检索结果-维普期刊中文期刊服务平台

一种基于卷积特征的NO_(x)排放浓度深度预测模型被引量：7: 1; 作者唐振浩张佳宁沈涛《中国电机工程学报》 EI CSCD 北大核心 2023年第21期8356-8365,共10页; 为提高燃煤锅炉出口NO_(x)排放浓度的预测精度,该文提出一种基于卷积特征提取的NO_(x)排放浓度深度学习预测模型。首先,分析锅炉燃烧产生NO_(x)的机理,确定模型初选变量;然后,计算不同初选变量与NO_(x)排放浓度之间的最大相关系数,确定... 展开更多; 关键词锅炉燃烧卷积特征提取 NO_(x)排放浓度深度学习时间延迟; 在线阅读下载PDF 职称材料

基于深度融合卷积神经网络的图像边缘检测被引量：4: 2; 作者石昌友孙强 +1 位作者卢建平周静《现代电子技术》 2022年第24期141-144,共4页; 图像边缘检测是数字图像分析领域的一项重要研究内容。受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。针对此问题,文中提出一种卷积神经网络结构算法,以提升图像... 展开更多; 关键词图像边缘检测卷积神经网络卷积特征提取图像分析深度融合跨越连接; 在线阅读下载PDF 职称材料

基于差分进化和深度卷积神经网络的遥感图像融合方法: 3; 作者朱澳临陈应霞《现代电子技术》 2025年第19期9-16,共8页; 针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式... 展开更多; 关键词遥感图像融合组合差分进化优化深度卷积神经网络全色图像多光谱图像多尺度卷积特征提取块目标函数; 在线阅读下载PDF 职称材料

混合注意力机制的异常行为识别被引量：5: 4; 作者孙晓虎余阿祥 +1 位作者申栩林李洪均《计算机工程与应用》 CSCD 北大核心 2023年第5期140-147,共8页; 随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的... 展开更多; 关键词异常行为检测注意力机制卷积块注意力模块卷积特征提取模块标签平滑; 在线阅读下载PDF 职称材料

题名一种基于卷积特征的NO_(x)排放浓度深度预测模型被引量：7: 1; 作者唐振浩张佳宁沈涛; 机构东北电力大学自动化工程学院哈尔滨锅炉厂有限责任公司; 出处《中国电机工程学报》 EI CSCD 北大核心 2023年第21期8356-8365,共10页; 基金国家自然科学基金项目(61503072) 吉林省科技发展计划项目(20200401085GX)。; 文摘为提高燃煤锅炉出口NO_(x)排放浓度的预测精度,该文提出一种基于卷积特征提取的NO_(x)排放浓度深度学习预测模型。首先,分析锅炉燃烧产生NO_(x)的机理,确定模型初选变量;然后,计算不同初选变量与NO_(x)排放浓度之间的最大相关系数,确定变量延迟时间;其次,为挖掘输入变量深层交互信息,设计二维卷积网络进行特征提取,获得高维预测模型输入候选集合;同时,通过偏最小二乘法计算候选集变量与NO_(x)排放浓度之间相关性,降低输入变量维数,确定最终模型的输入变量;最后,设计深度神经网络建立NO_(x)排放预测模型,预测NO_(x)排放浓度。基于1000MW锅炉实际运行数据的实验结果表明,所提出卷积深度神经网络预测算法的平均相对百分比误差小于4%,预测精度能够满足实际生产的需求。; 关键词锅炉燃烧卷积特征提取 NO_(x)排放浓度深度学习时间延迟; Keywords boiler combustion convolution feature extraction NO_(x)emission concentration deep learning time delay; 分类号 X773 [环境科学与工程—环境工程]; 在线阅读下载PDF 职称材料

题名基于深度融合卷积神经网络的图像边缘检测被引量：4: 2; 作者石昌友孙强卢建平周静; 机构陆军工程大学通信士官学校通信指挥系; 出处《现代电子技术》 2022年第24期141-144,共4页; 文摘图像边缘检测是数字图像分析领域的一项重要研究内容。受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。针对此问题,文中提出一种卷积神经网络结构算法,以提升图像边缘检测效果和质量。首先,对输入图像提取出五类不同层次水平、尺度的卷积特征;然后,按照相邻尺度将每三类卷积特征分成一组,通过逐步转置的方式依次尺寸对齐再融合;再对三组融合结果特征进行二次深度融合;最后,基于融合卷积特征并运用卷积操作实现边缘线检测,采用指标Optimal Dataset Scale(ODS)、Optimal Image Scale(OIS)、Average Precision(AP)度量图像边缘检测的质量。结果表明:在BSDS500数据集上,ODS、OIS、AP三个指标的得分分别为0.815,0.832,0.851;在NYUD数据集上,得分分别为0.7620,0.7700,0.7819。与其他同类算法相比,所提算法指标分值更高,能够提升图像边缘检测质量。; 关键词图像边缘检测卷积神经网络卷积特征提取图像分析深度融合跨越连接; Keywords image edge detection convolutional neural network convolutional feature extraction image analysis deep fusion skip connection; 分类号 TN711-34 [电子电信—电路与系统] 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

题名基于差分进化和深度卷积神经网络的遥感图像融合方法: 3; 作者朱澳临陈应霞; 机构长江大学计算机科学学院; 出处《现代电子技术》 2025年第19期9-16,共8页; 基金中国高校产学研创新基金项目(2021RYC06002) 湖北省教育厅科研计划项目(B2022040) +1 种基金中央高校基本科研业务费专项资金。; 文摘针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式将全色(PAN)图像的潜在多尺度空间细节注入到多光谱(MS)图像中。在三双结构中,采用了基于层次域的多级损失函数对多层结果进行约束。然后,基于多分辨率分析(MRA)法设计了嵌入DETNet中的CNN模块(MRAB),同时在模块中引入空间注意力机制,使网络更关注输入图像中的空间特征。接着,考虑到需要在不同尺度上注入不同对象,采用了多尺度卷积特征提取块(MSCB)对网络进行深化和扩展,以提高网络的非线性拟合能力。最后,依据多级损失函数确立目标函数,通过组合差分进化(CoDE)算法优化目标函数,避免陷入局部最优,从而保证融合质量。实验结果表明,采用DETNet方法得到的融合图像在空间细节信息和光谱细节方面均优于其他方法。; 关键词遥感图像融合组合差分进化优化深度卷积神经网络全色图像多光谱图像多尺度卷积特征提取块目标函数; Keywords pansharpening composite differential evolutionary optimization DCNN panchromatic image multispectral image multi⁃scale convolutional feature extraction block objective function; 分类号 TN911.73-34 [电子电信] TP751 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名混合注意力机制的异常行为识别被引量：5: 4; 作者孙晓虎余阿祥申栩林李洪均; 机构南通大学信息科学技术学院计算机软件新技术国家重点实验室(南京大学); 出处《计算机工程与应用》 CSCD 北大核心 2023年第5期140-147,共8页; 基金国家自然科学基金(61871241,61971245,61976120) 南京大学计算机软件新技术国家重点实验室基金(KFKT2019B015) +1 种基金江苏省研究生科研与实践创新计划项目(KYCX21_3084)。; 文摘随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的卷积块注意力模块重点关注输入对象的显著性特征,并对输入信息进行精细化的分配和处理,在突出重要信息的同时弱化无关信息。为提升网络模型的特征挖掘能力及增强网络的信息交互性,利用提出的卷积特征提取模块进一步提取识别对象的高层语义特征,并将其与低层细节特征进行融合以达到多尺度特征交互的目的。此外,为了减少网络训练过程中错误标签造成的损失,采用标签平滑对交叉熵损失函数进行修正以此来驱动模型的学习过程。实验结果表明,所提出的模型优于当前的主流网络,可有效检测出异常行为。; 关键词异常行为检测注意力机制卷积块注意力模块卷积特征提取模块标签平滑; Keywords abnormal behavior detection attention mechanism convolution block attention module convolution feature extraction module label smoothing; 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	作者	出处	发文年	被引量	操作
1	一种基于卷积特征的NO_(x)排放浓度深度预测模型	唐振浩张佳宁沈涛	《中国电机工程学报》 EI CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
2	基于深度融合卷积神经网络的图像边缘检测	石昌友孙强卢建平周静	《现代电子技术》	2022	4	在线阅读下载PDF 职称材料
3	基于差分进化和深度卷积神经网络的遥感图像融合方法	朱澳临陈应霞	《现代电子技术》	2025		在线阅读下载PDF 职称材料
4	混合注意力机制的异常行为识别	孙晓虎余阿祥申栩林李洪均	《计算机工程与应用》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料