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10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：
基于堆叠卷积注意力的网络流量异常检测模型 被引量：16
1
作者 董卫宇 李海涛 +2 位作者 王瑞敏 任化娟 孙雪凯 《计算机工程》 CAS CSCD 北大核心 2022年第9期12-19,共8页
入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要... 入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要特征。针对上述问题,提出一种基于堆叠卷积注意力的DNN网络流量异常检测模型。通过堆叠多个以残差模块连接的注意力模块增加网络模型深度,同时在注意力模块中引入卷积神经网络、池化层、批归一化层和激活函数层,防止模型过拟合并提升模型性能,最后在DNN模型中得到输出向量。基于NSL-KDD数据集对模型性能进行评估,将数据集预处理生成二进制特征,采用多分类、二分类方式验证网络流量异常检测效果。实验结果表明,该模型性能优于KNN、SVM等机器学习模型和ANN、AlertNet等深度学习模型,其在多分类任务中识别准确率为0.807 6,较对比模型提高0.034 0~0.097 5,在二分类任务中准确率和F1分数为0.860 0和0.863 8,较对比模型提高0.013 0~0.098 8和0.030 6~0.112 8。 展开更多
关键词 网络流量异常检测 入侵检测系统 深度神经网络 堆叠卷积注意力 二进制特征
在线阅读 下载PDF
基于信息融合与堆叠卷积网络的TBM推力和扭矩预测
2
作者 杨耀红 张哲 +2 位作者 陈建国 李群胜 刘宇翔 《水电能源科学》 2025年第9期92-96,共5页
合理准确预测隧道掘进机的推力和扭矩是实现TBM智能化控制的关键问题之一。对此,提出一种两阶段知识数据双驱动时空堆叠卷积网络(KD-NTS-GAT)预测方法。首先基于专家知识表达与NTS-NOTEARS方法提出一种新的信息融合技术,通过聚类方法将... 合理准确预测隧道掘进机的推力和扭矩是实现TBM智能化控制的关键问题之一。对此,提出一种两阶段知识数据双驱动时空堆叠卷积网络(KD-NTS-GAT)预测方法。首先基于专家知识表达与NTS-NOTEARS方法提出一种新的信息融合技术,通过聚类方法将离散的专家经验与NTS-NOTEARS连续指标进行映射并平滑融合,量化提取TBM关键运行参数之间的因果关系,显著提高了因果关系的真实性。然后,将因果关系作为先验知识进一步与堆叠卷积网络深度学习模型结合,用于预测TBM推力和扭矩。结合新疆输水隧洞工程Ⅳ标段,将KD-NTS-GAT方法与纯数据驱动结果进行对比分析,结果表明两阶段知识数据双驱动时空堆叠卷积网络具有更好的推力与扭矩预测能力。研究结论可为TBM施工智能化控制提供参考。 展开更多
关键词 TBM 信息融合 NTS-NOTEARS 堆叠卷积网络
在线阅读 下载PDF
基于双重三池化注意力机制的PSMNet算法
3
作者 刘腾飞 林冬云 +1 位作者 兰维瑶 陈岳航 《应用光学》 北大核心 2025年第2期327-335,共9页
为解决小型纹理类物体的视差计算及三维重建问题,提出了基于双重三池化注意力机制的PSMNet-ECSA算法。通过在残差网络主干中嵌入通道和空间注意力两个维度,每个维度以平均、最大、混合池化的方式进行特征维度融合,在一定程度上防止了过... 为解决小型纹理类物体的视差计算及三维重建问题,提出了基于双重三池化注意力机制的PSMNet-ECSA算法。通过在残差网络主干中嵌入通道和空间注意力两个维度,每个维度以平均、最大、混合池化的方式进行特征维度融合,在一定程度上防止了过拟合现象,从而增强网络信息提取能力和泛化能力。在实验环境和数据集一致的条件下,经过SceneFlow、KITTI2015和真实场景实验分析,相对比原始PSMNet算法,本文算法在平均绝对误差、阈值误差等指标取得了10%的提升;将该算法应用于鲍鱼重建三维点云模型,长、宽、呼吸孔等距离测量平均相对误差在3%以内,能够以自动化的方式测量并记录小型海洋类生物的生长情况,具有良好的实际应用价值。 展开更多
关键词 视差图 立体匹配 堆叠卷积 注意力机制 三池化
在线阅读 下载PDF
多传感器信息融合的轴承故障迁移诊断方法 被引量：4
4
作者 包从望 江伟 +1 位作者 张彩红 周大帅 《机电工程》 CAS 北大核心 2024年第5期878-885,共8页
在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合... 在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合传感器的通道数,构建了堆叠卷积神经网络(MCNNs)提取各个通道的故障特征;然后,在MCNNs中引入最小绝对收缩与选择算子(Lasso),并通过网络反向传播完成了特征权值的更新,从而获得了多通道特征的融合;最后,利用源域数据对模型进行了训练,提取了故障特征,并完成了特征融合,采用损失函数完成了模型参数的优化,将源域训练得到的模型结果作为目标域的初始模型,利用目标域样本对初始模型的参数进行了微调,从而完成了模型迁移;并进行了信息融合效果、方法对比以及传感器信息采集属性的性能实验。研究结果表明:传感器的安装位置对信息融合影响较大,MCNNs+Lasso方法具有较好的特征融合效果,平均迁移诊断精度为99.03%,部分精度可达99.97%,在多个变工况的迁移任务中表现出较高迁移精度和良好的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 多传感器信息融合 堆叠卷积神经网络 最小绝对收缩与选择算子 迁移学习
在线阅读 下载PDF
基于长序列的航空发动机剩余使用寿命预测方法 被引量：5
5
作者 郭俊锋 刘国华 刘国伟 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第3期774-784,共11页
针对多传感器长序列数据下航空发动机剩余使用寿命预测方法存在预测准确度不足的问题,提出一种基于堆叠膨胀卷积神经网络(SDCNN)的航空发动机剩余使用寿命预测方法。将多传感器长序列数据归一化处理,降低因量纲和取值范围不同引起的误差... 针对多传感器长序列数据下航空发动机剩余使用寿命预测方法存在预测准确度不足的问题,提出一种基于堆叠膨胀卷积神经网络(SDCNN)的航空发动机剩余使用寿命预测方法。将多传感器长序列数据归一化处理,降低因量纲和取值范围不同引起的误差;构建预测目标函数表征航空发动机的真实退化情况;搭建基于SDCNN的预测模型,扩大模型感受野,提取数据中的长期、深层和全局时序特征用于回归分析,得到航空发动机的剩余使用寿命预测结果;采用Hyperband优化算法和StratifiedKFold交叉验证方法优化模型,提升模型预测准确度和不同条件下的适应性,并采用商用模块化航空推进系统仿真(C-MAPSS)数据集验证所提方法的有效性。在C-MAPSS中FD003数据集上的实验结果表明:所提方法可有效提高基于长序列的航空发动机剩余使用寿命预测准确度,模型预测准确度得分指标明显降低32.62%。 展开更多
关键词 堆叠膨胀卷积 剩余使用寿命预测 Hyperband超参数优化算法 航空发动机 长序列信号
在线阅读 下载PDF
基于视觉传达技术的激光图像多级融合方法研究
6
作者 宁晓蕾 张思斯 《激光杂志》 CAS 北大核心 2024年第4期141-147,共7页
设计了基于视觉传达技术的激光图像多级融合方法,以获得突出的视觉传达效果。首先采用改进单尺度Retinex算法提取原始激光图的反射图像,并通过高斯-拉普拉斯算法的重构获得的多尺度彩色图像,实现原始激光图像的增强,然后采用深度堆叠卷... 设计了基于视觉传达技术的激光图像多级融合方法,以获得突出的视觉传达效果。首先采用改进单尺度Retinex算法提取原始激光图的反射图像,并通过高斯-拉普拉斯算法的重构获得的多尺度彩色图像,实现原始激光图像的增强,然后采用深度堆叠卷积神经网络对获得高、低频图像,并依据最大局部方差融高频图像,根据匹配度与阈值的对比融合低频图像,最后实验结果表明:堆叠CNN数量为4时,融合后的激光图像视觉传达效果最优,该方法增强后的激光图像局部细节信息丰富、色彩饱满度好,融合图像的图像最大灰度值频率仅为0.015。 展开更多
关键词 视觉传达技术 激光图像 多级融合 单尺度Retinex 深度堆叠卷积神经网络 融合规则
在线阅读 下载PDF
基于CNN与BLS的滚动轴承故障诊断方法 被引量：3
7
作者 官源林 刘贵林 +2 位作者 于春雨 杨熙鑫 井陆阳 《振动．测试与诊断》 EI CSCD 北大核心 2024年第5期1017-1022,1044,共7页
针对传统滚动轴承故障诊断方法训练时间长和效率低的问题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和宽度学习系统(broad learning system,简称BLS)的故障诊断方法,实现了端到端的快速准确模式识别。首先,建立... 针对传统滚动轴承故障诊断方法训练时间长和效率低的问题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和宽度学习系统(broad learning system,简称BLS)的故障诊断方法,实现了端到端的快速准确模式识别。首先,建立CNN与BLS结合的宽度卷积学习系统(broad convolutional learning system,简称BCLS),利用CNN提取信号特征和BLS进行分类,获得系统输出;其次,通过残差学习增加BLS层数,形成堆叠宽度卷积学习系统(stacked broad convolutional learning system,简称SBCLS),优化预测输出与真实标签的误差,对轴承故障模式进行识别;最后,通过试验将所提方法与3种BLS方法的预测结果进行了比较验证。结果表明,与几种常见故障诊断方法相比,所提方法诊断效果更佳,具有更高的准确率和训练效率,在边缘端的智能故障诊断中具有较好的应用前景。 展开更多
关键词 堆叠宽度卷积学习系统 卷积神经网络 故障诊断 滚动轴承
在线阅读 下载PDF
一种面向多模态手术轨迹的快速无监督分割方法 被引量：1
8
作者 邵振洲 赵红发 +3 位作者 渠瀛 施智平 关永 袁慧梅 《小型微型计算机系统》 CSCD 北大核心 2018年第10期2296-2302,共7页
基于视频和机器人运动学数据的多模态手术轨迹分割是机器人辅助微创手术中的一类基本任务,用于生成低复杂度的子任务进行学习和技能评估等.然而由于手术视频的高维特征空间,传统的特征提取方法存在效率低下、难以提取有效特征的缺陷.此... 基于视频和机器人运动学数据的多模态手术轨迹分割是机器人辅助微创手术中的一类基本任务,用于生成低复杂度的子任务进行学习和技能评估等.然而由于手术视频的高维特征空间,传统的特征提取方法存在效率低下、难以提取有效特征的缺陷.此外,传统轨迹分割方法未对运动学轨迹进行去噪处理,分割结果易受噪声影响.为此,本文提出了一种基于手术视频和机器人运动学数据的快速手术轨迹无监督分割方法.一方面,采用堆叠卷积自编码器方法对手术视频进行无监督的低维特征提取,提高特征提取的效率;另一方面,利用小波变换对手术运动学轨迹进行多尺度去噪处理,平滑短程轨迹,减少噪声对分割结果的影响.最后,采用非参混合模型实现手术轨迹的分割.实验表明,本文提出的手术轨迹分割方法能够在保证准确性的前提下,基于视觉和运动学特征的分割速度相较于基于深度学习转移状态聚类(TSC-DL)提高了10倍. 展开更多
关键词 机器人辅助微创手术 轨迹分割 堆叠卷积自编码 小波平滑 深度学习
在线阅读 下载PDF
基于多尺度循环残差神经网络的图像去运动模糊 被引量：5
9
作者 方睿 周愉 +1 位作者 刘鹏 刘凯 《计算机工程与设计》 北大核心 2022年第3期786-793,共8页
现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR... 现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息。实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果。 展开更多
关键词 运动模糊 视觉感知 多损失融合 编码器-解码器 小卷积核堆叠
在线阅读 下载PDF
基于RetinaNet的水下机器人目标检测 被引量：4
10
作者 陈伟 魏庆宇 +1 位作者 张境锋 郭碧宇 《计算机工程与设计》 北大核心 2022年第10期2959-2967,共9页
为解决水下机器人目标检测效率低且环境适应力差的问题,提出一种基于改进的Retina网络水下机器人目标检测方法。采用Dense Net替代Res Net构建骨干网络,使用卷积层堆叠代替原始单次卷积操作,减轻网络重量。以海参为典型研究目标,实验结... 为解决水下机器人目标检测效率低且环境适应力差的问题,提出一种基于改进的Retina网络水下机器人目标检测方法。采用Dense Net替代Res Net构建骨干网络,使用卷积层堆叠代替原始单次卷积操作,减轻网络重量。以海参为典型研究目标,实验结果表明,所提方法能够正常运行在水下机器人上,相比之前基于机器视觉的目标检测方法,检测精度提高约23%,运行速度提高约17%,在运行速度与检测精度上优于一些基于卷积神经网络的常见目标检测算法。 展开更多
关键词 目标检测 水下机器人 视网膜网络 稠密连接网络 卷积层堆叠
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 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