基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的基于几何形态的神经元分类方法依赖于神经元空间结构特征的提取与选择,会损失大量有用的神经元分类信息.应用自适应投影算法将三维神经元进行转换,不需要提取神经元的几何特征,提出了一种基于深度学习网络的神经元几何形态分类方法.该方法将原始神经元数据进行三维体素重建,经过自适应投影过程构成二维神经元图像数据,并构建了基于双卷积门限循环神经网络的深度学习模型对神经元进行分类.将该方法应用于三种神经元分类数据集,通过与基于特征提取的神经元分类方法相比,实验结果表明该方法具有更高的分类准确率和良好的适应能力.
推荐文章
基于投影寻踪学习网络的盲水印方法
投影寻踪学习网络
盲水印
相似度系数
单神经元自适应PID控制器设计方法研究
单神经元
自适应
PID控制
基于神经元的变频调速系统自适应PID控制
单神经元
矢量控制
变频调速系统
电阻炉单神经元PID自适应控制
单神经元
自适应
常规PID控制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习网络的神经元自适应投影分类方法
来源期刊 电子学报 学科 工学
关键词 神经元分类 自适应投影 卷积神经网络 门限循环单元
年,卷(期) 2020,(7) 所属期刊栏目 学术论文
研究方向 页码范围 1321-1329
页数 9页 分类号 TP183
字数 7678字 语种 中文
DOI 10.3969/j.issn.0372-2112.2020.07.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蔺想红 西北师范大学计算机科学与工程学院 28 207 8.0 13.0
2 马慧芳 西北师范大学计算机科学与工程学院 59 520 12.0 21.0
3 王向文 西北师范大学计算机科学与工程学院 4 56 1.0 4.0
4 郑鉴洋 西北师范大学计算机科学与工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (83)
共引文献  (10)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(10)
  • 参考文献(2)
  • 二级参考文献(8)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(10)
  • 参考文献(0)
  • 二级参考文献(10)
2015(8)
  • 参考文献(1)
  • 二级参考文献(7)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(5)
  • 参考文献(2)
  • 二级参考文献(3)
2018(5)
  • 参考文献(4)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
神经元分类
自适应投影
卷积神经网络
门限循环单元
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导