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3篇文章
< 1 >
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：
通道门控Res2Net卷积神经网络自动调制识别 被引量：3
1
作者 陈昊 郭文普 康凯 《电讯技术》 北大核心 2023年第12期1869-1875,共7页
针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Re... 针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Res2Net)、压缩与激励网络(Squeeze-and-Excitation Network,SENet)和长短期记忆(Long Short-Term Memory,LSTM)网络组成,通过卷积从原始I/Q数据中提取多尺度特征,结合门控机制对特征通道进行权重调整,并利用LSTM对卷积所得特征进行序列建模,确保数据特征被有效挖掘,从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明,所提模型在信噪比为12 dB时识别精度为92.68%,在信噪比2 dB以上时平均识别精度大于91%,较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。 展开更多
关键词 自动调制识别 卷积神经网络 压缩与激励网络 多尺度残差网络 长短期记忆网络
在线阅读 下载PDF
基于1D-SE-ResNet的含风电电力系统动态分区惯量评估
2
作者 徐艳春 任建新 +2 位作者 宋文宇 席磊 MI Lu 《南方电网技术》 北大核心 2025年第6期119-132,共14页
随着风电机组渗透率的提高,电力系统惯量水平逐年下降。同时,频率响应存在分区特性,以区域为单位评估电力系统惯量更加灵活和准确。因此,提出了一种基于一维压缩激励残差神经网络(one-dimensional squeeze and excitation residual neur... 随着风电机组渗透率的提高,电力系统惯量水平逐年下降。同时,频率响应存在分区特性,以区域为单位评估电力系统惯量更加灵活和准确。因此,提出了一种基于一维压缩激励残差神经网络(one-dimensional squeeze and excitation residual neural network,1D-SE-ResNet)的系统动态分区惯量评估方法。首先,计算频率曲线趋势和数值近似距离,采用k-means聚类方法对系统进行动态分区并由S-C指标确定分区数量。然后,通过增加压缩和激励模块对一维残差神经网络进行改进,为每个通道提供权重从而提升网络性能,采集系统不同惯量水平和负荷扰动下的区域簇中心节点频率和频率变化率数据作为一维特征输入,区域有效惯量为输出,训练网络实现区域惯量评估。最后,在含风电的IEEE 39和IEEE 118系统上进行仿真。结果表明,在动态分区的基础上,训练好的1D-SE-ResNet可实现区域惯量的准确评估。 展开更多
关键词 频率响应特性 系统分区 分区惯量 一维压缩激励残差神经网络 惯量评估
在线阅读 下载PDF
一种改进的深度学习的道路交通标识识别算法 被引量：12
3
作者 何锐波 狄岚 梁久祯 《智能系统学报》 CSCD 北大核心 2020年第6期1121-1130,共10页
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一... 针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-andexcitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交通标识的识别。实验结果表明,该方法使训练时间缩短了12%左右,识别精度可达99.26%。 展开更多
关键词 道路交通标识识别 图像分割 卷积神经网络 去除复杂背景 数据增强 归一化 压缩和激励网络 残差连接
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 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