检索结果-维普期刊中文期刊服务平台

基于一维残差卷积神经网络的Pi2脉动识别模型被引量：1: 1; 作者张怡悦邹自明方少峰《空间科学学报》北大核心 2025年第1期66-81,共16页; Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... 展开更多; 关键词 Pi2脉动 Pi2脉动识别模型一维残差卷积神经网络; 在线阅读下载PDF 职称材料

基于1D-ResNet的沥青混合料光谱分类识别方法: 2; 作者王晋军周兴林《现代电子技术》北大核心 2025年第8期139-144,共6页; 使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估,对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类,提出一种基于一维残差卷积神经网络(1D-ResNet)的沥青混合料光谱分类方法。该方法是在卷积... 展开更多; 关键词沥青混合料光谱分类一维残差卷积神经网络光谱预处理序列融合间隔平均法; 在线阅读下载PDF 职称材料

改进DQN的边缘计算任务卸载策略被引量：3: 3; 作者宋兴葛海波马世雄《计算机工程与设计》北大核心 2024年第7期1964-1971,共8页; 为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建... 展开更多; 关键词边缘计算深度强化学习计算卸载卸载策略注意力机制一维残差卷积网络全连接层; 在线阅读下载PDF 职称材料

基于深度学习的航空发动机磨损部位识别方法: 4; 作者苗慧慧曹桂松 +3 位作者孙智君康玉祥马佳丽陈果《润滑与密封》 CAS CSCD 北大核心 2023年第4期136-144,共9页; 针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络... 展开更多; 关键词航空发动机能谱分析磨损一维卷积残差网络深度学习; 在线阅读下载PDF 职称材料

题名基于一维残差卷积神经网络的Pi2脉动识别模型被引量：1: 1; 作者张怡悦邹自明方少峰; 机构中国科学院国家空间科学中心中国科学院大学国家空间科学数据中心; 出处《空间科学学报》北大核心 2025年第1期66-81,共16页; 基金国家重点研发计划项目(2022YFF0711400) 中国科学院网信专项(CAS-WX2022SF-0103)共同资助。; 文摘 Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率.; 关键词 Pi2脉动 Pi2脉动识别模型一维残差卷积神经网络; Keywords Pi2 pulsations Pi2 pulsation identification model One-dimensional residual convolutional neural network; 分类号 P353 [天文地球—空间物理学]; 在线阅读下载PDF 职称材料

题名基于1D-ResNet的沥青混合料光谱分类识别方法: 2; 作者王晋军周兴林; 机构武汉科技大学机械自动化学院; 出处《现代电子技术》北大核心 2025年第8期139-144,共6页; 基金国家自然科学基金项目(51778509) 国家科学自然基金项目(51827812)。; 文摘使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估,对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类,提出一种基于一维残差卷积神经网络(1D-ResNet)的沥青混合料光谱分类方法。该方法是在卷积神经网络链式结构的基础上引入残差模块来构建1D-ResNet分类模型。首先对近红外光谱数据间隔平均,并进行二阶导数(2nd D)及标准正态变量变换(SNV)预处理;然后将归一化的平均光谱、2nd D光谱及SNV光谱进行光谱序列融合;最后将融合光谱数据作为模型的输入,实现对不同老化程度沥青混合料的分类。实验结果表明:对光谱数据进行间隔平均后,1D-ResNet模型分类准确率为88.38%,采用光谱序列融合后分类准确率达98.86%,能够实现对沥青混合料的准确分类识别。; 关键词沥青混合料光谱分类一维残差卷积神经网络光谱预处理序列融合间隔平均法; Keywords asphalt mixture spectral classification one-dimensional residual convolutional neural network spectral preprocessing sequence fusion interval averaging method; 分类号 TN247-34 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名改进DQN的边缘计算任务卸载策略被引量：3: 3; 作者宋兴葛海波马世雄; 机构西安邮电大学电子工程学院; 出处《计算机工程与设计》北大核心 2024年第7期1964-1971,共8页; 基金陕西省自然科学基金项目(2011JM8038) 陕西省重点产业创新链(群)基金项目(S2019-YF-ZDCXL-0098)。; 文摘为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建立模型,使用一维残差卷积网络(Conv1D)和带有注意力机制的LSTM网络替换DQN网络的全连接层,提取MD的状态特征,减少需要计算的参数量并加强对输入状态的重点特征信息提取,加速算法收敛并得到最优卸载策略。仿真结果表明,与DQN、Full Local、Full Offload算法相比,LA-DQN算法能够有效降低任务处理的时延和能耗。; 关键词边缘计算深度强化学习计算卸载卸载策略注意力机制一维残差卷积网络全连接层; Keywords edge computing intensive learning computing unload uninstall policy attention mechanism Conv1D full connection layer; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度学习的航空发动机磨损部位识别方法: 4; 作者苗慧慧曹桂松孙智君康玉祥马佳丽陈果; 机构中国航发上海商用航空发动机制造有限责任公司南京航空航天大学民航学院南京航空航天大学通用航空与飞行学院; 出处《润滑与密封》 CAS CSCD 北大核心 2023年第4期136-144,共9页; 基金国家科技重大专项(J2019-IV-004-0071) 中国航发商用航空发动机有限责任公司项目。; 文摘针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。; 关键词航空发动机能谱分析磨损一维卷积残差网络深度学习; Keywords aero engine energy spectrum analysis wear one dimensional convolution residual network deep learning; 分类号 V23 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于一维残差卷积神经网络的Pi2脉动识别模型	张怡悦邹自明方少峰	《空间科学学报》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于1D-ResNet的沥青混合料光谱分类识别方法	王晋军周兴林	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	改进DQN的边缘计算任务卸载策略	宋兴葛海波马世雄	《计算机工程与设计》北大核心	2024	3	在线阅读下载PDF 职称材料
4	基于深度学习的航空发动机磨损部位识别方法	苗慧慧曹桂松孙智君康玉祥马佳丽陈果	《润滑与密封》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料