检索结果-维普期刊中文期刊服务平台

基于VGG19-SK模型的机械密封启停状态识别: 1; 作者刘伟翟志兴 +1 位作者张书尧李双喜《机电工程》北大核心 2025年第1期23-32,50,共11页; 机械密封在机械设备的的启停过程中,时常会发生失效。针对这一问题,提出了一种新的深度学习模型VGG19-SK,并将其应用于机械密封的启停状态识别中。首先,在机械密封启停过程中,利用密封声发射信号试验台获取了试验数据,这些数据为训练深... 展开更多; 关键词机械密封深度学习模型声发射信号 SK卷积层全局平均池化层批归一化层 VGG19-SK模型; 在线阅读下载PDF 职称材料

结合全局与局部池化的深度哈希人脸识别算法被引量：12: 2; 作者曾燕陈岳林蔡晓东《西安电子科技大学学报》 EI CAS CSCD 北大核心 2018年第5期163-169,共7页; 针对采用大型卷积神经网络提取高维特征进行人脸识别时占用内存空间较大以及消耗大量计算资源的问题,提出一种结合全局与局部池化的深度哈希全卷积神经网络.第一,提出一种基于全局平均池化层的全卷积网络,用以减少网络参数以及压缩模型... 展开更多; 关键词全局平均池化层近似哈希编码融合损失全卷积网络; 在线阅读下载PDF 职称材料

基于SVDD与VGG的纽扣表面缺陷检测: 3; 作者樊鑫江佟强 +2 位作者杨大利侯凌燕梁旭《计算机工程与设计》北大核心 2024年第3期918-924,共7页; 为解决纽扣表面缺陷检测中人工效率低下,且无需对纽扣表面瑕疵进行分类的问题,提出一种基于DEEP SVDD与改进VGG16的纽扣表面缺陷检测模型。在VGG16中增加BN层加快网络收敛;为提升网络特征提取能力引入SE注意力模块;使用全局平局池化替... 展开更多; 关键词纽扣表面检测深度支持向量数据描述 VGG16网络模型注意力机制全局平均池化层批量归一化深度学习; 在线阅读下载PDF 职称材料

基于改进卷积神经网络及LightGBM的滚动轴承故障诊断被引量：9: 4; 作者杨瑞双宁芊 +1 位作者雷印杰陈炳才《轴承》北大核心 2021年第6期44-49,共6页; 针对大多基于深度学习的故障诊断模型存在泛化能力不强、训练时间长等问题,提出了一种基于改进卷积神经网络(GCNN)和LightGBM的轴承故障诊断方法,首先,利用卷积层对随机失活后的原始信号进行特征提取;然后,使用全局平均池化层取代全连... 展开更多; 关键词滚动轴承故障诊断卷积神经网络深度学习轻量级梯度提升机全局平均池化层; 在线阅读下载PDF 职称材料

一种基于R3D网络的人体行为识别算法被引量：3: 5; 作者吴进安怡媛代巍《电讯技术》北大核心 2020年第8期865-870,共6页; 现有的行为识别算法不能充分地提取抽象的行为特征,为此提出了基于三维残差卷积神经网络(3D Residual Convolutional Neural Network,R3D)的人体行为识别算法。该网络在三维卷积神经网络(3D Convolutional Neural Network,3D-CNN)基础... 展开更多; 关键词行为识别三维残差卷积神经网络批量归一化层全局平均池化层; 在线阅读下载PDF 职称材料

题名基于VGG19-SK模型的机械密封启停状态识别: 1; 作者刘伟翟志兴张书尧李双喜; 机构北京化工大学机电工程学院; 出处《机电工程》北大核心 2025年第1期23-32,50,共11页; 基金国家重点研发计划项目(2018YFB2000800,2022YFB3303600)。; 文摘机械密封在机械设备的的启停过程中,时常会发生失效。针对这一问题,提出了一种新的深度学习模型VGG19-SK,并将其应用于机械密封的启停状态识别中。首先,在机械密封启停过程中,利用密封声发射信号试验台获取了试验数据,这些数据为训练深度学习模型提供了基础;然后,在传统VGG19基础之上进行了改进,增加了SK卷积层、全局平均池化层和批归一化(BN)层,这些改进显著减少了模型的参数数量,降低了对硬件设备的要求,同时提升了模型的性能;最后,在模型训练过程中,对VGG19-SK模型进行了细致的调优,采用准确率曲线、损失值曲线以及混淆矩阵等指标,与其他模型进行了对比,验证了VGG19-SK模型的有效性,突出了VGG19-SK模型的优越性。研究结果表明:在机械密封启停阶段8种分类识别中,VGG19-SK取得了86.67%的准确率,比传统VGG19提升了约2.19%;同时,模型的训练参数减少了83.74%,模型总体大小缩减了约80%。该VGG19-SK机械密封状态识别模型在兼顾准确率的同时,保证了硬件资源受限状况下的运行能力,为进一步开发基于深度神经网络模型的机械密封状态故障诊断系统奠定了基础。; 关键词机械密封深度学习模型声发射信号 SK卷积层全局平均池化层批归一化层 VGG19-SK模型; Keywords mechanical seal deep learning model acoustic emission signal SK convolution layer global average pooling layer batch normalization(BN)layer VGG19-SK model; 分类号 TH134 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名结合全局与局部池化的深度哈希人脸识别算法被引量：12: 2; 作者曾燕陈岳林蔡晓东; 机构桂林电子科技大学机电工程学院桂林电子科技大学信息与通信学院; 出处《西安电子科技大学学报》 EI CAS CSCD 北大核心 2018年第5期163-169,共7页; 基金 2016年广西物联网技术及产业化推进协同创新中心资助项目(WLW200601) 2016年广西科技计划资助项目(广西重点研发计划)(桂科AB16380264) 2016年"认知无线电与信息处理"省部共建教育部重点实验室基金资助项目(CRKL160102); 文摘针对采用大型卷积神经网络提取高维特征进行人脸识别时占用内存空间较大以及消耗大量计算资源的问题,提出一种结合全局与局部池化的深度哈希全卷积神经网络.第一,提出一种基于全局平均池化层的全卷积网络,用以减少网络参数以及压缩模型尺寸;第二,提出一种学习不同特征的融合损失方法,将哈希量化误差损失与分类损失进行加权融合,用以学习具有多分类性质的近似哈希编码.实验表明,该方法能够在Visual Geometry Group(VGG)框架下将识别效率提高68%,且准确率略有提升;融合损失方法扩展到Face Residual Network(Face-ResNet)框架时,在保持准确率的情况下将识别效率提高了23.7%。结果表明,该方法可在保证准确率的前提下有效地从特征提取和特征降维两方面提高识别效率,同时该方法还可扩展用于其他网络.; 关键词全局平均池化层近似哈希编码融合损失全卷积网络; Keywords global average pooling approximate hash coding fusion loss full convolution network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于SVDD与VGG的纽扣表面缺陷检测: 3; 作者樊鑫江佟强杨大利侯凌燕梁旭; 机构北京信息科技大学计算机学院; 出处《计算机工程与设计》北大核心 2024年第3期918-924,共7页; 基金国家自然科学基金项目(6177010360)。; 文摘为解决纽扣表面缺陷检测中人工效率低下,且无需对纽扣表面瑕疵进行分类的问题,提出一种基于DEEP SVDD与改进VGG16的纽扣表面缺陷检测模型。在VGG16中增加BN层加快网络收敛;为提升网络特征提取能力引入SE注意力模块;使用全局平局池化替代全连接层,减少模型参数量,使模型更加健壮。实验结果表明,改进后的模型在DEEP SVDD中的两种方法软边界及一类方法的AUC值分别提升7.7%、5.9%,均高于96%,单张检测时间仅4.5 ms,模型性能满足实际要求。; 关键词纽扣表面检测深度支持向量数据描述 VGG16网络模型注意力机制全局平均池化层批量归一化深度学习; Keywords button surface inspection DEEP SVDD VGG16 attention mechanism global average pooling BN layer DEEP learning; 分类号 TP391.41 [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

题名基于改进卷积神经网络及LightGBM的滚动轴承故障诊断被引量：9: 4; 作者杨瑞双宁芊雷印杰陈炳才; 机构四川大学电子信息学院大连理工大学计算机科学与技术学院; 出处《轴承》北大核心 2021年第6期44-49,共6页; 基金国家自然科学基金项目(61771089) 新疆自治区区域协同创新专项(科技援疆计划)(2019E02142)。; 文摘针对大多基于深度学习的故障诊断模型存在泛化能力不强、训练时间长等问题,提出了一种基于改进卷积神经网络(GCNN)和LightGBM的轴承故障诊断方法,首先,利用卷积层对随机失活后的原始信号进行特征提取;然后,使用全局平均池化层取代全连接层以提高模型的泛化能力;最后,将提取到的特征输入到LightGBM中进行分类。试验结果表明,GCNN-LightGBM模型的训练、诊断平均时长分别只有44.64,0.08 s,在同负载、变负载测试集上的平均分类准确率分别高达99.72%和95.04%,诊断效率及分类准确率均优于其他对比模型,且具有较强的泛化能力。; 关键词滚动轴承故障诊断卷积神经网络深度学习轻量级梯度提升机全局平均池化层; Keywords rolling bearing fault diagnosis convolutional neural network deep learning LightGBM global average poling layer; 分类号 TH133.3 [机械工程—机械制造及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于R3D网络的人体行为识别算法被引量：3: 5; 作者吴进安怡媛代巍; 机构西安邮电大学电子工程学院; 出处《电讯技术》北大核心 2020年第8期865-870,共6页; 基金国家自然科学基金资助项目(61834005,61772417,61602377,61634004) 陕西省重点研发计划项目(2017GY-060) 陕西省自然科学基础研究计划项目(2018JM4018)。; 文摘现有的行为识别算法不能充分地提取抽象的行为特征,为此提出了基于三维残差卷积神经网络(3D Residual Convolutional Neural Network,R3D)的人体行为识别算法。该网络在三维卷积神经网络(3D Convolutional Neural Network,3D-CNN)基础上加入了残差模块,可以更好地提取时空域的特征,然后通过改变步长大小进行特征图降维,提高网络效率,并加入批量归一化层和Softplus激活函数,提高网络的收敛速度和拟合能力;之后添加Dropout层,降低过拟合风险,并且使用全局平均池化层(Global Average Pooling,GAP)代替全连接层,克服了网络参数量过大的问题;最后,使用Softmax进行分类。实验结果表明,使用R3D网络在HMDB-51数据集上获得了62.3%的识别率。; 关键词行为识别三维残差卷积神经网络批量归一化层全局平均池化层; Keywords behavior recognition 3D residual convolutional neural network batch normalization layer global average pooling layer; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 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VGG19-SK模型的机械密封启停状态识别	刘伟翟志兴张书尧李双喜	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
2	结合全局与局部池化的深度哈希人脸识别算法	曾燕陈岳林蔡晓东	《西安电子科技大学学报》 EI CAS CSCD 北大核心	2018	12	在线阅读下载PDF 职称材料
3	基于SVDD与VGG的纽扣表面缺陷检测	樊鑫江佟强杨大利侯凌燕梁旭	《计算机工程与设计》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于改进卷积神经网络及LightGBM的滚动轴承故障诊断	杨瑞双宁芊雷印杰陈炳才	《轴承》北大核心	2021	9	在线阅读下载PDF 职称材料
5	一种基于R3D网络的人体行为识别算法	吴进安怡媛代巍	《电讯技术》北大核心	2020	3	在线阅读下载PDF 职称材料