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437篇文章
< 1 2 … 22 >
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：
采用卷积神经网络的室内可见光定位方法
1
作者 王亮 孙海燕 《导航定位学报》 北大核心 2025年第1期128-136,共9页
针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神... 针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神经网络精度;然后,将接收信号强度向量集建立的指纹库传入神经网络进行训练,利用神经网络较强的三维空间结构表达能力拟合多径反射和系统噪声下的非线性指纹库。仿真结果表明,在7 m×7 m×3 m的室内环境下,所提方法的平均定位误差可达0.91 cm,其中90%样本的定位误差小于1.17 cm;此外,所提方法的平均定位误差较全连接神经网络和卷积神经网络可分别降低0.82 cm和0.56 cm,证明所提方法在多径反射与系统噪声环境下具有较好的定位性能。 展开更多
关键词 可见光通信系统 室内定位 物联网 卷积神经网络(cnn) 可见光定位
在线阅读 下载PDF
基于深度子领域适应卷积神经网络的结构损伤识别
2
作者 张健飞 曹雨 《振动与冲击》 北大核心 2025年第3期251-260,共10页
针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结... 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。 展开更多
关键词 结构损伤识别 子领域适应 局部最大均值差异 卷积神经网络(cnn)
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：1
3
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(cnn) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹
在线阅读 下载PDF
一种交互连接CNN和Transformer的肠道息肉图像分类网络
4
作者 曹博 叶淑芳 +3 位作者 饶钰君 汤晓恒 何熊熊 李胜 《小型微型计算机系统》 北大核心 2025年第4期932-939,共8页
利用内镜图像对结直肠息肉进行风险分类至关重要,能够提高临床诊断准确性并降低结直肠癌死亡率.然而,目前基于卷积神经网络(CNN)或视觉Transformer(ViT)的分类方法不能很好地区分类内尺度大和类间相似性高的息肉图像,针对息肉风险的分... 利用内镜图像对结直肠息肉进行风险分类至关重要,能够提高临床诊断准确性并降低结直肠癌死亡率.然而,目前基于卷积神经网络(CNN)或视觉Transformer(ViT)的分类方法不能很好地区分类内尺度大和类间相似性高的息肉图像,针对息肉风险的分类任务亟需改善.CNN中的卷积算子擅长提取局部特征.ViT通过级联自注意力模块可以捕获长距离依赖关系和全局特征.本文提出一个交互连接模块,以交互式的方式将CNN和ViT相连接,以整合多尺度特征;所设计的交互混合模型,能最大限度地保留局部特征和全局表示,显著缓解息肉多分类的类内差异性大、类间相似性高的问题;在大规模自然图像数据集中进行预训练;通过微调模型结构,使用预训练的交互混合模型参数初始化主干网络,并迁移至结直肠息肉数据集中再次训练,实现息肉多分类.在结直肠息肉私有数据集和Kvasir公共数据集上评估所提出模型,实验结果显示总体分类准确率分别达到了85.83%和96.84%,优于本文比较的其他算法;且引入迁移学习可以在降低训练成本的同时提升交互混合模型的分类性能和泛化性,在有限的训练数据集下有助于提高临床诊断效率. 展开更多
关键词 卷积神经网络(cnn) 视觉Transformer(ViT) 结直肠息肉分类 多尺度特征 迁移学习
在线阅读 下载PDF
CNN与Transformer协同的多模态边缘检测网络
5
作者 李永辉 赵耀 +2 位作者 加小红 魏琛珍 常文文 《计算机工程与应用》 北大核心 2025年第14期195-205,共11页
边缘检测在计算机视觉任务中扮演至关重要的角色,然而,现有边缘检测算法主要依赖CNN作为编码器,导致其在精细度、准确性以及噪声处理等方面存在缺陷。为了解决这些问题,提出了一个CNN与Transformer协同的多模态边缘检测网络。设计了一... 边缘检测在计算机视觉任务中扮演至关重要的角色,然而,现有边缘检测算法主要依赖CNN作为编码器,导致其在精细度、准确性以及噪声处理等方面存在缺陷。为了解决这些问题,提出了一个CNN与Transformer协同的多模态边缘检测网络。设计了一个基于无参数注意力残差结构的高分辨率特征融合模块,保留图像的底层属性,增强全局特征表示;设计了一种包含多尺度混洗注意力模块的轻量化CNN层来完成梯度编码,捕捉图像的高频属性,利用Transformer架构实现特征编码,构建高层的全局依赖关系,通过融合高频属性和全局依赖关系重构特征表达,将CNN、Transformer以及高分辨率特征融合模块的多尺度特征进行逐层聚合解码,从而高精度定位图像边界。与主流算法相比,所提模型在BSDS500、NYUD-v2上均获得较优指标。 展开更多
关键词 边缘检测 卷积神经网络(cnn) TRANSFORMER 多模态 深度学习
在线阅读 下载PDF
基于Zynq的卷积神经网络加速器设计
6
作者 孟凡开 张峰 +1 位作者 李淼 张多利 《合肥工业大学学报(自然科学版)》 北大核心 2025年第7期904-909,共6页
针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数... 针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数按位分割,面向单bit权重设计卷积加速器,通过逐位实施达到处理速度和识别率的高效平衡;然后,采用查表选择法实现卷积算子的乘加运算,设计一款6×3×16的三维加速器计算阵列,可单周期完成288个卷积窗口计算;最后,在Xilinx Zynq UltraScale+MPSoC系列芯片上对设计的CNN加速器进行性能测试。实验结果表明,该CNN加速器在200 MHz频率下具有518.4 GOPS的算力,比现有的解决方案性能提高了约63%。 展开更多
关键词 卷积神经网络(cnn) Tiny-YOLOv3网络模型 硬件加速 流水阵列 并行运算
在线阅读 下载PDF
基于S谱能量曲线与卷积神经网络的天然地震与爆破事件分类识别
7
作者 孟娟 李亚南 高强 《地震学报》 北大核心 2025年第2期232-241,共10页
以震级为ML1.3—3.0的1万2936条人工爆破微震记录和1万3215条天然微震波形为研究对象,对其原始地震波形进行1—30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选。对处理后的地震波形数据进行S变换,... 以震级为ML1.3—3.0的1万2936条人工爆破微震记录和1万3215条天然微震波形为研究对象,对其原始地震波形进行1—30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选。对处理后的地震波形数据进行S变换,获取其S谱能量曲线,然后将S谱能量曲线图转换为32×32像素的灰度特征图,并将其作为卷积神经网络的输入进行训练,基于训练好的模型进行10折交叉测试验证。结果显示地震与爆破事件的分类识别准确率高达97.80%,表明利用S谱能量曲线能较好地识别天然地震与人工爆破。 展开更多
关键词 人工爆破 天然地震 卷积神经网络(cnn) S变换 分类识别
在线阅读 下载PDF
基于卷积神经网络与机器视觉的纸张尘埃度测量系统的设计与应用研究
8
作者 李欢 李亮 《中国造纸》 北大核心 2025年第8期157-163,共7页
本研究基于卷积神经网络(CNN)与机器视觉,设计了纸张尘埃度测量系统。该系统基于模型训练和检验2个模块构建,使用高分辨率扫描仪获取尘埃数据集和纸张样品图片,使用不同优化算法训练分类模型,并采用对角线测量算法,制作标准尘埃像素表... 本研究基于卷积神经网络(CNN)与机器视觉,设计了纸张尘埃度测量系统。该系统基于模型训练和检验2个模块构建,使用高分辨率扫描仪获取尘埃数据集和纸张样品图片,使用不同优化算法训练分类模型,并采用对角线测量算法,制作标准尘埃像素表用于定级和分类统计,进而计算尘埃度。结果表明,该系统的精度可达0.007 mm^(2),优于GB/T 1541—2013《纸和纸板尘埃度的测定》要求,分类准确度达95.89%,能够实现多类纸品的全量程测量,单样本重复性测量误差为0,相比人工检测系统单样本检测用时缩短了约97%,实现了纸类产品尘埃度的高效、精准检测。 展开更多
关键词 纸张尘埃度 卷积神经网络(cnn) 机器视觉 图像处理
在线阅读 下载PDF
基于卷积神经网络和双向长短期记忆网络的微地震记录去噪方法
9
作者 王泰然 鲍逸非 《北京大学学报(自然科学版)》 北大核心 2025年第3期487-500,共14页
提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模... 提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模拟含噪声数据集.通过深度学习网络的训练,获得性能稳定且泛化能力强的去噪模型,该模型在验证集上也表现优异.与传统去噪方法相比,所提方法的去噪效果显著提升,能够更好地保留信号的细节特征和频谱特征.将该模型应用于自贡和内江地区的实际微震观测数据,结果表明能有效地去除实测数据中的噪声. 展开更多
关键词 微小地震 噪声去除 卷积神经网络(cnn) 双向长短期记忆网络(BiLSTM) 深度学习
在线阅读 下载PDF
基于卷积神经网络与Transformer的电能质量扰动分类方法 被引量：6
10
作者 金星 周凯翔 +2 位作者 于海洲 王盛慧 伍孟海 《科学技术与工程》 北大核心 2024年第16期6726-6733,共8页
复杂电能质量扰动(power quality disturbances, PQD)的智能分类对于智能电网发展具有重要意义。扰动特征的提取与定位、模式识别与分类是电能质量扰动分类方法研究的难点。采用深度学习算法,将具有关注全局信息的Transformer与善于提... 复杂电能质量扰动(power quality disturbances, PQD)的智能分类对于智能电网发展具有重要意义。扰动特征的提取与定位、模式识别与分类是电能质量扰动分类方法研究的难点。采用深度学习算法,将具有关注全局信息的Transformer与善于提取局部特征的卷积神经网络相融合,提出一种基于卷积神经网络(convolutional neural network, CNN)与Transformer的电能质量扰动分类方法,即CTranCBA。这种双深度学习模型分类方法主要是通过一维卷积神经网络提取电能质量扰动信号特征,利用Transformer自注意力机制引导模型关注序列中不同位置间的依赖关系,实现对扰动信号局部特征与全局特征的互补,克服了因感受野的限制而带来的识别不清、分类不准等问题。使用23种不同电能质量扰动信号,将CTranCBA与Deep-CNN、CNN-LSTM、CNN-CBAM方法进行比较。结果表明:该方法在分类准确率和抗噪性方面表现优异,可为电能质量扰动智能分类提供一种新的方法。 展开更多
关键词 电能质量扰动(PQD) 卷积神经网络(cnn) Transformer模型 卷积注意力机制
在线阅读 下载PDF
基于连续小波卷积神经网络的轴承智能故障诊断方法 被引量：1
11
作者 耿志强 陈威 +1 位作者 马波 韩永明 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第10期2069-2075,共7页
传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的... 传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的计算空间,提高CNN的整体自适应性.在凯斯西储大学轴承数据集上开展滚动轴承故障诊断方法对比实验.结果表明,与传统基于CNN、快速傅里叶变换-CNN、长短时记忆CNN故障诊断方法相比,所提方法的故障诊断精度分别提高了7.45、4.46和1.53个百分点,CNN的收敛速度更快.在不同工况的泛化任务中,所提方法的平均准确率为99.64%,准确性和泛化能力良好. 展开更多
关键词 卷积神经网络(cnn) 连续小波 自适应激活函数 轴承 故障诊断
在线阅读 下载PDF
基于属性散射中心卷积核调制的SAR目标识别深层网络 被引量：3
12
作者 李毅 杜兰 +1 位作者 周可儿 杜宇昂 《雷达学报（中英文）》 EI CSCD 北大核心 2024年第2期443-456,共14页
卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对... 卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对训练样本的需求,但同时也会降低CNN的特征表达能力,影响其目标识别性能。针对此问题,该文提出一种基于属性散射中心(ASC)卷积核调制的SAR目标识别深层网络。由于SAR图像具有电磁散射特性,为了提取更符合SAR目标特性的散射结构和边缘特征,所提网络使用预先设定的具有不同指向和长度的ASC核对少量CNN卷积核进行调制以生成更多卷积核,从而在降低网络参数量的同时保证其特征提取能力。此外,该网络在浅层使用ASC调制卷积核来提取更符合SAR图像特性的散射结构和边缘特征,而在高层使用CNN卷积核来提取SAR图像的语义特征。由于同时使用ASC调制卷积核和CNN卷积核,该网络能够兼顾SAR目标的电磁散射特性和CNN的特征提取优势。使用实测SAR图像进行的实验证明了所提网络可以在降低对训练样本需求的同时保证优秀的SAR目标识别性能。 展开更多
关键词 合成孔径雷达(SAR) 目标识别 卷积神经网络(cnn) 属性散射中心(ASC) 卷积核调制
在线阅读 下载PDF
基于Transformer和CNN交错混合的肺结节分割网络 被引量：1
13
作者 吴骏 侯宪哲 +2 位作者 王健 肖志涛 王雯 《天津工业大学学报》 CAS 北大核心 2024年第1期74-81,共8页
针对肺结节尺寸多样、形状异质化高等问题,提出基于Transformer和卷积神经网络(CNN)交错混合(IMTC)的肺结节分割网络,该网络是一个对称的层次连接网络,具有很强的多尺度特征提取能力。该网络通过集成2种方案分别解决肺结节多尺寸与形状... 针对肺结节尺寸多样、形状异质化高等问题,提出基于Transformer和卷积神经网络(CNN)交错混合(IMTC)的肺结节分割网络,该网络是一个对称的层次连接网络,具有很强的多尺度特征提取能力。该网络通过集成2种方案分别解决肺结节多尺寸与形状异质化问题:(1)采用感知注意力模块(inception attention module,IAM),通过并联多个不同大小的卷积核来增加浅层网络的感受野组合,以此捕获更为丰富的浅层特征;(2)为获取更具表示能力的高级语义特征,利用由Transformer和CNN组成的基本骨干网络交错提取结节特征,使得全局特征与局部特征充分融合,从而提高结节特征表示的泛化能力和鲁棒性。实验结果表明:本文模型可以准确分割直径较小以及边缘复杂的肺结节,在LUNA16公开数据集上分割性能良好,Dice和IOU分别达到86.15%和76.10%。 展开更多
关键词 肺结节 TRANSFORMER 卷积神经网络(cnn) 感知注意力模块(IAM) 交错混合
在线阅读 下载PDF
基于片上系统的可配置卷积神经网络加速器的设计与实现 被引量：1
14
作者 张立国 杨红光 +1 位作者 金梅 申前 《高技术通讯》 CAS 北大核心 2024年第7期744-754,共11页
针对现阶段卷积神经网络(CNN)加速器的设计只能部署在单一现场可编程门阵列(FPGA)平台、不支持硬件平台升级迭代的问题,设计了一种基于片上系统(SoC)的可配置CNN加速器。该加速器具备以下2个特点:(1)在电路设计中将数据位宽、中间缓存... 针对现阶段卷积神经网络(CNN)加速器的设计只能部署在单一现场可编程门阵列(FPGA)平台、不支持硬件平台升级迭代的问题,设计了一种基于片上系统(SoC)的可配置CNN加速器。该加速器具备以下2个特点:(1)在电路设计中将数据位宽、中间缓存空间大小、乘法器阵列(MAC)并行度作为一种可选配置参数,通过调整资源使用量,使得该加速器能够适配不同FPGA硬件;(2)提出了动态数据复用的策略,通过对比数据传输过程中不同复用方式下的总参数量差异,动态地选择复用方法,以减少数据传输的等待时间,提高乘法器阵列利用率。该方案在ZCU104板卡上进行了实验,实验结果表明,当数据位宽选择8、乘法器阵列并行度选择1024、核心运算模块工作在180 MHz时,卷积运算阵列峰值吞吐量为180 GOPs,功耗为3.75 W,能效比达到47.97 GOPs·W^(-1),对于VGG16网络,其卷积层的平均乘法器阵列利用率达到84.37%。 展开更多
关键词 卷积神经网络(cnn) 现场可编程门阵列(FPGA) cnn加速器 可配置 异构加速
在线阅读 下载PDF
基于实验方案设计的卷积神经网络超参数优化方法 被引量：1
15
作者 徐慧智 吕佳明 《科学技术与工程》 北大核心 2024年第28期12227-12238,共12页
卷积神经网络是人工智能的重要组成部分,在自然语言处理、图像识别等领域表现优异。卷积神经网络模型超参数配置涉及训练策略,在卷积神经网络大模型优化方面起着至关重要的作用。现有超参数优化方法耗时耗力,遍历整个超参数空间,容易陷... 卷积神经网络是人工智能的重要组成部分,在自然语言处理、图像识别等领域表现优异。卷积神经网络模型超参数配置涉及训练策略,在卷积神经网络大模型优化方面起着至关重要的作用。现有超参数优化方法耗时耗力,遍历整个超参数空间,容易陷入局部最优解。首先,构建3个不同深度的自建卷积神经网络作为优化对象,以提高模型在验证集上的准确率为优化目标找到最佳的超参数配置。其次,考虑优化神经网络大模型的训练过程并提高模型性能的需求,提出一种基于实验方案设计的卷积神经网络超参数优化方法。最后,为了验证方法的有效性,依据均匀设计理念构建训练方案,生成超参数优化组合,进行主观经验生成训练方案的对比实验。结果表明:所提出的优化方法在收敛速度、准确率和计算效率上更具优势。该方法为实现卷积神经网络大模型的高效训练提供支持,具有良好的通用性,可以应用于不同规模的卷积神经网络训练任务。 展开更多
关键词 均匀设计 超参数优化 卷积神经网络(cnn) 正交设计 机器学习
在线阅读 下载PDF
基于CNN模型的地震数据噪声压制性能对比研究 被引量：1
16
作者 张光德 张怀榜 +3 位作者 赵金泉 尤加春 魏俊廷 杨德宽 《石油物探》 北大核心 2025年第2期232-246,共15页
地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信... 地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信息损失以及依赖人工提取特征等局限性。为克服传统方法的不足,采用时频域变换并结合深度学习方法进行地震噪声压制,并验证其应用效果。通过构建5个神经网络模型(FCN、Unet、CBDNet、SwinUnet以及TransUnet)对经过时频变换的地震信号进行噪声压制。为了定量评估实验方法的去噪性能,引入了峰值信噪比(PSNR)、结构相似性指数(SSIM)和均方根误差(RMSE)3个指标,比较不同方法的噪声压制性能。数值实验结果表明,基于时频变换的卷积神经网络(CNN)方法对常见的地震噪声类型(包括随机噪声、海洋涌浪噪声、陆地面波噪声)具有较好的噪声压制效果,能够提高地震数据的信噪比。而Transformer模块的引入可进一步提高对上述3种常见地震数据噪声类型的压制效果,进一步提升CNN模型的去噪性能。尽管该方法在数值实验中取得了较好的应用效果,但仍有进一步优化的空间可供探索,比如改进网络结构以适应更复杂的地震信号,并探索与其他先进技术结合,以提升地震噪声压制性能。 展开更多
关键词 地震噪声压制 深度学习 卷积神经网络(cnn) 时频变换 TRANSFORMER
在线阅读 下载PDF
卷积神经网络在结直肠息肉辅助诊断中的应用综述 被引量：3
17
作者 考文涛 李明 马金刚 《计算机科学与探索》 CSCD 北大核心 2024年第3期627-645,共19页
结直肠癌是一种恶性肿瘤,主要发生在结肠和直肠的组织中,其早期发现和治疗具有重要意义。结直肠癌的早期检测和预防主要是对病人的肠道进行视觉检查,从而筛查结直肠息肉,但人工检查存在漏诊率高等弊端。基于卷积神经网络(CNN)的辅助诊... 结直肠癌是一种恶性肿瘤,主要发生在结肠和直肠的组织中,其早期发现和治疗具有重要意义。结直肠癌的早期检测和预防主要是对病人的肠道进行视觉检查,从而筛查结直肠息肉,但人工检查存在漏诊率高等弊端。基于卷积神经网络(CNN)的辅助诊断系统在结直肠息肉的诊断方面表现出最先进的性能,是目前计算机辅助诊断领域的研究热点。根据近几年发表的相关重要文献,对卷积神经网络在结直肠息肉辅助诊断中的应用进行系统综述。首先介绍了结直肠息肉诊断领域的常用数据集,其中包括图片和视频数据集;其次分别对CNN在结直肠息肉检测、分割以及分类中的应用进行系统阐述,对各算法的主要改进思路、优缺点以及性能进行深入分析,旨在为研究人员提供更系统的参考,并对深度学习模型的可解释性进行总结;最后对基于CNN的结直肠息肉辅助诊断的各类算法进行总结,并对未来的研究方向进行展望。 展开更多
关键词 结直肠息肉 卷积神经网络(cnn) 计算机辅助诊断 可解释性
在线阅读 下载PDF
基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法 被引量：1
18
作者 卢后洪 谢罗峰 +3 位作者 朱杨洋 殷鸣 杜波 殷国富 《中国测试》 CAS 北大核心 2024年第2期22-27,共6页
针对人工检测磁瓦内部缺陷过程中需要成熟的经验知识,检测过程不稳定且效率较低等问题,设计一套智能化检测系统。受人工检测的启发,提出一种基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法。将时域信号转换为时-频域语谱图,利用卷... 针对人工检测磁瓦内部缺陷过程中需要成熟的经验知识,检测过程不稳定且效率较低等问题,设计一套智能化检测系统。受人工检测的启发,提出一种基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法。将时域信号转换为时-频域语谱图,利用卷积神经对语谱图提取特征并分类。为更精准地强调重要信息而抑制无关信息,将坐标注意力机制引入到卷积神经网络中。提出的基于卷积神经网络和模态转换的预测模型的准确率达到98.4%,证明提出的检测方法对于磁瓦内部缺陷检方法是有效的。实验结果表明,模态转换和坐标注意力机制能提升模型的性能。 展开更多
关键词 磁瓦 卷积神经网络(cnn) 内部缺陷 模态转换 注意力机制
在线阅读 下载PDF
卷积神经网络目标检测算法研究进展 被引量：7
19
作者 任青阳 王彦丁 施俭 《科学技术与工程》 北大核心 2024年第32期13665-13677,共13页
随着深度学习的进步,卷积神经网络(convolutional neural network,CNN)在目标检测领域的应用取得了显著的提升。相比传统人工特征构造的方法,CNN算法具备自动特征提取和强大的泛化能力,在复杂场景下,目标检测任务得到更好的解决。此外,... 随着深度学习的进步,卷积神经网络(convolutional neural network,CNN)在目标检测领域的应用取得了显著的提升。相比传统人工特征构造的方法,CNN算法具备自动特征提取和强大的泛化能力,在复杂场景下,目标检测任务得到更好的解决。此外,该算法具有更好的鲁棒性,使其在实际应用中具备更高的可靠性和效率。首先回顾卷积神经网络的发展历程,重点介绍其在计算机视觉领域的应用,并突出与传统算法相比在图像处理方面的明显优势。接着,对分类与分割算法、目标检测算法和基于区域与回归检测的3种主流算法进行介绍,特别强调各类算法在解决目标定位、分类和语义分割等关键问题上的创新和突破。然后,对现有的公开数据集进行归纳。最后,展望目标检测算法未来的发展趋势。 展开更多
关键词 卷积神经网络(cnn) 目标检测 计算机视觉 特征表示
在线阅读 下载PDF
基于CNN-SLinformer算法的风电机组偏航系统故障预测
20
作者 火久元 谢东宸 +1 位作者 常琛 李昕 《湖南大学学报(自然科学版)》 北大核心 2025年第8期140-150,共11页
随着风电产业的快速发展,风电机组故障停机的比例也在上升,其中偏航系统故障尤为突出,占据了总停机时间的近三分之一(28.7%).为减少停机时间和运维费用,本文提出了一种基于SCADA数据的深度学习模型CNN-Smart_Linformer(CNN-SLinformer)... 随着风电产业的快速发展,风电机组故障停机的比例也在上升,其中偏航系统故障尤为突出,占据了总停机时间的近三分之一(28.7%).为减少停机时间和运维费用,本文提出了一种基于SCADA数据的深度学习模型CNN-Smart_Linformer(CNN-SLinformer),用于预测风电机组偏航系统的故障发生时间.该模型通过引入动态自注意力权重计算线性投影矩阵,自适应地捕捉输入序列的变化,显著增强了模型在不同运行环境下的泛化能力.它结合了卷积神经网络(CNN)在局部特征提取的优势与SLinformer在捕捉长期依赖关系的能力.实际风电场SCADA数据的实验结果表明,CNN-SLinformer模型在偏航故障预测任务中显著提高了预测精度,Score降低至144.50,同时模型运行时间更短,为风电场提供了有效的故障预测工具. 展开更多
关键词 风电机组 偏航系统 卷积神经网络(cnn) SLinformer 故障预测
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 … 22 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