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
3
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
基于增强图卷积神经网络的病毒形态识别方法研究
被引量：
4
1
作者
哈艳
袁伟珵
+1 位作者
孟翔杰
田俊峰
《中国全科医学》
CAS
北大核心
2022年第14期1749-1756,共8页
背景透射电子显微镜(TEM)是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。目的探讨增强图卷积神经网络(EGCN)对TEM图像中的...
背景透射电子显微镜(TEM)是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。目的探讨增强图卷积神经网络(EGCN)对TEM图像中的病毒形态自动识别问题,以提高TEM病毒检测的效率。方法EGCN模型利用卷积神经网络(CNN)提取像素间的局部特征信息,并结合样本特征之间的最近邻关系利用图卷积网络(GCN)进行图特征学习。在模型优化中联合优化群体超分类损失和分类交叉熵损失以提高EGCN模型对病毒类别信息特征的提取能力,较CNN对TEM病毒图像特征具备更强的特征提取能力。结果通过不同方法在15类TEM病毒图像数据集上开展实验,EGCN达到3.40%的top-1错误率、1.88%的top-2错误率、96.65%的精确度和96.60%的召回率,并通过一系列对比实验表明EGCN模型可以有效避免TEM图像中背景、噪声等的影响,提高对病毒识别的准确率。结论EGCN可以有效解决病毒形态识别任务,为病毒的诊断提供重要的参考价值。
展开更多
关键词
病毒形态分类
神经网络
计算机
卷
积
神经网络
图卷
积
网络
增强
图卷
积
神经网络
在线阅读
下载PDF
职称材料
融合电网拓扑信息的分支竞争Q网络智能体紧急切负荷决策
被引量：
1
2
作者
潘晓杰
胡泽
+5 位作者
姚伟
兰宇田
徐友平
王玉坤
张慕婕
文劲宇
《电力系统保护与控制》
北大核心
2025年第8期71-80,共10页
暂态电压失稳事件紧急控制措施制定是电力系统仿真分析中的一个重要内容,离线预先制定紧急切负荷决策,在线匹配执行决策方案。但该工作目前主要依赖专家分析海量仿真数据得到,耗时耗力。因此提出了一种融合电网拓扑信息的分支竞争Q网络...
暂态电压失稳事件紧急控制措施制定是电力系统仿真分析中的一个重要内容,离线预先制定紧急切负荷决策,在线匹配执行决策方案。但该工作目前主要依赖专家分析海量仿真数据得到,耗时耗力。因此提出了一种融合电网拓扑信息的分支竞争Q网络智能体的电力系统紧急切负荷决策方法,以提高离线紧急切负荷决策的效率。首先,建立了一种基于事件驱动的马尔科夫决策过程,可以有效指导深度强化学习智能体的训练。其次,设计了一种分支竞争Q网络智能体,相比传统无分支网络,基于分支竞争Q网络智能体具有更强的训练效率和决策能力。然后,为进一步增强智能体的训练效率和决策性能,通过图卷积增强将电力系统拓扑信息融入到智能体的训练过程。最后,在中国电力科学研究院8机36节点系统进行了验证。相比于无分支网络和无拓扑信息融入的深度强化学习智能体,所提方法具有更高的训练效率和决策性能。
展开更多
关键词
仿真分析
暂态电压失稳
紧急切负荷决策
深度强化学习
分支竞争Q网络
电网拓扑信息
图卷积增强
在线阅读
下载PDF
职称材料
骨架引导的多模态视频异常行为检测方法
被引量：
3
3
作者
付荣华
刘成明
+2 位作者
刘合星
高宇飞
石磊
《郑州大学学报（理学版）》
CAS
北大核心
2024年第1期16-24,共9页
视频异常行为检测是智能视频监控分析的一项重要且具有挑战性的任务,旨在自动发现异常事件。针对只采用单骨架模态导致部分相似运动模式的行为难以区分和缺乏时间全局信息的问题,提出骨架引导的多模态异常行为检测方法。为了充分利用RG...
视频异常行为检测是智能视频监控分析的一项重要且具有挑战性的任务,旨在自动发现异常事件。针对只采用单骨架模态导致部分相似运动模式的行为难以区分和缺乏时间全局信息的问题,提出骨架引导的多模态异常行为检测方法。为了充分利用RGB视频模态和骨架模态的优势进行相似行为下的异常行为检测,将从骨架模态中提取的动作行为特征作为引导,使用新的空间嵌入来加强RGB视频和骨架姿态之间的对应关系。同时使用时间自注意力提取相同节点的帧间关系,以捕获时间的全局信息,有效提取具有区分性的异常行为特征。在两个大型公开标准数据集上的实验结果表明所提方法能够有效加强骨架引导的多模态特征在空间和模态上的对应关系,并捕获时空图卷积缺乏的时间全局信息,使运动模式相似的异常行为实现更准确检测。
展开更多
关键词
视频异常行为检测
骨架
多模态融合
时空自注意力
增强
图卷
积
空间嵌入
在线阅读
下载PDF
职称材料
题名
基于增强图卷积神经网络的病毒形态识别方法研究
被引量：
4
1
作者
哈艳
袁伟珵
孟翔杰
田俊峰
机构
河北大学管理学院
河北省高可信信息系统重点实验室
河北医科大学基础医学院
河北大学数学与信息科学学院
河北大学网络空间安全与计算机学院
出处
《中国全科医学》
CAS
北大核心
2022年第14期1749-1756,共8页
基金
国家自然科学基金资助项目(61802106)
河北省自然科学基金资助项目(F2021201049)。
文摘
背景透射电子显微镜(TEM)是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。目的探讨增强图卷积神经网络(EGCN)对TEM图像中的病毒形态自动识别问题,以提高TEM病毒检测的效率。方法EGCN模型利用卷积神经网络(CNN)提取像素间的局部特征信息,并结合样本特征之间的最近邻关系利用图卷积网络(GCN)进行图特征学习。在模型优化中联合优化群体超分类损失和分类交叉熵损失以提高EGCN模型对病毒类别信息特征的提取能力,较CNN对TEM病毒图像特征具备更强的特征提取能力。结果通过不同方法在15类TEM病毒图像数据集上开展实验,EGCN达到3.40%的top-1错误率、1.88%的top-2错误率、96.65%的精确度和96.60%的召回率,并通过一系列对比实验表明EGCN模型可以有效避免TEM图像中背景、噪声等的影响,提高对病毒识别的准确率。结论EGCN可以有效解决病毒形态识别任务,为病毒的诊断提供重要的参考价值。
关键词
病毒形态分类
神经网络
计算机
卷
积
神经网络
图卷
积
网络
增强
图卷
积
神经网络
Keywords
Virus morphological classification
Neural networks,computer
Convolutional neural network
Graph convolutional network
Enhanced graph convolutional network
分类号
R319 [医药卫生—基础医学]
在线阅读
下载PDF
职称材料
题名
融合电网拓扑信息的分支竞争Q网络智能体紧急切负荷决策
被引量：
1
2
作者
潘晓杰
胡泽
姚伟
兰宇田
徐友平
王玉坤
张慕婕
文劲宇
机构
国家电网公司华中分部
强电磁技术全国重点实验室(华中科技大学电气与电子工程学院)
出处
《电力系统保护与控制》
北大核心
2025年第8期71-80,共10页
基金
国家自然科学基金项目资助(U22B20111)
国家电网公司科技项目资助“基于数据-知识混合驱动的电网安全稳定分析关键技术研究”(52140023000S)。
文摘
暂态电压失稳事件紧急控制措施制定是电力系统仿真分析中的一个重要内容,离线预先制定紧急切负荷决策,在线匹配执行决策方案。但该工作目前主要依赖专家分析海量仿真数据得到,耗时耗力。因此提出了一种融合电网拓扑信息的分支竞争Q网络智能体的电力系统紧急切负荷决策方法,以提高离线紧急切负荷决策的效率。首先,建立了一种基于事件驱动的马尔科夫决策过程,可以有效指导深度强化学习智能体的训练。其次,设计了一种分支竞争Q网络智能体,相比传统无分支网络,基于分支竞争Q网络智能体具有更强的训练效率和决策能力。然后,为进一步增强智能体的训练效率和决策性能,通过图卷积增强将电力系统拓扑信息融入到智能体的训练过程。最后,在中国电力科学研究院8机36节点系统进行了验证。相比于无分支网络和无拓扑信息融入的深度强化学习智能体,所提方法具有更高的训练效率和决策性能。
关键词
仿真分析
暂态电压失稳
紧急切负荷决策
深度强化学习
分支竞争Q网络
电网拓扑信息
图卷积增强
Keywords
simulation analysis
transient voltage instability
emergency load shedding decision-making
deep reinforcement learning
branching dueling Q-network
power grid topology information
graph convolution enhancement
分类号
TM73 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
骨架引导的多模态视频异常行为检测方法
被引量：
3
3
作者
付荣华
刘成明
刘合星
高宇飞
石磊
机构
郑州大学网络空间安全学院
郑州市公安局科技通信管理处
出处
《郑州大学学报（理学版）》
CAS
北大核心
2024年第1期16-24,共9页
基金
国家重点研发计划项目(2018YFC0824402)。
文摘
视频异常行为检测是智能视频监控分析的一项重要且具有挑战性的任务,旨在自动发现异常事件。针对只采用单骨架模态导致部分相似运动模式的行为难以区分和缺乏时间全局信息的问题,提出骨架引导的多模态异常行为检测方法。为了充分利用RGB视频模态和骨架模态的优势进行相似行为下的异常行为检测,将从骨架模态中提取的动作行为特征作为引导,使用新的空间嵌入来加强RGB视频和骨架姿态之间的对应关系。同时使用时间自注意力提取相同节点的帧间关系,以捕获时间的全局信息,有效提取具有区分性的异常行为特征。在两个大型公开标准数据集上的实验结果表明所提方法能够有效加强骨架引导的多模态特征在空间和模态上的对应关系,并捕获时空图卷积缺乏的时间全局信息,使运动模式相似的异常行为实现更准确检测。
关键词
视频异常行为检测
骨架
多模态融合
时空自注意力
增强
图卷
积
空间嵌入
Keywords
video abnormal behavior detection
skeleton
multimodal fusion
spatiotemporal self-attention augmented graph convolution
spatial embedding
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
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
基于增强图卷积神经网络的病毒形态识别方法研究
哈艳
袁伟珵
孟翔杰
田俊峰
《中国全科医学》
CAS
北大核心
2022
4
在线阅读
下载PDF
职称材料
2
融合电网拓扑信息的分支竞争Q网络智能体紧急切负荷决策
潘晓杰
胡泽
姚伟
兰宇田
徐友平
王玉坤
张慕婕
文劲宇
《电力系统保护与控制》
北大核心
2025
1
在线阅读
下载PDF
职称材料
3
骨架引导的多模态视频异常行为检测方法
付荣华
刘成明
刘合星
高宇飞
石磊
《郑州大学学报（理学版）》
CAS
北大核心
2024
3
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
