简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：

简介：摘要：卷积神经网络是一种新型的无导师学习算法,在近几年有了较大发展,其主要思想为利用层间节点竞争产生隐含函数来处理非线性系统，在处理非平稳信号方面,它的优势主要体现在:可以利用网络中所有隐含层,使得原始数据与新产生的参数都保持一定关系,从而实现了非线性函数逼近;通过使用简单、有效等方法来减少输出矢量对算法时间和计算量要求较高之处。本文将介绍一下卷积神经网模型结构及相关技术特性以及一些典型应用场景下常用学习算法进行分析研究。

简介：文章研究一类微分算子ｆ’（ｚ）＋ｚｆ＾″（ｚ）定义的解析函数关于卷积运算的封闭性，这是对Ｒ．Ｓｉｎｇｈ和Ｓ．Ｓｉｎｇｈ在这方面工作的发展；并就与此类函数相关的特殊情形，证明Ｓｔ．Ｒｕｓｃｈｅｗｅｙｈ等卷积猜想成立。

简介：

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：通过对任意两个不同门宽矩形脉冲信号卷积的分析，得出的结论是其卷积结果为梯形脉冲，其下底宽度为两个矩形脉冲宽度之和，其上底宽度为两个矩形脉冲宽度之差，其高为两个矩形脉冲高度和最小矩形脉冲宽度三者的乘积。

简介：摘要为了研究编码增益，设计了一种卷积码与RS码级联编码，并搭建了该级联编码的仿真模型，仿真分析了级联编码模块对于所设计的系统性能的影响。仿真结果表明，与未采用任何编码的系统相比较，所设计的级联编码的系统能提高3db增益。而在RS码与卷积码之间加入交织器后，选取合适的交织器参数可以使系统的性能得到进一步的提升。

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：通过基本方法将概率论中用于求两个连续型随机变量商的概率密度函数的卷积公式进行了推广,推广后的公式可以用于求形如Z=kX/Y(k≠1)的二维连续型随机变量函数的概率密度函数。文章对推广后的公式首先给出了证明,然后将推广后的公式应用于求解具体的例子,从而验证公式的有效性。

简介：分析了一种合成孔径雷达有源干扰的新技术——随机脉冲卷积干扰。该干扰技术可以获得雷达距离压缩处理的部分增益，干扰效果明显优于等信噪比情况下的射频噪声压制干扰；它降低了干扰机实现压制干扰的输出功率，大大提高了干扰效率；通过控制随机脉冲的延迟时间和延迟范围，可以控制干扰带的位置和宽度，实现对己方重要分布目标的保护；仿真分析结果验证了该方法的有效性和可行性。

简介：摘要：空洞卷积也叫做膨胀卷积，或者扩张卷积。空洞卷积最初是为了解决图像分割的问题而提出的。在通用目标检测算法中，空洞卷积不仅能控制感受野和分辨率，还能有效地提升网络的感受野，在保持特征图不变的情况下，有效利用多尺度信息，继而能够提升算法的性能。

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：删除卷积码构造简单、码率可变、译码灵活的特点使其在自适应编码调制（AMC）技术和多级编码系统（MLC）中得到了大量应用。针对删除卷积码的盲识别问题提出了一种基于生成矩阵特征搜索的快速估计算法，该算法充分利用了删除卷积码生成矩阵的特殊性质，大大减少了搜索范围，仿真结果证实算法有效，且计算量低于文献中已有算法。

简介：摘要：深度学习和人工智能已成为我国当下的热门讨论话题，卷积神经网络模型作为深度学习模型中具有代表性的模型之一受到了许多研究者的关注。本文在介绍卷积神经网络模型发展历程的基础上，探讨了卷积神经网络模型在目标检测、语义分割以及自然语言处理方面的应用，以期能为该领域的研究者选择模型时提供参考。

简介：摘要：图像自动标注问题要解决的就是图像和标注词之间的语义问题，为了让计算机能够解决图像与文本之间的“语义鸿沟”，让计算机通过一个模型算法计算得到我们需要的分类结果，而这个模型可以看成一个很复杂的函数，通过这个函数计算得到的结果便是我们需要的。卷积神经网络作为近些年来比较热门的深度学习算法，因其在图像识别领域有着强大的能力，故而选择了卷积神经网络作为主要模型。

简介：摘要：在数字化时代，目标跟踪技术已成为计算机视觉领域的核心内容，尤其是在智能监控和自动驾驶等场景得到了广泛应用。然而，传统的目标跟踪算法在处理复杂动态环境时往往存在稳定性和准确性不足的问题，特别是在面对目标形态变化和遮挡情况时。针对这一挑战，本文提出了一种基于自适应卷积特征的目标跟踪算法。通过引入自适应机制来动态调整卷积网络，这种方法不仅提高了算法的泛化能力，还显著提升了跟踪过程中的稳定性和准确性，为实时监控和自动驾驶系统等领域的目标跟踪提供了一种有效的解决方案。

简介：数字信号处理是电子信息类专业的核心课程,线性卷积是课程的重点和难点之一。根据课程知识结构的特点,从阐述卷积定义及概念、精心设计卷积实例、与系统输出响应运算知识点对比讲解、扩展讨论卷积的应用设计等方面,对线性卷积的教学方法进行了有效的探索研究,对学生理解线性卷积运算的概念、计算方法以及卷积在信号处理中的应用均有明显的促进作用。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：盲信号源服从统计独立分布（即i．i．d序列）是现在大部分基于卷积混合模型的盲分离算法的假设条件，在实际仿真中也要求有色信号在处理之前进行预自化，但对于象正弦这样的确定性信号都没有讨论。本文将针对确定性信号的盲分离问题展开讨论，并对信号进行了仿真，仿真结果表明确定信号虽不满足i．i．d序列要求，但在一定条件下仍可进行盲分离。