建筑科技大学机电工程学院
西安建筑科技大学理学院
出处
《智能系统学报》
CSCD
北大核心
2023年第3期544-551,共8页
基金
陕西省教育厅专项科研项目(21JK0732).
文摘
嵌入式平台计算资源有限,无法实时运行计算量和参数量巨大的深度学习模型。基于mobilenet v2提出一种改进的轻量化人脸识别算法L-mobilenet v2,首先对原有网络结构进行优化,然后以三元损失函数为主,将传统分类任务中的softmax损失改为Am-softmax作为辅助损失函数,使用10575个人的49万张图片进行联合训练。相比于改进前的模型及训练方法,新模型在LFW测试集和自制数据集的识别准确率达到98.56%和95%,将模型参数量缩减72.3%的同时将识别准确率提高了1.56%和7.1%,在嵌入式平台Jetson nano上的平均识别帧率提升了36.3%。该模型可以在计算资源受限的移动端实时运行。
关键词
嵌入式平台
深度学习
人脸识别
轻量化网络
mobilenet
v
2
模型
softmax损失
Am-softmax损失
Jetson
nano平台
Keywords
embedded
platform
deep
learning
face
recognition
lightweight
network
mobilenet
v
2
model
softmax
loss
Am-softmax
loss
Jetson
nano
分类号
TP391.4 [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
基于多方向振动数据的风机齿轮箱故障智能诊断
3
作者
孟繁晔
高翼飞
陈长征
机构
沈阳工业大学机械工程学院
辽宁省振动噪声控制工程技术研究中心
出处
《机械工程师》
2022年第11期66-70,73,共6页
基金
国家自然科学基金项目(51675350)。
文摘
风机齿轮箱作为风机的关键传递结构,针对其关键部件的故障诊断,提出了一种基于极点对称模态分解算法(ESMD)、MobileNet V2神经网络和D-S证据理论的诊断方法。首先将3个方向的复杂的故障信号进行ESMD分解与重构,将3个方向重构后的信号输入到MobileNet V2网络中进行训练,最后利用D-S证据理论进行融合计算并得到最终的预测结果。使用某公司搭建的风机齿轮箱实验平台数据,最终通过实验表明,文中所提出的诊断方法有效,在准确率可以接受的前提下,极大地减少了运算的时间,实现了轻量化。
关键词
风机齿轮箱
ESMD
mobilenet
v
2
神经网络
D-S理论
故障诊断
Keywords
wind
turbine
gearbox
ESMD
mobilenet
v
2
model
D-S
theory
fault
diagnosis
分类号
TH132.41 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
一种应用于云南省外侵物种识别的边缘计算模型
4
作者
罗玲
宋科
王皓
资彩飞
奉伟
杜铭铭
孙仲享
曹志勇
机构
云南农业大学大数据学院
云南农业大学植物保护学院
云南高创人才服务有限公司
出处
《湖北农业科学》
2023年第10期212-217,222,共7页
基金
国家重点研发计划项目(2021YFD1400200)
云南省重大科技专项计划项目(202302AE090020)。
文摘
基于MobileNet模型迁移对云南省4种主要外侵物种(鬼针草、喀西茄、水花生和紫茎泽兰)图像进行识别,将宽度倍率为1.0和1.4的MobileNet-v2模型分别应用在本研究数据集上进行试验,分析了MobileNet-v2网络模型识别不稳定的原因,通过增加通道注意力机制模块、更新激活函数和压缩网络层数对模型进行改进。结果表明,改进后的MobileNet-v2模型识别准确率达96.8%,模型参数量仅为1535093。改进后的MobileNet-v2模型识别准确率高、模型参数量少,适合部署于边缘端,能更好地应用于云南省外侵物种防治领域。
关键词
外侵物种
边缘计算模型
mobilenet
-
v
2
模型
云南省
Keywords
in
v
asi
v
e
species
edge
computing
model
mobilenet
-
v
2
model
Yunnan
Pro
v
ince
分类号
S451.1 [农业科学—植物保护]
TP18 [自动化与计算机技术—控制理论与控制工程]
TP391.4 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MobileNet的恶意软件家族分类模型
曾娅琴
张琳琳
张若楠
杨波
《计算机工程》
CAS
CSCD
北大核心
2020
10
下载PDF
职称材料
2
改进的轻量化人脸识别算法
屈东东
贺利乐
何林
《智能系统学报》
CSCD
北大核心
2023
4
下载PDF
职称材料
3
基于多方向振动数据的风机齿轮箱故障智能诊断
孟繁晔
高翼飞
陈长征
《机械工程师》
2022
0
下载PDF
职称材料
4
一种应用于云南省外侵物种识别的边缘计算模型
罗玲
宋科
王皓
资彩飞
奉伟
杜铭铭
孙仲享
曹志勇
《湖北农业科学》
2023
0
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
