期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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
共找到16,884篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选0条
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：
PERFORMANCE ANALYSIS AND SIMULATION OF OCDMA SYSTEM BASED ON FBGs ENCODER/DECODER 认领 引用
1
作者 Li Chuanqi Sun Xiaohan Je-Myung Jeong 《Journal of Electronics(China)》 2005年第6期663-670,共8页
The encoding/decoding scheme based on Fiber Bragg Grating (FBG) for Optical Code Division Multiple Access (OCDMA) system is analyzed and the whole process from transmitting end to receiving end is researched in detail... The encoding/decoding scheme based on Fiber Bragg Grating (FBG) for Optical Code Division Multiple Access (OCDMA) system is analyzed and the whole process from transmitting end to receiving end is researched in detail. The mathematical mode including signal transmission, summing, receiving and recovering are established respectively. One of the main sources of Bit Error Rate (BER) of OCDMA system based on FBGs is the unevenness of signal power spectrum, which leads to the chip powers unequal with each other. The Signal to Interfere Ratio (SIR) and BER performance of the system are studied and simulated at the case with uneven distribution of chips' powers. 展开更多
关键词 Optical Code Division Multiple Access （OCDMA） Fiber Bragg Grating （FBG） Optical encoder/decoder
暂未订购 下载PDF
Pyramid–MixNet: Integrate Attention into Encoder-Decoder Transformer Framework for Automatic Railway Surface Damage Segmentation 认领 引用
2
作者 Hui Luo Wenqing Li Wei Zeng 《Computers, Materials & Continua》 SCIE EI 2025年第7期1567-1580,共14页
Rail surface damage is a critical component of high-speed railway infrastructure,directly affecting train operational stability and safety.Existing methods face limitations in accuracy and speed for small-sample,multi... Rail surface damage is a critical component of high-speed railway infrastructure,directly affecting train operational stability and safety.Existing methods face limitations in accuracy and speed for small-sample,multi-category,and multi-scale target segmentation tasks.To address these challenges,this paper proposes Pyramid-MixNet,an intelligent segmentation model for high-speed rail surface damage,leveraging dataset construction and expansion alongside a feature pyramid-based encoder-decoder network with multi-attention mechanisms.The encoding net-work integrates Spatial Reduction Masked Multi-Head Attention(SRMMHA)to enhance global feature extraction while reducing trainable parameters.The decoding network incorporates Mix-Attention(MA),enabling multi-scale structural understanding and cross-scale token group correlation learning.Experimental results demonstrate that the proposed method achieves 62.17%average segmentation accuracy,80.28%Damage Dice Coefficient,and 56.83 FPS,meeting real-time detection requirements.The model’s high accuracy and scene adaptability significantly improve the detection of small-scale and complex multi-scale rail damage,offering practical value for real-time monitoring in high-speed railway maintenance systems. 展开更多
关键词 Pyramid vision transformer encoder–decoder architecture railway damage segmentation masked multi-head attention mix-attention
暂未订购 下载PDF
Natural Language Processing for Chest X-Ray Reports in the Transformer Era:BERT-Like Encoders for Comprehension and GPT-Like Decoders for Generation 认领 引用 被引量：2
3
作者 Han Yuan 《iRADIOLOGY》 CSCD 2025年第4期295-301,共7页
1|Transformer for Chest X-Ray Report Analysis Natural language processing(NLP)has gained widespread use in computer-assisted chest X-ray(CXR)report analysis,particularly since the renaissance of deep learning(DL)in th... 1|Transformer for Chest X-Ray Report Analysis Natural language processing(NLP)has gained widespread use in computer-assisted chest X-ray(CXR)report analysis,particularly since the renaissance of deep learning(DL)in the 2012 ImageNet challenge.While early endeavors predominantly employed recurrent neural networks(RNN)and convolutional neural networks(CNN)[1]. 展开更多
关键词 bidirectional encoder representations from transformers chest X-ray report generative pre-trained transformer large language model natural language processing
暂未订购 下载PDF
基于Encoder-Decoder结构和时间嵌入的光伏功率预测模型 认领 引用
4
作者 利金生 朱炜义 +1 位作者 张彤 辛敏 《桂林电子科技大学学报》 2025年第5期459-465,共7页
针对光伏发电功率间歇性和波动性带来的电网安全运行问题,提出一种基于Encoder-Decoder结构和时间嵌入的短期单步光伏功率预测模型。在Encoder层利用LSTM(long short-term memory)单元提取光伏发电功率的特征,通过引入多头注意力机制来... 针对光伏发电功率间歇性和波动性带来的电网安全运行问题,提出一种基于Encoder-Decoder结构和时间嵌入的短期单步光伏功率预测模型。在Encoder层利用LSTM(long short-term memory)单元提取光伏发电功率的特征,通过引入多头注意力机制来加强对输入序列中重要信息的关注。在Decoder层加入差值嵌入和时间嵌入,结合Encoder层的输出进行单步预测。采用平均插值法、降采样和z-score标准化处理原始数据,在不同气象类型下对多个模型进行对比分析。实验结果表明,在均方误差(MSE)、平均绝对误差(MAE)和均方根误差(RMSE)三种评价指标上,本模型在不同的气象条件下均优于其他2种对比模型;并且在多云天气下,本模型与其他模型相比,MSE、MAE、RMSE分别降低了34.7%、27.5%、16.6%,具有更高的预测精度和较强的鲁棒性。 展开更多
关键词 光伏发电 短期功率预测 编解码 时间嵌入 注意力机制
暂未订购 下载PDF
基于CNN-Transformer encoder-BiLSTM模型的轴承剩余寿命预测 认领 引用 被引量：7
5
作者 张代林 孔康 +1 位作者 朱晨曦 杨奕婷 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第5期1-8,共8页
针对复杂工况下轴承退化过程非线性强且长期依赖关系难以有效建模的问题,提出一种基于改进的CNNTransformer encoder-BiLSTM模型的剩余寿命预测方法.在该方法中,卷积神经网络(CNN)关注局部信息以更好地提取特征;改进的Transformer enco... 针对复杂工况下轴承退化过程非线性强且长期依赖关系难以有效建模的问题,提出一种基于改进的CNNTransformer encoder-BiLSTM模型的剩余寿命预测方法.在该方法中,卷积神经网络(CNN)关注局部信息以更好地提取特征;改进的Transformer encoder引入三种不同的注意力掩码机制,计算过程仅关注长期信息中重要的部分;使用双向长短期记忆网络(BiLSTM)关注所有信息的长期依赖关系.在C-MAPSS和XJTU-SY数据集上验证了模型的精度,实验结果表明:在加入高斯噪声后,该模型的估计效果优于其他方法,具有更好的稳定性. 展开更多
关键词 剩余寿命预测 注意力掩码机制 卷积神经网络 Transformer encoder 双向长短期记忆网络
暂未订购 下载PDF
基于Encoder-Decoder网络的遥感影像道路提取方法 认领 引用 被引量：57
6
作者 贺浩 王仕成 +2 位作者 杨东方 王舒洋 刘星 《测绘学报》 EI CSCD 北大核心 2019年第3期330-338,共9页
针对道路目标特点,设计实现了用于遥感影像道路提取的Encoder-Decoder深度语义分割网络。首先,针对道路目标局部特征丰富、语义特征较为简单的特点,设计了较浅深度、分辨率较高的Encoder-Decoder网络结构,提高了分割网络的细节表示能力... 针对道路目标特点,设计实现了用于遥感影像道路提取的Encoder-Decoder深度语义分割网络。首先,针对道路目标局部特征丰富、语义特征较为简单的特点,设计了较浅深度、分辨率较高的Encoder-Decoder网络结构,提高了分割网络的细节表示能力。其次,针对遥感影像中道路目标所占像素比例较小的特点,改进了二分类交叉熵损失函数,解决了网络训练中正负样本严重失衡的问题。在大型道路提取数据集上的试验表明,所提方法召回率、精度和F1-score指标分别达到了83.9%、82.5%及82.9%,能够完整准确地提取遥感影像中的道路目标。所设计的Encoder-Decoder网络性能优良,且不需人工设计提取特征,因而具有良好的应用前景。 展开更多
关键词 遥感 道路提取 深度学习 语义分割 编解码网路
暂未订购 下载PDF
基于长短时记忆网络的Encoder-Decoder多步交通流预测模型 认领 引用 被引量：26
7
作者 王博文 王景升 +3 位作者 王统一 张子泉 刘宇 于昊 《重庆大学学报》 CAS CSCD 北大核心 2021年第11期71-80,共10页
交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经... 交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证。实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系。除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210~5.422、0.061~0.191。相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136。实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务。 展开更多
关键词 交通流预测 LSTM 编码器解码器 多步预测 深度学习
暂未订购 下载PDF
基于LSTM的Encoder-Decoder多步轨迹预测技术 认领 引用 被引量：8
8
作者 李青勇 何兵 +2 位作者 张显炀 朱晓宇 刘刚 《航空兵器》 CSCD 北大核心 2021年第2期49-54,共6页
针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问... 针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问题,研究多步预测过程中模型性能的变化,实现端到端的轨迹预测。仿真结果表明,该方法能够从历史轨迹数据中提取更多的轨迹特征,在多步轨迹预测中具有明显的优势。与KFTP和HMMTP算法相比,EDMTP的误差增长率分别同比下降了2.18%和3.52%,取得了较好的轨迹预测效果。 展开更多
关键词 轨迹预测 LSTM 编码器-解码器 监督学习 多步预测
暂未订购 下载PDF
LSTM Encoder-Decoder方法预测设备剩余使用寿命 认领 引用 被引量：9
9
作者 赵志宏 李晴 +1 位作者 李乐豪 赵敬娇 《交通运输工程学报》 EI CSCD 北大核心 2021年第6期269-277,共9页
应用LSTM Encoder-Decoder提出了机械设备剩余使用寿命预测方法;对获取的传感器数据进行预处理,利用LSTM Encoder对数据序列进行编码,得到设备状态信息的中间表示,其中蕴含了设备状态的特征信息,利用LSTM Decoder对中间表示信息进行解码... 应用LSTM Encoder-Decoder提出了机械设备剩余使用寿命预测方法;对获取的传感器数据进行预处理,利用LSTM Encoder对数据序列进行编码,得到设备状态信息的中间表示,其中蕴含了设备状态的特征信息,利用LSTM Decoder对中间表示信息进行解码,利用解码后的信息预测剩余使用寿命;研究了LSTM Encoder-Decoder方法在公开的C-MAPSS数据集上的剩余使用寿命预测试验,与LSTM、D-LSTM等方法进行了对比试验;研究了不同滑动窗口大小对于剩余寿命预测结果的影响。研究结果表明:LSTM Encoder-Decoder方法的剩余使用寿命预测结果的评分函数值和均方根误差均优于LSTM、D-LSTM方法;在FD001子集上,LSTM Encoder-Decoder方法、LSTM方法和D-LSTM方法对应的均方根误差分别为11、12、16;当滑动窗口大小为30时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为164、3 012、372、4 800,对应的均方根误差分别为11、20、14、22;当滑动窗口大小为40时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为305、1 220、408、4 828,对应的均方根误差分别为14、16、15、19。可见,提出的LSTM Encoder-Decoder方法是一种有效的预测机械设备剩余使用寿命方法,并且滑动窗口大小对于剩余使用寿命预测结果存在一定的影响。 展开更多
关键词 剩余使用寿命预测 编码器-解码器 LSTM 深度学习 特征提取
暂未订购 下载PDF
基于Encoder-Decoder注意力网络的异常驾驶行为在线识别方法 认领 引用 被引量：4
10
作者 唐坤 戴语琴 +2 位作者 徐永能 郭唐仪 邵飞 《兵器装备工程学报》 CAS CSCD 北大核心 2023年第8期63-71,共9页
异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为... 异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为的在线识别方法。该方法由基于LSTM(long short-term memory)的Encoder-Decoder、Attention机制与基于SVM(support vector machine)的分类器3个模块构成。该系统识别方法包括:输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类等6个步骤。该技术方法利用自然驾驶条件下所采集的手机传感器数据进行实验。实验结果表明:①手机多传感器数据融合方法对驾驶行为识别具备有效性;②异常驾驶行为必然会造成数据异常波动;③Attention机制有助于提升模型学习效果,对所提出模型的识别准确率F1-score为0.717,与经典同类模型比较,准确率得到显著提升;④对于汽车异常驾驶行为来说,SVM比Logistic与随机森林算法具有更优越的识别效果。 展开更多
关键词 异常驾驶 深度学习 编码器-解码器 长短时记忆网络 注意力机制
暂未订购 下载PDF
耦合Encoder-Decoder的LSTM径流预报模型研究 认领 引用 被引量：16
11
作者 林康聆 陈华 +3 位作者 陈清勇 罗宇轩 刘峰 陈杰 《武汉大学学报（工学版）》 CAS CSCD 北大核心 2022年第8期755-761,共7页
将长短期记忆神经网络(long short-term memory neural network,LSTM)与Encoder-Decoder结构耦合应用为LSTM-ED模型,并与LSTM人工智能径流预报模型进行比较。通过在闽江建溪流域进行应用,结果表明,相较于LSTM,LSTM-ED在检验期整体和各... 将长短期记忆神经网络(long short-term memory neural network,LSTM)与Encoder-Decoder结构耦合应用为LSTM-ED模型,并与LSTM人工智能径流预报模型进行比较。通过在闽江建溪流域进行应用,结果表明,相较于LSTM,LSTM-ED在检验期整体和各预见期具有更高的精度和稳定性,且对于典型洪水的预报洪峰误差更小,其独有的语义向量可以保持水文信息的连续性,预报径流过程不易受降雨波动干扰。2个模型的预报能力都与流域最大汇流时间密切相关,当预见期小于流域最大汇流时间时,2个模型都有很好的预报能力;当预见期大于流域最大汇流时间时,模型预报能力显著变差;当预见期远大于流域最大汇流时间时,2个模型都失去预报可靠性。 展开更多
关键词 径流预报 Encoder-Decoder结构 长短期记忆神经网络 深度学习 人工神经网络
暂未订购 下载PDF
基于encoder-decoder框架的城镇污水厂出水水质预测 认领 引用 被引量：6
12
作者 史红伟 陈祺 +1 位作者 王云龙 李鹏程 《中国农村水利水电》 北大核心 2023年第11期93-99,共7页
由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encod... 由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encoder-decoder结构的神经网络预测水质。结果显示,所提结构对LSTM和GRU网络预测能力都有一定提升,对长期预测能力提升更加显著,ED-GRU模型效果最佳,短期预测中的4个出水水质指标均方根误差(RMSE)为0.7551、0.2197、0.0734、0.3146,拟合优度(R2)为0.9013、0.9332、0.9167、0.9532,可以预测出水质局部变化,而长期预测中的4个指标RMSE为1.7204、1.7689、0.4478、0.8316,R2为0.4849、0.5507、0.4502、0.7595,可以预测出水质变化趋势,与顺序结构相比,短期预测RMSE降低10%以上,R2增加2%以上,长期预测RMSE降低25%以上,R2增加15%以上。研究结果表明,基于encoder-decoder结构的神经网络可以对污水厂出水水质进行准确预测,为污水处理工艺改进提供技术支撑。 展开更多
关键词 污水厂出水 encoder-decoder 多指标水质预测 GRU模型
暂未订购 下载PDF
基于时空特征融合的Encoder-Decoder多步4D短期航迹预测 认领 引用 被引量：5
13
作者 石庆研 张泽中 韩萍 《信号处理》 CSCD 北大核心 2023年第11期2037-2048,共12页
航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变... 航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变量都呈现出长短期的时间变化模式,并且这些变量之间还存在着相互依赖的空间信息。为了充分提取这种时空特征,本文提出了基于融合时空特征的编码器-解码器(Spatio-Temporal EncoderDecoder,STED)航迹预测模型。在Encoder中使用门控循环单元(Gated Recurrent Unit,GRU)、卷积神经网络(Convolutional Neural Network,CNN)和注意力机制(Attention,AT)构成的双通道网络来分别提取航迹时空特征,Decoder对时空特征进行拼接融合,并利用GRU对融合特征进行学习和递归输出,实现对未来多步航迹信息的预测。利用真实的航迹数据对算法性能进行验证,实验结果表明,所提STED网络模型能够在未来10 min预测范围内进行高精度的短期航迹预测,相比于LSTM、CNN-LSTM和AT-LSTM等数据驱动航迹预测模型具有更高的精度。此外,STED网络模型预测一个航迹点平均耗时为0.002 s,具有良好的实时性。 展开更多
关键词 4D航迹预测 时空特征 Encoder-Decoder 门控循环单元
暂未订购 下载PDF
Stepped chirped fiber Bragg grating encoder/decoder for spectral OCDMA 认领 引用 被引量：1
14
作者 方晓惠 李世忱 +1 位作者 田贺斌 王东宁 《Chinese Optics Letters》 EI CAS 2003年第6期317-319,共3页
Based on the coupled-mode theory of fiber grating and codes theory, the design of an optical code division multiple access (OCDMA) encoder/decoder with stepped chirped fiber Bragg grating (SCFBG) has been proposed. Th... Based on the coupled-mode theory of fiber grating and codes theory, the design of an optical code division multiple access (OCDMA) encoder/decoder with stepped chirped fiber Bragg grating (SCFBG) has been proposed. The length of each uniform subgrating, the realization of encoding and decoding are provided. Numerical result is also presented and discussed. 展开更多
关键词 Code division multiple access Design Fiber Bragg gratings Fiber optics Signal encoding
暂未订购 下载PDF
基于注意力机制的Encoder-Decoder光伏发电预测模型 认领 引用 被引量：12
15
作者 宋良才 索贵龙 +2 位作者 胡军涛 窦艳梅 崔志永 《计算机与现代化》 2020年第9期112-117,共6页
影响光伏发电系统出力的天气因素具有很大的波动性和不连续性,因此需要创建合适的预测模型来对光伏出力特性进行精准预测,从而保证电网系统的有效运行。本文通过最大信息系数选择合适的历史光伏发电数据,将其作为特征之一进行输入数据重... 影响光伏发电系统出力的天气因素具有很大的波动性和不连续性,因此需要创建合适的预测模型来对光伏出力特性进行精准预测,从而保证电网系统的有效运行。本文通过最大信息系数选择合适的历史光伏发电数据,将其作为特征之一进行输入数据重构,并在由LSTM神经元构建的Encoder-Decoder模型上引入注意力机制,最终得到结合注意力机制的Encoder-Decoder光伏发电预测模型。经实际光伏电厂算例分析,验证了所提模型在光伏发电预测方面的准确性和适用性。 展开更多
关键词 光伏发电 最大信息系数 长短期记忆神经网络 Encoder-Decoder框架 注意力机制
暂未订购 下载PDF
基于GRU Encoder-decoder和注意力机制的RUL预测方法 认领 引用 被引量：3
16
作者 兰杰 李宁 +1 位作者 李志宁 吕建刚 《现代电子技术》 2023年第8期99-105,共7页
深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基... 深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基于门控循环神经网络(GRU)构建一个时序编码解码器以实现输入序列的重构,其中GRU-Encoder对输入的多元时间序列进行编码;再引入注意力机制对GRU-Encoder在每个时刻的输出向量进行加权融合,以融合后的向量作为编码结果,并将其输入到GRU-Decoder中实现输入序列的重构,同时将编码结果映射为输入样本的RUL。采用CMAPSS数据集对所提方法的有效性进行验证,结果表明,该方法预测精度较高,可行且有效。 展开更多
关键词 剩余使用寿命 RUL预测方法 门控循环神经网络 解码编码器 注意力机制 对比验证
暂未订购 下载PDF
Optimized Quantum Autoencoder 认领 引用
17
作者 Yibin Huang Muchun Yang D.L.Zhou 《Chinese Physics Letters》 SCIE EI CAS CSCD 2026年第2期117-130,共14页
Quantum autoencoder(QAE)compresses a bipartite quantum state into its subsystem using a self-checking mechanism.How to characterize and minimize the lost information in this process is essential for understanding the ... Quantum autoencoder(QAE)compresses a bipartite quantum state into its subsystem using a self-checking mechanism.How to characterize and minimize the lost information in this process is essential for understanding the compression mechanism of QAE.Here,we investigate how to minimize the lost information in QAE for any input mixed state.We theoretically show that the lost information is the quantum mutual information between the remaining subsystem and the discarded one;the encoding unitary transformation is designed to minimize this mutual information.Furthermore,we show that the optimized unitary transformation can be decomposed as the product of a permutation unitary transformation and a disentanglement unitary transformation,and the permutation unitary transformation can be searched by a regular Young tableau algorithm.When the search can be made exhaustive in lower-dimensional systems,the lost information is minimized numerically,which is shown theoretically to be a global minimum.When the dimension of the system becomes larger such that an exhaustive search is impossible,we adopt an approximate search algorithm to numerically identify that our compression scheme gives lower lost information than that from the quantum variational circuit-based QAE. 展开更多
关键词 quantum autoencoder qae compresses bipartite quantum state quantum autoencoder characterize minimize lost information quantum mutual information encoding unitary transformation compression mechanism permutation unitary transformation
暂未订购 下载PDF
利用Encoder-Decoder框架的深度学习网络实现绕射波分离及成像 认领 引用 被引量：5
18
作者 马铭 包乾宗 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期56-64,共9页
利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的... 利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的因素分析并不完备。相较于反射波,由于存在不连续构造而产生的绕射波能量微弱并且相互干涉,同时环境干扰使得绕射波进一步湮没。因此,更高精度的波场分离及单独成像是现阶段基于绕射波超高分辨率处理、解释的重点研究方向。为此,首先针对地球物理勘探中地质异常体的准确定位,以携带高分辨率信息的绕射波为研究对象,系统分析在不同尺度、不同物性参数的异常体情况下绕射波的能量大小及形态特征,掌握绕射波与其他类型波叠加的具体形式;然后根据相应特征性质提出基于深度学习技术的绕射波分离成像方法,即利用Encoder-Decoder框架的空洞卷积网络捕获绕射波场特征,从而实现绕射波分离,基于速度连续性原则构建单纯绕射波场的偏移速度模型并完成最终成像。数据测试表明,该方法最终可满足微小地质异常体高精度识别的需求。 展开更多
关键词 绕射波分离成像 深度神经网络 Encoder-Decoder框架 方差最大范数
暂未订购 下载PDF
Image restoration of finger-vein networks based on encoder-decoder model 认领 引用 被引量：1
19
作者 GUO Xiao-jing LI Dan +1 位作者 ZHANG Hai-gang YANG Jin-feng 《Optoelectronics Letters》 EI 2019年第6期463-467,共5页
Finger-vein recognition is widely applied on access control system due to the high user acceptance and convince. Improving the integrity of finger-vein is helpful for increasing the finger-vein recognition accuracy. D... Finger-vein recognition is widely applied on access control system due to the high user acceptance and convince. Improving the integrity of finger-vein is helpful for increasing the finger-vein recognition accuracy. During the process of finger-vein imaging, foreign objects may be attached on fingers, which directly affects the integrity of finger-vein images. In order to effectively extract finger-vein networks, the integrity of venous networks is still not ideal after preprocessing of finger vein images. In this paper, we propose a novel deep learning based image restoration method to improve the integrity of finger-vein networks. First, a region detecting method based on adaptive threshold is presented to locate the incomplete region. Next, an encoder-decoder model is used to restore the venous networks of the finger-vein images. Then we analyze the restoration results using several different methods. Experimental results show that the proposed method is effective to restore the venous networks of the finger-vein images. 展开更多
关键词 decoder networks incomplete
暂未订购 下载PDF
Rethinking the Encoder-decoder Structure in Medical Image Segmentation from Releasing Decoder Structure 认领 引用 被引量：1
20
作者 Jiajia Ni Wei Mu +1 位作者 An Pan Zhengming Chen 《Journal of Bionic Engineering》 SCIE EI CSCD 2024年第3期1511-1521,共11页
Medical image segmentation has witnessed rapid advancements with the emergence of encoder-decoder based methods.In the encoder-decoder structure,the primary goal of the decoding phase is not only to restore feature ma... Medical image segmentation has witnessed rapid advancements with the emergence of encoder-decoder based methods.In the encoder-decoder structure,the primary goal of the decoding phase is not only to restore feature map resolution,but also to mitigate the loss of feature information incurred during the encoding phase.However,this approach gives rise to a challenge:multiple up-sampling operations in the decoder segment result in the loss of feature information.To address this challenge,we propose a novel network that removes the decoding structure to reduce feature information loss(CBL-Net).In particular,we introduce a Parallel Pooling Module(PPM)to counteract the feature information loss stemming from conventional and pooling operations during the encoding stage.Furthermore,we incorporate a Multiplexed Dilation Convolution(MDC)module to expand the network's receptive field.Also,although we have removed the decoding stage,we still need to recover the feature map resolution.Therefore,we introduced the Global Feature Recovery(GFR)module.It uses attention mechanism for the image feature map resolution recovery,which can effectively reduce the loss of feature information.We conduct extensive experimental evaluations on three publicly available medical image segmentation datasets:DRIVE,CHASEDB and MoNuSeg datasets.Experimental results show that our proposed network outperforms state-of-the-art methods in medical image segmentation.In addition,it achieves higher efficiency than the current network of coding and decoding structures by eliminating the decoding component. 展开更多
关键词 Medical image segmentation Encoder-decoder architecture Attention mechanisms Releasing decoder architecture Neural network
已选0条
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 2 … 250 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈