利用半监督学习体系结构中的生成对抗性网络,围绕标注数据稀缺性的问题进行研究,在传统无监督生成对抗网络的基础上用softmax替代最后的输出层,使其扩展为半监督生成对抗网络。对生成样本定义额外的类别标签,用于引导训练,采用半监督训练方式对网络参数进行优化,并将训练得到的判别网络运用于X光图像分类中。对于胸部X光图像,结合自动化分类诊断选取了6种肺部疾病的X光前视图进行实验,结果表明:所提算法提高了利用标注数据的监督学习性能,与其他半监督分类方法相比具有优越的性能。
图像处理 图像分类 X光图像 生成对抗网络 半监督学习 标注数据
提出了一种基于模糊不变卷积神经网络(BICNN)模型的目标识别方法。与传统卷积神经网络(CNN)模型不同，BICNN引入了一种新的模糊不变层。 BICNN通过增加模糊不变约束项及正则化来优化模糊不变目标函数并进行训练； 通过减小模糊不变目标函数值，使得训练样本在模糊前后的特征映射一致，最终实现模糊不变性。测试结果表明，BICNN解决了模糊造成的识别率低的问题，增大了运动模糊图像的识别率。
光计算 深度学习 卷积神经网络 目标识别 激光与光电子学进展
2018, 55(8): 082001
1 上海空间电源研究所, 上海 200245
2 西安电子科技大学 电子装备结构教育部重点实验室, 西安 710071
分别利用Suhir双金属带热应力分布理论和有限元法研究了Si/GaAs晶圆片键合界面在退火过程中的热应力分布, 并将热应力分布理论计算结果与有限元分析结果进行了对比验证, 得到了一致的结论。根据计算分析结果, 对晶圆片进行了结构热变形分析, 并研究了不同因素对键合热应力的影响, 提出了减小键合热应力的有效措施。
键合 热应力 有限元法 影响因素 Si/GaAs Si/GaAs bonding thermal stress finite element method effect factor
