简介：

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：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：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：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：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。

简介：摘要：随着近年来深度学习的迅速发展，不同的深度学习算法在各个领域取得了重大突破，其中卷积神经网络的“权值共享”的概念，使得大规模的网络训练变得简单，所以在图像识别领域中应用的十分广泛。本文首先介绍人像采集和图像预处理，接着利用经典卷积神经网络模型为人脸识别建模，然后评估模型性能，最后利用训练好的模型，并设置人像概率阈值，识别结果。

简介：摘要从米级高分辨率遥感影像中提取精准的建筑物时，影像中的树木和道路影响提取精度的主要噪声对象。本文利用卷积神经网络和贝叶斯结合的方法，较好地解决了这一问题，首先将人工去除遮挡后的建筑物和没有被遮挡的建筑物、林地、道路作为样本建立三个独立的样本库，利用一个5层的全卷积神经网络模型对样本分别进行学习，获取各自的特征向量集；然后对特征矢量集进行混合高斯建模，以估计噪声对象与房顶混合的条件概率密度函数。利用高分2影像进行了训练和测试，结果表明，本文方法能够较好地消除树木和道路的影响，提取建筑物的精度能够达到91%。

简介：摘要：及时准确地发现路面、桥梁、房屋的裂缝对做到及时维护和消除安全隐患至关重要，大规模的表面裂缝检测工程量巨大，且易受人们主观因素影响。本文构建一种基于编码器-解码器的U型网络结构，以改进的Transformer作为网络基础模块，以捕获裂缝狭长语义信息。利用卷积模块对局部强特征提取的优势，在瓶颈层处引进了空洞空间金字塔池化模块。为了弥补编码器-解码器之间的语义鸿沟，在U型网络的不同跳跃连接处插入注意力模块以更好聚合不同层次的特征信息。

简介：经典的自编码网络存在计算复杂度大、全连接层丢失特征图位置信息、图像重构质量不佳等不足。本文提出了一种基于子像素全卷积的自编码网络结构优化,用卷积层优化全连接层,用子像素网络优化解码层,不仅提升了自编码网络的效率,而且图像重构质量也有很大提升,聚类性能也有提升。实验结果表明,本文优化自编码网络结构方法与经典自编码网络相比,在图像重构PSNR上平均提升3%,运算时间平均节省48%。

简介：摘 要 : 本次论文针对于图像处理提出了，基于卷积神经网络的一种自动分割的方式。把图像进行去噪音处理 ， 归因化，然后再进行标注。使用有效的融合多尺度和残差连接卷积神经网络器进行训练，进而得到一个被优化的卷积神经网络的分割模型，再把这个图像加载到一个优化的模型里面，把原图以及恢复分辨率以后的图像进行掩码，进而得到一个高清的分割结果。把最后处理结果和利用 ps 处理的结果进行对比，结果表明 ， 本次研究中使用的方法非常可靠，得到的结果和标准结果很接近，而且能够实现自动分割，进而可以有效的解决在三维重建中的分割任务等问题。

简介：摘要:改进的向量生成模型和特征提取模型分别从融合后的环境体系中对关键词深层解读。通过CNN建模指代特征提取，以向量矩阵作为输入，融合后的分向样本作为输出集合多义词样本循环多层分向提取。模型内部特殊采用分向相对卷积思想，保留了空间信息内的词语完整释义。向量化指代分析中采用改进CBOW模型的PYP算法，观测每个单词的参数分布，模拟上下文窗口结构，加入权重系数验证结构和内容的概率分布可行。

简介：摘要:该系统基于物联网Android应用开发，采用图像识别、数据分析等技术，对农田的数据实时监测和分析，实现降温、浇水、施肥、除草功能并通过APP将数据实时呈现在农户面前，通过摄像头观察农田同时监测农田可能出现的动物并报警进行驱赶，识别鸟类具体名称并上传至云端进行统计，解决了小型农田多且难以管理的问题并间接统计当地鸟类物种多样性，实现人与自然的和谐相处。

简介：摘要为消除正交小波非对称性对卷积型小波变换分解结果的不利影响，利用零相位滤波原理，结合卷积型小波变换分解算法基于滤波器组的递归分解实现方法，提出了一种零相位卷积型小波变换分解算法，该分解算法既继承了卷积型小波变换无频率折叠，又彻底地消除了正交小波非对称性致使分解结果出现的移位与畸变现象。

简介：面部的特征点准确定位对于表情识别和面部动画合成等应用具有重要的意义。随着网络时代自拍的盛行，人们对于实际应用场景中不同光照，角度和遮挡条件下的准确特征点定位提出了更高的要求。本文设计了一种基于级联的深度卷积神经网络的面部特征点定位算法，在初步特征点识别的基础上利用级联网络进行回归优化拟合，从而达到了精确定位的效果。

简介：摘 要：利用MIT和KITTI车辆图片数据库制作数量充足的训练样本和测试样本，对样本进行镜像化和灰度化等处理。然后运用MATLAB平台搭建了用于检测车辆前方目标的深度卷积神经网络，使其能够区分前方的车辆和行人，帮助车辆在面对不同目标时做出不同的决策。对卷积神经网络的参数进行反复调试，使网络性能得到明显提升，识别率达到95%以上。

简介：摘要为了能对船舶结构的损伤类型进行分类识别，提出了一种基于传递率函数和卷积神经网络的损伤类型识别方法。首先，利用传递率函数对不同损伤类型下的振动响应信号进行处理，得到训练样本集和测试样本集，然后将训练样本集作为网络模型的输入，不断更新网络模型的各参数，最后通过测试样本集输出故障识别结果。通过仿真不同厚度和不同弹性模量的结构损伤情况，验证了该方法对损伤类型识别的有效性。

简介：摘要阐述了卷积深度学习应用于机械制图识别，利用卷积深度学习深层结构来模仿人脑感知视觉信号机制，自动地提取机械制图图素视觉特征并进行分类识别。经过深度学习培训开发，卷积深度学习法可以形成基本图素二值矩阵，用于以后比较复杂数控零件自动编程。

简介：利用卷积神经网络在图像识别方面的优势,提出了一种基于深度卷积神经网的哈萨克手写字母识别方法（DCNN-KLR）,成功建立了一种哈萨克手写文字识别模型。与传统的方法（SVM＋HOG）相比,不仅训练方便、速度快,而且提高了哈萨克手写文字的识别率。在5708个数据样本上进行训练和测试,将样本分为33类和100类,正确识别率分别达到93.29%和92.38%。

简介：摘要：本项目提出了一种基于卷积神经网络的端到端MOOCs学习者辍学预测模型。卷积神经网络的广泛应用证明了其强大的特征提取能力，本课题尝试将卷积神经网络用以对MOOCs学习者的学习行为数据进行有效特征的提取，并将特征提取和分类整合到一个框架中，通过它们的协同学习来提高模型的预测能力。