期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双通道注意力机制的AE-BIGRU交通流预测模型
1
作者
黄艳国
何烜
杨仁峥
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第5期1774-1782,共9页
交通流预测是智能交通系统的关键。针对目前交通流数据复杂的时空关联性以及自身的不确定性,为准确预测高速公路交通流并缓解交通拥堵问题,提出以自编码器网络(AE)和双向门控循环单元(BIGRU)相结合的深度学习组合预测模型(AE-BIGRU),并...
交通流预测是智能交通系统的关键。针对目前交通流数据复杂的时空关联性以及自身的不确定性,为准确预测高速公路交通流并缓解交通拥堵问题,提出以自编码器网络(AE)和双向门控循环单元(BIGRU)相结合的深度学习组合预测模型(AE-BIGRU),并在此基础上引入双通道注意力机制进行模型训练。将预处理后的数据采用滑动窗口的方式作为参数输入模型,通过AE提取交通流的空间特征,得到输入信息特征的最优抽象表示;利用BIGRU从前向和后向传播中获取信息,充分提取交通流的时间相关特征,更全面地捕捉时间演变规律;最后结合双通道注意力机制,增强预测模型的特征提取能力,最大限度地保留特征信息,提升模型的预测精度,从而得到最终短时流量的预测目标值。为验证模型的适用性,采用多组短时交通流数据进行仿真实验,与其他基准模型对比发现:该交通流预测模型能够有效捕获交通流的动态时空特征,加强关键信息的提取,所预测的流量更加接近真实值,具有良好的泛化能力。其中测试集的均方根误差值下降了约0.061~0.604,平均绝对误差值下降了约0.025~0.512,相关系数值R2提高了约0.007~0.062。研究结果表明,随着预测步长的增加,该实验模型在交通流数据的时间特性上仍能表现出稳定的预测性能,所建的组合预测模型在预测精度和鲁棒性方面表现出更高水平。
展开更多
关键词
智能交通
交通流预测
AE-BIGRU模型
深度学习
双通道注意力机制
在线阅读
下载PDF
职称材料
改进残差网络的轻量级塑料垃圾分类研究
被引量：
1
2
作者
徐明明
高丙朋
黄家興
《现代电子技术》
2022年第17期95-99,共5页
针对当前日益严重的塑料污染问题,开展塑料垃圾分类与回收迫在眉睫,采用更精细的垃圾分类方法,使得塑料垃圾回收利用的比率将会越来越高,也能从源头上杜绝塑料污染。目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型...
针对当前日益严重的塑料污染问题,开展塑料垃圾分类与回收迫在眉睫,采用更精细的垃圾分类方法,使得塑料垃圾回收利用的比率将会越来越高,也能从源头上杜绝塑料污染。目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型占用内存大等问题。改进残差网络结构,提出一种双通道轻量级网络(DCLNet-18)对塑料垃圾进行分类。首先使用深度可分离卷积替换标准卷积,减少网络的参数量和计算量;然后在网络的每个BasicBlock后串联双通道注意力机制,增强网络的特征提取能力;最后与AlexNet、VGG、ResNet等系列网络对比。实验结果表明,相比ResNet18网络,DCLNet-18网络的训练时间缩短12.5%,准确率提高2.8%,因此更适合移动端、嵌入式设备应用,为塑料垃圾分类网络轻量化提供了新的思路。
展开更多
关键词
塑料垃圾
残差网络
垃圾分类
深度学习
轻量级网络
深度可分离卷积
双通道注意力机制
在线阅读
下载PDF
职称材料
题名
基于双通道注意力机制的AE-BIGRU交通流预测模型
1
作者
黄艳国
何烜
杨仁峥
机构
江西理工大学电气工程与自动化学院
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第5期1774-1782,共9页
基金
国家自然科学基金资助项目(72061016)。
文摘
交通流预测是智能交通系统的关键。针对目前交通流数据复杂的时空关联性以及自身的不确定性,为准确预测高速公路交通流并缓解交通拥堵问题,提出以自编码器网络(AE)和双向门控循环单元(BIGRU)相结合的深度学习组合预测模型(AE-BIGRU),并在此基础上引入双通道注意力机制进行模型训练。将预处理后的数据采用滑动窗口的方式作为参数输入模型,通过AE提取交通流的空间特征,得到输入信息特征的最优抽象表示;利用BIGRU从前向和后向传播中获取信息,充分提取交通流的时间相关特征,更全面地捕捉时间演变规律;最后结合双通道注意力机制,增强预测模型的特征提取能力,最大限度地保留特征信息,提升模型的预测精度,从而得到最终短时流量的预测目标值。为验证模型的适用性,采用多组短时交通流数据进行仿真实验,与其他基准模型对比发现:该交通流预测模型能够有效捕获交通流的动态时空特征,加强关键信息的提取,所预测的流量更加接近真实值,具有良好的泛化能力。其中测试集的均方根误差值下降了约0.061~0.604,平均绝对误差值下降了约0.025~0.512,相关系数值R2提高了约0.007~0.062。研究结果表明,随着预测步长的增加,该实验模型在交通流数据的时间特性上仍能表现出稳定的预测性能,所建的组合预测模型在预测精度和鲁棒性方面表现出更高水平。
关键词
智能交通
交通流预测
AE-BIGRU模型
深度学习
双通道注意力机制
Keywords
intelligent transportation
traffic flow prediction
AE-BIGRU model
deep learning
dual-channel attention mechanism
分类号
U491.1 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
改进残差网络的轻量级塑料垃圾分类研究
被引量：
1
2
作者
徐明明
高丙朋
黄家興
机构
新疆大学电气工程学院
出处
《现代电子技术》
2022年第17期95-99,共5页
基金
新疆维吾尔自治区自然科学基金资助项目(2019D01C079)。
文摘
针对当前日益严重的塑料污染问题,开展塑料垃圾分类与回收迫在眉睫,采用更精细的垃圾分类方法,使得塑料垃圾回收利用的比率将会越来越高,也能从源头上杜绝塑料污染。目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型占用内存大等问题。改进残差网络结构,提出一种双通道轻量级网络(DCLNet-18)对塑料垃圾进行分类。首先使用深度可分离卷积替换标准卷积,减少网络的参数量和计算量;然后在网络的每个BasicBlock后串联双通道注意力机制,增强网络的特征提取能力;最后与AlexNet、VGG、ResNet等系列网络对比。实验结果表明,相比ResNet18网络,DCLNet-18网络的训练时间缩短12.5%,准确率提高2.8%,因此更适合移动端、嵌入式设备应用,为塑料垃圾分类网络轻量化提供了新的思路。
关键词
塑料垃圾
残差网络
垃圾分类
深度学习
轻量级网络
深度可分离卷积
双通道注意力机制
Keywords
plastic waste
residual network
waste classification
deep learning
lightweight network
depthwise separable convolution
dual-channel attention mechanism
分类号
TN911.73-34 [电子电信—通信与信息系统]
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
基于双通道注意力机制的AE-BIGRU交通流预测模型
黄艳国
何烜
杨仁峥
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
改进残差网络的轻量级塑料垃圾分类研究
徐明明
高丙朋
黄家興
《现代电子技术》
2022
1
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
