修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

4 条数据
?? 中文（中国） ▾

  • 具有独立控制双频带传输响应的双极化频率选择吸波器

    摘要： 对于任何声称达到或超越人类水平的分类与识别系统而言，对数据集中微小扰动保持鲁棒性具有重大意义。研究人员发现，神经网络对微小扰动并不稳健——通过在测试数据中添加特定类别的噪声，很容易持续误导其产生误分类。这种所谓的对抗性噪声会严重削弱神经网络的性能（这些网络在未受扰动的数据集上原本表现优异）。最新研究提出：通过使用本身带有对抗性噪声的数据进行训练，可使神经网络获得对抗噪声的鲁棒性。基于此方法，本文提出一种基于K-支撑范数生成强效对抗噪声模型的新机制来训练神经网络。我们在MNIST和STL-10两个基准数据集上，采用多层感知机和卷积神经网络测试了该方案。实验结果表明：相比现有最先进技术，采用本技术训练的神经网络在鲁棒性方面展现出显著提升。

    关键词： 鲁棒性、泛化能力、卷积神经网络、对抗性、K-支持范数

    更新于2025-09-23 15:21:01

  • [2019年IEEE光子学与电磁学研究春季研讨会（PIERS-Spring）- 意大利罗马（2019.6.17-2019.6.20）] 2019光子学与电磁学研究春季研讨会（PIERS-Spring）- 集成光子学功能材料：有机材料在硅基光子集成电路中的混合集成，用于先进光调制器与光源

    摘要： 对于任何宣称接近或超越人类水平的分类与识别系统而言，具备抵御数据集中微小扰动的能力至关重要。研究人员发现，神经网络对微小扰动并不稳健——通过在测试数据中添加特定类别的噪声，就能轻易诱使其持续出现误分类。这种所谓的对抗性噪声会严重削弱神经网络的性能，而该网络在未受扰动的数据集上原本表现优异。最新研究提出，可通过使用本身已受对抗性噪声污染的数据进行训练，使神经网络获得对抗此类噪声的稳健性?；诖朔椒ǎ疚奶岢鲆恢只贙-支撑范数生成强力对抗噪声模型的新机制来训练神经网络。我们在MNIST和STL-10两个基准数据集上，采用多层感知机和卷积神经网络验证该方法。实验结果表明，相较于现有最先进技术，采用本技术训练的神经网络在稳健性方面展现出显著提升。

    关键词： 鲁棒性、泛化能力、卷积神经网络、对抗性、K-支持范数

    更新于2025-09-23 15:19:57

  • 用于光伏材料微结构-性能关系探索的可解释深度学习

    摘要： 薄膜有机半导体材料的微观结构决定了其光伏性能。微观结构与性能之间的关系通常具有高度非线性且评估成本高昂，这使得微观结构优化极具挑战性。本文展示了一种数据驱动方法，利用深度卷积神经网络建立微观结构与光伏性能的映射关系。我们从两个关键指标评估该方法：其泛化能力（是否学到了合理的映射关系？）和可解释性（能否生成影响预测结果的有意义的微观结构特征？）。同时具备这两种特性的代理模型对后续设计探索尤为重要。我们通过该代理模型进行人工探索（验证已知领域认知）和自动化微观结构优化来说明这一点。我们预期此类方法可广泛应用于各类微观结构敏感的设计问题。

    关键词： 微观结构、深度学习、泛化能力、光伏技术、可解释性

    更新于2025-09-19 17:13:59

  • [2019年IEEE国防光子学研究与技术应用会议(RAPID) - 美国佛罗里达州米拉马尔海滩(2019.8.19-2019.8.21)] 2019年IEEE国防光子学研究与技术应用会议(RAPID) - 多极与超表面量子阱发射器

    摘要： 对于任何声称达到或超越人类水平的分类与识别系统而言，对数据集中微小扰动保持免疫具有重大意义。研究人员发现，神经网络对微小扰动并不稳健——通过在测试数据中添加特定类别的噪声，就能轻易误导系统持续误分类。这种所谓的对抗性噪声会严重削弱神经网络的性能（尽管它们在未受扰动的数据集上表现优异）。最新研究提出，通过使用本身带有对抗性噪声的数据进行训练，可使神经网络获得抗干扰能力?；诖朔椒ǎ疚奶岢鲆恢只贙支撑范数生成强效对抗噪声模型的新机制来训练神经网络。我们在MNIST和STL-10两个基准数据集上，采用多层感知机和卷积神经网络测试了该方案。实验结果表明，相比现有最先进技术，采用本技术训练的神经网络在鲁棒性方面展现出显著提升。

    关键词： 鲁棒性、泛化能力、卷积神经网络、对抗性、K-支持范数

    更新于2025-09-19 17:13:59