卷积神经网络概念范文篇1

用于脑运作分析的前向网络样本重组树生成算法研究基于三角构成规则的加权有向网络拓扑生成算法适用于网络渐进传输的多分辨率曲线生成算法全排列生成算法比较分析KenKen问题的生成算法研究曲线生成算法的文献综述基于列生成算法的集装箱班轮运输网络优化基于全卷积神经网络的图像缩略图生成算法传感器网络中一种基于编码的MAC生成算法数据库关键词检索中候选元组集连接树生成算法的研究基于分类随机算法的试卷生成算法研究分析基于列生成算法的动车组检修计划优化AOS自相似业务流等时帧生成算法的Matlab仿真分析关于传统空间缓冲区生成算法的分析基于Bresenham的直线快速生成算法题库系统中试卷生成算法的改进一种可用于脑神经网络分析的有向网络分解算法形式概念演化生成算法MPI通信代码自动生成算法一种启发式双代号网络图自动生成算法常见问题解答当前所在位置：l.（XieQin.FrameworkofBrainInformationProcessing[Z].[2013-10-21]..）

[30]谢勤.WAP算法连续化及其应用[C].毕业论文，2004.

[31]谢勤.一种可用于脑神经网络分析的有向网络分解算法[J].数字化用户，2014，3：113-116.（XieQin.AnArithmeticForNeuralNetworkAnalysis：FromDirectedGraphToFFNTrees[J].Digitizationuser，2014，3：113-116.）

[32]谢勤.一种可用于脑神经网络分析的有向网络分解算法[C].第八届海内外华人神经科学家研讨会论文集.北京：科学出版社，2014.（XieQin.AnArithmeticForNeuralNetworkAnalysis：FromDirectedGraphToFFNTrees[C].ProceedingsofSymposiumforChineseNeuroscientistsWorldwide2014.Beijing：SciencePress.2014.）

[33]谢勤.用于脑运作分析的前向网络样本重组树生成算法研究[C].电子技术与软件工程，2016，4：258-264.（XieQin.FeedForwardNetworkSampleRecombinationTreeGeneratingArithmetic（DG-FFNSRTreesArithmetic）AndGenerationOfSampleRecombinationGraph[J].ElectronicTechnology&SoftwareEngineering，2016，4：258-264.）

（通讯作者：谢勤）

作者简介

谢勤（1982-），男，A南理工大学硕士，中国神经科学学会会员，工程师，近年在亚组委信息技术部完成核心信息系统――计时记分和成绩处理系统项目实施管理方面的工作，其中计时记分系统投资一亿。主要研究方向为计算机科学与工程、人工智能、神经生物学。

作者单位

1.广州市科技和信息化局广东省广州市510000

2.第16届亚运会组委会信息技术部广东省广州市510000

3.广州生产力促进中心广东省广州市510000

4.广州市科学技术信息研究所广东省广州市510000

5.广州市科技创新委员会广东省广州市510000

卷积神经网络概念范文篇2

[关键词]快餐文化大学生调查

一、调查的源起

“快餐文化”是典型的商品生产和消费全球范围流动，使附加于商品之上的文化得以落地生根而后形成的。上世纪80年代，随着美国的快餐食品店“麦当劳”在中国开业，附加其上的省时省钱的消费文化相随而入，与国人当时崇尚的“时间就是金钱”的理念、快速致富发家的心态相融合，促动速成、短期、流行为标志的“文化快餐”产品，如青春及武侠奇幻小说、流行杂志、说唱朋克、“恶搞”、“电视选秀”、肥皂剧及各种网络文化产品应运而生。由此，以消费为中心、以现代大众传媒为渠道、以流行时尚为内容、以社会大众为对象的文化样式渐成气候——即“快餐文化”，这是一种表面的、浅层次的、无深度感的消费文化。

“快餐文化”形成之初强化了国人的效率观念和工作节奏，与改革开放进程中整体的社会心态相吻合，是其有益一面。但是，“在主体性尚未完全成熟时，在市场和法律机制尚不健全的背景下”，“快餐文化”强烈冲击传统的价值体系，宣扬个人主义和实用主义，并与我国文化中固有的急功近利思想相融合，使其有害一面不断放大，借助商业促销手段和现代媒介急骤传播，迅速渗透到青少年的生活中，使之成为“快餐文化”重要行销群体。

冲出“应试教育”牢笼的大学生，犹如从“真空”中恍然来到尘世，因心智尚未完全发展成熟，对问题的认识难免偏颇，很快被“快餐文化”闲适、快捷、便利、奇幻的一面所吸引，这直接导致相当一部分大学生思辨能力弱化、审美情趣退化、文化欣赏水平滑坡、价值观念迷茫，凡事只求快捷。因而，弄清“快餐文化”影响的利弊，引导大学生形成一定的是非甄别能力，在“快餐文化”消费上有所取舍，正是调查的主因。

二、调查内容的设计及其基本情况

鉴于大学生群体的素质层次区别，本次调查对象主要选择容易为“快餐文化”影响的本专科学生。调查方式为问卷调查。样本规模为100。抽样方式为事先界定好问卷对象。主要抽取本科、高职院校各一所，指定5个专业学期综合成绩排名前20的学生参加调查（我们认为这部分学生对“快餐文化”相对来讲会有一定的关注和思考）。问卷的处理分析使用“问卷统计2.4”进行。录入数据时间2011年12月7日，分析方法有汇总计算和交叉分析。

样本基本情况：发出问卷100份，回收有效问卷96份，回收率96%。样本的基本数据，男生64人，女生32人；大二学生58人、大三22人、大四16人；理工科专业学生30人、经管类专业40人、艺术类专业12人、文史类专业14人。

三、调查统计结果及分析

1.“快餐”概念早已为大学生熟知

74%的大学生接触“快餐”概念的时间在5至10年前，这说明大部分学生在初高中阶段就已经通过不同途径了解了“快餐”这一概念。60.5%学生认为“快餐”就是方便、快捷的代名词，38.5%的学生提到快餐首先想到的是“麦当劳”等快餐食品，且31.5%的学生经常食用快餐。39.58%的学生认为“快餐”概念已超越餐饮范围，43.8%的学生觉得社会上其实已经形成了“快餐族”人群。上述数据从比率看虽然大部分没有超过参加调查学生的半数，但足以说明“快餐”的概念早已为当今的大学生所熟知，他们对“快餐”食品及与“快餐”相关的事物并不反感。比照中国青少年研究中心“青少年流行文化现象与对策研究”课题组对2710位大中学生的问卷调查显示：“大多数学生都希望花最少的时间和精力来追求尽可能显著的效果。大中学生接受的信息88%以上来自于报刊、杂志、广播、互联网等大众传媒。在市场这只看不见的手的作用下，以‘找乐’、‘刺激’为目的。以‘快餐型’为特征的‘三消’（消遣、消闲、消费）文化和‘地摊文学’大行其道，逐渐成为学子的最爱。在闲暇时间内，62%的学生看以‘三消’为主的报刊、杂志，而科普读物和书籍选择率仅为22.5%和33%。”调查结果表明：“快餐文化”在校园中正迅速流行开来。

2.大学生被动接受“文化快餐”，思想观念受到了不同程度的影响

由“快餐”衍生、放大，“文化快餐”以先渐进而后突然多点开花的态势在我国迅速生成，基于文化现象“潜移默化”的方式，很快得到大学生的认同。从调查中可以看到，36.46%的大学生承认不清楚什么是“文化快餐”，46.88%的大学生认为自己对“文化快餐”的认识只能算一般了解，也就是说至少80%以上的学生上在完全不了解何为“文化快餐”的情况下，被动地接受了它。

调查所列出的8种“快餐文化”现象，除“武侠小说”和“其它”选项选择率在10%左右外，其余“简明或快读类的名著、《百家讲坛》类的电视节目、网络文学、校园青春小说、肥皂剧、娱乐类的电视节目”6项选择率不相上下（见图表1），充分说明这些“文化快餐”产品的确在大学生中有广泛的认可度，其中“网络”和“电视”又成为了解和接触这些文化产品的主要信息源。

对于“文化快餐”所持态度，选择“中立”的占56.7%，明确表示支持和反对的各占10.3%、4.1%，选择“无所谓”的占18.6%，还有10.3%的同学放弃选择，没有态度。这表明相当一部分大学生实质上是十分认可“文化快餐”的，也是乐于接受的，而且并未有过从主观上分辨“文化快餐”的利弊意识，处于原封不动直接接受其影响的状态。甚至39.2%的学生认为“文化快餐”的形成是社会经济发展的必然结果，30.9%的学生认为选择“文化快餐”可以节省时间。但是也有69.1%的学生承认“文化快餐”的存在既是传媒过分宣传、社会风气浮躁所致，也有它善于迎合年轻人赶潮流、想轻松获取利益的心理的原因。他们普遍感觉“文化快餐”已经演变为一种文化样式，即“快餐文化”。

3.“快餐文化”已成为大学校园文化的组成部分

之所以得出这样的结论，源于参加调查的学生肯定了“写论文时直接从网络下载拼凑，参加快速下证的培训获得某种职业证，参加电视选秀快速出名，回宿舍玩电脑、上课发手机短信（或手机上网）、走路听MP3，通过网络看电视连续剧，读缩写本替代读原著”等文化现象属于“快餐文化”（见图表2）。在关于“快餐文化”本质的调查中，35.4%的学生认为是“浮躁加急功近利思想”，30.2%的学生认为是“现代工业文化的存在形态”，23%的学生认为是“时间就是金钱观念”，17.7%的学生认为是“为了个人利益而不惜破坏规矩的不良心态”，这说明大学生一方面在不自觉地消费“快餐文化”，另一面，也时常感受到“快餐文化”负面影响的作祟。处于这样的“快餐文化”大行其道的环境中，大学及大学生确实无法摆脱其影响。

4.“快餐文化”对校园文化的影响弊大于利

“快餐文化”作为一种文化样式，其利弊影响在大学生看来又是怎样的呢？在样本给出的“非常有利、利弊各半、弊大于利、没影响、不清楚”5个选项中，依次选择人数为6、30、40、0、20，我们可以得出如下判断，相当一部分学生还是清醒地认识到“快餐文化”的不利影响，占有三成比例的学生既享受到了其有利的一面的惠泽，也受到了其不利一面的影响。但值得注意的是近二成学生没有做出明确判断，提醒我们“快餐文化”的影响力不可小视，因为它的发展、渗透已经模糊了大学生的是非观念取向，影响了大学生对客观价值的认知和判断，使部分学生精神生活陷于享乐主义、颓废主义状态。学习上，表现为不少学生平时迷恋网络、电子游戏不能自拔，学习不肯努力，考前临时抱佛脚，有的甚至考试作弊；思想上，胸无大志、游戏人生，及时行乐，我行我素。参加调查的学生也普遍认为“快餐文化”在学习、生活、娱乐、饮食等方面，对他们都产生了不小的影响。

四、建议

“快餐文化”的存在是社会发展的必然，社会大众特别是青少年对它的认同说明“快餐文化”有其积极一面，比如它带来的多元价值观，打破了一统化的意识形态，非常有利于青少年的个性化成长；它用简洁的方式解读文化艺术，丰富了青少年的知识；它为青少年枯燥的学习生活带来了享受和乐趣。但是，对于自我意识日益完善、自主性日趋强烈、心智却尚未成熟的大学生而言，“快餐文化”的不利影响显然更为突出。在“快餐文化”的冲击之下，“大学生不自觉地把平庸的东西奉为时尚，把崇高的东西视为迂腐，用快餐文化消解传统文化的权威，用不屑亵渎远大的理想和崇高的精神。自我成为他们信奉的唯一哲学，对个人的关注远远超过了对社会的关注，表现出强烈的务实倾向和功利化倾向，逐渐疏远社会主流文化价值。”高校不能漠视这一现实，必须积极作出应对。

1.高校校园文化建设应做到“两手抓，两手都要硬”

校园文化建设的一般思路当然先硬件建设、环境建设，然后再研究“软件”建设。前者只要投入一定资金很容易见效，而后者往往是不了了之。这本身就是一种急功近利的行为，完全忽略了文化对人的影响的“潜移默化”规律。校园文化要抵御“快餐文化”的消极影响，文化“硬环境“要建设，也必须重视文化“软环境”建设，不能把“软环境”的阵地完全放弃，而任由基于利益驱动的消费文化在校园中肆虐。

2.加大高雅文化进校园的推行力度

高雅文化、高雅艺术是人类文化积淀的精华，具有强大的精神熏陶作用。各级政府的教育、文化、财政主管部门，应该积极落实党中央提出的加强社会主义文化建设的总体部署，联手实施高雅文化艺术进校园活动，并使这项活动常态化，政府部门从国家长远发展必须考虑拿出相应的资金，为中学阶段失去这一课的高校学子补课，增强大学生抵御“快餐文化”消极影响的免疫力。

3.立足自我，加强引导

良好校园文化的形成需要长期积淀。高校的每一届主政者和广大教师都要将已经确定的校训、学校精神和其它优良传统，作为校园文化建设的重中之重加以积极的传播，要善于通过会议、仪式、活动等方式很好地渗透其精神实质，遵循文化影响的“潜移默化”规律，小火慢炖，以身作则，引导大学生把校园文化的精神植入自身思想中，成为其做人行事的风格、守则。

本文是辽宁省教育厅立项的科研项目（编号2010078）“‘文化快餐’对校园文化建设影响研究”调研成果

[参考文献]

[1]“青少年流行文化现象与对策研究”课题组.中国青少年流行文化现象报告[J].中国青少年研究，2003（2）.

[2]高清波，宋菲.大众文化对大学生价值观的影响及其对策[J].河北青少年管理干部学院学报，2003（9）.

卷积神经网络概念范文篇3

针对大规模人脸检索问题,提出了一种带相关反馈的基于深度神经网络模型的人脸检索方法.首先利用卷积神经网络对人脸进行特征提取,再利用传统的检索方法进行人脸检索,在检索环节之后加入相关反馈环节.根据用户反馈的结果,将样本分成正例和负例,作为反馈环节的训练样本,完成反馈环节的训练.实验表明,该方法能够显著提高人脸检索的准确率.

关键词:

人脸检索;卷积神经网络;哈希检索;相关反馈

近些年来,随着计算机技术的不断发展,计算机视觉(CV)问题越来越受到人们的关注,例如物体识别[1,2]、图像检索[3,4]、图像匹配[5,6]等,而在所有的计算机视觉问题中,人脸识别与检索方法由于其与人身份的密切联系而受到研究者更加广泛的关注.目前的人脸检索方法主要包括三个部分,人脸图像预处理,人脸特征提取,特征检索.而这其中人脸特征提取部分得到的人脸特征的优劣直接决定整个人脸检索系统的性能.也正是由于这一点,多年来研究者们纷纷提出了多种多样的特征提取方法.总结这些特征提取方法,主要有两个研究方向,一是人工设计特征,(如LBP[7],SIFT[8]等),另一个是学习特征.人工设计特征是根据图像自然具有的颜色,纹理,形状等特征,通过一定的数学方法,设计出来的一种特征抽取方法,sift特征便是这其中较为出色的特征抽取方法.人工特征虽然具有理论基础清晰的优点,但是,人工特征的设计需要大量的理论知识和深厚的数学功底,这制约了该方法的进一步发展.2006年,以GeoffreyHinton在Science发表文献[9],提出深度置信网络(DeepBeliefNetworks,DBN)可使用非监督的逐层贪心算法来训练为标志,研究人员开始将深度学习用于图像特征提取,并在图像分类问题上取得了惊人的效果.

2014年,XiaogangWang,XiaoouTang等人发表文章[10],利用多层卷积神经网络提取人脸图像的特征,并在LFW上验证其分类效果,实验表明,文中提出的深度网络进一步提高了人脸分类的准确率.2014年,XiaogangWang,XiaoouTang等人发表文章[10],利用多层卷积神经网络提取人脸图像的特征,并在LFW上验证其分类效果,实验表明,文中提出的深度网络进一步提高了人脸分类的准确率.基于上述人脸特征提取方法,本文提出了一种带相关反馈的深度学习人脸检索方法,该方法设计了一种多层的CNN网络,利用打好类别标签的人脸图片数据集训练该网络,此深度网络能提取人脸图像的特征,基于此特征,再利用传统的检索方法,得出待检索人脸的检索结果.我们发现,该结果虽然比以往的基于人工特征的检索方法具有更好的检索准确率,但是仍然具有较大的提升空间,因此,在检索之后,加入反馈环节,利用相关反馈算法获取带标签数据,对该反馈网络进行训练,最终得到一个带反馈的深度学习网络.

1相关概念

1.1卷积神经网络卷积神经网络ConvolutionalNeuralNetworks(CNN)是一种特殊的深层神经网络模型,它的特殊性体现在两个方面,一方面它的神经元间的连接是非全连接的,另一方面,同一层中某些神经元之间的连接权重是共享的.卷积网络是为识别二维形状而特殊设计的一个多层感知器,这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有高度不变性.

1.2相关反馈算法人脸检索领域的反馈即是使用一种判别标准(如人工判断)对检索结果的正确性进行判别,再将判别结果回送到检索系统,优化检索系统参数,从而起到对检索结果不断修正的作用.相关反馈算法,一方面,通过对最佳的查询方向估计来调整查询的方向,使其不断向用户反馈的正例靠近,而远离反例;另一方面,利用反馈信息修改距离公式中各分量的权值,突出重要的分量[11,12].

2带相关反馈的基于深度神经网络模型的人脸检索方法

根据文献[10]的思想,我们设计了一个8层的卷积神经网络,利用这一网络结构来实现人脸图像特征的提取.网络结构包含1个输入层,2个卷积层,2个下采样层,2个全连接层和1个输出层.网络中的卷积层和下采样层是经过专门设计来提取局部特征和全局特征的.最终抽取出一个256维的特征向量用来表示输入的人脸图片.网络结构如图1所示。基于上述网络结构得到的人脸特征进行人脸检索,我们利用文献[13]中的有监督哈希检索方法.该文献的思想是将高维数据投影成二进制码,通过对带有相关性标签的训练样本对的学习,相似样本对之间的汉明距离最小,而不相似的样本对之间的汉明距离最大.将上述方法应用到人脸检索中,使用哈希方法获得待检索人脸样本的哈希编码,再计算这个哈希编码与检索库中其他检索样本哈希编码之间的汉明距离,通过距离的大小来判断检索库中哪些样本是与待检索样本相似的结果.每次检索过程,一张待检图片都会得出若干个最为相似的检索结果,而这些结果中有部分是正确的检索结果,而另外一部分则是错误的.根据文献[11]提到的相关反馈算法,检索用户能够很容易判断这些检索结果的正误,且能够通过简单的操作将这些结果进行分类(正确或者错误).多次检索会积累一定量的此类数据,以往的检索方法没有考虑这些数据,而经验告诉我们,这些数据应该会对往后的检索结果有帮助.

因此,我们设计了一个反馈环节,利用这些数据去训练反馈环节,不断提升整个系统的检索性能.相关反馈能够运用于人脸检索,正是由于人脸检索库中存在的人物一般是具有身份标签的,每一个人脸都会属于其中的一个身份的人,也就是属于所有类别中的一类,检索库中存在多少个人也就分成多少个类.在检索过程中,如果用户判断检索出的结果和用户提交的检索图像属于同一个人,则认为是相关图像,否则认为是无关图像.所有的检索结果,用户认为相关则标记为正例,无关则标记为负例.本文采用的方法是首先将待检目标人脸,利用前文提到的方法得出一个初步的检索结果,再根据相关反馈算法,由用户对检索结果进行标定,用户认为结果正确,就标为正例,反之则是负例.再将这些打过标签的检索结果组成的训练集输入到反馈环节中,训练产生一个反馈分类器,之后的检索结果就可以通过这个反馈分类器,判断出更多正确的结果.反馈环节是一个分类器,提升反馈环节的性能可以使用提升分类器性能的方法.在一定范围内提升参与分类器训练的样本、调节分类器参数、使用更加优秀的度量函数都可以达到效果.由于本文的论述重点在于反馈分类器能够使整个系统获得随着检索结果的不断积累而使性能不断优化的功能.对反馈分类器的分类效果不满意时,每次检索得出的结果都可以在用户反馈后加入训练集对反馈分类器进行重新训练.系统性能能够随着检索次数的增加而不断提升.因此,本文主要通过改变样本数量来仿真系统性能的提升.详细的算法流程如表1.

3实验

为了测试本文提出的带相关反馈的基于深度神经网络的人脸检索方法的性能,需要首先对深度卷积神经网络进行训练,本次实验使用的训练集由LFW上的部分图片和在互联网上下载的图片组成,图片一共有大约50000张.部分图片如图2所示.测试数据集我们使用的是YouTubeFacesDatabase[14]随机选取的20000张图片,这些图片包含1595个不同的人.分别打上1到1595的标签,数字相同的表示同一个人.实验结果如下.

3.1输出不同的检索结果数,检索准确率对比人脸检索是通过输入一张待检索图片,输出用户需要的一系列被检索图片.这里输出检索结果图片数量range变化,对检索准确率具有直接的影响.一般来说,检索准确率随着输出结果数增加而下.然而,加入反馈环节之后,能够在一定范围内提升整个系统的检索性能.本次实验为了验证本文所提方法的上述性能,设计使range从10变化到20过程中,记录加入反馈环节前后检索准确率的变化.实验结果如图3中未加反馈曲线所示,其中横坐标表示range的变化,纵坐标表示检索准确率.实验表明,随着输出图片数量(range)的不断增加,未加反馈时检索的准确率不断下降.加入反馈,使用前述相同的数据进行实验,其结果如图4中加反馈曲线所示,前后两次结果的对比表明,本文提出的带反馈环节的检索方法在输出多个结果时,依然能够显著提升检索的准确率.

3.2不同数量的样本集下反馈环节对检索性能的影响为了验证样本个数增加对相关反馈算法的性能影响,我们选择测试样本数据集中样本总数分别为5000,10000,20000,30000个.再选择样本集中的80%对哈希检索函数进行训练,20%进行检索测试输出range=20的结果,收集这些输出检索结果利用相关反馈算法打上标签,对反馈环节进行训练.记录加相关反馈前后检索准确率.检索准确率如图4所示.从图4的曲线中,可以发现,未加反馈环节时,随着参与哈希函数训练的样本数据不断增加,检索的准确率也是呈不断上升态势的,因此,提高样本总数,能够提升哈希检索的准确率.但是,无限制地提升样本个数必然会以牺牲检索时间为代价的.另外,获取大量的加标签的人脸图片也是非常困难的工作.而本文方法训练反馈环节的标签样本是多次检索积累下来的,获取比较容易.而加入反馈环节后,实验数据表明,相同的数据量检索准确率有显著提升,且随着数据量的增加,检索准确率也是不断提升的,直到样本数到达20000附近时,反馈环节参数已达最优,准确率达到峰值.

4结语