(通讯员 张越)西安电子科技大学协同智能系统教育部重点实验室武越副教授、张越博士在神经网络领域权威期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS)上发表题为“RORNet: Partial-to-Partial Registration Network With Reliable Overlapping Representations”的学术论文。该文章针对点云重叠估计中遗留的外点问题,提出了一种可靠重叠点提取的方法,从而实现部分重叠点云配准。在部分重叠点云配准...
(通讯员 高原) 西安电子科技大学协同智能系统教育部重点实验室公茂果、高原老师在神经网络领域权威期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)上发表题为“Heterogeneous Multi-party Learning with Data-driven Network Sampling”的学术论文。该论文针对异构网络问题,提出了一种新颖的多方协同学习解决方案。在多方学习中,如何为拥有非独立同分布数据的参与者建立个性化的异构模型是一直...
(通讯员 刘家铭)西安电子科技大学协同智能系统教育部重点实验室武越副教授、刘家铭硕士在神经网络领域权威期刊IEEE Transactions on Multimedia (TMM)上发表题为“Self-Supervised Intra-Modal and Cross-Modal Contrastive Learning for Point Cloud Understanding”的学术论文。该论文针对点云预训练问题,提出了一种联合模态内和跨模态的自监督对比学习方案。从未标记的数据中学习有效的表征对于点云理解而言是一项具有...
(通讯员 张元侨)西安电子科技大学协同智能系统教育部重点实验室张元侨博士、公茂果教授在神经网络领域权威期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS)上发表题为“Device-performance Driven Heterogeneous Multi-Party Learning for Arbitrary Images”的学术论文。该论文针对现存的横向多方学习个性化问题,提出了一种新型的定制化生成和聚类策略。本文主要关注两个实际问题:多方学习中的数...
(通讯员 赵悦)西安电子科技大学协同智能系统教育部重点实验室公茂果教授、赵悦博士在计算智能领域权威期刊IEEE Transactions on Fuzzy Systems (IEEE TFS)上发表题为“Deep Fuzzy Variable C-Means Clustering Incorporated with Curriculum Learning”的学术论文,提出了一种端到端的深度模糊课程聚类网络。端到端深度聚类方法利用深度神经网络来共同学习表征特征和聚类分配。尽管已经探索了许多对k-means友好的深度聚类模型...
(通讯员 刘昊)近期,西安电子科技大学协同智能系统教育部重点实验室张明阳副教授、刘昊硕士在IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)上发表题为“Cross-Domain Self-Taught Network for Few-Shot Hyperspectral Image Classification”的学术论文,解决了高光谱图像分类任务小样本的问题。为了解决这个问题,论文将含有大量标签的源域数据集获取的先验知识应用到少标签的目标域上,利用元学习的方法...
(通讯员 刘一婷)西安电子科技大学协同智能系统教育部重点实验室刘一婷博士、李豪副教授在IEEE Transactions on Evolutionary Computation (IEEE TEVC)上发表题为“Nonzero Degree-based Multiobjective Cooperative Coevolutionary for Block Sparse Recovery”的学术论文,为块稀疏信号恢复提供了一种多目标合作协同演化的解决方案。该论文提出了一种多目标合作协同演化算法来处理在没有非零值分布先验知识的情况下块稀疏...
(通讯员 张佳鑫)西安电子科技大学协同智能系统教育部重点实验室范晓龙老师、公茂果教授在IEEE Transactionson Knowledge and Data Engineering (IEEE TKDE)上在线发表题为“Maximizing Mutual Information Across Feature and Topology Views for Representing Graphs”的学术论文,为自监督图表征学习提供了一种有效的互信息最大化方法。论文提出了一种跨特征与拓扑视图的互信息最大化图表征学习方法,通过节点对之间的距离...
(通讯员 高天启)西安电子科技大学协同智能系统教育部重点实验室张明阳副教授、高天启博士在人工智能及机器学习领域权威期刊IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS上发表题为“Semi-supervised Change Detection Based on Bi-hierarchical Feature Aggregation and Extraction Network”的学术论文,为遥感图像变化检测任务设计了一种半监督双层特征聚合与提取网络。如何将基于像素的变化...
(通讯员 高天启)西安电子科技大学协同智能系统教育部重点实验室蒋祥明老师、高天启博士在《中国科学:信息科学》上发表题为“基于协同稀疏解混的高光谱图像变化检测方法”的学术论文,为高光谱图像的变化检测提供了一套简单高效的模型与算法。图1 所提方法的总体思路图文章首先从高光谱图像的线性混合模型出发,回顾了基于光谱库的稀疏高光谱解混模型,并采用变化向量分析思路推导出了基于协同稀疏解混的无约束高光谱变化检测...