基于序列注意力机制的卷积神经网络异常检测.pdf
Jo****31
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于序列注意力机制的卷积神经网络异常检测.pdf
第51卷第2期郑州大学学报(理学版)Vol.51No.2()2019年6月J.ZhengzhouUniv.Nat.Sci.Ed.Jun.2019基于序列注意力机
基于序列注意力机制的卷积神经网络异常检测.pdf
第51卷第2期郑州大学学报(理学版)Vol.51No.2()2019年6月J.ZhengzhouUniv.Nat.Sci.Ed.Jun.2019基于序列注意力机
基于注意力机制的卷积神经网络入侵检测方法.pdf
本发明提供一种基于注意力机制的卷积神经网络入侵检测方法,在卷积神经网络的基础之上,结合了CBAM注意力机制。在全局特征提取过程中,入侵检测模型使用卷积来提取,但是传统的卷积在面对海量数据时,无法精准有效的提取特征。本专利采用Inception结构从多个维度进行特征提取。另外在卷积过程中可能会丢失重要信息,通过CBAM注意力机制进行维度更新,使其可以更好地捕捉全局特征与局部特征之间的关系,减少噪声的干扰,可以更好地检测出数据细节的变化。该方法不仅解决了数据存在的不平衡问题,而且提高了整体网络的特征表示能力。
基于注意力机制的卷积神经网络医学图像关键点检测方法.pdf
本发明提供一种基于注意力机制的卷积神经网络医学图像关键点检测方法,包括如下步骤:构建基于注意力机制的O型卷积神经网络,其包括注意力模块、关键点检测分支和局部增强分支;局部增强分支用于局部前景增强和结构提取;局部增强分支和关键点检测分支对不同层次的信息编码解码来生成热图;本发明利用注意力模块将局部增强分支的特征图引入关键点检测分支;将训练集数据输入到O型卷积神经网络进行训练,将测试集数据数据输入到学习后的O型卷积神经网络得到关键点热图,对关键点热图进行局部最大值提取,得到关键点的坐标。本发明直接在原始图像上
基于卷积神经网络的序列脉冲抗干扰目标检测方法.pdf
本发明提供的一种基于卷积神经网络的序列脉冲抗干扰目标检测方法,通过从雷达系统中获取脉冲序列的回波信号;对回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理,获得能量归一化后的回波信号的向量;对能量归一化后向量使用滑窗匹配做波形适应,以使回波信号的向量从二维数据转化为四维数据;将四维数据输入至训练好的序列脉冲抗干扰目标检测网络中,获得目标在各个距离单元和各个多普勒通道上出现的概率;之后与检测门限进行比较,确定距离单元和多普勒通道上是否检测出目标。本发明通过对预处理后数据的波形适应,增加了网络输入信