一种基于深度压缩的复数卷积神经网络压缩方法

    公开(公告)号:CN109886406A

    公开(公告)日:2019-06-14

    申请号:CN201910136000.7

    申请日:2019-02-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度压缩算法的复数卷积神经网络压缩的方法,首先通过正常的网络训练学习网络的连通性;然后,对训练过的网络参数进行修剪,将复数参数的模低于一个阈值的连接修剪掉;接着,将修剪过后的稀疏网络进行量化,进一步压缩网络;最后,利用哈夫曼编码对复数参数的实部和虚部进行编码,得到最终的压缩网络。本发明方法利用卷积神经网络中过多的冗余参数,删减掉不重要的连接,并进一步通过量化和哈夫曼编码压缩网络,在很大程度上减少了网络的参数,并且只有很小的精度损失,达到了压缩复数卷积神经网络的目的,解决了复数卷积神经网络由于巨大的参数量无法部署在嵌入式设备上的问题。

    一种基于稀疏贝叶斯学习的源定位方法

    公开(公告)号:CN108802683A

    公开(公告)日:2018-11-13

    申请号:CN201810540578.4

    申请日:2018-05-30

    Applicant: 东南大学

    CPC classification number: G01S5/18

    Abstract: 本发明公开了一种基于可预测简正波的稀疏贝叶斯学习的源定位方法,属于信号处理技术领域。本发明的方法针对现有基于稀疏贝叶斯学习的匹配场处理方法存在环境失配的问题,利用不同简正波受到环境变化影响的差异,提取出受到环境变化影响较少的简正波来计算拷贝场字典。由于声场由简正波叠加而成,提取其中受到环境影响较小的简正波部分作为可预测简正波计算拷贝场字典,从而减少环境失配带来的定位误差,提升了对环境失配的鲁棒性。

    一种基于四元数散射网络的彩色图像纹理分类方法

    公开(公告)号:CN104077602B

    公开(公告)日:2017-09-19

    申请号:CN201410326277.3

    申请日:2014-07-09

    Applicant: 东南大学

    Abstract: 本发明公开一种基于四元数散射网络的彩色图像纹理分类方法,包括以下步骤:(1)彩色图像的预处理:(2)建立彩色图像的四元数散射网络;(3)彩色图像的纹理分类处理。本发明通过构造四元数散射网络,能够结合三个通道之间的相关性,使得彩色图像纹理的描述更为精确,分类也更为准确,具有较高的彩色图像纹理分类成功率。

    一种基于离散分数阶傅里叶变换相位信息的信号重建方法

    公开(公告)号:CN103955904B

    公开(公告)日:2017-05-24

    申请号:CN201410196439.6

    申请日:2014-05-12

    Applicant: 东南大学

    Abstract: 本发明公开了一种仅仅通过离散分数阶傅里叶变换的相位信息来重建原始信号的方法,属于信号处理技术领域。本发明首先将信号重建问题转化为凸优化问题;然后,对原始信号进行离散分数阶傅里叶变换,并通过改变离散分数阶傅里叶变换的变换矩阵获得不同数目的相位信息;接着,将得到的相位信息进行存储或者传输;最后,利用块坐标下降法和内点法结合的幅度恢复算法,通过合适数目的相位信息将原始信号恢复出来,即重建原始信号。本发明方法利用相同数目下的相位信息包含的信息量大于幅度信息包含的信息量这一理论依据,实现了以较少数目的相位信息重建原始信号的目的。

    一种基于四元数散射网络的彩色图像纹理分类方法

    公开(公告)号:CN104077602A

    公开(公告)日:2014-10-01

    申请号:CN201410326277.3

    申请日:2014-07-09

    Applicant: 东南大学

    Abstract: 本发明公开一种基于四元数散射网络的彩色图像纹理分类方法,包括以下步骤:(1)彩色图像的预处理:(2)建立彩色图像的四元数散射网络;(3)彩色图像的纹理分类处理。本发明通过构造四元数散射网络,能够结合三个通道之间的相关性,使得彩色图像纹理的描述更为精确,分类也更为准确,具有较高的彩色图像纹理分类成功率。

    一种基于离散分数阶傅里叶变换相位信息的信号重建方法

    公开(公告)号:CN103955904A

    公开(公告)日:2014-07-30

    申请号:CN201410196439.6

    申请日:2014-05-12

    Applicant: 东南大学

    Abstract: 本发明公开了一种仅仅通过离散分数阶傅里叶变换的相位信息来重建原始信号的方法,属于信号处理技术领域。本发明首先将信号重建问题转化为凸优化问题;然后,对原始信号进行离散分数阶傅里叶变换,并通过改变离散分数阶傅里叶变换的变换矩阵获得不同数目的相位信息;接着,将得到的相位信息进行存储或者传输;最后,利用块坐标下降法和内点法结合的幅度恢复算法,通过合适数目的相位信息将原始信号恢复出来,即重建原始信号。本发明方法利用相同数目下的相位信息包含的信息量大于幅度信息包含的信息量这一理论依据,实现了以较少数目的相位信息重建原始信号的目的。

Patent Agency Ranking