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183篇文章
< 1 2 … 10 >
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：
基于多通道图卷积神经网络的地海杂波分类方法
1
作者 李灿 王增福 +1 位作者 张效宣 潘泉 《雷达学报(中英文)》 北大核心 2025年第2期322-337,共16页
地海杂波分类是提升天波超视距雷达目标定位精度的关键技术,其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本,训练时间长,费效比高... 地海杂波分类是提升天波超视距雷达目标定位精度的关键技术,其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本,训练时间长,费效比高;此外,其输入为单个方位-距离单元杂波,未考虑样本的类内和类间信息,导致模型性能不佳。针对上述问题,该文通过分析相邻方位-距离单元之间的相关性,将地海杂波数据由欧氏空间转换为非欧氏空间中的图数据,引入样本之间的关系,并提出一种基于多通道图卷积神经网络(MC-GCN)的地海杂波分类方法。MC-GCN将图数据由单通道分解为多通道,每个通道只包含一种类型的边和一个权重矩阵,通过约束节点信息聚合的过程,能够有效缓解由异质性造成的节点属性误判。该文选取不同季节、不同时刻、不同探测区域RD图,依据雷达参数、数据特性和样本比例,构建包含12种不同场景的地海杂波原始数据集和36种不同配置的地海杂波稀缺数据集,并对MC-GCN的有效性进行验证。通过与最先进的地海杂波分类方法进行比较,该文所提出的MC-GCN在上述数据集中均表现最优,其分类准确率不低于92%。 展开更多
关键词 天波超视距雷达 地海杂波分类 图数据 图卷积神经网络 异质性
在线阅读 下载PDF
基于卷积神经网络与图卷积网络的水力机械故障诊断
2
作者 吴学春 夏臣智 +4 位作者 肖湘曲 李超顺 李英玉 莫兆祥 吴韬为 《中国农村水利水电》 北大核心 2025年第2期143-147,共5页
水力机械设备在当前国民生产中扮演着重要角色,其安全稳定运行至关重要。针对单一深度特征难以有效反映机组故障信息的难题,提出了基于卷积神经网络与图卷积网络特征融合的水力机械设备故障诊断模型。首先利用卷积神经网络获取水力机械... 水力机械设备在当前国民生产中扮演着重要角色,其安全稳定运行至关重要。针对单一深度特征难以有效反映机组故障信息的难题,提出了基于卷积神经网络与图卷积网络特征融合的水力机械设备故障诊断模型。首先利用卷积神经网络获取水力机械设备监测信号卷积深度特征,同时利用快速傅里叶变换获取监测信号频谱值,构建监测信号图数据,建立图卷积网络提取样本关联特征。然后利用注意力机制对不同类型特征进行加权求和实现多模态特征融合。最后利用全连接层实现设备的故障诊断。通过水电机组、水泵主机组故障实测数据以及轴承故障数据进行验证,结果表明所提模型能有效实现水力机械设备故障诊断。 展开更多
关键词 水力机械 卷积神经网络 图卷积网络 故障诊断
在线阅读 下载PDF
基于知识图谱和图卷积神经网络的代码回归测试方法
3
作者 李玉龙 《舰船电子对抗》 2025年第1期59-64,100,共7页
回归测试确保了软件更新后,原有功能正常运行,新增功能的可靠性得到验证。分析代码修改部分并有针对性地选择测试用例可提升测试效率。将知识图谱与图卷积神经网络融入回归测试的过程中,提出基于知识图谱和图卷积神经网络的代码回归测... 回归测试确保了软件更新后,原有功能正常运行,新增功能的可靠性得到验证。分析代码修改部分并有针对性地选择测试用例可提升测试效率。将知识图谱与图卷积神经网络融入回归测试的过程中,提出基于知识图谱和图卷积神经网络的代码回归测试方法。通过对代码信息的提取与构建多层次代码信息知识图谱,使得变更相关信息可以高效获取和可视化表达。通过知识图谱构建测试用例邻接矩阵,并结合图卷积神经网络模型进行训练与定位,实现了对代码缺陷的准确定位,相较传统方法具有更强的泛用性和准确性。 展开更多
关键词 回归测试 知识图谱 图卷积神经网络
在线阅读 下载PDF
融合知识图谱与图卷积神经网络的非结构文本实体关系抽取
4
作者 熊文俊 赵辉 《信息技术与信息化》 2025年第2期71-74,共4页
非结构文本中的信息通常分散且不连贯,导致实体之间存在关系重叠,影响抽取结果的准确性。为优化非结构文本实体关系抽取效果,文章通过融合知识图谱与图卷积神经网络进行非结构文本实体关系抽取。基于预处理后的非结构文本数据构建一个... 非结构文本中的信息通常分散且不连贯,导致实体之间存在关系重叠,影响抽取结果的准确性。为优化非结构文本实体关系抽取效果,文章通过融合知识图谱与图卷积神经网络进行非结构文本实体关系抽取。基于预处理后的非结构文本数据构建一个包含实体和属性的知识图谱,作为后续实体关系抽取的基础。并将此作为GCN模型的输入,利用GCN对实体和关系进行编码,提取其深层特征。通过与知识图谱的融合,实现了非结构文本中实体关系的抽取。实验结果表明,该方法在处理非结构文本信息量增大的情况下,信息完整性保持得相当稳定,全程维持在约98%的高水平,且在2 ms以内即可完成256个节点的抽取。说明其方法能够完整且准确地抽取非结构文本中的实体关系,应用效果优势显著。 展开更多
关键词 知识图谱 图卷积神经网络 非结构文本 实体关系抽取
在线阅读 下载PDF
基于多尺度时空残差图卷积神经网络的动作识别
5
作者 陈智威 兰兴荣 +3 位作者 曾永强 赵辉 甘宏 张永华 《海军航空大学学报》 2025年第2期292-302,共11页
针对现有方法在舰船和海上作业人员的识别中,由于时空图卷积层结构固定,难以对舰船动态行为和海上作业人员动作建立短期和长期的信息关联的问题,提出了一种基于多尺度时空残差图卷积神经网络的动作识别方法,其核心思想是通过时空图卷积... 针对现有方法在舰船和海上作业人员的识别中,由于时空图卷积层结构固定,难以对舰船动态行为和海上作业人员动作建立短期和长期的信息关联的问题,提出了一种基于多尺度时空残差图卷积神经网络的动作识别方法,其核心思想是通过时空图卷积网络提取舰船和海上作业人员的时空特征,并构造残差模块,以丰富模型在空间和时间维度上的感受野。具体而言:首先,将舰船轨迹和海上作业人员动作数据作为整体网络的输入,构建一个早期融合的基于图卷积网络的多输入分支架构,从而在人体关节点数据中捕获丰富的特征;其次,通过一系列空间图卷积和时间卷积组成的子图卷积对特征进行处理,并采用分层残差架构形成时空残差图卷积模块,实现邻域多次时空聚合,从而捕获空间和时间域中的短期和长期依赖关系;最后,通过堆叠多个时空残差图卷积模块来进行动作识别。在NTU RGB+D、NTU RGB+D120和Kinetics-Skeleton数据集上进行对比实验,模型的性能具有显著的优势。 展开更多
关键词 图卷积神经网络 多输入分支架构 残差架构 时空聚合 动作识别
在线阅读 下载PDF
IR-GCN:二值图卷积神经网络推理加速器
6
作者 于启航 文渊博 杜子东 《高技术通讯》 CAS 北大核心 2024年第10期1024-1035,共12页
针对图卷积神经网络(GCN)中数据规模庞大、不适合边缘端低功耗处理器高效推理计算的问题,本文提出一种将新型二值数据量化算法(IR-Net)应用于GCN模型推理计算的方法,并设计了对应的硬件加速器IR-GCN。同时,针对计算过程中工作负载分布... 针对图卷积神经网络(GCN)中数据规模庞大、不适合边缘端低功耗处理器高效推理计算的问题,本文提出一种将新型二值数据量化算法(IR-Net)应用于GCN模型推理计算的方法,并设计了对应的硬件加速器IR-GCN。同时,针对计算过程中工作负载分布不均衡的问题,实现了一种负载均衡模块设计,显著提高了计算效率。实验结果表明,在较小精度损失范围内,IR-GCN加速器可以同时降低计算延迟以及访存开销。与现有性能最优的研究相比,IR-GCN加速器平均具有2.4倍的计算加速比、7.9倍的功耗降低、13.7倍的芯片面积减少以及21.0倍的访存量降低。 展开更多
关键词 图卷积神经网络(gcn) 二值神经网络(BNN) 硬件加速器
在线阅读 下载PDF
基于改进图卷积神经网络的半监督分类
7
作者 郭文强 薛博丰 +1 位作者 候勇严 胡永龙 《陕西科技大学学报》 北大核心 2024年第5期191-197,共7页
图卷积神经网络(GCN)是一种用于处理图数据的深度学习模型.在经典的GCN中节点之间的聚合,未考虑节点间相似度的特征信息,影响了分类模型的准确性和模型训练的收敛速度.本文提出了一种改进聚合权重的图卷积神经网络IAW-GCN,通过利用描述... 图卷积神经网络(GCN)是一种用于处理图数据的深度学习模型.在经典的GCN中节点之间的聚合,未考虑节点间相似度的特征信息,影响了分类模型的准确性和模型训练的收敛速度.本文提出了一种改进聚合权重的图卷积神经网络IAW-GCN,通过利用描述节点相似度的曼哈顿距离度量设计了节点聚合权重函数,并用节点距离度量矩阵改进了GCN模型中的特征矩阵,使得IAW-GCN模型在消息传递聚合过程中根据相似度调节节点聚合权重.实验结果表明,在Cora、Citeseer和Pubmed标准引文数据集条件下,IAW-GCN在半监督分类任务中的分类准确率和模型训练收敛速度均优于经典GCN,为解决半监督分类问题提供了一种新方法. 展开更多
关键词 图卷积神经网络 半监督分类 聚合函数
在线阅读 下载PDF
基于图卷积神经网络的滑行时间预测研究
8
作者 彭瑛 侯婧娉 +1 位作者 宛照坤 孙钰 《航空计算技术》 2024年第4期1-6,共6页
为准确预测滑行时间,提出一种基于机场场面运行态势演变的图卷积神经网络预测方法。首先,根据机场场面航空器时空分布情况,从路段流量、路段密度、路段速度等多角度构建交通态势指标体系;其次,利用主成分分析法对指标进行降维处理并利用... 为准确预测滑行时间,提出一种基于机场场面运行态势演变的图卷积神经网络预测方法。首先,根据机场场面航空器时空分布情况,从路段流量、路段密度、路段速度等多角度构建交通态势指标体系;其次,利用主成分分析法对指标进行降维处理并利用K-means算法实现对机场场面路段的态势等级划分,绘制机场场面时空分布热力图;最后,利用图卷积神经网络(GCN)结合门控循环单元(GRU)来获取场面路段特征数据的时空特征,将GRU作为解码器预测输出滑行时间。以深圳宝安国际机场AirTOP仿真数据为例,对所提出的方法进行了分析和验证,并获得了符合预期的预测结果。实验结果表明,该方法在预测滑行时间方面具有有效性。 展开更多
关键词 机场场面 K-MEANS聚类 主成分分析法 图卷积神经网络 滑行时间预测
在线阅读 下载PDF
基于混合特征图卷积神经网络的人体行为识别方法 被引量：1
9
作者 李志新 商樊淇 +2 位作者 郇战 陈瑛 梁久祯 《郑州大学学报（工学版）》 CAS 北大核心 2024年第4期46-52,共7页
基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取... 基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取原始信号的时频特征,进一步构建时空图提取信号的结构特征以挖掘采样点间的动态特性,并在结构特征中加入距离约束,弱化时空图中远距离邻居对中心节点的影响。其次,考虑到结构特征提取时受时空图拓扑关系影响较大,选择样本的时频特征构造图卷积神经网络的输入拓扑,混合时频特征和结构特征作为网络输入特征。最后,输入特征沿着输入拓扑结构传播,得到最终分类结果。为了评估所提模型的性能,在WHARF和DataEgo数据集上进行了实验验证。实验结果表明:所提模型的F1分数相比已有的基于卷积神经网络模型在WHARF和DataEgo上均有提升,WHARF数据集上F1最高提升19.58百分点,DataEgo数据集上F1最高提升26.44百分点,证明所提出模型通过挖掘动态特性能够有效提高动作识别能力。 展开更多
关键词 图卷积神经网络 可穿戴设备 人体行为识别 时空图 特征提取
在线阅读 下载PDF
基于图卷积神经网络的室内穿墙无源目标检测算法 被引量：1
10
作者 杨小龙 唐婷 +1 位作者 李兆玉 唐鑫星 《电子学报》 EI CAS CSCD 北大核心 2024年第2期614-625,共12页
针对室内穿墙场景下目标状态差异而导致的信道状态信息(Channel State Information,CSI)功率谱密度在时序发生相应变化规律的不同,本文提出了一种基于图卷积神经网络(Graph Convolutional Neural,GCN)的室内穿墙无源目标检测算法.不同... 针对室内穿墙场景下目标状态差异而导致的信道状态信息(Channel State Information,CSI)功率谱密度在时序发生相应变化规律的不同,本文提出了一种基于图卷积神经网络(Graph Convolutional Neural,GCN)的室内穿墙无源目标检测算法.不同于传统的基于CSI的统计特征实现目标检测的相关系统,该算法从CSI的图域出发,基于CSI时频图特征构建得到GCN图结构后,使用可实现对复杂图中各节点进行分类的GCN作为分类器,提高了室内复杂环境下目标检测的性能.该方法在对原始CSI进行异常值去除和小波阈值去噪的基础上,利用短时傅里叶变换得到每个子载波上CSI幅值的时频图;然后根据各子载波CSI时频图特点,将存在能量的频率平均分为5个频段,再计算每个频段的平均功率谱密度,并在每个时序对其进行排序;最后基于对平均功率谱密度排序后各频段索引的变化规律构造GCN图,并将其邻接矩阵和特征矩阵输入GCN网络中进行训练,最终实现图节点特征与目标状态的一一映射.实验结果表明,在玻璃墙和砖墙场景下,本文提出的算法能够很好地刻画目标状态不同而导致的CSI功率谱密度变化规律的差异,且其平均检测准确率均高于现有的R-TTWD(Robust device-free Through-The-Wall Detection)和TWMD(The-Wall Moving Detection)目标检测算法. 展开更多
关键词 WI-FI 信道状态信息 穿墙目标检测 短时傅里叶变换 图卷积神经网络
在线阅读 下载PDF
基于动态图卷积神经网络和BiLSTM的情绪识别 被引量：1
11
作者 郑进港 杨俊 《陕西理工大学学报（自然科学版）》 2024年第5期67-73,82,共8页
针对情绪发生过程中电极通道间的空间依赖关系会随着时间推移而发生变化的问题,提出了一种基于动态图卷积神经网络-双向长短时记忆网络(DGCNN-BiLSTM)的模型用于情绪识别。首先,利用DGCNN通过训练神经网络动态学习不同电极通道之间的联... 针对情绪发生过程中电极通道间的空间依赖关系会随着时间推移而发生变化的问题,提出了一种基于动态图卷积神经网络-双向长短时记忆网络(DGCNN-BiLSTM)的模型用于情绪识别。首先,利用DGCNN通过训练神经网络动态学习不同电极通道之间的联系,从而动态更新优化邻接矩阵;其次,BiLSTM可以学习特征序列的前后时间相关性,从而提高网络情绪识别能力。在SEED和DEAP数据集上进行了实验,前者取得92.03%的最高平均准确率,后者在唤醒维度和效价维度实验中分别取得96.56%和95.22%的最高平均准确率。结果表明,模型有利于提升情绪识别准确率,与其他方法相比,情绪分类精度也有不同程度的提升。 展开更多
关键词 图卷积神经网络 动态图卷积神经网络 双向长短时记忆网络 情绪识别 邻接矩阵
在线阅读 下载PDF
基于图卷积神经网络的超密集物联网资源分配策略 被引量：3
12
作者 黄杰 李幸星 +4 位作者 杨凡 丁睿杰 蔡杰良 姚凤航 张鑫 《通信学报》 EI CSCD 北大核心 2024年第10期243-252,共10页
针对超密集物联网(UD-IoT)中存在大量隐藏终端干扰严重影响资源管理问题,提出了一种基于图卷积神经网络的深度确定性梯度的超密集物联网资源分配策略。通过矩阵变换构建冲突图模型,采用极大团和超图理论将冲突图模型转化为冲突超图模型... 针对超密集物联网(UD-IoT)中存在大量隐藏终端干扰严重影响资源管理问题,提出了一种基于图卷积神经网络的深度确定性梯度的超密集物联网资源分配策略。通过矩阵变换构建冲突图模型,采用极大团和超图理论将冲突图模型转化为冲突超图模型,进而将无冲突资源分配问题转化为超图顶点着色问题,并提出了一种基于图卷积神经网络的深度确定性梯度的超密集物联网资源分配算法,采用图卷积强化学习实现无冲突资源分配和资源复用率最大化。仿真实验表明,所提算法具有更高的资源复用率和吞吐量,可以在超密集物联网中提供更好的性能。 展开更多
关键词 超密集物联网 资源分配 深度强化学习 图卷积神经网络
在线阅读 下载PDF
基于噪声和图卷积神经网络的电机故障诊断 被引量：2
13
作者 钟振茂 《声学技术》 CSCD 北大核心 2024年第3期426-431,共6页
文章针对旋转机械设备维护和噪声监测治理的需求,提出了一种基于电机噪声信号和图卷积神经网络的故障诊断算法。该算法对时域数据进行傅里叶变换,将变换后的频域数据转化为图数据,利用提出的新型图卷积神经网络结构对图数据进行训练并... 文章针对旋转机械设备维护和噪声监测治理的需求,提出了一种基于电机噪声信号和图卷积神经网络的故障诊断算法。该算法对时域数据进行傅里叶变换,将变换后的频域数据转化为图数据,利用提出的新型图卷积神经网络结构对图数据进行训练并分类。搭建电机故障实验平台,完成了6种不同状态的电机噪声信号采集与实验验证。实验结果表明,图卷积神经网络能根据有限的电机噪声信号有效识别出电机故障,并具有一定的小样本学习能力,能够在样本量较少的情况下进行故障分类。对比分析表明,该算法分类准确率优于K最近邻-图算法、一维卷积神经网络、自动编码器和支持向量机等其他算法,为实际工程应用提供了参考。 展开更多
关键词 电机噪声 电机故障诊断 图卷积神经网络 小样本学习
在线阅读 下载PDF
面向图卷积神经网络的FPGA部署及加速研究 被引量：2
14
作者 高强 邵春霖 +1 位作者 李京润 沈宗凯 《现代电子技术》 北大核心 2024年第10期39-46,共8页
图卷积神经网络(GCN)算法在处理图结构数据任务中取得了突破性的成功,然而训练图卷积神经网络需要大量的内存空间及多次的随机内存访问等,这限制该算法的进一步部署应用。现有图卷积神经网络的部署及加速方案大多基于VitisHLS工具,该工... 图卷积神经网络(GCN)算法在处理图结构数据任务中取得了突破性的成功,然而训练图卷积神经网络需要大量的内存空间及多次的随机内存访问等,这限制该算法的进一步部署应用。现有图卷积神经网络的部署及加速方案大多基于VitisHLS工具,该工具利用C/C++进行开发,几乎没有采用硬件描述语言的方案,存在软硬件加速不彻底问题。针对上述问题,设计一种面向GCN的FPGA部署及加速架构。该架构主要由计算模块和存储模块构成,两者都是利用硬件描述语言实现。计算模块主要是用硬件描述语言来实现图卷积神经网络的关键算法,即将图卷积神经网络的关键算法映射到现场可编程门阵列中以实现硬件加速;缓存模块主要是调用ROM IP核以及定义二维寄存器组,对输入节点特征、归一化后的邻接矩阵、各个层的量化参数以及中间变量进行存储,从而提高GCN算法的并行度。首先在Pycharm平台上进行模型训练并提取参数进行量化,然后在Vivado平台上对图卷积神经网络进行设计和仿真测试,对比CPU、GPU的运算性能。实验结果表明,所设计的图卷积神经网络加速架构提升了模型的推理速度。 展开更多
关键词 图卷积神经网络 FPGA加速器 硬件描述语言 计算模块 存储模块 参数量化
在线阅读 下载PDF
基于点云图卷积神经网络的3D目标检测
15
作者 刘振威 黄影平 +1 位作者 梁振明 杨静怡 《上海理工大学学报》 CAS CSCD 北大核心 2024年第3期320-330,共11页
随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何... 随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在KITTI数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。 展开更多
关键词 图 图卷积神经网络 激光雷达点云 3D目标检测
在线阅读 下载PDF
基于图卷积神经网络的大规模软件定义网络流量预测模型 被引量：2
16
作者 张国明 《微电子学与计算机》 2024年第4期96-103,共8页
为了提高大规模软件定义网络流量预测的准确率,研究基于图卷积神经网络的大规模软件定义网络流量预测模型。构建包含图卷积神经网络(Graph Convolution Neural Network,GCN)层、门控递归单元(Gating Recursive Unit,GRU)层及自注意力机... 为了提高大规模软件定义网络流量预测的准确率,研究基于图卷积神经网络的大规模软件定义网络流量预测模型。构建包含图卷积神经网络(Graph Convolution Neural Network,GCN)层、门控递归单元(Gating Recursive Unit,GRU)层及自注意力机制层的流量预测模型。通过GCN层与GRU层分别重构与更新网络流量的空间与时间特征;将两种特征共同输入自注意力机制层,经整合与加权平均运算后,获得网络流量预测值输出,实现大规模软件定义网络流量预测。实验结果显示,该模型可精准预测大规模软件定义网络流量,降低所应用网络的通信丢包率与通信延时,实现高质量高时效的网络数据传输,保障大规模软件定义网络的智能流量通信。 展开更多
关键词 图卷积神经网络 软件定义网络 流量预测 门控递归 注意力机制 时间特征
在线阅读 下载PDF
基于图卷积神经网络的电路板装配故障反演方法
17
作者 董晓冬 周金柱 +2 位作者 林强强 杜志强 蔡云霓 《电子机械工程》 2024年第1期25-30,共6页
现阶段电路板装配故障信息不能有效反演至设计师,导致设计制造迭代效率无法提升。文中提出了一种基于图卷积神经网络的电路板装配故障反演方法,首次将电路板的电路结构作为非欧结构数据进行研究,提出了电路板电路结构的图化方法和批量... 现阶段电路板装配故障信息不能有效反演至设计师,导致设计制造迭代效率无法提升。文中提出了一种基于图卷积神经网络的电路板装配故障反演方法,首次将电路板的电路结构作为非欧结构数据进行研究,提出了电路板电路结构的图化方法和批量双模型图卷积相似度算法以解决电路板装配故障反演问题。算法主要流程包括:将目标电路板和待检测电路板群拼接,形成训练集、验证集和测试集,送入第一模型,依次由图卷积神经网络层、全连接层和softmax层对图节点进行分类,并利用准确率、召回率和F_(1)值评估第一模型;随后将完整数据送入第二模型,利用余弦相似度得出目标电路板装配故障器件点和待检测电路板群器件点的相似度评分,并将量化结果推荐到电路板设计师完成辅助设计。实验结果表明,该方法能够对电路板相似故障提出有效的反演设计建议。 展开更多
关键词 图卷积神经网络 电路板装配故障 反演 辅助设计
在线阅读 下载PDF
基于图卷积神经网络的人脸属性识别
18
作者 李名涵 刘科 昂寅 《现代信息科技》 2024年第11期116-120,共5页
人脸图像的多属性识别和多标签之间的依赖性建模研究,是计算机视觉和机器学习领域备受关注的研究课题。为借助多标签间的依赖关系提升识别效率,提出了一种基于图卷积神经网络的多标签人脸属性识别模型。该模型通过数据驱动的方式构建人... 人脸图像的多属性识别和多标签之间的依赖性建模研究,是计算机视觉和机器学习领域备受关注的研究课题。为借助多标签间的依赖关系提升识别效率,提出了一种基于图卷积神经网络的多标签人脸属性识别模型。该模型通过数据驱动的方式构建人脸属性间的有向图,并由图卷积神经网络将每个属性映射到对应属性分类器,以此对类别间的依赖关系进行建模。模型对图卷积神经网络中的相关矩阵和特征矩阵等关键元素进行了深入分析,使其能够胜任多标签人脸属性识别问题。实验结果表明,该模型在多标签人脸属性识别权威数据集CelebA上表现良好并能保持有意义的语义结构。 展开更多
关键词 深度学习 人脸属性识别 图卷积神经网络 多标签分类
在线阅读 下载PDF
时空特性下基于图卷积神经网络的风电集群功率短期预测方法
19
作者 乔宽龙 董存 +2 位作者 车建峰 蒋建东 王勃 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期95-103,共9页
为解决传统风电集群功率预测方法忽略了不同位置点气象关联特性及单场预测无法快速得到风电集群整体功率的问题,并充分考虑到风电集群耦合的复杂时空特性,提出一种融合注意力机制的时空图卷积神经网络的风电集群功率短期预测方法。首先... 为解决传统风电集群功率预测方法忽略了不同位置点气象关联特性及单场预测无法快速得到风电集群整体功率的问题,并充分考虑到风电集群耦合的复杂时空特性,提出一种融合注意力机制的时空图卷积神经网络的风电集群功率短期预测方法。首先,计算区域内风电场站历史功率之间的互信息,提取特征邻接矩阵,并结合影响集群功率的气象特征变量转化为气象图数据。其次,构建图卷积神经网络(GCN)模型,从非欧式空间提取气象图节点关联特征。并馈入融合注意力机制(AM)的门控循环单元网络(GRU)增强时序特征中关键信息对风电集群功率的贡献程度。最后,基于中国西部某省风电集群的实际运行数据,验证所提方法的先进性和适应性。 展开更多
关键词 风电功率 图数据结构 深度学习 时空特性 图卷积神经网络 注意力机制
在线阅读 下载PDF
基于改进图卷积神经网络的航空行李特征感知
20
作者 邢志伟 朱书杰 李彪 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第5期941-950,共10页
针对航空行李自动化码放处理需求下构型特征感知能力不足的问题,设计以PointNet++为基准,融入图卷积神经网络和自注意力机制的航空行李特征感知网络模型.在骨干网络的特征抽象层中引入局部空间注意力模块,提取航空行李点云中相邻点的关... 针对航空行李自动化码放处理需求下构型特征感知能力不足的问题,设计以PointNet++为基准,融入图卷积神经网络和自注意力机制的航空行李特征感知网络模型.在骨干网络的特征抽象层中引入局部空间注意力模块,提取航空行李点云中相邻点的关联空间结构特征,感知区域特征空间的内在联系.通过全局特征聚合模块学习行李点云局部特征间的相关性,自适应聚合航空行李局部特征,形成点云全局上下文信息.利用循环最大池化层回收特征降维中丢弃点的特征,在多个层次上收集航空行李的特征信息,在减少信息冗余的同时,保留强度鲜明的局部、全局特征激活.实验结果表明,航空行李分类的平均精度和整体精度分别为94.68%和96.32%,比PointNet++分别提高了6.53%和5.07%.该网络模型的航空行李特征感知性能优于现有的其他智能算法,能够为航空行李码放空间优化及控制提供准确、可靠、有效的输入. 展开更多
关键词 航空运输 行李特征感知 三维点云 图卷积神经网络 自注意力机制
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 … 10 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