×
王淑怡;周子旭;Lo-Bin Chang;秀、东宾

使用卷积神经网络构建不连续检测器。 （英语） Zbl 07544562号

科学杂志。计算。 91，第2号，第40号论文，20页（2022年）.
摘要：我们提出了一种由深度神经网络构造的不连续性检测器。利用卷积神经网络（CNN）结构，我们设计了一组综合训练数据。数据由随机生成的分段平滑函数组成，这些函数在等距网格上进行评估，标签表示存在不连续的问题单元。成功训练网络后，基于CNN的检测网络能够通过正确标记问题细胞，准确识别新给定功能数据中的不连续性。尽管我们所有的训练数据都有固定的大小，但构造的检测器可以应用于任意大小的函数数据，只要它们位于等距网格上。为了提高二维和三维情况下的检测效率，我们提出了一种两级检测程序，其中检测器首先应用于粗网格，然后仅应用于粗级别识别出的问题单元的精细网格。通过一组广泛的数值测试，我们证明了所开发的检测器具有很强的泛化能力，从这个意义上说，它们能够准确地检测出结构比训练数据中的结构复杂得多的不连续性。

MSC公司：

2017年10月68日 人工神经网络与深度学习
41A30型 其他特殊函数类的近似
65D99型 数值近似和计算几何（主要是算法）

关键词：

深度神经网络;卷积神经网络;不连续性检测;问题电池

软件：

亚当;AlexNet公司;ImageNet公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Wang}等人，《科学杂志》。计算。91，第2号，第40号论文，20页（2022；Zbl 07544562）
全文： 内政部

参考文献：

[1] 阿奇博尔德，R。；Gelb，A。；Yoon，J.，《不规则采样信号和图像中边缘检测的多项式拟合》，SIAM J.Numer。分析。，43, 259-279 (2005) ·Zbl 1093.41009号 ·doi:10.1137/S0036142903435259
[2] 阿奇博尔德，R。；Gelb，A。；Yoon，J.，《确定函数导数中的位置和不连续性》，应用。数字。数学。，58, 577-592 (2008) ·Zbl 1141.65011号 ·doi:10.1016/j.apnum.2007.01.018
[3] Bozzini，M.，De Tisi，F.，Rossini，M.：用小波从含噪数据中检测不规则性。摘自：Laurent，P.-J.，Le Mehaute，A.，Schumaker，L.（编辑）《小波、图像和曲面拟合》，第75-82页。AK Peters/CRC出版社（1994）·Zbl 0815.65134号
[4] El-Sayed，M.，Estaitia，Y.A.，Khafagy，M.A.：使用卷积神经网络的自动边缘检测。国际高级计算杂志。科学。申请。4, 11-17 (2013)
[5] Gao，Z.，Wen，X.，Don，W.S.：用多分辨率分析和Tukey箱线法增强双曲守恒律的混合紧-WENO有限差分格式的鲁棒性。科学杂志。计算。73, 736-752 (2017) ·Zbl 1381.65065号
[6] Goodfellow，I.，Bengio，Y.，Courville，A.：深度学习。麻省理工学院出版社（2016）。http://www.deeplearningbook.org ·Zbl 1373.68009号
[7] Jain，R。；Kasturi，R。；Schunck，BG，《机器视觉》（1995），纽约：McGraw-Hill，纽约
[8] Kingma，D.P.，Ba，J.：亚当：随机优化的一种方法。arXiv预印arXiv:1412.6980（2014）
[9] Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：基于深度卷积神经网络的Imagenet分类。摘自：《神经信息处理系统进展》，第1097-1105页（2012年）
[10] 拉文，A。；Gray，S.，卷积神经网络的快速算法，IEEE Conf.Compute。视觉。模式识别。，1, 4013-4021 (2016)
[11] LeCun，Y。；博瑟，B。；丹克，JS；亨德森·D·。；RE霍华德；Hubbard，W。；Jackel，LD，反向传播应用于手写邮政编码识别，神经计算。，1, 541-551 (1989) ·doi:10.1162/neco.1989.1.4.541
[12] 刘，Y。；郑，M-M；胡，X。；卞，J-W；张，L。；Bai，X。；Tang，J.，边缘检测的Richer卷积特征，IEEE Trans。模式分析。机器。智力。，41, 1939-1946 (2019) ·doi:10.1109/TPAMI.2018.2878849
[13] 苏雷什，V。；Koteswarao Rao，S。；Thiagarajan，G。；Das，RP，使用小波去噪和检测不连续性，印度科学杂志。技术。，9, 19 (2016)
[14] Vuik，MJ；Ryan，JK，使用离群值检测的故障细胞指示器的自动参数，SIAM J.Sci。计算。，38，A84-A104（2016）·Zbl 1330.65155号 ·doi:10.1137/15M1018393
[15] Wang，R.：使用卷积神经网络进行边缘检测。摘自：神经网络进展——ISNN，第12-20页。查姆施普林格（2016）
[16] 魏，M。；阿联酋德皮耶罗；Yin，J.，基于多项式插值滤波器的迭代方法，用于检测不连续性并从傅里叶数据恢复点值，IEEE Trans。信号处理。，53, 136-146 (2004) ·兹比尔1370.94056
[17] 温，C。；刘，P。；马伟（Ma，W.）。；简，Z。；吕，C。；Hong，J。；Shi，X.，特征再提取深度卷积神经网络边缘检测，J.Vis。Commun公司。图像表示。，57, 84-90 (2018) ·doi:10.1016/j.jvcir.2018.10.1017
[18] Xue，C.，Zhang，J.，Xing，J.、Lei，Y.、Sun，Y.：卷积神经网络边缘检测算子的研究。收录于：IEEE第八届国际信息技术与人工智能联合会议，第49-53页（2019）
[19] 张，G。；韦伯斯特，CG；Gunzburger，M。；Burkardt，J.，《用于高维不连续检测的超球面稀疏近似技术》，SIAM Rev.，58，517-551（2016）·Zbl 1386.65083号 ·doi:10.1137/16M1071699
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。