1098341數字信號處理的脈沖編碼器DBV50E-22EPA1000

DBV50E-22EPA1000基于注意力機制的編解碼模型在文本摘要、機器翻譯等序列到序列任務上得到了廣泛的應用。在深度學習框架中，深層神經網絡能夠提取輸入數據不同的特征表示，因此傳統編解碼模型中通常堆疊多層來提高模型性能。然而現有的模型在解碼時僅利用編碼器后一層信息，而忽略編碼器其余層的特征。鑒于此，該文提出一種基于多層循環神經網絡和層級交互注意力機制的摘要生成模型，通過層級交互注意力提取編碼器不同層次的特征信息來指導摘要的生成。為了處理因引入不同層次特征而帶來的信息冗余問題，引入變分信息瓶頸壓縮數據噪聲。后在Gigaword和DUC2004摘要數據集上進行實驗，結果表明所提方法能夠獲得性能。 深度學習已成為圖像識別領域的一個研究熱點。與傳統圖像識別方法不同的是，深度學習是從大量數據中自動學習特征，并且具有強大的自學習能力和高效的特征表達能力。但在小樣本條件下，傳統的深度學習方法如卷積神經網絡難以學習到有效的特征，造成圖像識別的準確率較低。因此，提出一種新的小樣本條件下的圖像識別算法用于解決SAR圖像的分類識別。該算法以卷積神經網絡為基礎，結合自編碼器，形成深度卷積自編碼網絡結構。首先對圖像進行預處理，使用2D Gabor濾波增強圖像，在此基礎上對模型進行訓練，后構建圖像分類模型。該算法設計的網絡結構能自動學習并提取小樣本圖像中的有效特征，進而提高識別準確率。在MSTAR數據集的10類目標分類中，選擇訓練集數據中10%的樣本作為新的訓練數據，其余數據為驗證數據，并且。測試數據在卷積神經網絡中的識別準確率為76.38%，而在提出的卷積自編碼結構中識別準確率達到了88.09%。實驗結果表明，提出的算法在小樣本圖像識別中比卷積神經網絡模型更加有效。 

1098341數字信號處理的脈沖編碼器DBV50E-22EPA1000

DBV50E-22EPA1000眼底視網膜血管的分割提取對于診斷糖尿病、視網膜病、青光眼等眼科疾病具有重要的意義。針對視網膜血管圖像中的血管難以提取、數據量較少等問題，文中提出了一種結合注意力模塊和編碼-結構的視網膜血管分割方法。首先對編碼-卷積神經網絡的每個卷積層添加空間和通道注意力模塊，加強模型對圖像特征的空間信息和通道信息的利用(如血管的大小、形態和連通性等特點),從而提高視網膜血管的分割效果。其中，空間注意力模塊關注于血管的拓撲結構特性，而通道注意力模塊關注于血管像素點的正確分類。此外，采用Dice損失函數解決了視網膜血管圖像正負樣本不均衡的問題。在3個公開的眼底圖像數據庫DRIVE，STARE和CHASE＿DB1上進行了實驗，實驗數據表明，在DRIVE，STARE和CHASE＿DB1數據庫上，所提算法的準確率、靈敏度、特異性和AUC值均優于已有的視網膜血管分割方法，其中AUC值分別為0.988 9，0.981 2和0.983 1，這進一步說明，所提算法能夠有效提取健康視網膜圖像和病變視網膜圖像中的血管網絡，能夠較好地分割細小血管。 

 1098319    DBS36E-S3CJ01000                                            
1098320    DBS60I-S4AC01000                                            
1098340    DBS60E-RHEC01024                                            
1098341    DBV50E-22EPA1000                                            
1098342    DBV50E-22GPA1000                                            
1098350    DBS60E-REEK02048                                            
1098423    DBS50E-S5RM01000                                            
1098424    DBV50E-22ANA0200                                            
1098439    DBS60E-TGFQD1024                                            
1098444    BCG19-C1QM0S08 WIRE DRAW ENCODER ABS                        
1098495    DBS36E-S3AM00500                                            
1098505    DFS60B-S1EC00700 INCREMENTAL ENCODER                        
1098525    DBSOOE-THFN00512                                            
1098545    DBS60E-RHFL05000                                            
1098590    DBS60E-TGEJD1024                                            
1098597    DBS60E-TJECA1024                                            
1098625    AFM60A-TDAL262144 ABSOLUTE ENCODER                          
1098668    TMS88D-ACI360 INCLINATION SENSOR                            
1098669    TMM88D-ACI090 INCLINATION SENSOR                            
1098670    TMS88D-AJI360 INCLINATION SENSOR                            
1098671    TMM88D-AJI090 INCLINATION SENSOR                            
1098706    DES60E-TEEM03600                                            
1098748    DBV50E-22EPA0020                                            
1098749    DFS60B-S1EA00028 INCREMENTAL ENCODER                        
1098764    DBS60E-TDAL00500                                            
1098765    DBS60E-TDAL03600                                            
1098795    DFS25A-A4CAD002500 INCREMENTAL ENCODER                      
1098815    DBS36E-S3GK00S77                                            
1098817    AFS60B-BBPA032768 ABSOLUTE ENCODER                          
1098857    DFS60E-BEEN00360                                            
1098899    DFS60I-BJPC65536 INCREMENTAL ENCODER                        
1098901    DBS60E-S4EA00180                                            
1098903    DBS60E-BIEC00100                                            
1098904    AFM60B-TBAA004096