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9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DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测 被引量：8
1
作者 王宇飞 杜桐 +3 位作者 边伟国 张钊 刘慧婷 杨丽君 《中国电力》 CSCD 北大核心 2024年第6期121-130,共10页
多用户电力负荷预测是指根据历史负荷数据对多个用户或区域的电力负荷进行预测,可使电网企业掌握不同用户或区域的电力需求,以便更好地开展规划和实施调度优化等。然而由于各用户呈现出复杂多样的用电行为,采用传统方法难以进行统一建... 多用户电力负荷预测是指根据历史负荷数据对多个用户或区域的电力负荷进行预测,可使电网企业掌握不同用户或区域的电力需求,以便更好地开展规划和实施调度优化等。然而由于各用户呈现出复杂多样的用电行为,采用传统方法难以进行统一建模并实现快速准确预测。为此,构建了一种基于DTW Kmedoids与VMD-多分支神经网络的多用户短期负荷预测模型。首先,采用DTW K-medoids法进行用户负荷数据聚类,利用动态时间弯曲(dynamic time warping,DTW)计算数据间的距离,取代K-medoids算法中传统的欧氏距离度量方式,以改善多用户负荷聚类的效果;在此基础上,为充分表征负荷历史数据的长短期时序依赖特征,建立了一种基于变分模态分解(variational mode decomposition,VMD)-多分支神经网络模型的并行预测方法,用于多用户短期负荷预测;最后,使用某地区20个用户365天的负荷数据进行聚类、训练和测试实验,结果显示该模型结果的平均绝对误差和均方根误差等指标均较对比模型有较大幅度降低,表明该方法可有效表征多类用户的用电行为,提升多用户负荷预测效率和精度。 展开更多
关键词 多用户 负荷预测 DTW K-medoids聚类 变分模态分解(VMD) 多分支神经网络
在线阅读 下载PDF
用于说话人识别的密集多分支时延神经网络
2
作者 和椿皓 常铁原 潘立冬 《应用声学》 CSCD 北大核心 2024年第5期949-955,共7页
时延神经网络是较早应用于说话人识别领域的一类神经网络。为实现更好的识别性能,近年来一些改进工作围绕加深或拓宽其网络结构进行。在对密集连接卷积网络以及多分支网络结构进行研究的基础上,提出一种密集多分支时延神经网络,用以进... 时延神经网络是较早应用于说话人识别领域的一类神经网络。为实现更好的识别性能,近年来一些改进工作围绕加深或拓宽其网络结构进行。在对密集连接卷积网络以及多分支网络结构进行研究的基础上,提出一种密集多分支时延神经网络,用以进一步提升小体积模型对说话人特征的提取能力。在使用密集连接实现特征重用的基础上,并行多分支结构能同时对同一输入在不同分辨率下进行特征提取。在VoxCeleb1测试集、VoxCeleb1-H、VoxCeleb1-E上进行测试表明,该网络能在模型参数量较小的前提下实现准确的说话人识别,以便应用在一些存储空间受限的本地说话人识别场景中。 展开更多
关键词 说话人识别 时延神经网络 多分支神经网络 密集连接 深度学习
在线阅读 下载PDF
基于图像偏移角和多分支卷积神经网络的旋转不变模型设计 被引量：1
3
作者 张萌 李响 张经纬 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第12期4522-4528,共7页
卷积神经网络(CNN)具有平移不变性,但缺乏旋转不变性。近几年,为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法,但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点,该文提出一种名为图像偏移角和多分支卷积... 卷积神经网络(CNN)具有平移不变性,但缺乏旋转不变性。近几年,为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法,但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点,该文提出一种名为图像偏移角和多分支卷积神经网络(OAMC)的模型用于实现旋转不变。首先检测输入图像的偏移角,并根据偏移角反向旋转图像;将旋转后的图像输入无旋转编码的多分支结构卷积神经网络,优化响应模块,以输出最佳分支作为模型的最终预测。OAMC模型在旋转后的手写数字数据集上以最少的8 k参数量实现了96.98%的最佳分类精度。与在遥感数据集上的现有研究相比,模型仅用前人模型的1/3的参数量就可将精度最高提高8%。 展开更多
关键词 深度学习 旋转图像分类 偏移角 多分支卷积神经网络
在线阅读 下载PDF
基于加权KNN与代价敏感多分支深度神经网络的审计数据异常检测 被引量：6
4
作者 范斌 宁德军 +2 位作者 卢俊哲 陈松伟 沈建 《计算机应用与软件》 北大核心 2024年第2期100-108,共9页
面对日益提高的审计客观性和不断增长的审计任务,提升审计的效率和质量正成为一种势在必行的趋势。选取电力行业某企业的财务凭证数据为研究对象,针对财务凭证数量多、数据类型多样和数据正负样本比例严重失衡的问题,提出一种基于加权KN... 面对日益提高的审计客观性和不断增长的审计任务,提升审计的效率和质量正成为一种势在必行的趋势。选取电力行业某企业的财务凭证数据为研究对象,针对财务凭证数量多、数据类型多样和数据正负样本比例严重失衡的问题,提出一种基于加权KNN与代价敏感多分支深度神经网络算法。该算法能够有效地缩小核查范围,且得到的支出存在审计疑点的财务凭证中涵盖尽可能多的审计问题,从而更有助于帮助审计人员提高工作效率。通过对比实验,验证了该算法能够有效发现审计疑点及涵盖审计问题,结果优于现有其他方法。 展开更多
关键词 智慧审计 机器学习 人工智能 异常检测 代价敏感 多分支深度神经网络
在线阅读 下载PDF
基于多分支门控残差卷积神经网络的短期电力负荷预测 被引量：15
5
作者 樊江川 于昊正 +2 位作者 刘慧婷 杨丽君 安佳坤 《中国电力》 CSCD 北大核心 2022年第11期155-162,174,共9页
短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预... 短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预测模型。该模型首先采用多分支门控残差卷积神经网络对历史负荷的周周期特征、日周期特征、近邻特征进行深度特征提取;其次为增加模型的非线性拟合能力,采用注意力机制对权重进一步合理分配;最后通过归一化指数函数计算后输出负荷预测结果。使用2016年某电力竞赛数据进行实验,通过与4种常用模型对比,该模型预测结果的平均绝对百分误差(MAPE)评价指标下降了0.02%~0.70%,验证了该模型提高负荷预测精度的有效性。 展开更多
关键词 短期负荷预测 多分支神经网络 门控残差卷积神经网络 注意力机制 特征提取
在线阅读 下载PDF
基于多分支BP神经网络的气动肌肉迟滞建模方法 被引量：7
6
作者 谢胜龙 张文欣 +3 位作者 张为民 任国营 鲁玉军 鲁庆 《计量学报》 CSCD 北大核心 2021年第6期745-752,共8页
提出了一种基于多分支BP神经网络建立气动肌肉位移/气压迟滞模型的新方法。首先,搭建气动肌肉位移/气压迟滞特性测试系统,得到气动肌肉位移/气压迟滞曲线;然后分别采用传统BP神经网络、多分支BP神经网络和Prandtl-Ishlinskii模型对气动... 提出了一种基于多分支BP神经网络建立气动肌肉位移/气压迟滞模型的新方法。首先,搭建气动肌肉位移/气压迟滞特性测试系统,得到气动肌肉位移/气压迟滞曲线;然后分别采用传统BP神经网络、多分支BP神经网络和Prandtl-Ishlinskii模型对气动肌肉的位移/气压迟滞开展建模研究;最后通过比较分析发现,采用多分支BP神经网络方法能有效避免传统BP神经网络训练过程中的过拟合现象,且建模精度明显优于传统的Prandtl-Ishlinskii模型;多分支BP神经网络的平均误差、均方差与最大误差相较于Prandtl-Ishlinskii模型减小了87.45%,86.68%与74.73%。 展开更多
关键词 计量学 位移/气压迟滞 气动肌肉 迟滞建模 多分支BP神经网络 PI模型 泛化能力
在线阅读 下载PDF
基于降噪多分支CNN和注意力机制的滚动轴承故障诊断方法 被引量：4
7
作者 刘俊 吴海军 周华西 《组合机床与自动化加工技术》 北大核心 2023年第2期113-116,120,共5页
针对传统滚动轴承诊断方法在强噪声干扰下正确率低、特征选取依赖经验、模型泛化能力差的局限性,提出一种基于降噪多分支卷积神经网络(convolution neural network, CNN)和注意力机制的滚动轴承故障端到端诊断方法。通过设计多分支CNN... 针对传统滚动轴承诊断方法在强噪声干扰下正确率低、特征选取依赖经验、模型泛化能力差的局限性,提出一种基于降噪多分支卷积神经网络(convolution neural network, CNN)和注意力机制的滚动轴承故障端到端诊断方法。通过设计多分支CNN特征提取网络,实现了包含原始信号及其频谱、时域滤波信号在内的多域特征提取;进一步引入注意力机制对各分支的输出进行权重自适应分配,在增强各域有效特征的同时抑制其无效特征对诊断结果的影响,提升模型的鲁棒性和泛化能力;最后再利用基于全局平均池化层构造的分类CNN实现滚动轴承故障的端到端诊断。对比试验证明,所设计的模型能在强噪声干扰下实现更准确的轴承故障诊断。 展开更多
关键词 强噪声 多分支神经网络 注意力机制 深度学习 故障诊断
在线阅读 下载PDF
基于多分支RNN快速学习算法的混沌时间序列预测 被引量：6
8
作者 廖大强 印鉴 《计算机应用研究》 CSCD 北大核心 2015年第2期403-408,共6页
针对传统递归神经网络中出现的网络结构与计算复杂性,提出了使用多分支递归神经网络学习算法,并将其应用到混沌时间序列预测领域。首先缩减了部分冗余的分支,只保留了节点与自身之间以及节点与代表以后时刻的节点之间的分支;然后使用规... 针对传统递归神经网络中出现的网络结构与计算复杂性,提出了使用多分支递归神经网络学习算法,并将其应用到混沌时间序列预测领域。首先缩减了部分冗余的分支,只保留了节点与自身之间以及节点与代表以后时刻的节点之间的分支;然后使用规则导数代替惯用的一般偏导数,有助于同时反映权值对目标函数的直接影响和间接影响;最后使学习率根据学习情况进行动态调整,有助于加快学习算法的收敛速度。仿真实验表明,当参数的选取合理时,多分支递归神经网络能够达到较高的性能。 展开更多
关键词 混沌时间序列 多分支递归神经网络 BPTT学习算法
在线阅读 下载PDF
利用3D-RepVGG进行阿尔兹海默症诊断 被引量：1
9
作者 胡众义 张夏彬 《计算机应用》 CSCD 北大核心 2023年第S01期26-32,共7页
阿尔兹海默症(AD)临床症状为失忆、失语与丧失行动能力等。AD暂无有效治疗方法,但早期干预已证明有效,因此,AD早期诊断至关重要。针对该问题,基于RepVGG网络架构中的结构重参数化技术,将训练阶段的多分支卷积网络等效转换为预测阶段的... 阿尔兹海默症(AD)临床症状为失忆、失语与丧失行动能力等。AD暂无有效治疗方法,但早期干预已证明有效,因此,AD早期诊断至关重要。针对该问题,基于RepVGG网络架构中的结构重参数化技术,将训练阶段的多分支卷积网络等效转换为预测阶段的单分支卷积网络,获得多分支卷积网络性能高与单分支卷积网络速度快等优点;同时,利用3D卷积引入空间连续信息;最终,成功地将RepVGG网络架构与3D卷积融合,提出3D-RepVGG网络,以实现对AD、轻度认知障碍(MCI)和正常对照组(NC)的诊断。实验数据来自于公开数据库ADNI,原始的磁共振图像(MRI)使用SPM12进行预处理。预处理后数据输入3D-RepVGG进行AD/NC、MCI/NC、AD/MCI、AD/MCI/NC四种分类任务,分别获得了90.38%、85.90%、70.51%、62.50%的准确率。实验结果表明,3D-RepVGG在AD早期诊断任务上能获得较好的诊断结果。 展开更多
关键词 阿尔兹海默症 计算机辅助诊断 三维卷积神经网络 多分支卷积神经网络 图像分类
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