电子专业论文牛！电子科技大学本科生发表9篇“硬核“论文，获国际关注！

发布时间 : 2024-11-24

作者 : 小编

访问数量 : 23

扫码分享至微信

牛！电子科技大学本科生发表9篇"硬核"论文，获国际关注！

相信对于很多本科生来说，写论文一定不是个轻松活，而要将本科生论文发表到国际主流的学术期刊上，那可谓"难于上青天"。不过在

电子科技大学 ，这样的事例却屡见不鲜。本期推送，就跟随小编一起看看今年以来成电本科生发表的那些"神仙级"论文！

1. 信通学院本科生在全球计算机视觉顶会CVPR上发表研究成果

2月24日，2020 IEEE国际计算机视觉与模式识别会议（IEEE Conference on Computer Vision and Pattern Recognition，简称CVPR）官方公布论文收录结果。

电子科技大学信息与通信工程学院 本科2016级学生王谭在新加坡南洋理工大学Prof. Hanwang Zhang指导和阿里巴巴达摩院的资助下，以第一作者撰写的论文"Visual Commonsense R-CNN"（视觉常识 R-CNN）被CVPR2020接收。这是电子科技大学第一位以第一作者身份在CVPR上发文的本科生。

CVPR是计算机视觉领域的三大世界顶级会议之一 。本届CVPR投稿ID破万，最终收到来自世界各地的有效投稿6656篇，接收1470篇，录取率为22%，为近十年来最低。王谭的论文"Visual Commonsense R-CNN"针对现有的Vision & Language任务所用Up-Down特征存在的bias较大、缺少构建物体与物体之间关系等问题，从因果推断（Causal Inference）的角度出发，利用Judea Pearl等人在2009年提出的"Do"算子和后门调整算法，结合现有的目标检测框架对现实场景中的物体进行干预（Intervention）。其本质可以简单的理解为"Borrow & Put"。

图1：和传统的贝叶斯条件对比

图2：视觉常识特征提取框架结构图

王谭，在校期间先后荣获国家奖学金、唐立新奖学金。加权平均分92.8，GPA3.99，前两年专业排名综合排名均位列1/450 ，所修67门课程中有62门90分以上，获得四川省优秀毕业生称号。 于2019年7月前往新加坡南洋理工大学实习。2019年11月，他以第一作者撰写的论文"Matching Images and Text with Multi-modal Tensor Fusion and Re-ranking"（基于多模态张量融合和重排序的图像文本检索）被第27届国际多媒体会议（The 27th ACM International Conference on Multimedia）接收为Oral（大会演讲）论文。2020年1月，他以共同第一作者完成的论文"Cross-Modal Attention with Semantic Consistence for Image-Text Matching"被人工智能1区期刊TNNLS（IEEE Transactions on Neural Networks and Learning Systems）接收。

2. 光电学院本科生在《化学通讯》上发表论文

日前，电子科技大学光电科学与工程学院 2017级本科生薛国栋 在中科院分区一区期刊《Chemical Communications》（《化学通讯》） 上发表了题为"Understanding the Nature of Quinoidal and Zwitterionic State in Carbazole-Based Diradicals" （探究咔唑双自由基中醌式与内盐共振结构的性质）的论文。薛国栋为论文第一作者，光电科学与工程学院郑永豪教授、胡晓光博士为通讯作者。电子科技大学为第一完成单位。

《Chemical Communications》 为英国皇家化学会旗下主流学术期刊，报道化学各领域研究最新进展。2019年中科院分区一区期刊，最新影响因子为6.164。

该研究从实验与理论的角度系统地研究了双自由基体系中两种共振形式对自由基性质的影响，这对于理解化学键内在性质以及未来双自由基材料的设计具有重要意义。另外，薛国栋以共同第一作者和共同作者分别在《Journal of Materials Chemistry C》和《Chemical Communications》发表了学术论文。

3. 航空航天学院本科生在《Mathematics》上发表论文

日前，电子科技大学航空航天学院 本科2017级学生路沂宇 在中科院分区3区期刊《Mathematics》 （MATHEMATICS数学2区）上发表了一篇有关微分流形框架下的笛卡尔非线性场微积分原理的论文"Extension of Calculus Operations in Cartesian Tensor Analysis" ，路沂宇为论文第一作者，指导老师为航空航天学院副研究员岳鹏。电子科技大学为第一完成单位。

路沂宇现为航空航天学院2017级航空航天工程专业学生 ，在校期间对航空宇航学科力学领域产生了较大的热情，曾代表电子科技大学参加中国国际飞行器设计挑战赛大学生组赛。他的科研之旅始于学院科研育人项目。2019年6月，为促进科教融合，推进新工科教改，航空航天学院启动了"面向未来航空航天拔尖人才的科研育人"项目。路沂宇同学作为项目一员，在岳鹏副研究员的指导下，作为主干参与了多项科研项目，表现出色。在研究过程中，项目组发现航空宇航学科力学领域的重点问题主要集中于力学初边值问题的非线性求解上，然而目前的数学理论尚无法支撑这一方向，路沂宇同学对此产生了浓厚兴趣。凭借学院为科研育人项目提供的支持和帮助以及岳鹏老师的悉心指导，路沂宇同学在现有张量分析的基础上，结合一些矢量张量分析的研究，将格林公式拓展化得到了新的计算公式。这些公式可以用于解决连续介质力学领域的相关非线性问题，可以进一步促进流体力学、弹塑性力学方面的初边值问题计算方法方向的发展。

4. 英才学院本科生在IEEE JETCAS上发表成果

4月20日，电子科技大学成电英才实验学院 2017级本科生刘俊凯 在通信抗干扰国家级重点实验室陈杰男副教授指导下，在《IEEE Journal on Emerging and Selected Topics in Circuits and Systems》 期刊（中科院2020分区大类二区）上发表题为"Deep Learning Driven Non-orthogonal Precoding for Millimeter Wave Communications" 的论文。刘俊凯为论文第一作者，陈杰男副教授为通讯作者，电子科技大学为第一作者单位。

《IEEE Journal on Emerging and Selected Topics in Circuits and Systems》是IEEE旗下期刊之一，目前影响因子为4.56。 该期刊每季度出版一次，特别着重于新兴领域，涵盖IEEE电路与系统（CAS）学会整个范围下的特殊问题，即理论、分析、电路和系统的设计、工具和实现，并且涵盖了信号和信息处理的理论基础、应用和体系结构。

Fig. 1 Autoencoder based Neural Network Hybrid Beamforming

Fig. 2 Meta-Learning based Network Parameter Updating

刘俊凯等人提出了一种深度学习驱动的方案来解决欠秩传输的问题。系统框图如上所示。首先，作者们深入研究了深度神经网络在数字级的编解码过程，发现应用了深度神经网络的数字波束成形器能够对输入的QPSK数据流信号进行非正交编码。经过详细分析这一行为后，作者们指出此时模拟端的波束对齐过程可以不再使用普通的神经网络，采用传统的最优化方案即可，以此来规避深度学习存在的问题。在此基础上作者们首先分析最小均方误差，推导出优化目标。根据最终的优化目标，提出可以使用基于最小方差无失真响应（MVDR）的方案来实现波束对齐，从而服务数字级的编解码。这篇文章给出了相应的算法和硬件实现方案，并提供了相应的仿真结果。相比于传统方案，这篇文章中的方法使得误码率和计算复杂度都得到了改善。

5. 自动化学院本科生在IEEE Signal Processing Letters发表论文

日前，电子科技大学自动化工程学院 本科2017级学生张一鸣 在国际信号处理权威SCI期刊《IEEE Signal Processing Letters》 （影响因子：3.268）上发表了一篇有关核自适应滤波的论文"A Sparse Robust Adaptive Filtering Algorithm Based on the q-Renyi Kernel Function" ，张一鸣为该论文第一作者，指导老师为自动化工程学院谢永乐教授团队的李西峰副教授。电子科技大学自动化工程学院为第一完成单位。

在论文中，作者提出了一个新的核函数q-Renyi Kernel，并对该核函数特征进行分析，发现其具有高度的灵活性和鲁棒性；随后，作者在该核函数的基础上提出了新的测度J^qRKMPL，该测度具有很多优点，例如：精度高，误差较大时梯度快提升收敛速度，误差小时梯度小减小差异，误差特别大时梯度小来防止异常值和数值浮动等。基于这个测度，该论文提出了新的核滤波算法，并通过实验验证表明该算法对比传统算法有着更高的精度和更稀疏的神经网络规模。

张一鸣从大一开始就进入谢永乐教授团队，在李西峰博士的指导下从事科研工作至今，大一下大二上参加了关于电力系统稳定控制、5G通讯信号处理等方面的科研项目，大二下接手自适应核滤波项目，与教研室彭礼彪博士、导师李西峰等人多次研讨该项目，最后成功发表该论文。张一鸣现正与四川省人民医院合作，进行医学图像处理相关工作。

6. 抗干扰实验室教授指导本科生在JSAC发表论文

日前，在通信抗干扰技术国家级重点实验室雷霞、肖悦教授指导下，电子科技大学信息与通信工程学院 2016级本科生马滕的毕业设计成果被通信学科国际顶级学术期刊《IEEE Journal on Selected Areas in Communications》 (JSAC，中科院2020分区大类一区）录用。马滕同学为论文第一作者，雷霞、肖悦教授为联合通信作者，电子科技大学为第一作者单位。

基于智能表面的无线通信示意图

智能表面是电磁特性可编程重构的二维人工亚波长结构，由大量具有独特结构和排列方式的散射体单元组成。这种新材料可以根据不同的偏置电压动态地改变自身电磁特性，从而优化无线信号的幅度、相位和极化方式。目前，智能表面以其无源、低成本、部署灵活的优势，代表了6G未来移动通信的前沿方向。该论文利用智能表面的波束赋形能力，提出将大型智能表面应用于空间调制和天线选择，利用智能表面代替传统波束赋形中的射频模块，从而推动新型电磁材料与前沿技术在未来移动通信中的应用。

IEEE Journal on Selected Areas in Communications近三年影响因子分别为8.085, 7.172, 9.302，技术主题涵盖了整个通信与网络领域，是通信领域国际公认的旗舰期刊。马滕同学于2019年参加了电子科技大学信息与通信工程学院 的"移动通信系统 "挑战性课程，通过课程学习，对移动通信产生了强烈的兴趣。课程结束后，他在通信抗干扰技术国家级重点实验室进行本科毕业设计，展开了移动通信的前沿研究。在老师的悉心指导下，通过长期不懈努力，其科研成果得到了国际同行的认可。

7. 英才学院本科生在计算机视觉领域顶级会议ECCV发表论文

日前，电子科技大学英才实验学院 2016级本科生陶超凡 在商汤科技研究院进行科研实习期间，攥写的论文"Dynamic and Static Context-aware LSTM for Multi-agent Motion Prediction" 成功入选计算机视觉领域顶级会议之一的European Conference On Computer Vision （ECCV, 欧洲计算机视觉会议）。陶超凡为该论文第一作者，电子科技大学为第一作者单位。

第16届欧洲计算机视觉会议（The 16th European Conference On Computer Vision）每两年举办一次，与CVPR, ICCV并称为计算机视觉领域的三大顶会。 该会议旨在为全世界致力于计算机视觉领域的优秀学者提供一个相互交流的平台。该论文针对自动驾驶领域的多目标轨迹预测问题，通过基于动态和静态的上下文信息去学习目标的时空特征，并且在编码器模块引入了一个可微分的队列结构显式地迭代多帧的运动信息，使模型很好的记忆了长轨迹的序列信息。该论文所提出模型 Dynamic and Static Context-aware Motion Predictor（DSCMP）在3个典型的轨迹预测数据集上取得了很好的效果。

8.自动化学院本科生在Neurocomputing发表研究成果

近日，电子科技大学自动化工程学院 2016级本科生张洁夫 在胡江平教授的指导下，于《Neurocomputing》 （JCR分区Q1期刊，影响因子4.438）发表题为"Internal reinforcement adaptive dynamic programming for optimal containment control of unknown continuous-time multi-agent systems" 的研究成果。张洁夫为论文第一作者，胡江平教授为通讯作者，电子科技大学自动化工程学院为第一作者单位。

多智能体系统（MAS）以其在电力系统、传感器网络、移动机器人系统等领域的应用，近年来受到了学界的广泛关注，而其中的MAS最优包含控制问题则是关注的热点之一。传统的最优包含控制算法需要求解复杂的偏微分方程，且高度依赖系统模型，这些缺点都限制了其在现实中的应用。自适应动态规划（ADP）算法的出现在一定程度上解决了上述问题，但收敛速度慢等缺点仍使其在应用方面具有较大局限性。

为了解决上述问题，在该文中，作者对传统ADP算法进行了改进，提出了含有内部增强信号的ADP（IR-ADP）算法。传统ADP算法仅依靠预先定义的外部增强信号来提供信息，对于较复杂的系统而言无法保证算法的收敛速度。相比之下，文中提出的IR-ADP算法新增了内部增强信号，这一信号包含更丰富的信息，能够加速算法的收敛。相关的数学分析证明，该文提出的算法能够在保证系统稳定性的同时令系统各项指标收敛至最优值。为了避免使用系统模型，实现数据驱动，作者使用了神经网络来分别近似内部增强信号、值函数和控制策略。仿真表明，这一算法对于不同通信拓扑结构的多智能体连续时间系统都能保证较好的控制效果，且收敛速度优于传统ADP算法。

《Neurocomputing》为Elsevier旗下期刊，主要关注神经网络与学习系统在计算机、控制、优化、机器视觉等领域的理论与应用，为中科院分区计算机科学的学科顶级期刊。张洁夫自大二起加入胡江平教授团队，开展多智能体系统控制方面的研究，曾参与多项科研项目，曾以第二作者身份在《Science China Information Science》期刊（JCR分区Q1期刊，影响因子3.304）发表论文。目前，张洁夫已在美国密歇根大学攻读机器人学硕士学位。

9.计算机学院本科生在多媒体领域顶级会议ACM MM发表论文

近日，电子科技大学计算机学院2017级本科生（英才计划学生）马铮睿的论文"Towards Clustering-friendly Representations: Subspace Clustering via Graph Filtering"成功入选ACM Multimedia。马铮睿为该论文第一作者，计算机学院康昭副教授为通讯作者，电子科技大学为唯一作者单位。ACM Multimedia是公认的多媒体领域世界顶级会议，也是中国计算机学会推荐的A类国际学术会议。本年度大会收到破纪录的1698篇有效投稿，其中472篇被录用，各类机构都将在会议上分享、交流最新研究成果。

滤波1次和15次对应的样本在空间的分布情况

机器学习算法的成功很大程度上取决于数据表示。当前主流的表示学习技术是深度神经网络，通常能学习到很好的数据表示，但它涉及的参数繁多，计算量大，容易过拟合，而且难解释。为了克服这些困难，本论文独辟蹊径，提出了一种基于图滤波的表示学习方法。该方法具有坚实的信号处理理论基础，模型简单易实现。为了验证其有效性，本研究结合子空间聚类任务，寻找一个对聚类友好的数据表示。大量实验证明，该方法能大大提升聚类的性能，甚至接近深度学习方法的结果。值得强调的是，该方法具有一般意义，能推广到诸多其他机器学习任务上。马铮睿同学于2019年暑假加入康昭副教授课题组。康昭副教授近三年已经指导本科生发表了12篇高水平学术论文，其中包括CCF-A类会议和中科院1区期刊论文7篇，大部分学生毕业后进入哥伦比亚大学、华盛顿大学、清华大学等海内外名校深造。

作为教育部直属重点大学，国家"985工程"、"211工程"重点建设高校，国家"双一流"A类建设高校，电子科技大学 高度重视学生创新实践能力培养，支持和鼓励学生积极参与科技创新、文化艺术和社会实践活动，始终致力于培养具有家国情怀、全球素养、扎实基础、知识综合与集成创新能力，未来能引领学术前沿、科技与社会经济发展，堪当民族复兴大任的创新引领性人才。

关注"电子科大本科招生"头条号，获取更多关于985、211、"双一流"建设A类高校——电子科技大学最新精彩资讯！

本文素材来源：电子科技大学官网

「论文集锦」当人工智能走进生活——《电子技术应用》优秀论文集锦

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能之父 John McCarthy说：人工智能就是制造智能的机器，更特指制作人工智能的程序。人工智能模仿人类的思考方式使计算机能智能的思考问题，人工智能通过研究人类大脑的思考、学习和工作方式，然后将研究结果作为开发智能软件和系统的基础。

人工智能历史

1940-1950：一帮来自数学，心理学，工程学，经济学和政治学领域的科学家在一起讨论人工智能的可能性，当时已经研究出了人脑的工作原理是神经元电脉冲工作。

1950-1956：伦·图灵（Alan Turing）发表了一篇具有里程碑意义的论文，其中他预见了创造思考机器的可能性。重要事件：曼彻斯特大学的Christopher Strachey使用Ferranti Mark 1 机器写了一个跳棋程序， Dietrich Prinz写了一个国际象棋程序。

1956：达特茅斯会议，人工智能诞生。约翰麦卡锡创造了人工智能一词并且演示了卡内基梅隆大学首个人工智能程序。

1956-1974：推理研究，主要使用推理算法，应用在棋类等游戏中。自然语言研究，目的是让计算机能够理解人的语言。日本，早稻田大学于1967年启动了WABOT项目，并于1972年完成了世界上第一个全尺寸智能人形机器人 WABOT-1 。

1974-1980：由于当时的计算机技术限制，很多研究迟迟不能得到预期的成就，这时候AI处于研究低潮。

1980-1987：在20世纪80年代，世界各地的企业采用了一种称为“ 专家系统 ” 的人工智能程序，知识表达系统成为主流人工智能研究的焦点。在同一年，日本政府通过其第五代计算机项目积极资助人工智能。1982年，物理学家John Hopfield发明了一种神经网络可以以全新的方式学习和处理信息。

1987-1993：第二次AI研究低潮。

1993-2011 ：出现了智能代理，它是感知周围环境，并采取最大限度提高成功的机会的系统。这个时期自然语言理解和翻译，数据挖掘，Web爬虫出现了较大的发展。里程碑的事件：1997年深蓝击败了当时的世界象棋冠军Garry Kasparov。2005年，斯坦福大学的机器人在一条没有走过的沙漠小路上自动驾驶131英里。

2011年至今：在深度学习，大数据和强人工智能的发展迅速。

小编整理了《电子技术应用》近年刊登的与人工智能相关的最新研究成果及其应用实例，欢迎相关领域研究者参考借鉴！

1.基于深度学习的美国媒体“一带一路”舆情的情感分析

摘要： 分析美国主流新闻媒体针对“一带一路”倡议的关注热点，研究相关舆情的情感倾向。用网络爬虫自动采集相关新闻，筛选高频词获得媒体关注热点。提出一种自动摘要-卷积神经网络（Convolutional Neural Network，CNN）的集成式模型进行文档级情感分析。该模型首先提取摘要去除原始文档中非重要数据的干扰，再利用卷积神经网络进行句子级情感分析，通过基于语义指向的方法获得文档级的情感分数，并对情感波动异常文章二次分析。在真实数据上的对比实验表明，自动摘要-CNN的集成式文档级情感分析模型在情感分析方面优于单一CNN的方法。

全文链接： http://www.chinaaet.com/article/3000094112

中文引用格式： 王洁，乔艺璇，彭岩，等. 基于深度学习的美国媒体“一带一路”舆情的情感分析[J].电子技术应用，2018，44(11)：102-106，110.

英文引用格式： Wang Jie，Qiao Yixuan，Peng Yan，et al. Sentiment analysis about “One Belt, One Road” public opinion of American media based on deep learning[J]. Application of Electronic Technique，2018，44(11)：102-106，110.

2.基于深度学习的人体行为识别算法

摘要： 为改善人体行为识别任务中准确率低的问题，提出了一种基于批归一化的卷积神经网络（CNN）与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想，将输入网络的训练样本进行小批量归一化处理，经过全连接之后，送入长短期记忆神经网络中。该算法采用时空双流网络模型结构，视频数据的RGB图像作为空间流网络输入，光流场图像作为时间流网络输入，再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明，本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。

全文链接： http://www.chinaaet.com/article/3000091469

中文引用格式： 黄友文，万超伦. 基于深度学习的人体行为识别算法[J].电子技术应用，2018，44(10)：1-5，10.

英文引用格式： Huang Youwen，Wan Chaolun. Human behavior recognition algorithm based on deep learning[J]. Application of Electronic Technique，2018，44(10)：1-5，10.

3.基于TensorFlow深度学习手写体数字识别及应用

摘要： 手写体数字的识别是人工智能识别系统中的重要组成部分。因个体手写数字的差异，现有识别系统准确率较低。基于TensorFlow深度学习框架完成手写体数字的识别及应用，首先建立TensorFlow深度学习框架，并分析了Softmax、卷积神经网络(CNN)模型结构，再对手写体数据集MNIST的60 000个样本进行深度学习，然后进行10 000个样本的测试对比，最后移植最优模型到Android平台进行应用。实测数据验证，相对于传统的Softmax模型，基于TensorFlow深度学习CNN模型识别率高达99.17%，提升了7.6%，为人工智能识别系统的发展提供了一定的科研价值。

全文链接： http://www.chinaaet.com/article/3000091470

中文引用格式： 黄睿，陆许明，邬依林. 基于TensorFlow深度学习手写体数字识别及应用[J].电子技术应用，2018，44(10)：6-10.

英文引用格式： Huang Rui，Lu Xuming，Wu Yilin. Handwriting digital recognition and application based on TensorFlow deep learning[J]. Application of Electronic Technique，2018，44(10)：6-10.

4.基于深度学习的实时识别硬件系统框架设计

摘要： 设计了一种基于深度学习的实时识别硬件系统框架。该系统框架使用Keras完成卷积神经网络模型的训练并提取出网络的参数，利用ZYNQ器件的FPGA+ARM软硬件协同的方式，使用ARM完成对实时图像数据的采集、预处理及显示，通过FPGA实现卷积神经网络的硬化并对图像进行识别，再将识别结果发送至上位机进行实时显示。系统框架采用MNIST和Fashion MNIST数据集作为网络模型硬化试验样本，实验结果表明，在一般场景下该系统框架能够实时、准确地完成图像数据的获取、显示及识别，并且具有可移植性高、处理速度快、功耗低的特点。

全文链接： http://www.chinaaet.com/article/3000091553

中文引用格式： 王昆，周骅. 基于深度学习的实时识别硬件系统框架设计[J].电子技术应用，2018，44(10)：11-14.

英文引用格式： Wang Kun，Zhou Hua. Design of real-time recognition hardware system framework based on deep learning[J]. Application of Electronic Technique，2018，44(10)：11-14.

5.基于胶囊网络的指静脉识别研究

摘要： 针对卷积神经网络(CNN)中空间上的指静脉信息丢失的问题，提出了一种基于胶囊网络(Capsule Network，CapsNets)的指静脉识别算法。CapsNets在整个学习过程中以“胶囊”的形式从底层传递至高层，如此以向量的形式封装指静脉的多维特征，特征会在网络中被保存，而不是丢失后进行恢复。采用60 000张图像作为训练集，10 000张图为测试集，通过对图像增强、裁剪后进行网络学习。通过实验表明，CapsNets的网络结构特征相比CNN在处理脊线区域时效果更加明显，对比VGG精确度增加了13.6%，loss值也收敛到0.01。

全文链接： http://www.chinaaet.com/article/3000091554

中文引用格式： 余成波，熊递恩. 于胶囊网络的指静脉识别研究[J].电子技术应用，2018，44(10)：15-18.

英文引用格式： Yu Chengbo，Xiong Dien. Research on finger vein recognition based on capsule network[J]. Application of Electronic Technique，2018，44(10)：15-18.

6.基于卷积神经网络的图像着色

摘要： 图像着色的目标是为灰度图像的每一个像素分配颜色，它是图像处理领域的热点问题。以U-Net为主线网络，结合深度学习和卷积神经网络设计了一个全自动的着色网络模型。在该模型中，支线使用卷积神经网络SE-Inception-ResNet-v2作为高水平的特征提取器，提取图像的全局信息，同时在网络中使用PoLU(Power Linear Unit)函数替代线性整流函数(ReLU)。实验结果证明此着色网络模型能够对灰度图像进行有效的着色。

全文链接： http://www.chinaaet.com/article/3000091637

中文引用格式： 徐中辉，吕维帅. 基于卷积神经网络的图像着色[J].电子技术应用，2018，44(10)：19-22.

英文引用格式： Xu Zhonghui，Lv Weishuai. Image coloring based on convolution neural network[J]. Application of Electronic Technique，2018，44(10)：19-22.

7.深度学习中的卷积神经网络系统设计及硬件实现

摘要： 针对目前深度学习中的卷积神经网络（CNN）在CPU平台下训练速度慢、耗时长的问题，采用现场可编程门阵列（FPGA）硬件平台设计并实现了一种深度卷积神经网络系统。该系统采用修正线性单元（ReLU）作为特征输出的激活函数并使用Softmax函数作为输出分类器。利用流水线技术并针对每一层的特征运算进行了并行处理，从而能够在1个系统时钟周期内完成整个CNN中的295次卷积运算。系统最后采用MNIST数据集作为实验样本，实验结果表明，在50 MHz的工作频率下，FPGA的训练用时相较于通用CPU的训练用时提升了8.7倍，经过2 000次迭代后系统识别的准确率为92.42%。

全文链接： http://www.chinaaet.com/article/3000082399

中文引用格式： 王昆，周骅. 深度学习中的卷积神经网络系统设计及硬件实现[J].电子技术应用，2018，44(5)：56-59.

英文引用格式： Wang Kun，Zhou Hua. System design and hardware realization of convolution neural network system in deep learning[J]. Application of Electronic Technique，2018，44(5)：56-59.

8.基于PSO-BP神经网络的人体穴位定位系统设计

摘要： 穴位的位置是否找准会直接影响治疗效果，因此设计了一种基于粒子群算法优化神经网络（PSO-BP）的穴位相对坐标预测模型，然后与ARM结合构成一个可以用于人体穴位定位的系统。首先采用PC进行MATLAB仿真训练学习，然后将最优权值及阈值保存下来并简化算法嵌入ARM内，将在线预测转变为离线过程。实验结果表明：经粒子群优化过的BP神经网络有效地改善了局部极值缺陷，可应用于定位端预测穴位的位置，并在LCD中显示穴位相关信息，控制端收到位置数据后可执行电机上的运动操作。

全文链接： http://www.chinaaet.com/article/3000090355

中文引用格式： 杨向萍，吴玉丹. 基于PSO-BP神经网络的人体穴位定位系统设计[J].电子技术应用，2018，44(9)：75-78.

英文引用格式： Yang Xiangping，Wu Yudan. Acupoint positioning system based on PSO-BP neural network[J]. Application of Electronic Technique，2018，44(9)：75-78.

9.基于深度学习的烟雾识别研究

摘要： 基于Google第二代人工智能学习系统TensorFlow构建神经网络对烟雾图像进行识别检测，通过改进的运动检测算法截取疑似烟雾区域图像，并结合PCA降维算法和Inception Resnet v2网络模型在TensorFlow平台下进行烟雾特征的训练识别。该算法实现了较大范围的火灾实时检测报警，经过实验证明整个检测过程准确地识别了视频流中的烟雾区域，相比于传统烟雾识别方法具有更高的准确率和自适应性，为大范围的火灾烟雾报警提供了一种有效方案。

全文链接： http://www.chinaaet.com/article/3000092836

中文引用格式： 王涛，宫宁生，蒋贵祥. 基于深度学习的烟雾识别研究[J].电子技术应用，2018，44(10)：131-135.

英文引用格式： Wang Tao，Gong Ningsheng，Jiang Guixiang. Smoke recognition based on the depth learning[J]. Application of Electronic Technique，2018，44(10)：131-135.

10.基于深度学习的胸部X光影像分析系统

摘要： 提出一种应用嵌入式技术和深度学习技术实现对胸部X光影像分析的设计方案。采用NIVIDIA公司生产的Jetson TX2作为核心板，配备以太网模块、WiFi模块等功能模块搭建该分析系统的硬件平台。在GPU服务器上利用MobileNets卷积神经网络对标注的胸部X光影像数据集进行训练，将训练好的神经网络模型移植到Jetson TX2核心板，在嵌入式平台下完成对胸腔积液、浸润、肺气肿、气胸以及肺不张症状的检测。利用美国国立卫生研究院提供的胸部X光影像数据进行测试，通过实验证明，该方法在识别准确率上优于其他的检测方法，同时识别所需时间比其他方法短。

全文链接： http://www.chinaaet.com/article/3000093435

中文引用格式： 周进凡，张荣芬，马治楠，等. 基于深度学习的胸部X光影像分析系统[J].电子技术应用，2018，44(11)：29-32.

英文引用格式： Zhou Jinfan，Zhang Rongfen，Ma Zhinan，et al. Chest X-ray image analysis system based on deep learning[J]. Application of Electronic Technique，2018，44(11)：29-32.

11.基于深度学习的图像分类方法

摘要： 提出了一种用于图像分类的卷积神经网络，将不同池化方式对图像分类的影响进行了分析对比，采用重叠池化和dropout技术，较好地解决过拟合问题。与传统神经网络相比，该方法在CIFAR-10数据集上获得了较好的结果，在测试集上准确率比训练集上准确率高9%左右。

全文链接： http://www.chinaaet.com/article/3000084504

中文引用格式： 许少尉，陈思宇. 基于深度学习的图像分类方法[J].电子技术应用，2018，44(6)：116-119.

英文引用格式： Xu Shaowei，Chen Siyu. Image classification method based on deep learning[J]. Application of Electronic Technique，2018，44(6)：116-119.

12.基于机器视觉的智能导盲眼镜设计

摘要： 提出一种基于机器视觉的智能导盲眼镜系统的设计方案。采用三星公司Cortex-A8架构的 S5PV210作为中央处理器，搭载Linux系统，配备双目采集、GPS定位、语音播报、GSM短信、语音通话、无线传输六大核心功能模块搭建智能导盲眼镜系统的硬件平台，结合深度学习算法在远程云服务器上完成了对目标场景的智能识别，最后以语音的形式实时对盲人的行走作出准确引导。系统测试结果表明，该智能导盲眼镜系统在测试环境下不仅能对盲人出行正确导航，还具有一定的目标识别能力，能帮助盲人进行简易物品归类。该系统还兼有GPS定位、语音通话、GSM短信等多项辅助功能。

全文链接： http://www.chinaaet.com/article/3000064090

中文引用格式： 何腾鹏，张荣芬，刘超，等. 基于机器视觉的智能导盲眼镜设计[J].电子技术应用，2017，43(4)：58-61.

英文引用格式： He Tengpeng，Zhang Rongfen，Liu Chao，et al. Design of smart seeing glasses based on machine vision[J].Application of Electronic Technique，2017，43(4)：58-61.

13.基于深度学习的无人机识别算法研究

摘要： 无人机的广泛运用，在给人们带来便利的同时，也引发了不良影响。比如，无人机飞入禁飞区引发安全问题，由于不正当的使用侵犯公民的隐私等，因此需要构建一个无人机警察系统，对无人机实施监控，遏制乱飞现象。采用传统的识别方法，灵活性不足，精度也不够高。为此提出一种基于深度学习的无人机识别算法，通过训练一个基于卷积神经网络（CNNs）的学习网络，得出一个高效的识别模型，实现无人机和非无人机间的分类。模型的测试结果表明，该方法具有较高的识别率。

全文链接： http://www.chinaaet.com/article/3000068878

中文引用格式： 蒋兆军，成孝刚，彭雅琴，等. 基于深度学习的无人机识别算法研究[J].电子技术应用，2017，43(7)：84-87.

英文引用格式： Jiang Zhaojun，Cheng Xiaogang，Peng Yaqin，et al. A novel UAV recognition algorithm based on deep learning approach[J].Application of Electronic Technique，2017，43(7)：84-87.

14.基于视觉引导的SCARA机器人自动装配系统

摘要： 现有生产线工业机器人抓取点固定，工件只能以固定的姿态提前摆放在固定的位置，这种装配模式很难满足复杂的工业生产要求且效率低下。设计了基于视觉引导的机器人装配系统改进原有系统。设计了机器视觉系统，实现了工件的快速识别、定位以及姿态确定功能；设计了抓放系统，实现了工件的精确抓取和安装功能；采用Visual Studio的MFC开发，实现图像处理算法，并利用Socket通信将坐标和姿态数据发送给机器人。通过实验验证本系统具有良好的稳定性和快速性，可以满足生产的要求，大幅提高生产效率。

全文链接： http://www.chinaaet.com/article/3000065381

中文引用格式： 党宏社，候金良，强华，等. 基于视觉引导的SCARA机器人自动装配系统[J].电子技术应用，2017，43(5)：21-24.

英文引用格式： Dang Hongshe，Hou Jinliang，Qiang Hua，et al. SCARA automatic assembly system based on vision guided[J].Application of Electronic Technique，2017，43(5)：21-24.