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9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：
动态卷积生成对抗网络的视频帧预测方法研究 被引量：2
1
作者 安利智 何平 +2 位作者 张薇 石钰阳 田宇 《小型微型计算机系统》 CSCD 北大核心 2022年第2期278-284,共7页
针对当前视频帧预测模型中存在的预测准确度较差和物体结构信息丢失等问题,提出了一种动态卷积生成对抗网络.在生成网络中,首先使用卷积长短时记忆网络初步提取输入视频流的图像特征,然后利用卷积神经动态平流单元对视频流中的运动特征... 针对当前视频帧预测模型中存在的预测准确度较差和物体结构信息丢失等问题,提出了一种动态卷积生成对抗网络.在生成网络中,首先使用卷积长短时记忆网络初步提取输入视频流的图像特征,然后利用卷积神经动态平流单元对视频流中的运动特征进行提取,最后将上述两种特征组合后输出一组预测视频帧;在判别网络中,采用一个3D卷积网络一次性接收全部视频帧.在实验中,使用Adam方法优化模型的参数,采用KTH和BAIR Robot Pushing数据集作为训练数据集.实验结果表明:无论是在长时间视频帧预测准确度和物体结构信息保留方面,还是人眼的主观感受上,动态卷积生成对抗网络均优于变分生成对抗网络,其在结构相似性度量指标下提高了14.5%,在学习感知图像块相似性指标下提高了7.69%,并且生成的预测视频更加流畅,具有更高的实用价值. 展开更多
关键词 视频帧预测 卷积动态神经平流单元 生成对抗网络 变分生成对抗网络
在线阅读 下载PDF
基于DSConvBiGRU网络和热电堆阵列的动态手势识别方法 被引量：1
2
作者 顾亮 于莲芝 《计量学报》 CSCD 北大核心 2024年第6期795-805,共11页
提出了适用于嵌入式系统并融合深度可分离卷积神经网络与双向门控循环单元的DSConvBiGRU网络模型,将其用于动态手势序列的分类,设计并实现了一种使用低分辨率热电堆阵列传感器的动态手势识别解决方案,构建了动态手势数据集并在公开网站... 提出了适用于嵌入式系统并融合深度可分离卷积神经网络与双向门控循环单元的DSConvBiGRU网络模型,将其用于动态手势序列的分类,设计并实现了一种使用低分辨率热电堆阵列传感器的动态手势识别解决方案,构建了动态手势数据集并在公开网站发布,完成了预训练网络模型在Raspberry Pi边缘端的部署。系统对传感器输出的连续20个温度矩阵进行区间映射、背景减除、Lanczos插值和Otsu二值化预处理得到单个动态手势序列,再由预训练的DSConvBiGRU网络进行分类。实验结果表明:网络模型在测试集上识别准确率为99.291%,在边缘端预处理耗时5.513 ms,推理耗时8.231 ms,该系统满足低功耗、高精度和实时性的设计需求。 展开更多
关键词 机器视觉 光电检测 动态手势识别 热电堆阵列 深度可分离卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于DCNN-BiGRU的离子刻蚀机冷却系统故障诊断
3
作者 李嘉程 王璠 +1 位作者 邓超 程聘 《仪表技术与传感器》 北大核心 2025年第8期25-33,50,共10页
离子刻蚀机是半导体制造领域中为晶圆提供刻蚀加工的关键设备,冷却系统作为离子刻蚀机的重要组成部分,一旦在运行过程中发生故障,会导致后续在设备上加工的晶圆报废。针对离子刻蚀机冷却系统运行过程中的传感器信号存在多尺度信息的问题... 离子刻蚀机是半导体制造领域中为晶圆提供刻蚀加工的关键设备,冷却系统作为离子刻蚀机的重要组成部分,一旦在运行过程中发生故障,会导致后续在设备上加工的晶圆报废。针对离子刻蚀机冷却系统运行过程中的传感器信号存在多尺度信息的问题,提出了一种基于混合动态时空网络(DCNN-BiGRU)的故障诊断方法。该方法利用动态卷积神经网络挖掘样本序列中的多尺度空间特征,然后通过双向门控循环单元进一步挖掘样本中的时序特征,使模型能够充分学习样本中所蕴含的故障信息,实现离子刻蚀机的精确故障诊断。在离子刻蚀机冷却系统故障数据集上的实验结果表明:所提出的方法能够准确对故障进行诊断,在各腔室上的平均故障诊断准确率达到了91.81%,优于CNN、LSTM等故障诊断算法。 展开更多
关键词 故障诊断 离子刻蚀机 动态卷积神经网络 双向门控循环单元 多尺度特征
在线阅读 下载PDF
基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测
4
作者 段宏 郭成 +1 位作者 孙海东 王嵩岭 《智慧电力》 北大核心 2025年第4期71-80,共10页
针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性... 针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性内核网络(SKNet)和全局上下文模块(GC Block)优化TCN与BiGRU模型,分别增强提取多尺度特征和全局信息的能力。仿真结果验证了所提模型的优越性,尤其在气象条件数据波动较大的情况下,表现出较强的鲁棒性。 展开更多
关键词 短期光伏功率预测 时间卷积神经网络 双向门控循环单元 导数动态时间弯曲聚类
在线阅读 下载PDF
融合注意力机制的混合神经网络文本情感分析模型 被引量：13
5
作者 孔韦韦 田乔鑫 +2 位作者 滕金保 王照乾 常亮 《电讯技术》 北大核心 2023年第6期781-789,共9页
以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题,并且特征提取能力与识别关键信息的能力也存在不足。为了进一步提升情感分析的效果,提出了一种基于注意力机制的动态卷积神经网络(Dynamic Convolutional Ne... 以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题,并且特征提取能力与识别关键信息的能力也存在不足。为了进一步提升情感分析的效果,提出了一种基于注意力机制的动态卷积神经网络(Dynamic Convolutional Neural Network,DCNN)与双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)的文本情感分析模型DCNN-BiGRU-Att。首先,利用宽卷积核提取文本边缘特征,采用动态k-max池化保留了文本的相对位置序列特征。其次,构建了DCNN与BiGRU的并行混合结构,避免了部分特征损失问题,并同时保留局部特征与全局上下文信息两种特征,提高了模型的特征提取能力。最后,在特征融合之后引入注意力机制,将注意力机制的作用全局化,提高了模型识别关键信息的能力。将该模型在MR与SST-2两个公开数据集上与多个深度学习模型进行对比,其准确率分别提高了1.27%和1.07%,充分证明了该模型的合理有效性。 展开更多
关键词 文本情感分析 双向门控循环单元(BiGRU) 动态卷积神经网络(DCNN) 注意力机制 特征融合
在线阅读 下载PDF
基于多模态融合的动态手势识别研究 被引量：10
6
作者 胡宗承 段晓威 +1 位作者 周亚同 何昊 《计算机工程与科学》 CSCD 北大核心 2023年第4期665-673,共9页
针对复杂环境中动态手势识别精度低且鲁棒性不强的问题,提出一种基于多模态融合的动态手势识别算法TF-MG。TF-MG结合深度信息和三维手部骨架信息,利用2种不同网络分别提取对应特征信息,然后将提取的特征融合输入分类网络,实现动态手势... 针对复杂环境中动态手势识别精度低且鲁棒性不强的问题,提出一种基于多模态融合的动态手势识别算法TF-MG。TF-MG结合深度信息和三维手部骨架信息,利用2种不同网络分别提取对应特征信息,然后将提取的特征融合输入分类网络,实现动态手势识别。针对深度信息运用运动历史图像方法,将运动轨迹压缩到单帧图像,使用MobileNetV2提取特征。针对三维手部骨架信息采用门控循环神经单元组成的DeepGRU对手部骨架信息进行特征提取。实验结果表明,在DHG-14/28数据集上,对14类手势识别精度达到93.29%,对28类手势识别精度达到92.25%。相对其他对比算法实现了更高的识别精度。 展开更多
关键词 多模态 动态手势识别 门控循环神经单元 卷积神经网络
在线阅读 下载PDF
采用深度学习的DGA域名检测模型比较 被引量：17
7
作者 裴兰珍 赵英俊 +1 位作者 王哲 罗赟骞 《计算机科学》 CSCD 北大核心 2019年第5期111-115,共5页
针对DGA域名难以检测的问题,构建了一种面向字符的采用深度学习的DGA域名检测模型,模型由字符嵌入层、特征检测层和分类预测层组成。字符嵌入层实现对输入DGA域名的数字编码;特征检测层采用深度学习模型自动提取特征;分类预测层采用全... 针对DGA域名难以检测的问题,构建了一种面向字符的采用深度学习的DGA域名检测模型,模型由字符嵌入层、特征检测层和分类预测层组成。字符嵌入层实现对输入DGA域名的数字编码;特征检测层采用深度学习模型自动提取特征;分类预测层采用全连接网络进行分类预测。为了选取最优的特征提取模型,分析比较了采用Bidirectional机制、Stack机制和Attention机制的LSTM模型与GRU模型,CNN模型,以及将CNN模型分别与LSTM模型和GRU模型相组合的模型。结果表明,与LSTM和GRU模型相比,采用Stack机制、前向Attention机制结合Bidirectional机制的LSTM和GRU模型,CNN模型,CNN模型与LSTM和GRU相组合的模型可提升模型的检测效果,但采用CNN和Bi-GRU组合构建的DGA域名检测模型可获得最优的检测效果。 展开更多
关键词 网络空间安全 深度学习 动态域名生成算法 卷积神经网络 门控循环单元 长短期记忆网络
在线阅读 下载PDF
GRU-CNN优化模型的手势动作识别研究 被引量：5
8
作者 刘慧婷 李建军 《小型微型计算机系统》 CSCD 北大核心 2021年第10期2121-2124,共4页
近年来,动态手势识别已经成为计算机视觉领域的研究热点.由于手势动作的复杂性和多样性导致动态手势识别的识别率不是很高.随着深度学习的发展,卷积神经网络(CNN)在图像视频领域方面表现出较好的性能,但是,卷积神经网络仅仅考虑了图像... 近年来,动态手势识别已经成为计算机视觉领域的研究热点.由于手势动作的复杂性和多样性导致动态手势识别的识别率不是很高.随着深度学习的发展,卷积神经网络(CNN)在图像视频领域方面表现出较好的性能,但是,卷积神经网络仅仅考虑了图像序列的当前输入,丢失了上下文关系,为了解决这一问题,鉴于门控循环单元(GRU)网络具有对有长时间关联性数据较强的处理能力,本文提出了GRU-CNN融合网络模型.该模型可以提取更多的时空信息,而且具有较少的网络参数,收敛时间短,能更好的满足实时性需求.本模型在公开数据集MSRC-12上取得了良好的实验效果,同时分析了超参数(批量大小,权重和偏差学习率)对分类精度的影响.在网络模型的对比实验中,GRU-CNN的性能大大优于CNN-GRU模型. 展开更多
关键词 图像处理 深度学习 动态手势识别 卷积神经网络 门控循环单元
在线阅读 下载PDF
基于ICNN-BiGRU的轴承故障诊断模型 被引量：3
9
作者 杨慧 张瑞君 陈国良 《机电工程》 CAS 北大核心 2022年第11期1559-1566,共8页
在实际使用过程中,基于深度学习模型的滚动轴承故障诊断方法易受环境噪声的干扰,为此,提出了一种基于改进卷积神经网络双向门控循环单元(ICNN-BiGRU)的滚动轴承故障诊断模型(方法)。首先,使用Laplace小波对采集到的滚动轴承振动信号进... 在实际使用过程中,基于深度学习模型的滚动轴承故障诊断方法易受环境噪声的干扰,为此,提出了一种基于改进卷积神经网络双向门控循环单元(ICNN-BiGRU)的滚动轴承故障诊断模型(方法)。首先,使用Laplace小波对采集到的滚动轴承振动信号进行了相关滤波,得到了功率谱;然后,利用ICNN-BiGRU自动提取了功率谱特征,在卷积神经网络基础上引入了动态选择机制和自注意力机制,根据轴承不同故障状态定位了相关的特征信息,从而实现了轴承故障特征提取和故障诊断;最后,通过西安交通大学昇阳科技(XJTU-SY)联合实验室的滚动轴承加速寿命试验数据集,对ICNN-BiGRU模型与其他深度学习模型进行了对比,以验证ICNN-BiGRU模型的优越性。研究结果表明:相比于其他深度学习模型,ICNN-BiGRU模型的故障诊断精度更高,其诊断准确率可达99.65%;在不同背景噪声的干扰下,相比于其他深度学习模型,ICNN-BiGRU模型的特征学习能力更强,具有一定的工程参考价值。 展开更多
关键词 深度学习模型 特征学习能力 改进卷积神经网络 双向门控循环单元 Laplace小波 动态选择 自注意力
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