期刊文献+
共找到44篇文章
< 1 2 3 >
每页显示 20 50 100
基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法 被引量:23
1
作者 尹梓诺 马海龙 胡涛 《电子与信息学报》 EI CSCD 北大核心 2023年第10期3719-3728,共10页
针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSM... 针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。 展开更多
关键词 流量异常检测 类别不平衡 一维卷积神经网络-双向长短记忆网络 注意力机制
在线阅读 下载PDF
基于CNN-LSTM混合神经网络的高速铁路地震响应预测 被引量:3
2
作者 张学兵 谢啸楠 +1 位作者 王礼 吴晗 《湘潭大学学报(自然科学版)》 CAS 2024年第1期1-13,共13页
为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设... 为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据,在每根光纤上布置7个光栅,利用两边光栅的响应数据预测中间点的光栅响应,将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征,再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据,最后LSTM网络进行地震应变响应预测.实验结果表明,LSTM网络在3层时效果最好,CNN-LSTM方法具有较高的预测精度,根均平方误差(R_(RMSE))、平均绝对误差(R_(MAE))、决定系数(R^(2))分别达到了0.3753、0.2968、0.9371. 展开更多
关键词 准分布式光纤光栅 振动台试验 地震响应 卷积神经网络-长短记忆网络混合模型
在线阅读 下载PDF
基于CNN-BiLSTM混合神经网络的雷达信号调制方式识别 被引量:3
3
作者 房崇鑫 盛震宇 +1 位作者 夏明 周慧成 《无线电工程》 2024年第6期1440-1445,共6页
针对具有时频特性的雷达信号,传统的雷达信号识别方法已经无法满足对信号类型精准识别的需求,因此需要通过采集并分析雷达信号脉内的时频特征实现对目标雷达的具体信息进行有效评估。设计了一种卷积-双向长短时记忆(Convolution-Bidirec... 针对具有时频特性的雷达信号,传统的雷达信号识别方法已经无法满足对信号类型精准识别的需求,因此需要通过采集并分析雷达信号脉内的时频特征实现对目标雷达的具体信息进行有效评估。设计了一种卷积-双向长短时记忆(Convolution-Bidirectional Long Short-Term Memory,CNN-BiLSTM)混合神经网络模型,主要通过BiLSTM的时序记忆特性深度挖掘雷达信号的时域特征,结合权值共享特性和CNN层捕获雷达信号的时频特征,再利用二者信号特征联合完成对雷达信号调制方式的识别。通过对比实验验证,所提方法对若干种雷达信号的识别具有较高的准确度,平均值达到95.349%;优于只使用单一特征的网络和传统算法,具有良好的抗噪声能力。 展开更多
关键词 深度学习 卷积-双向长短时记忆混合神经网络 雷达信号调制识别
在线阅读 下载PDF
模型误差影响下基于CNN+BiLSTM神经网络的非圆信号目标直接跟踪算法 被引量:1
4
作者 尹洁昕 王鼎 +1 位作者 杨欣 杨宾 《电子学报》 EI CAS CSCD 北大核心 2024年第4期1315-1329,共15页
针对运动观测阵列状态误差与接收频率抖动同时影响下的非圆信号无源跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)+双向长短时记忆网络(Bi-directional Long Short-Term Memory,BiL⁃STM)的直接跟踪算法.该算... 针对运动观测阵列状态误差与接收频率抖动同时影响下的非圆信号无源跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)+双向长短时记忆网络(Bi-directional Long Short-Term Memory,BiL⁃STM)的直接跟踪算法.该算法首先利用多运动观测阵列信号各频带间的相关性与辐射源信号的非圆特性,建立模型误差影响下的扩展多站观测矢量;接着利用多个观测时隙内扩展多站观测矢量的信号子空间构造空时特征输入序列;然后设计基于CNN与BiLSTM混合神经网络的直接跟踪模型,通过训练实现对非圆目标的轨迹矢量直接估计.本文算法是从原始数据信号子空间中估计轨迹矢量的直接跟踪模式,相比传统“观测参数估计+滤波轨迹跟踪”的两步估计模式,具有更高的估计精度.由于本文算法在神经网络训练过程中学习到模型误差的信息,因此能够实现对多种误差的校正.仿真结果表明,本文算法较传统两步跟踪算法与现有直接跟踪算法均具有更高的轨迹估计精度,能够明显提升模型误差影响下多站协同跟踪的鲁棒性. 展开更多
关键词 直接跟踪 非圆信号 模型误差 卷积神经网络 双向长短记忆网络
在线阅读 下载PDF
基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测 被引量:5
5
作者 郭力 郑良瑞 冯浪 《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第3期401-409,共9页
部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向... 部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向长短期记忆神经网络(Convolution-bidirectional long short term memory neural network,CNN-BiLSTM)的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性,筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵,作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明,基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。 展开更多
关键词 部分稳定氧化锆 磨削声发射 相关性分析 卷积-双向长短记忆神经网络 表面粗糙度预测
在线阅读 下载PDF
基于迁移学习和Bi-LSTM神经网络的桥梁温度-应变映射建模方法 被引量:5
6
作者 方佳畅 黄天立 +1 位作者 李苗 王亚飞 《振动与冲击》 EI CSCD 北大核心 2023年第12期126-134,186,共10页
为快速构建并准确预测温度作用引起的斜拉桥主梁应变用于结构状态评估,基于某大跨度斜拉桥主梁超过1年的温度和应变监测数据,提出了一种基于迁移学习和双向长短时记忆(bi-directional long short-term memory,Bi-LSTM)神经网络的斜拉桥... 为快速构建并准确预测温度作用引起的斜拉桥主梁应变用于结构状态评估,基于某大跨度斜拉桥主梁超过1年的温度和应变监测数据,提出了一种基于迁移学习和双向长短时记忆(bi-directional long short-term memory,Bi-LSTM)神经网络的斜拉桥温度-应变映射模型建立方法。首先,利用解析模态分解(analytical mode decomposition,AMD)去噪应变数据,得到仅由温度引起的应变响应;其次,选择温度和某一测点应变数据构成数据集,采用Bi-LSTM神经网络训练该数据集,并通过网络结构和超参数优化建立温度-应变Bi-LSTM基准模型;最后,利用迁移学习方法,将已训练好的基准模型中部分参数迁移到其他温度-应变数据集,建立相应的温度-应变映射被迁移模型,并与未采用迁移学习的神经网络训练方法进行对比。研究结果表明,相比直接建立的温度-应变Bi-LSTM神经网络映射模型,采用迁移学习方法建立的被迁移模型,其拟合精度均高于所用的基准模型,且训练时间短,预测误差小。 展开更多
关键词 结构健康监测 大跨度斜拉桥 温度-应变映射模型 迁移学习 双向长短记忆(Bi-LSTM)神经网络
在线阅读 下载PDF
基于神经网络的英语口音识别
7
作者 刘辉翔 赵云梦 +1 位作者 陈雯柏 董立成 《北京信息科技大学学报(自然科学版)》 2022年第5期46-52,共7页
针对英语口音识别问题,首先基于梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCCs),以卷积神经网络(convolutional neural network,CNN)-长短时记忆(long short-term memory,LSTM)网络为骨干网络,建立英语口音识别模型;然... 针对英语口音识别问题,首先基于梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCCs),以卷积神经网络(convolutional neural network,CNN)-长短时记忆(long short-term memory,LSTM)网络为骨干网络,建立英语口音识别模型;然后对比研究了卷积神经网络-双向门限循环单元(CNN-bidirectional gated recurrent unit,CNN-BiGRU)模型和卷积神经网络-双向长短时记忆(CNN-bidirectional LSTM,CNN-BiLSTM)模型,并引入注意力机制,探索不同衍生模型在英语口音识别中的效果。实验结果表明,在小规模样本情况下,整体而言,CNN-BiLSTM模型对英语地域口音识别取得了较好效果,获得了74.0%的准确率。 展开更多
关键词 英语口音识别 注意力机制 卷积神经网络 双向长短记忆 梅尔频率倒谱系数
在线阅读 下载PDF
基于SSA-CNN-BiLSTM组合模型的短时交通流量预测 被引量:2
8
作者 陆由付 孔维麟 +2 位作者 田垚 王庆斌 牟振华 《交通运输研究》 2024年第1期18-27,共10页
为改善城市道路交通拥堵状况,并为智能交通系统决策提供辅助手段,针对短时交通流的非线性和时序性特点,构建了一种基于麻雀搜索算法(SSA)优化的卷积神经网络(CNN)联合双向长短时记忆神经网络(BiLSTM)的组合模型以预测短时交通流量。首先... 为改善城市道路交通拥堵状况,并为智能交通系统决策提供辅助手段,针对短时交通流的非线性和时序性特点,构建了一种基于麻雀搜索算法(SSA)优化的卷积神经网络(CNN)联合双向长短时记忆神经网络(BiLSTM)的组合模型以预测短时交通流量。首先,对原始交通流数据进行异常值清洗、小波阈值去噪和归一化处理。然后,利用SSA算法对CNN与BiLSTM组合网络中的隐藏层单元数、初始学习率和L2正则化系数三个超参数迭代寻优。最后,将搜索得到的最优超参数组合输入搭建好的组合网络中进行训练和预测。实验结果显示:与粒子群优化(PSO)和灰狼优化(GWO)算法相比,SSA算法在网络超参数寻优过程中的收敛速度更快,全局寻优能力更强;与3种对比模型(CNNBiLSTM、BiLSTM和LSTM)相比,在5 min时间尺度划分下,SSA-CNN-BiLSTM组合模型的均方根误差(RMSE)分别降低了5.46、12.78、20.38,平均绝对百分比误差(MAPE)分别降低了0.49%、2.24%、3.11%;在15 min时间尺度划分下,SSA-CNN-BiLSTM组合模型的RMSE分别降低了9.70、28.42、41.18,MAPE分别降低了0.50%、1.98%、2.59%。研究表明,相比既有算法,该短时交通流量预测组合模型在精度和稳定性上都有所提升,可通过提供更精准的短时交通出行信息来改善道路交通状况。 展开更多
关键词 智能交通 交通流预测 卷积神经网络 城市道路 麻雀搜索算法 双向长短记忆神经网络
在线阅读 下载PDF
基于模型-数据联合的光伏-光热系统储能量预测 被引量:1
9
作者 田亮 王冠杰 《动力工程学报》 CAS CSCD 北大核心 2024年第6期911-918,共8页
提出一种模型-数据联合预测方法,通过机理分析建立对象动态模型,并引入未来太阳辐射强度、用户负荷预测数据进行即时模型预测,通过注意力机制改进的卷积-长短时记忆混合神经网络建立数据预测模型,并引入历史数据进行滚动数据预测,然后... 提出一种模型-数据联合预测方法,通过机理分析建立对象动态模型,并引入未来太阳辐射强度、用户负荷预测数据进行即时模型预测,通过注意力机制改进的卷积-长短时记忆混合神经网络建立数据预测模型,并引入历史数据进行滚动数据预测,然后利用卡尔曼滤波器对2种预测模型的输出结果进行融合,实现储能量的联合预测。结果表明:联合预测兼具2种方法的优势,能很好地解决储能量预测误差随时间累积的问题,并能够及时表征气象因素突变和系统运行方式改变时储能量的变化情况,在各种天气状况下均具有良好的预测精度。 展开更多
关键词 光伏-光热综合能源系统 储能量 预测 卡尔曼滤波 卷积-长短记忆混合神经网络
在线阅读 下载PDF
基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测 被引量:1
10
作者 何德峰 刘明裕 +2 位作者 孙芷菲 王秀丽 李廉明 《高技术通讯》 CAS 北大核心 2024年第1期92-100,共9页
针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓... 针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。 展开更多
关键词 生物质锅炉 NO_(x)排放浓度预测 经验模态分解 长短记忆-卷积神经网络(LSTM-FCN) 自注意力机制
在线阅读 下载PDF
基于SSA-CNN-BiLSTM的航班延误预测
11
作者 杨新湦 游超 《航空计算技术》 2024年第5期22-26,共5页
为了提高对机场航班延误时间的准确性,对预测模型进行了研究。采用麻雀搜索算法(SSA),结合卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM),提出了一种基于SSA-CNN-BiLSTM的航班延误预测模型。使用美国亚特兰大机场的实际运行数据进行... 为了提高对机场航班延误时间的准确性,对预测模型进行了研究。采用麻雀搜索算法(SSA),结合卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM),提出了一种基于SSA-CNN-BiLSTM的航班延误预测模型。使用美国亚特兰大机场的实际运行数据进行了验证,与BiLSTM,CNN-LSTM等基准模型进行了比较试验,并加入流量和时间双特征数据集验证模型性能。结果表明,SSA-CNN-BiLSTM模型在评价指标上表现最优,其平均绝对误差(MAE)为5.15,均方根误差(RMSE)为7.58,预测精度优于基准模型,具有良好的多特征处理能力。 展开更多
关键词 航班延误预测 参数优化 卷积神经网络 双向长短记忆网络 麻雀搜索算法
在线阅读 下载PDF
CNN联合BI-LSTM混合模型的手势识别算法 被引量:2
12
作者 纪盟盟 肖金壮 李瑞鹏 《激光杂志》 CAS 北大核心 2021年第6期88-91,共4页
基于视觉的手势识别是人机交互的热点。针对手势图像易受环境影响造成部分图像缺失,进而导致手势识别精度难以提升的问题,提出了一种基于静态手势图片数据的卷积神经网络(CNN)联合双向长短时记忆循环神经网络(Bi-LSTM)的混合模型。通过... 基于视觉的手势识别是人机交互的热点。针对手势图像易受环境影响造成部分图像缺失,进而导致手势识别精度难以提升的问题,提出了一种基于静态手势图片数据的卷积神经网络(CNN)联合双向长短时记忆循环神经网络(Bi-LSTM)的混合模型。通过随机擦除算法处理手势数据集,可以充分模拟手势缺失问题,首先利用CNN提取手势的空间特征,随后通过Bi-LSTM提取组内图片之间的关联特征,用以解决图片中部分手势图像缺失的问题,最后完成分类。在新加坡国立大学手部姿势数据集上以46.36 f·s^(-1)的速度达到94.6%的识别率,比传统算法识别率更高,鲁棒性更强,有效缓解了因部分手势图像缺失导致识别率不高的问题。 展开更多
关键词 手势识别 随机擦除 手势图像缺失 卷积神经网络 双向长短记忆
在线阅读 下载PDF
运用CNN-LSTM混合模型的短文本分类 被引量:3
13
作者 马正奇 呼嘉明 +1 位作者 龙铭 陈新 《空军预警学院学报》 2019年第4期295-297,302,共4页
针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了... 针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了文本数据量;利用LSTM的记忆能力,充分学习短文本的全局特征,进而对短文本进行更加有效地分类.实验结果表明,CNN-LSTM混合模型对短文本的分类效果远远好于CNN模型和LSTM模型. 展开更多
关键词 短文本 卷积神经网络 长短记忆网络 CNN-LSTM混合模型
在线阅读 下载PDF
基于鹈鹕优化CNN-BiLSTM的电力负荷预测 被引量:1
14
作者 吴小涛 袁晓辉 +3 位作者 毛玉鑫 王祥 郭乐 舒卫民 《水电能源科学》 北大核心 2024年第8期209-212,172,共5页
为了提高电力负荷的预测精度,基于卷积神经网络(CNN)的空间特征提取能力、双向长短时记忆(BiLSTM)网络的时序预测性能以及鹈鹕优化算法(POA)的寻优能力,提出了一种新的基于CNN、BiLSTM、POA的组合电力负荷预测模型(POA-CNN-BiLSTM)。首... 为了提高电力负荷的预测精度,基于卷积神经网络(CNN)的空间特征提取能力、双向长短时记忆(BiLSTM)网络的时序预测性能以及鹈鹕优化算法(POA)的寻优能力,提出了一种新的基于CNN、BiLSTM、POA的组合电力负荷预测模型(POA-CNN-BiLSTM)。首先利用CNN提取电力负荷时间序列的特征向量,然后输入到BiLSTM网络进行双向循环训练,构建CNN-BiLSTM预测模型,并采用POA优化BiLSTM网络的隐藏层单元数、学习率和正则化系数等参数,最后输出电力负荷预测结果。将提出的模型应用于某区域电力负荷预测,结果表明,BiLSTM、LSTM模型预测精度优于最小二乘支持向量机(LSSVM)模型;BiLSTM模型预测精度优于LSTM模型;POA的寻优精度优于粒子群优化算法(PSO);CNN-LSTM、CNN-BiLSTM组合预测模型预测精度优于LSTM、BiLSTM模型;POA-CNN-BiLSTM模型预测精度优于POA-LSSVM、PSO-LSTM、POA-LSTM、POA-BiLSTM和POA-CNN-LSTM模型,能更好地追踪电力负荷的变化趋势。 展开更多
关键词 电力负荷预测 鹈鹕优化算法 卷积神经网络 双向长短记忆网络
在线阅读 下载PDF
基于奇异谱分析的CNN-BiLSTM短期空调负荷预测模型 被引量:2
15
作者 杨心宇 任中俊 +2 位作者 周国峰 易检长 何影 《建筑节能(中英文)》 CAS 2024年第3期64-73,共10页
空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirect... 空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirectional Long Short Term Memory)短期空调负荷预测模型。使用皮尔森相关系数选取与空调负荷高相关性特征。针对空调负荷的波动性和随机性,采用SSA将空调负荷分解为多个分量,同时将各个分量带入CNN-BiLSTM模型进行预测,该模型利用了CNN的特征提取和BiLSTM的双向学习能力,并将各个分量预测结果进行重构。通过不同建筑类型的空调数据对该模型进行验证分析,发现所提出模型在预测办公建筑空调负荷中RMSE、MAPE和MAE为19.47RT、14.72RT和2.33%,在预测商业建筑空调负荷中RMSE、MAPE和MAE为82.5RT、34.21RT和0.87%。结果表明,所提出的模型具有普适性且精度较高,可进行推广应用。 展开更多
关键词 空调负荷预测 双向长短记忆网络 奇异谱分析 卷积神经网络
在线阅读 下载PDF
调度操作票自动校验的CNN-BiLSTM方法 被引量:1
16
作者 吴奇珂 程培军 +2 位作者 钱韦廷 姜浩宇 胡佳 《核电子学与探测技术》 CAS 北大核心 2024年第2期316-322,共7页
基于人工经验的核电厂变电站电力调度操作票校验方法具有主观性强、校验效率低、可靠性不高等问题,为解决上述问题,提出了一种基于卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的操作票自动校验方法。该方法在对操作票文本进行向量... 基于人工经验的核电厂变电站电力调度操作票校验方法具有主观性强、校验效率低、可靠性不高等问题,为解决上述问题,提出了一种基于卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用CNN-BiLTSM模型实现操作票文本的深度信息挖掘和校验的自动化。实验结果表明,相比单一模型,CNN-BiLSTM模型的校验精度更高,校验评估综合指标可达95.67%,具有一定的优势。 展开更多
关键词 卷积神经网络 操作票 自动校验 双向长短记忆网络
在线阅读 下载PDF
基于CNN和Bi-LSTM的脑电波情感分析 被引量:10
17
作者 朱丽 杨青 +2 位作者 吴涛 李晨 李铭 《应用科学学报》 CAS CSCD 北大核心 2022年第1期1-12,共12页
针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换... 针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间和时间特征输入Softmax分类器,得到最终分类结果。在DEAP数据集上的实验结果表明:CNN和Bi-LSTM混合模型具有较好的分类性能,在效价度和唤醒度上的准确率分别达到88.55%和89.07%,是一种可行的脑电波情感分类模型。 展开更多
关键词 脑电信号 情感分类 卷积神经网络 双向长短记忆网络 深度学习
在线阅读 下载PDF
矿井开采设备齿轮减速器故障预测模型
18
作者 李建伟 郭攀 马俊杰 《金属矿山》 北大核心 2025年第3期175-180,共6页
针对复杂工况下矿井开采设备齿轮减速器故障预测精度不高、实时性不强的问题,提出了一种基于并行多尺度特征融合的矿井开采设备齿轮减速器故障预测模型。首先,利用卷积神经网络Vgg-16提取齿轮减速器故障数据的空间特征;然后,利用双向长... 针对复杂工况下矿井开采设备齿轮减速器故障预测精度不高、实时性不强的问题,提出了一种基于并行多尺度特征融合的矿井开采设备齿轮减速器故障预测模型。首先,利用卷积神经网络Vgg-16提取齿轮减速器故障数据的空间特征;然后,利用双向长短时记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)提取齿轮减速器故障数据的时序特征,并借助交叉融合注意力实现井下开采设备齿轮减速器故障数据空间特征和时序特征的深度融合,增强故障特征表达的可靠性和鲁棒性;最后,利用Softmax函数实现待测齿轮减速器故障的实时预测。通过在宁夏某矿井采集的多工况条件下的开采设备齿轮减速器故障数据集上进行测试,结果表明:所提模型在单一工况场景下可以实现94.38%的准确率、94.25%的精准率、94.16%的召回率和95.08%的F_(1)值,在多工况场景下可以实现92.73%的准确率、91.86%的精准率、91.04%的召回率和92.39%的F_(1)值,综合性能优于经典的齿轮故障预测模型。 展开更多
关键词 齿轮减速器故障预测 卷积神经网络 双向长短记忆神经网络 交叉融合注意力
在线阅读 下载PDF
基于双流CNN与Bi-LSTM的施工人员不安全行为轻量级识别模型 被引量:9
19
作者 马莉 王卓 +1 位作者 代新冠 贾荣豪 《西安科技大学学报》 CAS 北大核心 2022年第4期809-817,共9页
由于PC端的施工人员不安全行为识别模型计算复杂度高、模型体积大,不适合在边缘设备上运行,提出了一种基于双流CNN与Bi-LSTM的轻量级识别模型。模型主要包含双流CNN特征提取、特征融合和行为分类3个模块,在双流CNN特征提取模块中使用高... 由于PC端的施工人员不安全行为识别模型计算复杂度高、模型体积大,不适合在边缘设备上运行,提出了一种基于双流CNN与Bi-LSTM的轻量级识别模型。模型主要包含双流CNN特征提取、特征融合和行为分类3个模块,在双流CNN特征提取模块中使用高效的轻量化网络ShuffleNetV2代替传统CNN以提升计算效率,同时添加卷积注意力模块获取关键特征以提高行为识别准确率;在特征融合模块中引入Bi-LSTM网络获取视频前后的关联信息,实现双流特征融合;在行为分类模块中利用注意力机制实现自适应分配权重,从而进一步提升施工人员不安全行为识别的准确率。最后,采用UCF-101数据集和自建数据集进行模型训练和验证,该模型的累加乘积操作次数为7.73 G,参数量为5.38 M,均优于传统的双流CNN方法;此外,模型在2个数据集上的识别准确率分别为94.3%和94.8%,均优于双流CNN-MobileNetV3等其他轻量级模型。实验结果表明所提模型相对于传统双流CNN具有更低的计算复杂度、更小的模型参数量以及更高的识别准确率,适合在资源受限的边缘设备上部署与运行。 展开更多
关键词 不安全行为 行为识别 轻量化 双流卷积神经网络 双向长短记忆网络 注意力机制
在线阅读 下载PDF
基于残差BiLSTM和改进CBAM的航迹关联方法
20
作者 贾燎原 曹伟 +2 位作者 张晓峰 陆翔 周恒亮 《火力与指挥控制》 北大核心 2025年第2期100-106,115,共8页
针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差... 针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差BiLSTM-ICBAM航迹关联模型。在BiLSTM模型的基础上引入残差网络,增强模型提取航迹上下游特征的同时抑制网络退化问题;加入改进的CBAM注意力模块,分析输入信息与当前航迹特征的相关性并突出关键特征的影响,进而增强局部特征提取能力以及误差跟踪能力;在航迹关联数据上的实验结果表明,残差BiLSTM-ICBAM航迹关联模型比现有方法在准确率、稳定性中表现出了明显的性能优势。 展开更多
关键词 航迹关联 残差网络 双向长短记忆神经网络 卷积注意力模块
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部