期刊文献+
共找到114篇文章
< 1 2 6 >
每页显示 20 50 100
多尺度多层次信息自适应融合的逆半色调方法
1
作者 李梅 孔维轩 《包装工程》 北大核心 2025年第11期195-204,共10页
目的逆半色调方法是实现数字化文件管理和高精度图像识别的关键技术,通过现有的逆半色调方法恢复得到的图像存在图像内容缺失、图像细节再现模糊等问题。针对现有方法的不足,提出多尺度多层次信息自适应融合的逆半色调方法。方法首先,... 目的逆半色调方法是实现数字化文件管理和高精度图像识别的关键技术,通过现有的逆半色调方法恢复得到的图像存在图像内容缺失、图像细节再现模糊等问题。针对现有方法的不足,提出多尺度多层次信息自适应融合的逆半色调方法。方法首先,提出多尺度自适应深度网络,实现多尺度信息的提取;然后,采用稠密残差块与注意力机制相结合的形式实现图像细节信息的有效提取;最后,构建多信息自适应融合网络,将不同阶段恢复得到的图像内容信息与细节信息有效融合,从而得到高质量的逆半色调图像。实验在Set14、Urban100、Microsoft COCO等3个数据集上与最新的5种方法进行比较。结果实验结果表明,与现有方法相比,在客观评价方面,其峰值信噪比平均值提高了0.05∼5.51 dB,结构相似度平均值提高了0∼0.1;在主观评价方面,运用此方法得到的逆半色调图像去除半色调噪点更为彻底,恢复出的图像细节更好,在视觉上与原始图像更为相近。同时,对于处理256像素×256像素的图像,所提出的网络在GPU上的平均运行时间为0.13 s。结论所提出的多尺度多层次信息自适应融合模型可以得到更高质量的逆半色调图像。 展开更多
关键词 逆半色调方法 多尺度自适应深度网络 多信息自适应融合深度网络 半色调图像
在线阅读 下载PDF
基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量:4
2
作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页
针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多
关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积
在线阅读 下载PDF
基于角度搜索和深度Q网络的移动机器人路径规划算法 被引量:2
3
作者 李宗刚 韩森 +1 位作者 陈引娟 宁小刚 《兵工学报》 北大核心 2025年第2期30-44,共15页
针对深度Q网络(Deep Q Network,DQN)算法在求解路径规划问题时存在学习时间长、收敛速度慢的局限性,提出一种角度搜索(Angle Searching,AS)和DQN相结合的算法(Angle Searching-Deep Q Network,AS-DQN),通过规划搜索域,控制移动机器人的... 针对深度Q网络(Deep Q Network,DQN)算法在求解路径规划问题时存在学习时间长、收敛速度慢的局限性,提出一种角度搜索(Angle Searching,AS)和DQN相结合的算法(Angle Searching-Deep Q Network,AS-DQN),通过规划搜索域,控制移动机器人的搜索方向,减少栅格节点的遍历,提高路径规划的效率。为加强移动机器人之间的协作能力,提出一种物联网信息融合技术(Internet Information Fusion Technology,IIFT)模型,能够将多个分散的局部环境信息整合为全局信息,指导移动机器人规划路径。仿真实验结果表明:与标准DQN算法相比,AS-DQN算法可以缩短移动机器人寻得到达目标点最优路径的时间,将IIFT模型与AS-DQN算法相结合路径规划效率更加显著。实体实验结果表明:AS-DQN算法能够应用于Turtlebot3无人车,并成功找到起点至目标点的最优路径。 展开更多
关键词 移动机器人 路径规划 深度Q网络 角度搜索策略 物联网信息融合技术
在线阅读 下载PDF
一种多输入下融合图像信息的室内可见光定位方法
4
作者 涂兴华 赵海洋 《光子学报》 北大核心 2025年第3期32-42,共11页
针对室内可见光通信定位精度不足的问题,提出一种基于注意力机制进行信息融合的可见光定位方法(Multi-Information Fusion-Visible Light Positioning,MIF-VLP)。信息融合指MIF-VLP算法通过注意力机制的方式融合图像信息和接收信号强度(... 针对室内可见光通信定位精度不足的问题,提出一种基于注意力机制进行信息融合的可见光定位方法(Multi-Information Fusion-Visible Light Positioning,MIF-VLP)。信息融合指MIF-VLP算法通过注意力机制的方式融合图像信息和接收信号强度(Received Signal Strength,RSS)且以图像信息为主。MIF-VLP算法减少了单一信息源下的特征不足,提高了定位精度。同时图像信息通过18层残差网络(Residual Network with 18 layers,ResNet18)提取图像特征并降维,RSS通过词嵌入(wordembedding)提取光强特征并升维。经维度转换后的图像信息和光强信息维度相同,并通过注意力机制进行信息融合。实验结果表明,在2 m×2 m×1.8 m的环境,MIF-VLP算法的平均定位误差达到5mm,相比基于RSS信息的RSS-BP算法提升了80.7%,相比基于图像信息的卷积神经网络(Convolutional Neural Network,CNN)算法提升了87.5%。 展开更多
关键词 室内定位 深度学习 信息融合 可见光通信 神经网络
在线阅读 下载PDF
融合项目特征级信息的稀疏兴趣网络序列推荐 被引量:1
5
作者 胡胜利 武静雯 林凯 《计算机工程与设计》 北大核心 2024年第6期1743-1749,共7页
在以往提取多兴趣嵌入的序列推荐模型中仅能通过聚类的方法发现少量兴趣概念,忽视项目交互序列中特征级信息对最终推荐结果的影响。针对此问题,对传统的多兴趣序列推荐模型进行改进,提出一种融合项目特征级信息的稀疏兴趣网络序列推荐... 在以往提取多兴趣嵌入的序列推荐模型中仅能通过聚类的方法发现少量兴趣概念,忽视项目交互序列中特征级信息对最终推荐结果的影响。针对此问题,对传统的多兴趣序列推荐模型进行改进,提出一种融合项目特征级信息的稀疏兴趣网络序列推荐模型。实验结果表明,相比其它模型,该模型可以更好捕捉用户的多样化偏好并缓解冷启动问题。在给定数据集上,该模型比传统的序列推荐模型在命中率上平均提高了6.4%,归一化折损累计增益平均提高了8.7%。 展开更多
关键词 深度学习 序列推荐 多兴趣 稀疏兴趣网络 嵌入表征 特征级信息 特征融合
在线阅读 下载PDF
基于依赖类型剪枝的双特征自适应融合网络用于方面级情感分析 被引量:1
6
作者 郑诚 石景伟 +1 位作者 魏素华 程嘉铭 《计算机科学》 CSCD 北大核心 2024年第3期205-213,共9页
现有的模型将基于依赖树的图神经网络用于方面级情感分析,一定程度上提升了模型的分类性能。然而,由于依赖解析技术的限制,语法解析结果的不精确导致依赖树存在大量噪声,使得模型的性能提升有限。此外,一些句子本身并不符合标准的句法... 现有的模型将基于依赖树的图神经网络用于方面级情感分析,一定程度上提升了模型的分类性能。然而,由于依赖解析技术的限制,语法解析结果的不精确导致依赖树存在大量噪声,使得模型的性能提升有限。此外,一些句子本身并不符合标准的句法结构。以往的研究以同样的置信度利用句法信息和语义信息,没有充分考虑它们对于确定方面词极性的贡献的不同,导致模型在相应的数据集上性能较差。为了克服这些困难,文中提出了一种基于依赖类型剪枝的双特征自适应融合网络。具体来说,该模型使用一种新型的混合方法,命名为依赖关系类型剪枝和邻接矩阵平滑,来缓解句法解析产生的噪声。此外,该模型通过双特征自适应融合模块充分考虑句子的句法信息的可用程度,以一种更灵活的方式将句法特征和语义特征结合起来用于方面级情感分析。在5个公开可用的数据集上进行广泛的实验,结果证明了该方法明显优于基线模型。 展开更多
关键词 方面级情感分析 图神经网络 依赖类型剪枝 双特征自适应融合 深度学习 自然语言处理
在线阅读 下载PDF
网络技术与大学英语教学融合方法研究--评《网络信息时代大学英语教学研究与实践》
7
作者 宁静 《人民长江》 北大核心 2024年第4期I0009-I0010,共2页
网络技术日新月异,为大学英语教学带来了前所未有的机遇与挑战。我国大学英语教学已经开始了与网络技术的深度融合,并探索出了一条具有中国特色的、现代化的教学路径。为了进一步优化教学模式、提高教学效率,需要将网络技术与大学英语... 网络技术日新月异,为大学英语教学带来了前所未有的机遇与挑战。我国大学英语教学已经开始了与网络技术的深度融合,并探索出了一条具有中国特色的、现代化的教学路径。为了进一步优化教学模式、提高教学效率,需要将网络技术与大学英语教学更加紧密地结合起来,向智能化、个性化和互动化方向发展。通过有效地整合网络资源,设计出富有创意和实用性的在线教学课程,以满足学生多样化的学习需求;同时,也要加强对教师的网络技术培训,提升运用网络技术进行教学的能力。为此由全克林撰写的《网络信息时代大学英语教学研究与实践》一书,对我国大学英语教学在网络信息时代的改革与创新进行了探讨。 展开更多
关键词 教学路径 在线教学 优化教学模式 深度融合 网络资源 网络信息时代 互动化 融合方法
在线阅读 下载PDF
基于深度神经网络的无线传感器网络数据异常识别方法 被引量:1
8
作者 毛华彬 熊志文 傅彦铭 《传感技术学报》 北大核心 2025年第8期1491-1498,共8页
在识别异常数据时,若存在数据丢失,后续会因时空变化而影响数据之间的关联性,影响识别效果。为此,针对无线传感器网络数据,基于深度神经网络设计了新的异常数据识别方法。在常规OptSpace算法中引入节点协作机制,根据利用节点间的协作关... 在识别异常数据时,若存在数据丢失,后续会因时空变化而影响数据之间的关联性,影响识别效果。为此,针对无线传感器网络数据,基于深度神经网络设计了新的异常数据识别方法。在常规OptSpace算法中引入节点协作机制,根据利用节点间的协作关系填补数据中的空缺值;采用相关性自适应处理算法和Kriging插值法重构、修正数据,降低时空变化的影响;将处理后的数据输入到深度神经网络中,通过卷积、池化与分类处理,输出识别结果。仿真结果表明:所提方法不存在识别盲区,识别通信受阻、连接异常、非法入侵、信息丢失4种异常时未出现错误。将数据采集量和数据量的差值与平均绝对误差的乘积作为分析指标,反映预测值误差与数据量间的关系,所提方法的指标值仅为5.90。 展开更多
关键词 信息与通信工程 数据异常识别 深度神经网络 OptSpace算法 数据填补 相关性自适应处理算法
在线阅读 下载PDF
基于深度置信网络与信息融合的齿轮故障诊断方法 被引量:27
9
作者 李益兵 黄定洪 +1 位作者 马建波 江丽 《振动与冲击》 EI CSCD 北大核心 2021年第8期62-69,共8页
针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法。通过多传感器信息融合技术对每个传感器采... 针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法。通过多传感器信息融合技术对每个传感器采集的振动信号进行数据层融合;利用DBN进行自适应特征提取从而实现故障分类。为了避免因人为选择DBN结构参数,导致模型识别精度下降的问题,利用改进的混合蛙跳算法(ISFLA)对DBN结构参数进行优化。试验表明,与BP神经网络、未经优化的DBN以及单传感器故障诊断相比,该研究提出的信息融合及优化方法具有更高的故障识别精度。 展开更多
关键词 故障诊断 深度置信网络(DBN) 改进混合蛙跳算法(ISFLA) 多传感器信息融合 齿轮
在线阅读 下载PDF
图注意力Transformer网络的自适应网格划分
10
作者 韩婷 叶佳 +1 位作者 闫连山 甘宗鑫 《光电工程》 北大核心 2025年第4期2-13,共12页
针对有限元分析中自适应网格划分面临的计算精度与效率协同优化难题,本研究提出基于注意力融合机制的GTF-Net框架。该模型创新融合图注意力网络与Transformer架构,通过多头交叉注意力模块实现局部几何特征与全局物理场的动态耦合,增强... 针对有限元分析中自适应网格划分面临的计算精度与效率协同优化难题,本研究提出基于注意力融合机制的GTF-Net框架。该模型创新融合图注意力网络与Transformer架构,通过多头交叉注意力模块实现局部几何特征与全局物理场的动态耦合,增强对奇异场及复杂边界的表征能力。经光波导传输和贝塞尔函数双案例验证,相较传统Scikit-FEM(skFem)方法,GTF-Net在保持计算效率优势的同时,梯度误差标准差分别降低85.9%和23.8%。结果表明,该框架通过非线性特征映射显著提升网格分布与物理场变化的匹配度,为解决工程计算中的自适应网格优化问题提供深度学习新方案。 展开更多
关键词 自适应网格细化 GATv2-Transformer融合网络 有限元分析 深度学习
在线阅读 下载PDF
基于时间对抗的网络报警深度信息融合方法 被引量:6
11
作者 邱辉 王坤 杨豪璞 《计算机应用》 CSCD 北大核心 2016年第2期499-504,共6页
针对目前网络报警信息融合方法仅以单时间点为处理单元,无法适应网络攻击逐渐呈现出的隐蔽性强、持续时间长等特点,提出一种基于时间对抗的网络报警深度信息融合方法。面对多源异构报警数据流,首先采集并保存当前一个较长时间窗口内的... 针对目前网络报警信息融合方法仅以单时间点为处理单元,无法适应网络攻击逐渐呈现出的隐蔽性强、持续时间长等特点,提出一种基于时间对抗的网络报警深度信息融合方法。面对多源异构报警数据流,首先采集并保存当前一个较长时间窗口内的报警信息,然后利用基于滑动窗口的流聚类算法对报警信息进行聚类,最后引入窗口衰减因子对聚类后的报警进行深度融合。真实数据的实验结果显示,与基本DS证据理论(Basic-DS)和指数加权DS证据理论(EWDS)融合方法方法相比,该方法有较高的检测率和较低的误检率,但因为采用了更长的时间窗口,精简率上略低;实际测试与性能分析也表明,该算法的时延较小,能更加有效地检测网络攻击,且能完成实时处理。 展开更多
关键词 异构数据流 网络报警 深度信息融合 时间对抗 衰减因子
在线阅读 下载PDF
基于深度置信网络和多维信息融合的变压器故障诊断方法 被引量:28
12
作者 刘文泽 张俊 邓焱 《电力工程技术》 2019年第6期16-23,共8页
为了综合多维度信息,快速准确判断变压器缺陷,同时解决多维度信息融合权重难以确定的问题,文中基于深度学习理论,采用稀疏受限玻尔兹曼机搭建了用于故障诊断的深度学习故障分类模型,结合大型变压器的多维度监测量,提出了一种基于深度置... 为了综合多维度信息,快速准确判断变压器缺陷,同时解决多维度信息融合权重难以确定的问题,文中基于深度学习理论,采用稀疏受限玻尔兹曼机搭建了用于故障诊断的深度学习故障分类模型,结合大型变压器的多维度监测量,提出了一种基于深度置信网络和多维度信息融合的变压器故障诊断方法。该方法能够利用变压器海量的无标签多维监测数据作为学习样本,只需对少量带标签数据进行辅助优化,根据变压器实时在线多维监测数据,被训练后的模型能够对变压器本体状态做出准确的故障诊断。对某市220 kV主变进行诊断测试,结果表明,文中提出方法的故障诊断准确率较现有方法高约4%,验证了该方法的可行性和有效性。 展开更多
关键词 电力变压器 多维度信息融合 故障诊断 深度置信网络 稀疏受限玻尔兹曼机
在线阅读 下载PDF
基于多源信息熵融合的局部放电模式识别方法
13
作者 张子豪 张林鍹 黄光攀 《现代电子技术》 北大核心 2025年第12期96-104,共9页
局部放电与气体绝缘开关设备(GIS)的绝缘劣化程度密切相关,准确识别局部放电的类型对保障电网的安全运行具有重要意义。针对单一图谱识别模式在局部放电模式识别任务中的局限性,提出一种多源信息熵融合的局部放电识别方法。首先,搭建GIS... 局部放电与气体绝缘开关设备(GIS)的绝缘劣化程度密切相关,准确识别局部放电的类型对保障电网的安全运行具有重要意义。针对单一图谱识别模式在局部放电模式识别任务中的局限性,提出一种多源信息熵融合的局部放电识别方法。首先,搭建GIS中5种典型的局部放电缺陷模型,并通过实验采集PRPD图谱数据与PRPS图谱数据;其次,使用深度残差网络提取2种图谱特征,训练最优的网络模型;再次,使用测试集输入至残差网络中得到的Softmax输出概率值计算信息熵,赋予每个分类器不同的权值;最后,通过信息熵决策融合的方法得到最终的分类结果。实验结果表明:相较于单一图谱识别模式,所提方法的准确率得到明显提升,达到了98.4%;对于现场真实数据,该方法的识别准确率能达到90%以上,具有良好的应用前景。 展开更多
关键词 局部放电 气体绝缘开关设备 图谱数据 信息 深度残差网络 决策融合
在线阅读 下载PDF
基于多域信息融合的深度学习轴承故障诊断方法 被引量:1
14
作者 葛卓 夏华猛 +2 位作者 王凯亮 徐增丙 丁改革 《振动与冲击》 EI CSCD 北大核心 2024年第23期47-55,共9页
针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信... 针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信号分解为多个本征模态函数(intrinsic mode function,IMF)分量,同时对每个IMF分量进行快速傅里叶变换(fast Fourier transformation,FFT)转化为频域样本;然后将多个IMF分量和其对应频域样本分别输入至多个深度度量学习(deep metric learning,DML)模型和深度置信网络(deep belief network,DBN)模型分别进行初步诊断分析,并利用简单软投票法对这些初步诊断结果进行融合从而获取最终诊断结果。最后通过对不同轴承故障的诊断试验分析,结果表明,该研究提出的方法不仅具有较好的诊断效果,而且诊断性能分别优于基于时域和基于频域的信息融合诊断方法。 展开更多
关键词 信息融合 深度度量学习(DML) 深度置信网络(DBN) 软投票法
在线阅读 下载PDF
基于多模态数据与融合深度网络的自动睡眠分期方法 被引量:1
15
作者 赵若男 李朵 +1 位作者 宋江玲 张瑞 《计算机科学》 CSCD 北大核心 2024年第S02期429-434,共6页
准确的睡眠分期是进行睡眠质量评估及相关疾病诊断的重要依据。针对脑电信号(Electroencephalogram,EEG)和眼电信号(Electrooculogram,EOG)在睡眠各阶段存在差异性,提出了一种用于实现自动睡眠分期的基于EEG和EOG的新型特征融合深度网... 准确的睡眠分期是进行睡眠质量评估及相关疾病诊断的重要依据。针对脑电信号(Electroencephalogram,EEG)和眼电信号(Electrooculogram,EOG)在睡眠各阶段存在差异性,提出了一种用于实现自动睡眠分期的基于EEG和EOG的新型特征融合深度网络——MAFSNet。具体地,首先设计两种一维卷积神经网络分别用于提取EEG和EOG信号中的睡眠有效特征;其次,构建自适应的特征融合模块,根据特征的贡献程度赋予其不同的权值,通过增强判别特征和抑制无关特征,得到包含多模态睡眠信息的自适应融合特征;进而,采用双向长短期记忆网络学习睡眠阶段转换规则中的时间序列相关信息;最后,使用公开数据集Sleep-EDF验证所提模型实现五级睡眠分期的有效性。研究结果表明所提方法在睡眠分期中具有较高的分类性能,准确率、Kappa系数和MF1分数分别为94.1%,88.2%和81.9%,其中N1和REM睡眠阶段的召回率分别显著提升到64.6%和93.5%。 展开更多
关键词 自动睡眠分期 脑电信号 眼电信号 深度神经网络 自适应特征融合
在线阅读 下载PDF
基于增广拉格朗日法的动态平衡物理信息神经网络
16
作者 童剑城 范斌 +2 位作者 林至诚 熊美馨 肖瑶 《计算机工程与应用》 北大核心 2025年第20期170-181,共12页
物理信息神经网络(physics-informed neural network,PINN)是深度学习在求解偏微分方程(partial differen-tial equation,PDE)领域中的一个重要方法。该方法通过将PDE的物理约束直接嵌入神经网络的损失函数,有效缓解了传统方法对大量数... 物理信息神经网络(physics-informed neural network,PINN)是深度学习在求解偏微分方程(partial differen-tial equation,PDE)领域中的一个重要方法。该方法通过将PDE的物理约束直接嵌入神经网络的损失函数,有效缓解了传统方法对大量数据的依赖问题。然而,在标准PINN框架中,各损失项(如PDE约束、初始条件和边界条件等)的权重通常设定为固定值,缺乏随训练过程动态调整的能力,导致难以平衡各损失项的影响,从而影响预测精度。针对上述问题,提出了一种基于增广拉格朗日法(augmented Lagrangian method,ALM)的动态平衡物理信息神经网络。该方法通过引入自适应的拉格朗日乘子和惩罚参数动态更新规则,增强了对不同约束条件的灵活处理能力与适应性。最后,通过在Burgers方程、Helmholtz方程等五个典型方程上的数值实验验证,结果表明,与现有的动态平衡策略相比,该方法在预测精度上取得了显著提升。 展开更多
关键词 偏微分方程(PDE)求解 物理信息神经网络(PINN) 自适应加权 增广拉格朗日法(ALM) 深度学习
在线阅读 下载PDF
基于深度置信网络和信息融合技术的轴承故障诊断 被引量:9
17
作者 蒋黎明 李友荣 +1 位作者 徐增丙 鲁光涛 《武汉科技大学学报》 CAS 北大核心 2019年第1期40-44,共5页
提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决... 提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。 展开更多
关键词 滚动轴承 故障诊断 深度置信网络 信息融合 集合经验模式分解 简单投票法
在线阅读 下载PDF
基于深度BP神经网络的智能信息融合技术 被引量:8
18
作者 袁英 郁丰 +1 位作者 踪华 陈阳 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第S01期89-95,共7页
为了克服利用传统滤波算法进行信息融合的缺陷,提出基于深度BP神经网络的智能信息融合思路。深度BP神经网络具有强大的学习能力和非线性映射能力,可实现对卫星轨道动力学模型的模拟,并能结合观测值对轨道参数进行修正,为非标准多传感器... 为了克服利用传统滤波算法进行信息融合的缺陷,提出基于深度BP神经网络的智能信息融合思路。深度BP神经网络具有强大的学习能力和非线性映射能力,可实现对卫星轨道动力学模型的模拟,并能结合观测值对轨道参数进行修正,为非标准多传感器信息融合问题提供智能化的解决方案。将其应用到基于星光角距的自主天文导航系统中,仿真结果表明:无需精确的模型支撑,深度BP神经网络能够代替卡尔曼滤波完成信息融合并达到相当的精度。 展开更多
关键词 深度BP神经网络 智能信息融合 扩展卡尔曼滤波 组合导航
在线阅读 下载PDF
能源互联网电力信息深度融合风险传递:挑战与展望 被引量:31
19
作者 李存斌 李小鹏 +1 位作者 田世明 苑嘉航 《电力系统自动化》 EI CSCD 北大核心 2017年第11期17-25,共9页
电力与信息的深度融合是能源互联网发展研究趋势,文中主要针对电力信息融合趋势下的风险传递现象进行综述与展望。首先,对电力与信息融合的发展趋势分阶段进行了分析,研究了能源互联网阶段的电力与信息交互模式。在此基础上,从信息风险... 电力与信息的深度融合是能源互联网发展研究趋势,文中主要针对电力信息融合趋势下的风险传递现象进行综述与展望。首先,对电力与信息融合的发展趋势分阶段进行了分析,研究了能源互联网阶段的电力与信息交互模式。在此基础上,从信息风险传递和电力与信息风险交互两个方面分析了电力与信息风险传递研究现状。最后,对能源互联网下的电力信息融合网络结构从拓扑和运行层面进行分析,提出了能源互联网下电力信息风险传递前瞻性课题研究思路,借鉴风险元理论建立了研究该问题的三维框架。 展开更多
关键词 能源互联网 风险传递 深度融合 连锁故障 信息安全 复杂网络
在线阅读 下载PDF
面向移动传感器网络的自适应一致性融合估计方法 被引量:8
20
作者 王林 张国忠 +1 位作者 朱华勇 沈林成 《上海交通大学学报》 EI CAS CSCD 北大核心 2011年第3期383-387,392,共6页
研究了具有时延和通信拓扑变换的移动传感器网络(MSN)分布式融合估计问题.结合无色信息滤波、自适应一致性算法并考虑通信时延而设计的基于自适应一致性的融合结构,提出了一种名为基于自适应一致性的分布式无色信息滤波(AC_DUIF)的分布... 研究了具有时延和通信拓扑变换的移动传感器网络(MSN)分布式融合估计问题.结合无色信息滤波、自适应一致性算法并考虑通信时延而设计的基于自适应一致性的融合结构,提出了一种名为基于自适应一致性的分布式无色信息滤波(AC_DUIF)的分布式融合估计算法.以空中移动传感器网络跟踪移动目标为例,通过仿真验证了所提算法的性能.仿真结果表明,该方法能够在以分布形式提高网络中各节点对目标位置估计精度的同时,保证节点之间的一致性,并具备对网络通信延时的适应能力. 展开更多
关键词 移动传感器网络 分布式融合估计 无色信息滤波 自适应一致性
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部