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
基于双重自注意力机制和长短时记忆网络的剩余寿命预测
被引量：
2
1
作者
吴嘉俊
苏春
张玉茹
《系统工程与电子技术》
EI
CSCD
北大核心
2024年第6期1986-1994,共9页
剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预...
剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预测方法,采用随机森林(random forest,RF)算法筛选输入特征,以主动选取关键特征;采用双重自注意力机制分别从特征维度和时间维度完成权重自适应分配,使模型在学习过程中关注主要特征和历史时间点;通过融合统计特征,以提高RUL预测精度。以航空发动机数据集为例完成案例分析,验证方法有效性。结果表明,所提方法能有效提高基于复杂数据集的RUL预测精度。
展开更多
关键词
剩余寿命预测
随机森林
双重自注意力
机制
长短期记忆网络
航空发动机
在线阅读
下载PDF
职称材料
基于多尺度双重自注意力的遥感影像变化检测
2
作者
史经业
左一平
+2 位作者
支瑞聪
刘吉强
张梦鸽
《计算机科学》
CSCD
北大核心
2024年第S02期260-268,共9页
针对遥感影像地物目标尺度不一、上下文信息不足和边缘细节信息难以恢复等问题,提出一种基于多尺度双重自注意力的像素级变化检测网络(Pixel-based change detection Network,PixelNet)实现遥感影像变化检测任务。一方面,使用基于混合...
针对遥感影像地物目标尺度不一、上下文信息不足和边缘细节信息难以恢复等问题,提出一种基于多尺度双重自注意力的像素级变化检测网络(Pixel-based change detection Network,PixelNet)实现遥感影像变化检测任务。一方面,使用基于混合空洞卷积的多尺度特征金字塔提取卷积特征,并加入双重自注意力模块获取通道和空间注意力,兼顾细节和语义信息的同时增加特征感受野,进一步增加了全局上下文信息。另一方面,为了优化地物目标的边界圆滑模糊问题,通过边缘感知损失与加权对比损失的自动化联合训练,实现新的边缘修复模块。针对样本不均衡问题提出了带阈值的加权均衡采样的数据处理策略,以减轻变化像素数目远远小于未变化像素数目造成的网络训练倾斜问题。在遥感影像数据集CDD和LEVIR-CD上通过实验证明,所提像素级变化检测网络PixelNet在遥感变化检测任务上的主观视觉效果及客观评价指标优于SOTA的检测结果。在CDD数据集上检测精度达到98.0%,F1分数达到96.7%;在LEVIR-CD数据集上检测精度达到95.8%,F1分数为87.2%。该网络有效解决了遥感变化检测中样本不平衡、双时相特征上下文信息不足、边缘难例分类错误等问题。
展开更多
关键词
变化检测
遥感影像
混合空洞卷积
双重自注意力
边缘修复
在线阅读
下载PDF
职称材料
题名
基于双重自注意力机制和长短时记忆网络的剩余寿命预测
被引量：
2
1
作者
吴嘉俊
苏春
张玉茹
机构
东南大学机械工程学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2024年第6期1986-1994,共9页
基金
国家自然科学基金(71671035)资助课题。
文摘
剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预测方法,采用随机森林(random forest,RF)算法筛选输入特征,以主动选取关键特征;采用双重自注意力机制分别从特征维度和时间维度完成权重自适应分配,使模型在学习过程中关注主要特征和历史时间点;通过融合统计特征,以提高RUL预测精度。以航空发动机数据集为例完成案例分析,验证方法有效性。结果表明,所提方法能有效提高基于复杂数据集的RUL预测精度。
关键词
剩余寿命预测
随机森林
双重自注意力
机制
长短期记忆网络
航空发动机
Keywords
remaining useful life(RUL)prediction
random forest(RF)
double self-attention mechanism
long short-term memory(LSTM)network
aircraft engine
分类号
TH17 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于多尺度双重自注意力的遥感影像变化检测
2
作者
史经业
左一平
支瑞聪
刘吉强
张梦鸽
机构
北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室
北京科技大学计算机与通信工程学院
材料领域知识工程北京市重点实验室(北京科技大学)
郑州大学计算机与人工智能学院
出处
《计算机科学》
CSCD
北大核心
2024年第S02期260-268,共9页
基金
国家科技支撑计划(2018YFC0823002)
中央高校基本科研业务费专项资金(FRF-TP-20-10B,FRF-GF-19-010A)。
文摘
针对遥感影像地物目标尺度不一、上下文信息不足和边缘细节信息难以恢复等问题,提出一种基于多尺度双重自注意力的像素级变化检测网络(Pixel-based change detection Network,PixelNet)实现遥感影像变化检测任务。一方面,使用基于混合空洞卷积的多尺度特征金字塔提取卷积特征,并加入双重自注意力模块获取通道和空间注意力,兼顾细节和语义信息的同时增加特征感受野,进一步增加了全局上下文信息。另一方面,为了优化地物目标的边界圆滑模糊问题,通过边缘感知损失与加权对比损失的自动化联合训练,实现新的边缘修复模块。针对样本不均衡问题提出了带阈值的加权均衡采样的数据处理策略,以减轻变化像素数目远远小于未变化像素数目造成的网络训练倾斜问题。在遥感影像数据集CDD和LEVIR-CD上通过实验证明,所提像素级变化检测网络PixelNet在遥感变化检测任务上的主观视觉效果及客观评价指标优于SOTA的检测结果。在CDD数据集上检测精度达到98.0%,F1分数达到96.7%;在LEVIR-CD数据集上检测精度达到95.8%,F1分数为87.2%。该网络有效解决了遥感变化检测中样本不平衡、双时相特征上下文信息不足、边缘难例分类错误等问题。
关键词
变化检测
遥感影像
混合空洞卷积
双重自注意力
边缘修复
Keywords
Change detection
Remote sensing images
Hybrid cavity convolution
Double self-attention
Edge repair
分类号
TP753 [自动化与计算机技术—检测技术与自动化装置]
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
基于双重自注意力机制和长短时记忆网络的剩余寿命预测
吴嘉俊
苏春
张玉茹
《系统工程与电子技术》
EI
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于多尺度双重自注意力的遥感影像变化检测
史经业
左一平
支瑞聪
刘吉强
张梦鸽
《计算机科学》
CSCD
北大核心
2024
0
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
