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12,372篇文章
< 1 2 … 250 >
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：
特征融合的密集连接卷积网络识别鸟鸣声
1
作者 陈晓 颜灏 曾昭优 《电子测量与仪器学报》 北大核心 2025年第5期241-250,共10页
针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题,提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入,在所有密集块的标准卷积层之后添加卷积块注意力模块,卷积块注意力模... 针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题,提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入,在所有密集块的标准卷积层之后添加卷积块注意力模块,卷积块注意力模块通过学习训练集的特征表示,判断不同层次鸟鸣声特征信息的重要性和关联性,并按照通道维度和空间维度对其进行更深一步的加权融合,使网络更加关注鸟鸣声特征中重要的特征通道和空间位置,从而提高网络学习鸟鸣声特征的能力;在密集块的标准卷积层之后添加丢弃块算法,促使网络对于不同区域的特征进行更加均衡的学习,提高网络对于新鸟鸣声数据的适应能力,使网络能够更好地捕获数据中的共性特征;再利用Transformer编码器为网络建立一条深层特征提取分支,以提高对于鸟鸣声特征中全局信息和长距离依赖信息的捕捉能力。最后将两个分支提取的深层特征融合以提升深层特征的信息丰富度。该方法在Xeno-Canto数据集进行了7组实验。实验结果表明方法对鸟鸣声识别的平均准确率为88.65%。相较于EMSCNN(ensemble multi-scale convolutional neural network)方法高10.83%,AlexNet方法高20.14%,VGGNet方法高16.3%,DenseNet方法高4.28%。实验证明了方法的有效性和先进性。提出的方法对鸟鸣声识别更准确,可用于实际鸟鸣声的识别。 展开更多
关键词 声音识别 鸟声识别 密集连接卷积网络 特征融合 TRANSFORMER 深度学习
在线阅读 下载PDF
基于动态自适应门控图卷积网络的交通拥堵预测
2
作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多
关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络
在线阅读 下载PDF
基于双重时间卷积网络与生成对抗网络的时序序列异常检测
3
作者 王红霞 牛宇浩 《计量学报》 北大核心 2025年第7期1030-1040,共11页
随着数字制造化产业的发展,数据安全检测、系统监控分析等应用场景中数据量的不断增加,对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络(GAN)的异常检测(MdtGAN)算法。首先通过生成对抗网络的设计策略... 随着数字制造化产业的发展,数据安全检测、系统监控分析等应用场景中数据量的不断增加,对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络(GAN)的异常检测(MdtGAN)算法。首先通过生成对抗网络的设计策略构建其基本结构;其次在全局和局部时间卷积网络(GaL-TCN)生成器中通过设计双重时间卷积网络对时间序列进行历史信息处理,其中的注意力机制和单层Transformer编码器使其能够快速地执行知识推理,实现对于时间序列的分布预测使其能够生成符合真实数据分布的时间序列;最后提出基于极值理论的动态阈值设定方法,减少了需要手动调节的参数量以及对于先验知识的需要。实验结果表明,在4个公开数据集上MdtGAN与近几年优秀的基准方法相比,将F1分数平均提高了1.27%,训练时间减少了70.69%,为无监督异常检测提供了一种新的解决方案。 展开更多
关键词 数据处理 生成对抗网络 时间序列 异常检测 双重时间卷积网络 注意力机制 动态阈值
在线阅读 下载PDF
基于卷积内SWCS的时间卷积网络对MI-EEG解码
4
作者 付荣荣 祝悦 +1 位作者 李林玉 路斌 《计量学报》 北大核心 2025年第6期910-916,共7页
传统的机器学习方法中脑电信号通常需要经过繁琐的预处理和特征工程才能进行解码。如何构建一个能够快速、可靠地解码运动想象脑电信号的端到端深度学习网络,成为当前运动想象脑电信号解码研究的关键问题。因此,在结合卷积内滑动窗口裁... 传统的机器学习方法中脑电信号通常需要经过繁琐的预处理和特征工程才能进行解码。如何构建一个能够快速、可靠地解码运动想象脑电信号的端到端深度学习网络,成为当前运动想象脑电信号解码研究的关键问题。因此,在结合卷积内滑动窗口裁剪策略(sliding window cropping strategy,SWCS)和时间卷积网络(temporal convolutional network,TCN)的基础上,提出一种新的卷积内SWCS的时间卷积网络,并使用该网络对运动想象脑电信号进行识别研究。该网络利用二维卷积提取脑电信号的浅层特征,使用卷积内SWCS将时间序列划分为多个时间窗口,然后将二维卷积提取的脑电信号浅层特征输送到TCN网络中提取时间序列中更高级的时间特征。在第Ⅳ届脑机接口竞赛的数据集上的分类结果表明,卷积内SWCS的时间卷积网络的分类效果优秀。 展开更多
关键词 脑电信号 卷积内SWCS 运动想象 时间卷积网络 信号解码 脑机接口
在线阅读 下载PDF
基于改进时域卷积网络与多头自注意力机制的间歇过程质量预测模型
5
作者 赵小强 柳勇勇 +1 位作者 惠永永 刘凯 《计算机应用》 北大核心 2025年第7期2245-2252,共8页
为提高时域卷积网络(TCN)在批量大小变化时的训练稳定性,并解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致的预测准确度不高的问题,提出一种基于批量组规范化(BGN)和Mish激活函数改进残差结构的TCN(BMTCN)与多头自... 为提高时域卷积网络(TCN)在批量大小变化时的训练稳定性,并解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致的预测准确度不高的问题,提出一种基于批量组规范化(BGN)和Mish激活函数改进残差结构的TCN(BMTCN)与多头自注意力机制(MHSA)的间歇过程质量预测模型(BMTCN-MHSA)。首先,将间歇过程的三维数据展开为二维矩阵形式,并对数据进行归一化处理,再引入奇异谱分析法(SSA)分解重构数据;其次,在时域卷积的残差部分融入BGN以降低网络模型在批量大小变化时的敏感度,引入Mish激活函数以提高模型的泛化能力,并利用多头自注意力机制对序列中不同位置的特征信息进行关联和权重分配,从而进一步提取序列中的关键特征信息和相互依赖关系,进而更好地捕捉间歇过程的动态特征;最后,使用青霉素仿真实验数据进行实验验证。实验结果表明,相较于TCN模型,BMTCN-MHSA模型的平均绝对误差(MAE)降低了56.86%,均方误差(MSE)降低了48.80%,而决定系数(R2)达到了99.48%,这表明BMTCN-MHSA模型提高了间歇过程质量预测的准确性。 展开更多
关键词 间歇过程 质量预测 奇异谱分析法 时域卷积网络 多头自注意力机制
在线阅读 下载PDF
可变形卷积网络的解释性研究及其在蝴蝶物种识别模型中的应用
6
作者 王璐 刘东 刘卫光 《计算机应用》 北大核心 2025年第1期261-274,共14页
近年来,可变形卷积网络(DCN)广泛运用于图像识别和分类等领域,然而对该模型的可解释性研究较为有限,它的适用性缺乏充分理论支持。针对上述问题,提出DCN的解释性研究及其在蝴蝶物种识别模型中的应用。首先,引入可变形卷积对VGG16、ResNe... 近年来,可变形卷积网络(DCN)广泛运用于图像识别和分类等领域,然而对该模型的可解释性研究较为有限,它的适用性缺乏充分理论支持。针对上述问题,提出DCN的解释性研究及其在蝴蝶物种识别模型中的应用。首先,引入可变形卷积对VGG16、ResNet50和DenseNet121(Dense Convolutional Network121)分类模型进行改进;其次,采用反卷积和类激活映射(CAM)等可视化手段来对比可变形卷积和标准卷积在特征提取能力上的差异,且通过消融实验结果表明可变形卷积在神经网络的较低层且不连续使用时效果更佳;再次,提出显著性移除(SR)并对CAM的性能和激活特征重要性进行统一评价,同时通过设置不同的移除阈值等多个角度,提高评价的客观性;最后,基于评价结果更高的FullGrad(Full Gradient-weighted)解释模型识别的判断依据。实验结果显示,在Archive_80数据集上,所提出的D_v2-DenseNet121的准确率达到97.03%,相较于DenseNet121分类模型提高了2.82个百分点。可见,可变形卷积的引入赋予了神经网络模型不变性特征提取能力,并提高了分类模型的准确率。 展开更多
关键词 可变形卷积网络 可解释性 蝴蝶物种识别 类激活映射 显著性移除
在线阅读 下载PDF
基于时序卷积网络的轻量级日志异常检测
7
作者 顾兆军 王亚飞 +1 位作者 刘春波 张智凯 《计算机工程与设计》 北大核心 2025年第8期2272-2279,共8页
针对物联网边缘设备计算能力和存储空间有限,现有方法难以直接部署应用。提出一种基于改进时序卷积网络(TCN)的轻量级日志异常检测模型LLAD。日志预处理后提取语义特征并表征单词与日志事件的关系;在异常检测阶段,采用深度可分离卷积操... 针对物联网边缘设备计算能力和存储空间有限,现有方法难以直接部署应用。提出一种基于改进时序卷积网络(TCN)的轻量级日志异常检测模型LLAD。日志预处理后提取语义特征并表征单词与日志事件的关系;在异常检测阶段,采用深度可分离卷积操作实现一维卷积运算,并使用全局平均池化替换全连接层以减少标准TCN的参数数量和计算量。在HDFS和BGL数据集上的实验结果表明,LLAD与基准模型相比,所需内存和FLOP至少减少80%,且检测性能指标F1值有所提升。 展开更多
关键词 边缘设备 日志异常检测 特征提取 语义特征 时序卷积网络 深度可分离卷积 全局平均池化
在线阅读 下载PDF
基于时空图卷积网络与多层次特征融合的快递员3D人体姿态估计
8
作者 丁德波 史耀群 《传感技术学报》 北大核心 2025年第8期1457-1462,共6页
将快递员的人体动作数字化,赋能物流行业的智能化转型,从提升效率、保障健康到推动人机协作,具有广泛的应用潜力。提出了一种新方法,融合了时空图卷积网络与多层次特征融合技术。该方法首先利用时空图卷积网络对人体骨架序列进行建模,... 将快递员的人体动作数字化,赋能物流行业的智能化转型,从提升效率、保障健康到推动人机协作,具有广泛的应用潜力。提出了一种新方法,融合了时空图卷积网络与多层次特征融合技术。该方法首先利用时空图卷积网络对人体骨架序列进行建模,有效提取关节间的空间关系及时序依赖性。接着,通过引入多层次特征融合模块,融合来自不同网络层的特征信息,包括低层次的细节特征和高层次的抽象特征,从而更全面地捕捉快递员的人体关节动态变化和运动模式。为了验证所提方法的性能,在公开数据集Human3.6M上进行了实验。该数据集由视觉传感器采集得到,包含了丰富的人体姿态信息。仿真实验结果表明,所提出的方法能够显著提高三维姿态估计的精度。 展开更多
关键词 三维人体姿态估计 时空图卷积网络 多层次特征融合
在线阅读 下载PDF
结合图卷积网络的弱监督三维人脸重建方法
9
作者 常高祥 刘大明 +2 位作者 陈宗民 李冉冉 梁登玉 《计算机应用与软件》 北大核心 2025年第1期197-204,共8页
针对目前深度学习方法在三维人脸重建任务中存在的训练数据不足、重建纹理不够真实等问题,提出一种弱监督混合模型。利用单幅二维人脸图像,通过密集连接卷积网络(DenseNet)回归人脸三维形变模型(3DMM)系数,结合不同层级的特征差异作为... 针对目前深度学习方法在三维人脸重建任务中存在的训练数据不足、重建纹理不够真实等问题,提出一种弱监督混合模型。利用单幅二维人脸图像,通过密集连接卷积网络(DenseNet)回归人脸三维形变模型(3DMM)系数,结合不同层级的特征差异作为弱监督信号,进而提高模型泛化能力。在此基础上使用图卷积网络(GCN)提取输入图像的面部细节特征来优化重建纹理。实验结果表明,该方法可以在无训练标签的数据下重建出精细的人脸三维模型,在归一化平均误差等指标上优于现有方法。 展开更多
关键词 三维人脸重建 弱监督 密集连接卷积网络 三维形变模型 图卷积网络
在线阅读 下载PDF
基于时间卷积网络的电池寿命评估方法 被引量：1
10
作者 孙玉树 安娟 +4 位作者 黄存强 张舜祯 党艳阳 裴玮 唐西胜 《工程科学与技术》 北大核心 2025年第4期259-268,共10页
为了提高电池系统应用的技术经济性,本文基于时间卷积网络从健康状态和剩余使用寿命两个角度对电池寿命进行评估。首先,介绍时间卷积网络的电池寿命评估原理,阐述其相较于经典递归神经网络的优势;然后,基于电池易测量的时间、电压、电... 为了提高电池系统应用的技术经济性,本文基于时间卷积网络从健康状态和剩余使用寿命两个角度对电池寿命进行评估。首先,介绍时间卷积网络的电池寿命评估原理,阐述其相较于经典递归神经网络的优势;然后,基于电池易测量的时间、电压、电流和温度等数据提取14个相关间接健康特征因素,利用KL散度、皮尔逊相关系数和灰色关联度3种算法分别分析不同因素与健康状态的相关程度,并与时间卷积网络相关性方法进行对比和分析,筛选出对电池健康状态影响较大的5个特征因素,即循环时间、电压平均值、电压样本熵、温度样本熵和电流值;接着,利用核主成分分析法对选取的主导特征因素进行降维处理,筛选出贡献率较大的主成分,以减小后续计算复杂度。使用时间卷积网络、长短时记忆神经网络和反向传播神经网络进行仿真对比分析,结果表明本文的时间卷积网络具有较高的健康状态预测精度;另外,由于电池存在容量再生现象,利用健康状态对电池寿命表征存在较大误差,而通过对电池剩余循环次数进行寿命预测,可以克服健康状态预测的缺点。仿真结果验证了本文所提的时间卷积网络的电池寿命评估策略对电池寿命精确评估具有有效性。 展开更多
关键词 电池 时间卷积网络 核主成分分析法 健康状态 剩余使用寿命
在线阅读 下载PDF
基于异构图卷积网络的专利发明人潜在合作伙伴识别方法研究 被引量：1
11
作者 谢小东 吴洁 +1 位作者 盛永祥 唐健廷 《现代情报》 北大核心 2025年第6期14-25,共12页
[目的/意义]专利发明人在寻找合作伙伴时往往面临信息过载的问题,且其合作也受到较多现实因素的限制,如何在海量信息中寻找专利发明人的潜在合作伙伴成为现阶段亟待解决的问题。[方法/过程]从专利发明人之间的直接信任、间接信任、领域... [目的/意义]专利发明人在寻找合作伙伴时往往面临信息过载的问题,且其合作也受到较多现实因素的限制,如何在海量信息中寻找专利发明人的潜在合作伙伴成为现阶段亟待解决的问题。[方法/过程]从专利发明人之间的直接信任、间接信任、领域偏好三重关系构建专利发明人合作网络,结合专利发明人专利文本内容信息,利用异构图卷积网络识别专利发明人潜在合作伙伴,进而对其潜在合作伙伴进行细分。[结果/结论]借助工业互联网中的智能传感器领域专利数据进行实证,验证了本文方法有较好的实际应用效果,且本文模型AUC、准确率、精确率、召回率显著优于基线模型。识别专利发明人潜在合作伙伴并进行细分,为专利发明人有针对性地推荐合作伙伴,有助于促进资源共享、优势互补,提高创新效率。 展开更多
关键词 专利发明人 合作伙伴 识别方法 异构图卷积网络 合作信息 领域偏好 社交信任
在线阅读 下载PDF
基于运动阵列微波成像与多尺度可变形卷积网络的引信目标识别方法 被引量：1
12
作者 韩燕文 闫晓鹏 +2 位作者 高晓峰 伊光华 代健 《兵工学报》 北大核心 2025年第3期214-224,共11页
针对传统调频连续波(Frequency Modulated Continuous Wave,FMCW)引信探测维度低、方位分辨能力弱导致目标识别能力不足的问题,提出基于运动阵列微波成像与多尺度可变形卷积网络(Multi-Scale Deformable Convolutional Networks,MSDCN)... 针对传统调频连续波(Frequency Modulated Continuous Wave,FMCW)引信探测维度低、方位分辨能力弱导致目标识别能力不足的问题,提出基于运动阵列微波成像与多尺度可变形卷积网络(Multi-Scale Deformable Convolutional Networks,MSDCN)的引信目标识别方法。在充分分析引信运动过程中回波相位变化规律的基础上建立FMCW运动阵列天线模型,通过运动合成扩充引信天线虚拟阵元数,大幅度提升引信方位向分辨率,实现目标距离-方位的二维高分辨成像。同时,深入分析弹目交会过程中由于目标位置、姿态、距离等状态变化形成的图像多尺度特性,构建MSDCN目标识别模型,提高引信对复杂动态交会场景下目标成像多尺度特性的自适应识别能力。实验结果表明,该方法能够显著提高引信方位分辨能力,在不同目标场景下均取得较好的成像和识别效果,对典型目标多尺度像识别准确率达到94%,-6 dB信噪比时目标识别准确率仍能达到88%。 展开更多
关键词 引信 调频连续波 运动阵列 距离-方位二维像 多尺度可变形卷积网络 目标识别
在线阅读 下载PDF
时序卷积网络在转子热固耦合应力预测及寿命评估中的应用
13
作者 李伟业 冯建欣 +3 位作者 文思果 张小龙 袁奇 李浦 《西安交通大学学报》 北大核心 2025年第10期87-95,共9页
针对透平机械转子启动过程中,瞬态热应力由于计算成本高而难以实现快速预测的问题,提出了一种基于时序卷积网络(TCN)的压缩机转子表面温度场和应力场预测方法。采用有限元方法计算压缩机转子在冷态启动工况下的温度场、应力场和使用寿命... 针对透平机械转子启动过程中,瞬态热应力由于计算成本高而难以实现快速预测的问题,提出了一种基于时序卷积网络(TCN)的压缩机转子表面温度场和应力场预测方法。采用有限元方法计算压缩机转子在冷态启动工况下的温度场、应力场和使用寿命,基于TCN模型开展转子的温度场和应力场预测及寿命评估,并与长短时记忆(LSTM)网络、门控循环单元(GRU)和Transformer 3种神经网络模型的预测结果进行对比。模拟结果表明:冷态启动工况下,TCN模型在预测转子瞬态热应力时的性能表现最优,相较于Transformer、LSTM和GRU模型,其热应力预测决定系数分别提高了0.03%、0.60%、0.36%,综合加载等效应力预测决定系数分别提高了0.10%、0.48%、0.02%;与传统的有限元热固耦合分析方法相比,TCN模型的计算效率显著提高,耗时仅为有限元方法的0.25%。所提方法提升了预测的准确性,可为透平机械转子瞬态热应力的快速预测和寿命评估提供技术支撑。 展开更多
关键词 时序卷积网络 压缩机转子 热应力 寿命评估
在线阅读 下载PDF
基于时间卷积网络和长短期记忆网络的混合模型海面温度预测研究
14
作者 赵煜 王律钧 +1 位作者 姚志刚 陈文凯 《中国海洋大学学报(自然科学版)》 北大核心 2025年第9期147-157,共11页
本研究提出了一种基于时间卷积网络(TCN)和长短期记忆网络(LSTM)的混合模型——TCN-LSTM,以提高海表温度(SST)的预测精度。通过在四个海洋站的敏感性实验,分析了超参数对模型稳定性的影响。通过控制迭代次数、TCN卷积核数量和LSTM神经... 本研究提出了一种基于时间卷积网络(TCN)和长短期记忆网络(LSTM)的混合模型——TCN-LSTM,以提高海表温度(SST)的预测精度。通过在四个海洋站的敏感性实验,分析了超参数对模型稳定性的影响。通过控制迭代次数、TCN卷积核数量和LSTM神经元数量等关键参数,并运用方差分析(ANOVA)方法,本文发现所有p值均大于0.05,这表明不同参数对平均绝对百分比误差(MAPE)的影响不显著,支持了模型的相对稳定性。TCN-LSTM模型结合了TCN在局部特征提取和LSTM在捕获长期依赖关系方面的优势,使其能够有效学习SST数据中的重要特征。在未来7 d的海面温度预测中,TCN-LSTM模型展现出优越的适应性和泛化能力,其相关评价指标表现优异。此外,通过比较不同超参数组合下的预测性能,验证了模型的一致性与可靠性。本研究为SST预测提供了一种新颖的方法论框架,尽管主要集中于单变量时间序列模型,但未来研究将考虑多变量模型和时空特征提取,以进一步提升整体预测精度。 展开更多
关键词 海温预测 深度学习模型 时间卷积网络 长短期记忆网络
在线阅读 下载PDF
基于动态人群超图卷积网络的自闭症诊断方法
15
作者 王国华 王丽芳 +2 位作者 薛小红 王千山 李海芳 《计算机应用研究》 北大核心 2025年第5期1356-1362,共7页
近年来图神经网络已被广泛应用于自闭症辅助诊断,现有研究大多采用手工计算的方式构建被试间相似图以实现诊断,难以准确建模被试间的复杂关系。此外,多数方法还忽略了对脑区自身特性的利用。为解决以上问题,提出了一种结合功能连接和动... 近年来图神经网络已被广泛应用于自闭症辅助诊断,现有研究大多采用手工计算的方式构建被试间相似图以实现诊断,难以准确建模被试间的复杂关系。此外,多数方法还忽略了对脑区自身特性的利用。为解决以上问题,提出了一种结合功能连接和动态低频波动振幅两种特征的动态人群超图卷积自闭症诊断方法DPHCN。采用多角度超图构建结合动态超图卷积实现自闭症诊断,在包含17个站点的公开数据集ABIDE-I上对所提方法进行了评估,达到了患者和正常被试间87.4%的分类准确率,优于许多现有方法。此外,还在ADHD-200数据集上进行了实验,并利用基于梯度的显著图法识别了对分类重要的大脑功能连接,结果表明所提方法有良好的泛化性和挖掘潜在生物标志物的能力。 展开更多
关键词 自闭症诊断 动态超图卷积网络 功能磁共振成像 动态低频波动振幅
在线阅读 下载PDF
基于卷积神经网络与图卷积网络的水力机械故障诊断 被引量：1
16
作者 吴学春 夏臣智 +4 位作者 肖湘曲 李超顺 李英玉 莫兆祥 吴韬为 《中国农村水利水电》 北大核心 2025年第2期143-147,共5页
水力机械设备在当前国民生产中扮演着重要角色,其安全稳定运行至关重要。针对单一深度特征难以有效反映机组故障信息的难题,提出了基于卷积神经网络与图卷积网络特征融合的水力机械设备故障诊断模型。首先利用卷积神经网络获取水力机械... 水力机械设备在当前国民生产中扮演着重要角色,其安全稳定运行至关重要。针对单一深度特征难以有效反映机组故障信息的难题,提出了基于卷积神经网络与图卷积网络特征融合的水力机械设备故障诊断模型。首先利用卷积神经网络获取水力机械设备监测信号卷积深度特征,同时利用快速傅里叶变换获取监测信号频谱值,构建监测信号图数据,建立图卷积网络提取样本关联特征。然后利用注意力机制对不同类型特征进行加权求和实现多模态特征融合。最后利用全连接层实现设备的故障诊断。通过水电机组、水泵主机组故障实测数据以及轴承故障数据进行验证,结果表明所提模型能有效实现水力机械设备故障诊断。 展开更多
关键词 水力机械 卷积神经网络 图卷积网络 故障诊断
在线阅读 下载PDF
基于自适应时空图卷积网络的航空发动机剩余寿命预测
17
作者 许丹阳 尚洁 +2 位作者 蒋琛 邱浩波 高亮 《计算机集成制造系统》 北大核心 2025年第6期2165-2177,共13页
为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的... 为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的动态邻接矩阵表示方法建立自适应邻接矩阵,自动调整传感器节点的空间关联,高质量构建航空发动机健康监测场景下的图结构数据;其次建立时空图卷积网络模块,分别利用一维和图卷积网络同步学习监测信号的时间和空间依赖关系,捕捉监测数据的动态时空相关性;最后将全连接层用于退化特征融合和RUL预测。采用公开的航空发动机退化数据集验证了ASTGCN的有效性和先进性。 展开更多
关键词 航空发动机 剩余使用寿命预测 数据驱动 时空图卷积网络 自适应邻接矩阵
在线阅读 下载PDF
基于并联残差膨胀卷积网络的短文本实体关系联合抽取
18
作者 曾伟 奚雪峰 崔志明 《现代电子技术》 北大核心 2025年第2期169-178,共10页
关系抽取旨在从文本中提取出实体对之间存在的语义关系,但现有的关系抽取方法均存在关系冗余和重叠的不足,尤其是对于短文本,会因上下文信息不足而出现语义信息不足和噪声大等问题。此外,一般流水线式的关系抽取模型还存在误差传递问题... 关系抽取旨在从文本中提取出实体对之间存在的语义关系,但现有的关系抽取方法均存在关系冗余和重叠的不足,尤其是对于短文本,会因上下文信息不足而出现语义信息不足和噪声大等问题。此外,一般流水线式的关系抽取模型还存在误差传递问题。为此,文中提出一种基于并联残差膨胀卷积网络的短文本实体关系联合抽取方法。该方法利用BERT生成语义特征信息,采用并联残差膨胀卷积网络来捕获语义信息,从而提升上下文信息的捕获能力并缓解噪声。联合抽取框架通过抽取潜在关系来过滤无关关系,然后再抽取实体以预测三元组,从而解决关系冗余和重叠问题,并提高计算效率。实验结果表明,与现有的主流模型相比,所提模型在三个公共数据集NYT、WebNLG和DuIE上的F1值分别为90.9%、91.3%和73.5%,相较于基线模型均有提升,验证了该模型的有效性。 展开更多
关键词 实体关系抽取 短文本 残差膨胀卷积网络 语义特征 联合抽取 BERT编码器
在线阅读 下载PDF
基于多尺度残差时间卷积网络的物联网入侵检测模型 被引量：1
19
作者 刘丽伟 赵红超 +1 位作者 李学威 孙滨 《电信科学》 北大核心 2025年第4期164-175,共12页
入侵检测可主动鉴别物联网流量攻击,它是维护物联网安全的重要措施。为此,提出基于多尺度残差时间卷积网络的入侵检测模型(multiscale residual temporal convolutional networks-based intrusion detection model,MRID)。MRID采用多尺... 入侵检测可主动鉴别物联网流量攻击,它是维护物联网安全的重要措施。为此,提出基于多尺度残差时间卷积网络的入侵检测模型(multiscale residual temporal convolutional networks-based intrusion detection model,MRID)。MRID采用多尺度残差时间卷积模块,以增强网络学习时空的表征能力。同时,MRID采用了一个改进的流量注意力机制,帮助模型在学习过程中更关注重要特征。MRID可便捷应用于基于雾层的物联网架构中,以提供高效的实时入侵检测。利用数据集CICIDS2017和CSE-CIC-IDS2018验证MRID的性能。性能分析表明,MRID提高了入侵检测的效率,并在保持计算效率的同时,增强了模型的鲁棒性。 展开更多
关键词 物联网 入侵检测模型 时间卷积网络 多尺度残差 注意力机制
在线阅读 下载PDF
融合密集连接卷积网络的PSPNet水体提取方法研究
20
作者 垢元培 于立民 +1 位作者 高孝敏 杨晶晶 《海洋测绘》 北大核心 2025年第2期63-67,72,共6页
为了快速准确的在亚米级卫星遥感影像中提取水体,改进了一种深度学习模型进行水体提取实验。该方法将密集连接卷积网络与PSPNet融合,实现了对原有模型的优化。研究以亚米级卫星遥感影像数据为底图、以国土变更调查数据为参照对象、以山... 为了快速准确的在亚米级卫星遥感影像中提取水体,改进了一种深度学习模型进行水体提取实验。该方法将密集连接卷积网络与PSPNet融合,实现了对原有模型的优化。研究以亚米级卫星遥感影像数据为底图、以国土变更调查数据为参照对象、以山区和平原区两种不同地形条件下的水体为研究对象,重点研究了融合密集连接卷积网络的PSPNet提取水体的方法。研究结果表明,该方法既发挥了PSPNet网络的优势,又利用了密集连接卷积网络规避PSPNet的劣势,提高了水体的提取精度,从而实现了高效的水体提取工作的目的。 展开更多
关键词 水体提取 深度学习 密集连接卷积网络 金字塔场景解析网络 提取方法 精度评定
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 2 … 250 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