convolutional neural network
PulseAugur coverage of convolutional neural network — every cluster mentioning convolutional neural network across labs, papers, and developer communities, ranked by signal.
- instance of alphaXiv 90%
- instance of Vgg16 90%
- instance of MobileNetV2 90%
- instance of ResNet18 90%
- used by Vision Transformers 70%
- instance of Vision Transformers 70%
- competes with Vision Transformers 70%
- used by alphaXiv 70%
- instance of ScienceCast 70%
- instance of Gotit.pub 70%
- instance of CatalyzeX 70%
- used by Vgg16 70%
20 天有情绪数据
-
Transformer注意力机制中位置编码技术的映射
本文探讨了Transformer架构中的位置编码技术，重点关注位置信息如何以及在何处被整合到注意力机制中。文章超越了按时间顺序的呈现方式，而是根据方法在注意力公式中的注入点进行分类。作者提出了一个2x2的网格（绝对与相对，固定与学习）来映射这些技术，并将其与原始Transformer在注意力层之前将位置向量添加到token嵌入中的方法进行了对比。
-
微型无人机学习在无GPS区域进行灾难响应的自主导航
研究人员开发了一种新颖的数据驱动方法，使微型无人机能够在无GPS和通信受限的环境中自主导航，例如在灾难响应或CBRN事件中遇到的环境。该系统利用360度摄像头和卷积神经网络来预测偏航指令，使无人机在通信丢失时能够转向开阔空间并保留机载传感器数据。实际测试证明了该方法的实用性，但也确定了反射和眩光等挑战是主要的失效模式。
-
脑电图解码默读表现受数据限制
研究人员开发了一种从无创脑电图（EEG）数据解码默读的方法。通过使用对比目标和大型语言模型的嵌入来训练卷积神经网络，他们能够从EEG信号中可靠地检索呈现的单词。这种方法使用了来自一名参与者的约240,000次单词呈现，表明在默读过程中，词汇和语义信息可以从EEG中恢复，并且解码性能随训练数据量的增加而扩展。
-
WaveVerif 使用声音以 80% 的准确率验证机器人工作流
研究人员开发了一个名为 WaveVerif 的新颖框架，该框架利用声学侧信道分析 (ASCA) 来验证机器人工作流。该系统分析机器人在移动过程中发出的声音，以确定其操作是否与预期命令一致。使用各种机器学习分类器，包括 SVM、DNN、RNN 和 CNN，该系统在验证单个机器人运动和拾放操作等复杂工作流方面达到了 80% 以上的准确率。这种低成本、被动的验证方法不需要对机器人进行任何硬件修改，因此适用于敏感环境。
-
用于路面缺陷识别的新3D深度学习架构
研究人员开发了一种新颖的3D深度学习架构，用于利用探地雷达（GPR）数据识别路面缺陷。该方法通过整合RGB图像与GPR扫描来有效标记缺陷，解决了标注数据集稀缺的问题。提出的卷积神经网络（CNN）结合了残差连接、混合核大小和注意力机制，以提高特征表示和分类精度，用于检测路面裂缝和修补区域。
-
人工智能视觉推理谜题呼应现代表征学习
Bongard问题是由Douglas Hofstadter推广的一种视觉谜题，它提供两组图像，挑战解决者找出区分两组的潜在属性。Hofstadter在他的著作《哥德尔、埃舍尔、巴赫》中，设想了一个人工智能程序，该程序能够通过类似于现代人工智能技术（如表征学习和关系推理）的阶段来解决这些问题。设想中的程序将预处理图像以检测显著特征，搜索这些特征的高级描述，并至关重要的是，保持其假设的灵活性，以适应新信息并发现正确的抽象。
-
新研究表明归一化层可为序列标注器提供全局上下文
一篇新研究论文挑战了对卷积序列标注器中上下文的传统理解。该研究表明，序列池化归一化层可以提供全局上下文，绕过了模型感受野的限制。这种源自层雅可比矩阵的归一化机制显著提高了序列标注任务的性能，尤其是在标签运行时间长的情况下，如在合成数据和1000 Genomes Project的实验所示。
-
视觉Transformer在大型强子对撞机喷注分类方面优于CNN
研究人员探索了将视觉Transformer (ViTs) 应用于使用大型强子对撞机量热仪图像进行夸克-胶子喷注分类。他们的研究利用了模拟的CMS Open Data，构建了多通道喷注视图图像，以实现端到端学习方法。研究结果表明，基于ViT的模型，特别是像ViT+MaxViT和ViT+ConvNeXt这样的混合架构，在准确率、F1分数和ROC-AUC方面优于传统的卷积神经网络，因为它们能有效地捕捉喷注子结构内的长距离空间相关性。
-
Seam carving shows promise as CNN feature pooling technique
研究人员探索了使用缝隙裁剪（seam carving）作为卷积神经网络（CNN）中传统最大池化（max pooling）的替代方法，用于图像分类。在Caltech-UCSD Birds 200-2011数据集上进行的实验表明，采用缝隙裁剪的CNN在准确率、精确率、召回率和F1分数方面优于使用最大池化的CNN。可视化结果表明，缝隙裁剪可能在池化过程中更好地保留结构信息，预示着改进特征提取的潜力。
-
深度学习模型提升金融时间序列预测能力
研究人员开发了一种新颖的深度学习模型 Bi-LSTM-CNN，用于预测金融时间序列趋势。该混合系统结合了生成对抗网络 (GANs) 与双向长短期记忆网络 (LSTM) 和卷积神经网络 (CNNs)，以生成保留真实金融数据特征的合成数据。该模型在 TSX、SHCOMP 和 S&P 500 等股票市场的数据上进行了评估，与现有的机器学习原型相比，表现出卓越的性能。
-
新的MoFE框架使用混合专家和FNO进行加密货币预测
研究人员推出了一种新颖的深度学习框架MoFE，用于加密货币预测。该框架将傅里叶神经网络算子（FNOs）集成到混合专家（MoE）架构中，旨在捕捉非平稳加密货币市场的复杂动态。MoFE利用自适应FNO和卷积双域专家来学习频谱趋势和微观结构，并通过动态门控机制在不同市场状态之间进行自适应策略切换。在2020年1月至2025年12月的比特币数据上进行的实验表明，MoFE在T+1和T+5预测范围内均取得了最先进的性能，显著提高了方向准确性和信息…
-
CNNs通过提取刀具接触帧来改进电外科导航
研究人员开发了一种新颖的电外科导航方法，该方法利用卷积神经网络（CNN）提取刀具接触帧并形成切口轨迹。该方法能够准确识别电外科器械何时接触组织，电刀的准确率达到97.2%，超声切割器的准确率达到93.7%。与传统技术相比，所提出的方法显著提高了切口轨迹预测的准确性，并克服了卷积长短期记忆（Convolutional Long Short-Term Memory）等其他方法中的局限性。
-
研究表明卷积神经网络在内部处理真实和虚假图像的方式不同
一项新的研究论文探讨了卷积神经网络（CNN）是否以不同的方式处理真实图像和合成图像。该研究假设，即使在语义内容相似的情况下，虚假图像也会在CNN中触发不同的隐藏层激活模式。通过使用Stable Diffusion变体生成虚假图像，并将其激活模式与真实图像进行比较，研究发现合成图像确实会引发不同的隐藏神经元响应。这表明通过利用观察到的差异，有可能改进虚假图像的检测方法。
-
UniCon-Former 融合 CNN 和 Transformer 以实现先进的手势识别
研究人员推出了一种名为 UniCon-Former 的新型模型，该模型统一了卷积神经网络 (CNN) 和 Transformer，以改进手势识别。这种混合方法利用 CNN 进行局部特征提取，利用 Transformer 进行全局上下文理解，旨在降低计算成本同时提高性能。在 NVGesture 和 Briareo 数据集上的实验表明，与传统的 Transformer 模型相比，UniCon-Former 以更少的参数和更低的计算能力实现…
-
神经ODE预测电力变压器热行为
研究人员开发了一个新颖的框架，使用神经常微分方程（Neural ODEs）来准确建模和预测电力变压器的热行为。这种物理感知的方法将简化的传热方程直接整合到神经ODE的公式中，与计算成本高昂的数值模拟或纯粹数据驱动的机器学习模型相比，提供了一种更鲁棒和标准化的方法。该框架在挪威十五个不同变压器单元的数据上进行了评估，证明了其在捕捉不同条件下的动态热响应方面的有效性。
-
TabSOM方法通过提高可解释性来增强表格数据的深度学习能力
研究人员开发了TabSOM，一种将表格数据编码为图像表示的新方法，以增强深度学习模型的应用。与仅考虑单个特征值的先前方法不同，TabSOM利用自组织映射（SOMs）来捕捉特征值及其相互关系。该方法在各种二元分类数据集上，与十二种现有的表格到图像技术相比，表现出了优越的性能和可解释性。
-
VGG16在十种CNN中引领MRI扫描阿尔茨海默病检测
研究人员对十种不同的卷积神经网络（CNN）架构进行了基准测试，用于从单视图MRI扫描中检测阿尔茨海默病。该研究在OASIS数据集的一个子集上使用了迁移学习和微调流程，该子集包含来自86,437次扫描的3,900张图像。VGG16取得了最高的验证准确率0.9637和测试准确率0.9533。所有测试架构都面临一个持续的挑战，即区分非痴呆和非常轻度痴呆阶段。
-
使用X射线图像对夏威夷果进行质量评估的深度学习基准
研究人员开发了一个用于使用X射线图像对夏威夷果质量进行分类的深度学习基准。该研究涉及799张分割的X射线图像，评估了各种单一模型配置和集成模型。一个结合了使用二元交叉熵训练的卷积神经网络和冻结的Swin Transformer的集成模型达到了86.3%的最高平衡准确率。研究结果强调了深度学习在自动化农业质量评估方面的潜力，并突出了对小型、不平衡数据集进行严格评估和数据整理的必要性。
-
深度学习模型利用脉搏波图像对年龄进行分类
研究人员开发了一种新颖的深度学习方法，使用卷积神经网络将动脉脉搏波分类到不同的年龄组。通过对称投影吸引子重构（SPAR）方法将时间序列脉搏波数据转换为图像，该模型能够区分紧密年龄段内的受试者。该技术在光电容积脉搏波（PPG）和动脉张力图信号上均达到了高于70%的F1分数，表明其在早期心血管风险检测方面的潜力，尤其是在智能可穿戴设备上。
-
新的CoLoRA方法为CNN提供高效微调
研究人员推出了一种新颖的、参数高效的微调方法CoLoRA，该方法专为卷积神经网络（CNN）设计。该技术通过将卷积核更新分解为轻量级的深度卷积和逐点卷积组件，将LoRA的原理扩展到了卷积层。与完全微调相比，CoLoRA显著减少了可训练参数数量（超过80%），同时保持了原始模型大小和推理复杂度。在OCTMNISTv2等医学成像数据集上，使用VGG16和ResNet50等模型进行的实验表明，CoLoRA在分类性能上具有竞争力。