期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到232篇文章
< 1 2 … 12 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于复合域多尺度分解的红外偏振图像融合方法 被引量：1
1
作者 陈广秋 魏洲 +1 位作者 段锦 黄丹丹 《吉林大学学报(理学版)》 北大核心 2025年第2期479-491,共13页
针对目前红外偏振融合图像质量差、偏振信息缺失、目标纹理细节不够等问题,提出一种基于复合域多尺度分解的红外偏振图像融合方法.首先,在空间域内利用引导滤波器对源图像进行二尺度分解,得到细节层和基础层,在频域内利用非下采样剪切... 针对目前红外偏振融合图像质量差、偏振信息缺失、目标纹理细节不够等问题,提出一种基于复合域多尺度分解的红外偏振图像融合方法.首先,在空间域内利用引导滤波器对源图像进行二尺度分解,得到细节层和基础层,在频域内利用非下采样剪切波变换对基础层图像进行多尺度多方向分解,得到低频子带图像和高频子带图像;其次,对高频子带采用主成分分析-自适应脉冲耦合神经网络融合规则,对低频子带采用改进的卷积稀疏表示进行系数合并,细节层融合采用基于像素相似度的局部能量加权和选择性融合规则;最后,在复合域内利用逆变换重构出融合图像.实验结果表明,该方法在主观视觉性能和8个客观评价指标上均优于其他对比融合方法,说明该方法在红外偏振图像融合中具有较多优势,能有效提高融合图像的质量. 展开更多
关键词 红外偏振图像融合 非下采样剪切波变换 自适应脉冲耦合神经网络 卷积稀疏表示
在线阅读 下载PDF
基于SE-AdvGAN的图像对抗样本生成方法研究 被引量：1
2
作者 赵宏 宋馥荣 李文改 《计算机工程》 北大核心 2025年第2期300-311,共12页
对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。... 对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。为解决这一问题,基于AdvGAN提出一种改进的图像对抗样本生成方法(SE-AdvGAN)。SE-AdvGAN通过构造SE注意力生成器和SE残差判别器来提高扰动的稀疏性。SE注意力生成器用于提取图像关键特征,限制扰动生成位置,SE残差判别器指导生成器避免生成无关扰动。同时,在SE注意力生成器的损失函数中加入以l_(2)范数为基准的边界损失以限制扰动的幅度,从而提高对抗样本的真实性。实验结果表明,在白盒攻击场景下,SE-AdvGAN相较于现有方法生成的对抗样本扰动稀疏性更高、幅度更小,并且在不同目标模型上均取得了更好的攻击效果,说明SE-AdvGAN生成的高质量对抗样本可以更有效地评估DNN模型的鲁棒性。 展开更多
关键词 对抗样本 生成对抗网络 稀疏扰动 深度神经网络 鲁棒性
在线阅读 下载PDF
基于变换域多尺度加权神经网络的全色锐化
3
作者 马飞 孙陆鹏 +1 位作者 杨飞霞 徐光宪 《自然资源遥感》 北大核心 2025年第3期76-84,共9页
为了解决全色锐化过程中存在的空间与光谱信息融合问题,该文提出了一种在非下采样剪切波变换(non-subsampled shearlet transform,NSST)域下,基于多尺度加权的脉冲耦合神经网络(pulse-coupled neural network,PCNN)和低秩稀疏分解的全... 为了解决全色锐化过程中存在的空间与光谱信息融合问题,该文提出了一种在非下采样剪切波变换(non-subsampled shearlet transform,NSST)域下,基于多尺度加权的脉冲耦合神经网络(pulse-coupled neural network,PCNN)和低秩稀疏分解的全色图像和多光谱图像的锐化模型。该模型分为低频和高频处理模块,对于高频子带,提出了一种适用于不同尺度不同方向高频子带的加权方式,并针对其不同方向上的特性,采用一种自适应PCNN模型;对于低频子带,首先将其分解为低秩与稀疏2部分,并根据低秩部分与稀疏部分特点设计相应的融合规则,再采取逆NSST变换得到融合图像。实验在GeoEye,QuickBird与Pléiades数据集上进行,并针对高频信息多尺度加权模块设计了消融实验,相比于次优模型,峰值信噪比(peak signal-to-noise ratio,PSNR)值分别提高了约1 dB,1.6 dB和2.2 dB。实验结果表明,该模型在指标评估中优于其他算法,并有效解决高频信息提取困难问题。 展开更多
关键词 全色锐化 非下采样剪切波变换 多尺度加权 脉冲耦合神经网络 低秩稀疏分解
在线阅读 下载PDF
基于稀疏反演理论的船舶行为不确定分析方法
4
作者 胡甚平 陈炎 +1 位作者 朱清华 韩冰 《哈尔滨工程大学学报》 北大核心 2025年第9期1709-1718,共10页
针对船舶会遇过程中的避让行为差异性问题,本文提出一种基于稀疏反演理论的船舶行为不确定性分析方法。通过碰撞事故调查报告中船舶自动识别系统数据的情景反演,提出船舶会遇过程中包括避让动机、时机、方式、幅度和效果等行为表征;针... 针对船舶会遇过程中的避让行为差异性问题,本文提出一种基于稀疏反演理论的船舶行为不确定性分析方法。通过碰撞事故调查报告中船舶自动识别系统数据的情景反演,提出船舶会遇过程中包括避让动机、时机、方式、幅度和效果等行为表征;针对不同会遇局面的行为程度特点,构建神经网络辨识船舶避让行为,利用信息熵测量不同会遇阶段下行为的不确定性程度;结合多起碰撞事故调查报告的样本数据,揭示碰撞事故集下船舶避让行为的不确定性特征。结果表明:船舶具有不同局面不同避让责任的差异化避让行为特征,且随两船相互驶近下避让行为的方式、幅度和效果等不确定性逐渐增大。基于稀疏反演理论的数据分析方法可量化船舶避让行为的时空分异特性,为船舶会遇避让的决策方案提供智能化分析的思路。 展开更多
关键词 水上交通 碰撞事故 船舶避让行为 不确定性 稀疏反演理论 数据驱动 神经网络 信息熵
在线阅读 下载PDF
融合RNN与稀疏自注意力的文本摘要方法 被引量：2
5
作者 刘钟 唐宏 +1 位作者 王宁喆 朱传润 《计算机工程》 北大核心 2025年第1期312-320,共9页
随着深度学习的高速发展,基于序列到序列(Seq2Seq)架构的文本摘要方法成为研究焦点,但现有大多数文本摘要模型受限于长期依赖,忽略了注意力机制复杂度以及词序信息对文本摘要生成的影响,生成的摘要丢失关键信息,偏离原文内容与意图,影... 随着深度学习的高速发展,基于序列到序列(Seq2Seq)架构的文本摘要方法成为研究焦点,但现有大多数文本摘要模型受限于长期依赖,忽略了注意力机制复杂度以及词序信息对文本摘要生成的影响,生成的摘要丢失关键信息,偏离原文内容与意图,影响用户体验。为了解决上述问题,提出一种基于Transformer改进的融合递归神经网络(RNN)与稀疏自注意力的文本摘要方法。首先采用窗口RNN模块,将输入文本按窗口划分,每个RNN对窗口内词序信息进行压缩,并通过窗口级别的表示整合为整个文本的表示,进而增强模型捕获局部依赖的能力;其次采用基于递归循环机制的缓存模块,循环缓存上一文本片段的信息到当前片段,允许模型更好地捕获长期依赖和全局信息;最后采用稀疏自注意力模块,通过块稀疏矩阵对注意力矩阵按块划分,关注并筛选出重要令牌对,而不是在所有令牌对上平均分配注意力,从而降低注意力的时间复杂度,提高长文本摘要任务的效率。实验结果表明,该方法在数据集text8、enwik8上的BPC分数相比于LoBART模型降低了0.02,在数据集wikitext-103以及ptb上的PPL分数相比于LoBART模型分别降低了1.0以上,验证了该方法的可行性与有效性。 展开更多
关键词 序列到序列架构 文本摘要 Transformer模型 递归神经网络 递归循环机制 稀疏自注意力机制
在线阅读 下载PDF
基于SBSS与CNN的750 kV变压器和尖板的放电信号声纹识别 被引量：1
6
作者 包艳艳 杨广泽 +1 位作者 陈伟 冯婷娜 《西南交通大学学报》 北大核心 2025年第3期781-792,共12页
变压器绝缘水平和健康状态对电网的安全稳定至关重要,为研究750 kV变压器内部存在放电故障时,箱体外采集的可听声信号中可能混杂有电晕声、鸟鸣等其他干扰信号的工程实际问题,提出一种基于稀疏表示理论(SBSS)与卷积神经网络(CNN)的750 k... 变压器绝缘水平和健康状态对电网的安全稳定至关重要,为研究750 kV变压器内部存在放电故障时,箱体外采集的可听声信号中可能混杂有电晕声、鸟鸣等其他干扰信号的工程实际问题,提出一种基于稀疏表示理论(SBSS)与卷积神经网络(CNN)的750 kV变压器与尖板放电混叠信号的声纹识别方法.首先,采集武胜750 kV变电站变压器正常运行声信号作为背景声,构建针-板放电模型得到放电声信号和现场常见干扰声作为前景声,通过添加不同信噪比的前景声到背景声中构造混叠声信号;然后,利用基于稀疏表示理论的盲分离算法实现目标前景声纹图谱和冗余背景声纹图谱的分离;最后,对CNN模型超参数进行优化,以提高模型对分离后的各类前景声纹谱图的分类性能.研究结果表明:通过盲源分离算法可以剔除冗余背景声干扰,使神经网络聚焦于前景声的分类识别;本文方法可实现混叠声信号中前景声纹的分离,分离后,CNN、支持向量机(SVM)和反向传播神经网络(BPNN)的识别准确率分别提高7.6%、17.2%和14.3%. 展开更多
关键词 局部放电 时频谱图 稀疏表示 盲分离 卷积神经网络 深度学习
在线阅读 下载PDF
基于稀疏神经网络的污水处理软测量建模方法
7
作者 骆雪汇 孙悦 +1 位作者 曾泰山 刘乙奇 《华南师范大学学报(自然科学版)》 北大核心 2025年第2期104-112,共9页
软测量技术通过建立数学模型来间接测量难以直接获取的关键参数,可应用于污水处理过程中关键出水指标难以测量的问题。然而,传统神经网络软测量模型在应对污水处理软测量场景中日益复杂多样的数据时,由于模型结构过度稠密化,容易引发过... 软测量技术通过建立数学模型来间接测量难以直接获取的关键参数,可应用于污水处理过程中关键出水指标难以测量的问题。然而,传统神经网络软测量模型在应对污水处理软测量场景中日益复杂多样的数据时,由于模型结构过度稠密化,容易引发过拟合现象,导致模型的预测精度降低,泛化能力削弱。为此,文章提出了一种基于稀疏神经网络的软测量模型(SPNN)。该模型融合正则化稀疏性约束与周期性剪枝策略,降低网络中非零参数数量,以构建更为简洁且高效的模型结构;结合特征选择与数据标准化等预处理手段,进一步增强模型的预测性能和泛化能力。实验结果显示,在加州大学欧文分校的污水处理数据集(UCI污水数据集)上,相较于偏最小二乘(PLS)、支持向量机(SVM)、长短期记忆网络(LSTM)和深度神经网络(DNN),SPNN模型的预测误差显著降低。具体而言,与最优对比模型LSTM相比,SPNN模型的均方根误差(RMSE)下降了88.87%,平均绝对误差(MAE)降低了75.82%,决定系数(R 2)提高了6.29%,验证了其在复杂污水数据建模中的准确性与鲁棒性优势。 展开更多
关键词 稀疏神经网络 正则化 剪枝 污水处理
在线阅读 下载PDF
综合特征分段组稀疏编码的交通标志识别方法
8
作者 朱逸峰 奚峥皓 +3 位作者 郑阳 刘翔 刘亚奇 张星 《计算机科学与探索》 北大核心 2025年第10期2712-2721,共10页
随着无人驾驶、辅助驾驶等技术的发展,交通标志识别(TSR)问题被更多的研究者所关注。目前,在普通交通环境下的TSR问题得到了较好的解决,但当环境中存在交通标志模糊、部分遮挡等噪声干扰时,其TSR的处理效果并不理想。针对该问题进行研究... 随着无人驾驶、辅助驾驶等技术的发展,交通标志识别(TSR)问题被更多的研究者所关注。目前,在普通交通环境下的TSR问题得到了较好的解决,但当环境中存在交通标志模糊、部分遮挡等噪声干扰时,其TSR的处理效果并不理想。针对该问题进行研究,提出了一种新颖的结合孪生网络的综合特征分段组稀疏编码的TSR问题解决方法。提取交通标志的多个不同尺度特征编码,并提出利用综合特征编码的方法来表征交通标志;通过提出的分段组稀疏编码方法对交通标志的综合特征编码进行优化,以改善模型对编码的学习能力,提高编码的鲁棒性;构建了用于分段组稀疏编码训练的孪生神经网络模型,该模型因其简单的结构和较少的层数使其不易出现过拟合问题,同时所提模型也具有较少的参数量,较大幅度提升了模型的运算速度。实验表明,所提方法在TT100K数据集原始环境、运动模糊环境中,与目前SOTA模型最好成绩相比其准确率、精确率、召回率与F1分数等评价指标相近,模型参数量减少70.8%,FPS提升51.4%;在部分遮挡噪声环境中,各指标均显著优于目前SOTA模型最好成绩,尤其在遮挡率为60%时,所提方法的准确率和FPS分别较目前SOTA模型最好成绩提升了0.118和27 FPS。 展开更多
关键词 计算机视觉 交通标志识别 分段组稀疏编码 孪生神经网络
在线阅读 下载PDF
一种稀疏体压特征人员识别方法
9
作者 肖鸿洲 李长云 +2 位作者 王志兵 甘英华 任国鑫 《现代电子技术》 北大核心 2025年第3期111-118,共8页
在注重隐私或无光环境下,主流的基于机器视觉的人员识别方法不太适用。基于稀疏体压特征,文中提出一种将CNN与Bi⁃LSTM相融合再结合注意力机制的人员识别新方法。首先,对获得的稀疏体压数据使用CNN进行空间特征提取;然后,使用Bi⁃LSTM神... 在注重隐私或无光环境下,主流的基于机器视觉的人员识别方法不太适用。基于稀疏体压特征,文中提出一种将CNN与Bi⁃LSTM相融合再结合注意力机制的人员识别新方法。首先,对获得的稀疏体压数据使用CNN进行空间特征提取;然后,使用Bi⁃LSTM神经网络获取长远的上下文信息,抽取潜藏在时序规律中的上下文特征;最后,将抽取的空间与时序特征并联融合,结合注意力机制进行权重参数优化,使模型更关注于最具类别区分度的特征。实验结果表明,该方法拥有更快的收敛速度,识别准确率达到93.86%。 展开更多
关键词 人员识别 体压特征 注意力机制 双向长短期记忆 神经网络 稀疏体压
在线阅读 下载PDF
基于算力动态分配的稀疏卷积加速器
10
作者 秦学毅 陈桂林 +3 位作者 魏祥麟 于龙 范建华 刘恒 《计算机工程与应用》 北大核心 2025年第15期178-188,共11页
稀疏化卷积计算是降低卷积神经网络计算复杂度的重要手段。当前设计的稀疏化卷积加速器仍然面临两方面的问题:一是非零元素位置不固定导致索引逻辑复杂,索引计算时间长;二是简单地跳过零值元素导致计算资源闲置浪费。为解决这两个问题,... 稀疏化卷积计算是降低卷积神经网络计算复杂度的重要手段。当前设计的稀疏化卷积加速器仍然面临两方面的问题:一是非零元素位置不固定导致索引逻辑复杂,索引计算时间长;二是简单地跳过零值元素导致计算资源闲置浪费。为解决这两个问题,设计了一种基于算力动态分配的稀疏卷积加速器。设计了一种动态非零值索引,降低了索引的计算时间和内存需求。提出了一种算力动态分配算法,将多个通道卷积跳零后的数据分配至一组乘法器,降低非零数据配对难度,避免资源闲置。在Xilinx XC7V2000平台上的仿真评估结果显示,在进行稀疏卷积计算时,所设计加速器的性能达438.3 GOPs,DSP效率达到了0.43 GOPs/DSP,与6种现有卷积加速器相比,DSP效率提升了1.26倍至2.86倍。 展开更多
关键词 稀疏卷积 神经网络 硬件加速 多通道
在线阅读 下载PDF
基于稀疏自注意力图神经网络的三维目标检测
11
作者 彭志辰 封岸松 +2 位作者 王天柱 邵鑫喆 库涛 《计算机工程与应用》 北大核心 2025年第3期295-305,共11页
三维目标检测是自动驾驶环境感知中最重要的技术之一。为了解决远距离漏检问题,提升三维目标检测的效果,提出一种基于稀疏自注意力图神经网络的三维目标检测方法(SSA-GNN),在采样关键点阶段,提出动态区域并行采样法,通过采样区域过滤,... 三维目标检测是自动驾驶环境感知中最重要的技术之一。为了解决远距离漏检问题,提升三维目标检测的效果,提出一种基于稀疏自注意力图神经网络的三维目标检测方法(SSA-GNN),在采样关键点阶段,提出动态区域并行采样法,通过采样区域过滤,场景划分为扇区,融合动态最远体素采样的方式,以保持关键点均匀分布、加速采样同时提升前景点比例。在细化建议框阶段,利用图神经网络在点之间建立联系,通过迭代的消息传递来更好地建模上下文信息和聚合领域信息,并改进多头自注意机制来更好地关注特征聚合后领域中的重要关系,从而提高算法检测性能。SSA-GNN在KITTI公开数据集上进行测试,与基线网络PointPillars、SECOND和PointRCNN相比,在困难等级指标下,Car类平均精度分别提升了7.95、5.50、6.94个百分点,结果表明SSA-GNN可有效提升三维目标检测性能。 展开更多
关键词 三维目标检测 关键点采样 图神经网络 稀疏自注意力
在线阅读 下载PDF
双基SAR空时自适应ANM-ADMM-Net杂波抑制技术 被引量：1
12
作者 李中余 皮浩卓 +3 位作者 李俊奥 杨青 武俊杰 杨建宇 《雷达学报(中英文)》 北大核心 2025年第5期1196-1214,共19页
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时,需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型,会导致主瓣杂波出现严重的空时非平稳问题,从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然... 双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时,需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型,会导致主瓣杂波出现严重的空时非平稳问题,从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响,但是在处理过程中会出现字典离网问题,从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性,但在针对复杂、多变场景时,也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题,该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先,基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型,克服传统离散字典模型下的离网问题;其次,采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解;然后,根据迭代流程和数据流图进行网络化处理,将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net;再次,设置归一化均方根误差网络损失函数,并利用获取的数据集对网络模型进行训练;最后,利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理,从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理,表明该方法具有更好的杂波抑制性能和更加高效的运算效率。 展开更多
关键词 双基合成孔径雷达(BiSAR) 稀疏恢复 空时处理 杂波抑制 复值神经网络
在线阅读 下载PDF
数据驱动建模的地面切向作用力估计
13
作者 吕阳 陆畅 +2 位作者 张晓旭 陈文明 徐鉴 《医用生物力学》 北大核心 2025年第1期148-155,共8页
目的 建立从下肢运动学数据估算切向地面反作用力(GRF_t)的数据驱动模型,并从输入数量与估计精度的角度出发选择最合适的输入,以实现在户外步态实验中测量GRF_t。方法 利用10名受试者在5个不同坡度(-10°、-5°、0°、5... 目的 建立从下肢运动学数据估算切向地面反作用力(GRF_t)的数据驱动模型,并从输入数量与估计精度的角度出发选择最合适的输入,以实现在户外步态实验中测量GRF_t。方法 利用10名受试者在5个不同坡度(-10°、-5°、0°、5°、10°)下的步态数据,训练反向传播神经网络(backpropagation neural network, BPNN)和多项式稀疏回归(polynomial sparse identification, PSI)模型两种数据驱动模型,用以估算GRF_t。评估8种运动学数据组合与法向地面作用力(GRF_n)作为模型输入的性能结果,以确定最佳的模型和模型输入。结果 在相同输入维度下,髋-膝关节角度组合比膝-踝关节角度组合更能准确地估算GRF_t。具体而言,基于前者组合的BPNN和PSI模型预测GRF_t的误差分别为1.61%BW(体重)和1.84%BW,而基于后者组合的模型误差分别为2.82%BW和3.15%BW。将GRF_n与所有关节角度作为输入,模型的预测误差仅为1.46%BW。结论 GRF_n与髋-膝关节角度的组合在计算复杂度和估计精度之间实现了最佳平衡。研究结果有助于实现在室外步态测试中准确估算GRF_t。 展开更多
关键词 户外步态测试 反向传播神经网络 多项式稀疏辨识 输入筛选 地面作用力估计
在线阅读 下载PDF
基于神经网络的稀疏二维FIR滤波器设计
14
作者 李怡 赵加祥 徐微 《计算机工程与设计》 北大核心 2025年第7期1841-1847,共7页
针对高性能二维线性相位有限脉冲响应(finite impulse response,FIR)滤波器设计,随着阶数增加导致计算和存储压力过大的问题,提出一种稀疏二维FIR滤波器设计的迭代方法。稀疏二维FIR滤波器设计问题被转化为神经网络的李雅普诺夫能量函... 针对高性能二维线性相位有限脉冲响应(finite impulse response,FIR)滤波器设计,随着阶数增加导致计算和存储压力过大的问题,提出一种稀疏二维FIR滤波器设计的迭代方法。稀疏二维FIR滤波器设计问题被转化为神经网络的李雅普诺夫能量函数最小化问题。在每次迭代中,利用加权Frobenius范数的正交匹配追踪(orthogonal matching pursuit,OMP)算法寻找滤波器中非零系数的位置,使用Hopfield神经网络计算非零系数。仿真结果表明,该方法能够有效增加二维FIR滤波器的稀疏度,稀疏效果优于已有的稀疏滤波器设计算法。 展开更多
关键词 霍普菲尔德神经网络 稀疏滤波器 线性相位 二维有限脉冲响应滤波器 弗罗贝尼乌斯范数 正交匹配追踪 迭代算法
在线阅读 下载PDF
基于角度间隔分离学习的相干DOA估计方法
15
作者 王军 武子涵 +1 位作者 周广佼 周志权 《系统工程与电子技术》 北大核心 2025年第10期3188-3198,共11页
针对传统模型驱动算法处理空间临近相干源信号精度下降,以及数据驱动算法需大样本训练的问题,提出基于角度间隔分离学习的高精度波达方向估计方法。该方法利用信号角度间隔稀疏特性,结合分域思想,通过空间滤波器估计角度间隔信息,将信... 针对传统模型驱动算法处理空间临近相干源信号精度下降,以及数据驱动算法需大样本训练的问题,提出基于角度间隔分离学习的高精度波达方向估计方法。该方法利用信号角度间隔稀疏特性,结合分域思想,通过空间滤波器估计角度间隔信息,将信号划分至对应角度间隔域,再利用深层神经网络多标签分类器完成波达方向估计。同时引入稀疏自编码技术,通过压缩输入数据和提取关键特征,降低计算复杂度的同时有效滤除干扰。仿真结果表明,与其他数据驱动算法相比,该方法在少量训练样本条件下对空间临近角度信号具有更高的估计精度和泛化能力。 展开更多
关键词 相干波达方向估计 角度间隔分离学习 深层神经网络 稀疏自编码器
在线阅读 下载PDF
基于SSAE和改进的IndRNN电力物联网入侵检测方法研究
16
作者 闵永仓 王勇 《计算机应用与软件》 北大核心 2025年第10期358-366,共9页
随着物联网技术和电力系统的不断融合,通过物联网终端设备向电力系统发起的入侵层出不穷,为了提高防护能力,提出一种基于堆栈稀疏自编码器(SSAE)和独立循环神经网络(IndRNN)的混合入侵检测模型。利用SSAE解决电力物联网高维数据充斥大... 随着物联网技术和电力系统的不断融合,通过物联网终端设备向电力系统发起的入侵层出不穷,为了提高防护能力,提出一种基于堆栈稀疏自编码器(SSAE)和独立循环神经网络(IndRNN)的混合入侵检测模型。利用SSAE解决电力物联网高维数据充斥大量冗余特征问题,并通过改进的IndRNN捕获时序信息,引入分层注意力机制,对关键特征进行增强。实验结果表明,该模型在准确率和误报率达到99.36%和0.67%的同时还大大缩短了检测时间,是一种有效电力物联网入侵检测模型。 展开更多
关键词 堆栈稀疏自编码器 独立循环神经网络 入侵检测 电力物联网
在线阅读 下载PDF
多通道自适应特征融合的城市路网交通流量预测
17
作者 马蕴一 许明 金海波 《计算机工程与应用》 北大核心 2025年第7期334-341,共8页
精准预测城市路网交通流量对交通管控至关重要。然而,由于城市路网的时空相关性非常复杂,精准交通流量预测极具挑战。为了更好捕捉路网时空相关性,提出了基于车辆轨迹数据的多通道自适应特征融合城市路网交通流量预测模型(multi-channel... 精准预测城市路网交通流量对交通管控至关重要。然而,由于城市路网的时空相关性非常复杂,精准交通流量预测极具挑战。为了更好捕捉路网时空相关性,提出了基于车辆轨迹数据的多通道自适应特征融合城市路网交通流量预测模型(multi-channel adaptive feature fusion network,MCAFF-Net)。提出旅行路径编解码器捕获路网的路径级空间关联。根据路段特征向量构建路网特征空间相似度图,并提出拓扑增强的特征向量相关性网络,以建模路段特征空间相关性。提出了长短期依赖图神经网络,以增大图神经网络的感受野,同时捕捉路网的局部和全局空间相关性。采用自适应学习方式进行特征融合,捕捉路网丰富的动态空间关联。设计了稀疏注意力时间相关性模块,捕捉路网的时间相关性,并降低传统注意力模型的计算复杂度。实验结果表明,与现有先进的基线算法相比,MCAFF-Net预测效果最佳。具体而言,在Sumo-SY和Taxi-BJ数据集的第一个时间步预测中,RMSE指标分别降低了12.89%和5.4%,MAE指标分别降低了13.92%和3.3%。此外,通过与该模型的六种变体进行消融实验,验证了该模型各组件的有效性。 展开更多
关键词 交通流量预测 图神经网络 稀疏注意力机制 特征融合 车辆轨迹挖掘
在线阅读 下载PDF
基于多尺度特征融合预处理与深度稀疏网络的并行磁共振成像重建
18
作者 薛磊 段继忠 《数据采集与处理》 北大核心 2025年第4期1082-1095,共14页
磁共振成像(Magnetic resonance imaging,MRI)在医学诊断中具有关键作用,但过长的扫描时间可能会导致患者不适或产生运动伪影。并行成像技术和压缩感知理论表明,可通过对k空间数据进行欠采样从而提高扫描速度,其中并行MRI是一种通过利... 磁共振成像(Magnetic resonance imaging,MRI)在医学诊断中具有关键作用,但过长的扫描时间可能会导致患者不适或产生运动伪影。并行成像技术和压缩感知理论表明,可通过对k空间数据进行欠采样从而提高扫描速度,其中并行MRI是一种通过利用多个接收线圈同时采集多个数据通道来加速成像过程的技术。深度学习凭借其强大的特征提取和模式识别能力,在欠采样MRI重建中展现出巨大的潜力。为克服现有技术的局限性(如需要自动校准信号、重建不稳定等),提出了一种创新的重建方法,旨在从欠采样的k空间数据中高效、准确地重建高质量的并行磁共振图像。该方法的核心骨架为深度稀疏网络,该网络通过将求解稀疏模型的迭代收缩阈值算法的迭代过程展开,转化为深度神经网络框架内的一系列可训练层。另外,还引入基于多尺度特征融合的自适应预处理模块,通过融合普通卷积与异型卷积核,进一步提升网络的稀疏表示能力。实验结果表明,相较于其他先进方法,本文提出的方法在多个数据集上均表现出更优的重建性能,包括更高的峰值信噪比和结构相似性指数,以及更低的高频误差范数。 展开更多
关键词 并行磁共振成像重建 深度学习 卷积神经网络 深度稀疏网络 多尺度特征融合
在线阅读 下载PDF
基于卷积特征提取及深度降噪网络的大规模MIMO系统信号检测 被引量：4
19
作者 申滨 涂媛媛 +1 位作者 阳建 金龙康 《信号处理》 CSCD 北大核心 2024年第6期1030-1040,共11页
传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用... 传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用于大规模MIMO系统上行链路信号检测。首先,通过简化经典的检测网络(Detection Network,DetNet),改进ScNet(Sparsely Connected Neural Network)检测算法,引入卷积神经网络(Convolutional NeuralNetworks,CNN)对三通道输入数据提取特征以减少训练参数,提出一种SConv(SparselyConnected Convolutional Neural Network)检测算法。与DetNet算法相比,该算法可同时降低计算复杂度和提高检测精度。在此基础上,进一步基于CNN构建信号降噪模块,并嵌入SConv网络,提出一种卷积神经降噪(Sparsely Connected Convolutional Denoising,SConv-D)网络辅助的大规模MIMO检测算法。此算法检测过程分为两级,第一级由SConv算法提供初始估计值,再将初始估计值作为降噪过程的输入,并由此构成算法第二级。实验结果表明,本文提出的SConv-D算法适用于QPSK、4QAM及16QAM等多种信号调制模式,在高阶调制模式下获得的性能增益尤为明显。此外,该算法能够适应各种比例的收发天线及数量规模的系统配置,尤其是在收发天线数量相等的情况下亦能获得更优的性能。本文算法还克服了MMNet在高阶调制情况下的性能平台效应,在16QAM调制、收发天线数量相等的情况下,SConv-D在10^(-2)误比特率上能获得接近2 dB的性能增益。 展开更多
关键词 大规模MIMO 深度学习 稀疏连接 卷积神经网络 降噪
在线阅读 下载PDF
融合稀疏八叉树与卷积神经网络的汽车风阻系数预测 被引量：2
20
作者 王刚 张瑞昊 +2 位作者 刘学龙 袁海东 韩旭 《计算力学学报》 CAS CSCD 北大核心 2024年第1期58-65,共8页
针对汽车风阻系数预测研究中参数化方法难以准确表征汽车外造型的难题,提出融合稀疏八叉树与卷积神经网络的汽车风阻系数预测方法。将汽车外造型按照八叉树结构离散,使用平均法向量对离散的复杂曲面进行简化,利用卷积神经网络对八叉树... 针对汽车风阻系数预测研究中参数化方法难以准确表征汽车外造型的难题,提出融合稀疏八叉树与卷积神经网络的汽车风阻系数预测方法。将汽车外造型按照八叉树结构离散,使用平均法向量对离散的复杂曲面进行简化,利用卷积神经网络对八叉树形式的汽车外造型进行特征提取,进而对汽车风阻系数进行快速预测。通过改变卷积层数与全连接层数,研究了不同卷积神经网络结构对风阻系数预测精度的影响。与参数化方法相比,本文提出的外造型表示方法能更好地描述模型细节,构建的卷积神经网络结构对风阻系数预测的最小相对误差为1.453%,且计算速度是CFD仿真的1620倍,具有较高的精度及计算效率。 展开更多
关键词 风阻系数 深度学习 稀疏八叉树 卷积神经网络 汽车
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 12 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部