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4,293篇文章
< 1 2 … 215 >
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：
基于多尺度注意力机制网络的玉米害虫识别方法
1
作者 张会敏 吉秉彧 谢泽奇 《江苏农业科学》 北大核心 2024年第9期241-247,共7页
玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量。为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法。首先,该方... 玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量。为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法。首先,该方法采用空间金字塔循环(SPR)模块提取不同害虫图像的类型和位置信息;其次,在特征融合模块中引入多级通道注意力机制模块,以保障高维语义信息与低维特征的有效融合;同时将多尺度空洞卷积模块引入多级通道注意力网络模型,构建多尺度多通道注意力网络模型,来提取多尺度判别特征,提高模型的识别效率;最后,在1个较小的玉米害虫图像数据集上进行试验,实现对玉米红缘灯蛾、叶夜蛾、玉米黏虫、玉米螟害虫的识别,当训练样本与测试样本之比为90∶10时,玉米害虫识别准确率高达91.60%,与多尺度残差神经网络(MSRNN)、改进卷积神经网络(ICNN)、VGG-ICNN、轻量级CNN(LWCNN)相比,识别率分别提高24.40、18.77、8.00、4.40百分比。结果表明,该方法在小训练样本集中具有较强的鲁棒性和较高的识别率,为农作物病虫害智能化防治提供技术支持。 展开更多
关键词 玉米害虫 多尺度空洞模块 空间金字塔循环模块 多尺度注意力机制网络
在线阅读 下载PDF
基于注意力机制和多尺度融合的人群计数网络
2
作者 栾方军 龚琪 袁帅 《计算机工程》 北大核心 2025年第3期352-361,共10页
为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),... 为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),将主干网络中不同层次的特征进行跨尺度融合,融合后的特征包含了不同尺度的语义信息,可以更好地适应人群计数任务中的尺度变化问题。接着为了更好地解决人群计数中存在的挑战,设计一个多尺度注意力模块(MSAM),根据不同感受野的分支提取不同尺度的特征,利用选择性Kernel通道注意力(SKCA)缓解多列结构存在的特征相似问题,并将模块生成的注意力图反馈到对应的尺度特征中,以抑制背景的干扰。网络模型在ShanghaiTechA数据集中的平均绝对误差(MAE)和均方根误差(RMSE)分别达到了56.1和93.9;在ShanghaiTechB数据集中的MAE和RMSE分别达到了6.1和10.3;在UCF_CC_50数据集中的MAE和RMSE分别达到了174.9和252.7;在Mall数据集中的MAE和RMSE分别达到了1.42和1.85。在公开数据集上的实验结果表明,提出的网络模型与现有代表性的人群计数方法相比,在提升人群计数任务的准确性和鲁棒性方面均取得了明显进展。 展开更多
关键词 人群计数 多尺度特征融合 注意力机制 神经网络 密度图
在线阅读 下载PDF
基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断
3
作者 章力 邓艾东 +2 位作者 王敏 卞文彬 张宇剑 《动力工程学报》 北大核心 2025年第4期571-581,共11页
针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特... 针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特征信息;同时,构建多尺度减法神经网络模型,关注层级差异;其次,引入轻量化模块,减少内存访问;然后,结合通道注意力机制,调整特征权重;最后,将故障样本输入到网络模型中,实现精确分类。利用风电机组传动系统模拟实验台采集的样本数据进行诊断任务。结果表明:该故障诊断模型能够有效克服传统多尺度卷积神经网络模型网络层数多、参数量大所带来的弊端,能够充分关注各层级之间的差异信息,减少冗余信息的提取,精确定位故障特征,缩短模型训练时间,在恒定工况、变工况和强噪声工况下都具有较高的诊断精度. 展开更多
关键词 滚动轴承 故障诊断 多尺度减法神经网络 轻量化模块 通道注意力机制 变工况
在线阅读 下载PDF
CA-MFE:CNN与注意力机制多尺度的图神经小样本图像分类网络 被引量：1
4
作者 刘拥民 肖凤姣 +2 位作者 乔梦媛 邓伟豪 麻海志 《控制工程》 北大核心 2025年第6期1008-1015,共8页
由于将一般图神经网络特征提取模块设计成固定的卷积神经网络(convolutional neural network,CNN)会导致在捕获全局特征信息时,存在接受域受限且容易忽视图像的关键性特征信息等问题。因此,为了提取全面且关键的特征信息,提出了全新的CA... 由于将一般图神经网络特征提取模块设计成固定的卷积神经网络(convolutional neural network,CNN)会导致在捕获全局特征信息时,存在接受域受限且容易忽视图像的关键性特征信息等问题。因此,为了提取全面且关键的特征信息,提出了全新的CA-MFE算法。首先,利用CNN中的不同卷积核来获取多尺度的局部特征信息,再根据注意力机制的全局特征提取能力,将通道和空间注意力机制进行并行处理,以此来提取多维度的全局特征信息。在mini-ImageNet和tiered-Image Net数据集上对所提模型的性能进行了全面的综合评估。相较于基准模型,所提模型在mini-ImageNet和tiered-ImageNet这2个数据集上的分类准确率分别提升了1.07%和1.33%;在5-way 5-shot任务中使用mini-ImageNet数据集,相较于图神经网络、时间Petri网(time Petri net,TPN)和动态图神经网络(dynamic graph neural network,DGNN),所提模型的分类准确率分别提升了11.41%、7.42%和5.38%。实验结果表明,相较于基准模型和几种有代表性的小样本分类算法模型,全新的CA-MFE模型在处理小样本分类数据时性能更优越。 展开更多
关键词 小样本图像分类 图神经网络 卷积神经网络 注意力机制 多尺度特征
在线阅读 下载PDF
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量：1
5
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
在线阅读 下载PDF
多尺度注意力网络的水下图像增强算法
6
作者 陈海秀 陆康 +2 位作者 何珊珊 刘磊 颜秋叙 《机械科学与技术》 北大核心 2025年第3期505-512,共8页
针对水下环境中的图像存在严重的偏色、模糊等问题,该文提出了一种新型的生成对抗网络。采用U-Net作为生成网络的基础模型并对其进行了改进,首先将注意力机制引入到网络中,并设计多尺度特征提取模块,来提取不同层次的特征。其次通过预... 针对水下环境中的图像存在严重的偏色、模糊等问题,该文提出了一种新型的生成对抗网络。采用U-Net作为生成网络的基础模型并对其进行了改进,首先将注意力机制引入到网络中,并设计多尺度特征提取模块,来提取不同层次的特征。其次通过预处理操作输入白平衡图像提升模型的鲁棒性。为解决单一损失造成图像细节恢复不均匀的问题,在传统的对抗损失函数中联合L1损失与内容损失。实验结果表明:此方法在水下图像的颜色恢复和提高清晰度方面具有很好的效果,其中结构相似度、峰值信噪比、水下彩色质量评估和水下图像质量度量的平均值分别为0.8906、29.0761、0.4454和3.1810。在主观评价和客观评价指标上,综合来说该文算法实验结果均优于对比算法。 展开更多
关键词 水下图像增强 生成对抗网络 注意力机制 多尺度
在线阅读 下载PDF
基于多尺度通道注意力卷积神经网络的轴向柱塞泵故障诊断研究
7
作者 刘增光 张帅迪 +3 位作者 周焱 魏列江 岳大灵 冯珂 《机床与液压》 北大核心 2025年第14期124-130,共7页
针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑... 针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑靴磨损、松靴故障、中心弹簧失效),采集6种工作状态(正常状态及5种典型故障)下的z轴振动信号。以小波变换为信号预处理模块,将加速度传感器采集的一维振动信号转化为时频图并作为诊断模型的输入信号,采用不同尺度的卷积核对时频图进行特征提取。通过通道注意力为每个通道赋予不同的权重值,使模型能够集中学习与通道密切相关的特征信息,从而提高轴向柱塞泵的故障分类能力和诊断的效率。搭建轴向柱塞泵故障诊断实验平台,验证所提方法的有效性。结果表明:该模型对6种工作状态的诊断准确率达到99.65%,相比传统多尺度卷积神经网络模型提高了3.16%,验证了MSCA-CNN模型在轴向柱塞泵故障诊断中的优越性。 展开更多
关键词 故障诊断 卷积神经网络 通道注意力 多尺度特征 柱塞泵
在线阅读 下载PDF
基于孪生网络和交叉注意力机制的空域和JPEG图像隐写分析
8
作者 张倩倩 李浩 +2 位作者 张祎 马媛媛 罗向阳 《计算机学报》 北大核心 2025年第6期1305-1326,共22页
近年来,深度学习在图像隐写分析任务中表现出了优越的性能。然而,此类方法在捕获图像中微弱的隐写噪声时,往往会因下采样过程中大量关键细节信息的丢失,导致在检测空域和JPEG隐写图像时难以同时实现高检测准确率。为此,本文基于孪生神... 近年来,深度学习在图像隐写分析任务中表现出了优越的性能。然而,此类方法在捕获图像中微弱的隐写噪声时,往往会因下采样过程中大量关键细节信息的丢失,导致在检测空域和JPEG隐写图像时难以同时实现高检测准确率。为此,本文基于孪生神经网络对图像进行分区域细粒度学习,同时利用交叉注意力机制进一步增强模型全局信息感知能力,提出一种跨通道交叉注意力增强的隐写分析方法(CES-Net)。首先,采用孪生神经网络作为主干网对图像进行分区域学习,以细致地感知空域和JPEG图像的像素信息和微弱的隐写噪声,同时,设计了多样化的高通滤波器和多层卷积作为网络预处理层来获取丰富且高质量的隐写噪声残差;接着,改进了特征提取部分,提出了跨通道交叉注意力网络,使模型提取到更多因隐写嵌入对图像像素相关性造成扰动的隐写特征,用于基于秘密噪声残差等弱信息的隐写图像分类任务;最后,融合子网络学习到的不同区域图像的分类特征,并输入全连接层组成的分类模块对载体和载密图像进行分类,提升检测效果。在隐写和隐写分析领域常用的图像数据集BOSSBase-1.01和BOWs2上进行了大量实验,结果表明,CES-Net方法与现有方法相比,对于空域和JPEG图像的多种主流隐写算法均能达到目前最优的检测准确率,其中,对多种空域隐写算法(WOW、S-UNIWARD和HILL)在不同嵌入比率下生成的载密图像,检测准确率最高分别提升1.27%~25.61%、2.1%~21.73%和1.69%~23.46%;对JPEG图像自适应隐写算法J-UNIWARD在不同嵌入比率下生成的载密图像,CES-Net方法对两种质量因子(QF=75和QF=85)的JPEG图像隐写检测准确率最高分别提升2.34%和2.06%。 展开更多
关键词 隐写分析 隐写 孪生网络 交叉注意力机制 信息隐藏
在线阅读 下载PDF
基于格点网格与段尺度注意力机制的知识图谱构建
9
作者 王体春 李昊 王贤伟 《计算机集成制造系统》 北大核心 2025年第4期1368-1382,共15页
为解决当前知识图谱构建模型过程中训练样本特征单一、关系抽取准确率低下的问题,建立一种基于格点网格与段尺度注意力机制的知识图谱自动构建模型(KG-GSAM)。针对实体识别任务,引入格点网格结构对双向门控循环神经网络进行改进;针对关... 为解决当前知识图谱构建模型过程中训练样本特征单一、关系抽取准确率低下的问题,建立一种基于格点网格与段尺度注意力机制的知识图谱自动构建模型(KG-GSAM)。针对实体识别任务,引入格点网格结构对双向门控循环神经网络进行改进;针对关系抽取任务,引入段尺度注意力机制,搭建关系抽取神经网络。在公开数据集和近三年自动导引车领域的专利文本构建的数据集上分别进行实验,结果表明所建立模型在Precision、Recall和F1-score三个指标上与其他知识图谱构建模型相比有一定的优越性。 展开更多
关键词 知识图谱 格点网格 段尺度注意力机制 BERT模型 关系抽取神经网络 自动导引车
在线阅读 下载PDF
融合深度残差网络与注意力机制的驾驶人行为检测方法研究
10
作者 陈运星 崔军华 +2 位作者 吴钊 吴华伟 袁星宇 《重庆理工大学学报(自然科学)》 北大核心 2025年第3期34-42,共9页
为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾... 为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾驶行为的干扰,引入SE Block注意力机制并对图像进行特征提取和分类预测;通过与其他模型的对比试验、消融试验和特征可视化试验验证所提出模型的性能。结果表明:与其他检测模型相比,所提出模型的平均分类准确率为99.89%,其展现出更优的性能;采用Grad-CAM可视化方法解释模型的关注区域,所提出模型更精准地关注对驾驶行为判定的关键特征,进一步增强了本模型的可解释性,提高了人们对驾驶行为检测模型的信任性。 展开更多
关键词 深度学习 驾驶人行为检测 深度残差网络 注意力机制 神经网络可视化
在线阅读 下载PDF
基于双向长短时记忆网络和自注意力机制的心音分类
11
作者 卢官明 李齐健 +4 位作者 卢峻禾 戚继荣 赵宇航 王洋 魏金生 《数据采集与处理》 北大核心 2025年第2期456-468,共13页
心音听诊是早期筛查心脏病的有效诊断方法。为了提高异常心音检测性能,提出了一种基于双向长短时记忆(Bi⁃directional long short⁃term memory,Bi⁃LSTM)网络和自注意力机制(Self⁃attention mechanism,SA)的心音分类算法。对心音信号进... 心音听诊是早期筛查心脏病的有效诊断方法。为了提高异常心音检测性能,提出了一种基于双向长短时记忆(Bi⁃directional long short⁃term memory,Bi⁃LSTM)网络和自注意力机制(Self⁃attention mechanism,SA)的心音分类算法。对心音信号进行分帧处理,提取每帧心音信号的梅尔频率倒谱系数(Mel⁃frequency cepstral coefficients,MFCC)特征;将MFCC特征序列输入Bi⁃LSTM网络,利用Bi⁃LSTM网络提取心音信号的时域上下文特征;通过自注意力机制动态调整Bi⁃LSTM网络各时间步输出特征的权重,得到有利于分类的更具鉴别性的心音特征;通过Softmax分类器实现正常/异常心音的分类。在PhysioNet/CinC Challenge 2016心音数据集上对所提出的算法使用10折交叉验证法进行了评估,得到0.9425的灵敏度、0.9437的特异度、0.8367的精度、0.8865的F1得分和0.9434的准确率,优于对比的典型算法。实验结果表明,该算法在无需进行心音分段的基础上就能有效实现异常心音检测,具有潜在的临床应用前景。 展开更多
关键词 心音分类 梅尔频率倒谱系数 双向长短时记忆网络 自注意力机制
在线阅读 下载PDF
基于注意力机制的双卷积图像去噪网络
12
作者 周先春 吕梦楠 +3 位作者 芮旸 唐彬鑫 杜志亭 陈玉泽 《电子测量与仪器学报》 北大核心 2025年第2期60-71,共12页
近年来,深度卷积神经网络在图像去噪领域表现出了优越的性能。然而,深度网络结构往往伴随着大量的模型参数,导致训练成本高,推理时间长,限制了其在实际去噪任务中的应用。提出了一种新的基于注意力机制的双卷积图像去噪网络(MA-DFRNet)... 近年来,深度卷积神经网络在图像去噪领域表现出了优越的性能。然而,深度网络结构往往伴随着大量的模型参数,导致训练成本高,推理时间长,限制了其在实际去噪任务中的应用。提出了一种新的基于注意力机制的双卷积图像去噪网络(MA-DFRNet),它由多尺度特征特征提取网络、双卷积神经网络及动态特征精炼注意力机制组成。多尺度特征提取网络通过不同尺度的卷积获取图像特征,提高灵活性。双卷积神经网络上下分支均采用跳跃连接及扩张卷积来增大感受野。动态特征精炼注意力机制增强特征表示的精度和区分能力。这种结构设计不仅扩大了感受野,还更有效地提取和融合图像特征,显著提升去噪效果。研究结果表明,与最先进的模型相比,提出的MA-DFRNet在所有对比的噪声水平下具有更高的峰值信噪比(PSNR)和结构相似性(SSIM)值,PSNR提高了0.2 dB左右,SSIM提高了1%左右,对于噪声水平较高的图像更具鲁棒性,并且在视觉上更好地保留了图像细节,实现去噪和细节保留之间的平衡。 展开更多
关键词 图像去噪 卷积神经网络 注意力机制 跳跃连接 多尺度特征提取网络
在线阅读 下载PDF
融合时空注意力机制的多尺度卷积车辆轨迹预测
13
作者 闫建红 刘芝妍 王震 《计算机工程》 北大核心 2025年第8期406-414,共9页
车辆轨迹预测是自动驾驶的重要环节,提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响,考虑相邻车辆运动和相对空间位置等交通环境因素,在长短期记忆(LSTM)神经网络编码器-解码器模型基础上... 车辆轨迹预测是自动驾驶的重要环节,提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响,考虑相邻车辆运动和相对空间位置等交通环境因素,在长短期记忆(LSTM)神经网络编码器-解码器模型基础上引入时空注意力机制,通过时间注意力层关注目标车辆和相邻车辆的历史轨迹,空间注意力层关注车辆的相对空间位置。为了增强特征提取程度和实现更全面的特征融合,使用多尺度卷积社交池增大感受野,融合多尺度特征,并提出基于LSTM编码器-解码器架构融合多尺度卷积社交池和时空注意力机制的车辆轨迹预测模型MCS-STA-LSTM。通过学习车辆运动相互依赖关系,以达到获得目标车辆未来轨迹基于机动类别的多模态预测分布的目的。在公开数据集NGSIM上进行训练、验证和测试,实验结果表明,相较于其他轨迹预测模型,该方法在3 s内的均方根误差平均降低了9.35%,5 s内均方根误差平均降低了5.53%,提高了轨迹预测准确性,在中短期预测上更具有优势。 展开更多
关键词 多尺度卷积社交池化 轨迹预测 长短期记忆神经网络 时空注意力机制 多尺度特征融合
在线阅读 下载PDF
MDA-MIM:一种融合多尺度特征与双重注意力机制的雷达回波图预测模型
14
作者 胡强 高雅婷 +1 位作者 尹宾礼 渠连恩 《通信学报》 北大核心 2025年第3期248-257,共10页
为提升雷达回波图中时空特征的提取质量,提出了一种基于多尺度特征融合和双重注意力机制的MIM改进(MDA-MIM)模型。该模型基于空洞卷积实现多尺度特征提取与融合。通过在MIM模型中的非平稳模块集成自注意力机制,调整不同时间步长和空间... 为提升雷达回波图中时空特征的提取质量,提出了一种基于多尺度特征融合和双重注意力机制的MIM改进(MDA-MIM)模型。该模型基于空洞卷积实现多尺度特征提取与融合。通过在MIM模型中的非平稳模块集成自注意力机制,调整不同时间步长和空间位置的权重,更精确地捕捉雷达回波数据中的非平稳性特征。在平稳模块引入局部注意力机制,以聚焦于局部区域内的特征关联,增强对平稳性特征的捕捉能力。真实数据集上的实验结果表明,MDA-MIM具有优秀的预测性能,在MSE、MAE、SSIM和PSNR等指标上均优于对比模型。 展开更多
关键词 雷达回波图 时空预测 注意力机制 多尺度特征
在线阅读 下载PDF
多尺度密集交互注意力残差真实图像去噪网络
15
作者 郭业才 胡晓伟 +1 位作者 AMITAVE Saha 毛湘南 《图学学报》 北大核心 2025年第2期279-287,共9页
针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级... 针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级联模块(MSCM)利用多维密集交互残差单元(MDIU)对图像特征进行多维映射,并逐步级联以增强模型之间的信息传递和交互性,充分拟合训练数据;引入双路全局注意力模块(DGAM)对多级特征进行全局联合学习,获取更具有判别性的特征信息;跳跃连接促进结构之间的参数共享,使不同维度的特征充分融合,保证信息的完整性;最后,采用残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上峰值信噪比分别为39.80 dB和39.62 dB,结构相似性分别为95.4%和95.8%,均优于主流去噪算法。此外,该算法在低光度场景下应用也能保留更多细节,从而显著提升图像质量。 展开更多
关键词 图像去噪 多尺度特征提取 多维密集交互 卷积神经网络 注意力
在线阅读 下载PDF
基于双向长短记忆网络和注意力机制的鸡白痢病音频检测
16
作者 漆海霞 张嘉琪 +2 位作者 江锦卓 冯榆森 陈日耀 《中国农机化学报》 北大核心 2025年第8期66-74,96,共10页
鸡白痢病是由鸡白痢沙门氏菌引起的一种传染性疾病,对养鸡业构成严重威胁。鉴于早期监测对预防疾病传播的重要性,提出一种基于深度学习的音频识别模型FlockVigil—Net,旨在实现对鸡白痢病的高效检测。首先,采用Smooth—HF降噪方法,结合... 鸡白痢病是由鸡白痢沙门氏菌引起的一种传染性疾病,对养鸡业构成严重威胁。鉴于早期监测对预防疾病传播的重要性,提出一种基于深度学习的音频识别模型FlockVigil—Net,旨在实现对鸡白痢病的高效检测。首先,采用Smooth—HF降噪方法,结合平滑机制谱减法和高通滤波器,从包含鸡叫声、行为噪声和环境噪声的复杂声音数据中提取清晰鸡叫声。随后,通过基于时间限制条件的端点检测算法分割鸡声音段,并计算鸡叫声的语谱图、FBANK和Mel频率倒谱系数(MFCC)3个特征,进一步形成特征合并图,为疾病识别提供丰富的声学信息。FlockVigil—Net模型融合卷积神经网络、双向长短记忆网络(BILSTM)和多头注意力机制,实现对鸡白痢病感染鸡只的高准确率识别。试验结果表明,在鸡白痢病确认后的第2~8天,模型识别率从86.53%提升至90.26%。与其他语音识别模型相比,FlockVigil—Net展现出更优的性能,为鸡白痢病的早期诊断提供一种高效、准确的音频检测方法。 展开更多
关键词 鸡病检测 双向长短记忆网络 注意力机制 谱减法
在线阅读 下载PDF
基于改进时域卷积网络与多头自注意力机制的间歇过程质量预测模型
17
作者 赵小强 柳勇勇 +1 位作者 惠永永 刘凯 《计算机应用》 北大核心 2025年第7期2245-2252,共8页
为提高时域卷积网络(TCN)在批量大小变化时的训练稳定性,并解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致的预测准确度不高的问题,提出一种基于批量组规范化(BGN)和Mish激活函数改进残差结构的TCN(BMTCN)与多头自... 为提高时域卷积网络(TCN)在批量大小变化时的训练稳定性,并解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致的预测准确度不高的问题,提出一种基于批量组规范化(BGN)和Mish激活函数改进残差结构的TCN(BMTCN)与多头自注意力机制(MHSA)的间歇过程质量预测模型(BMTCN-MHSA)。首先,将间歇过程的三维数据展开为二维矩阵形式,并对数据进行归一化处理,再引入奇异谱分析法(SSA)分解重构数据;其次,在时域卷积的残差部分融入BGN以降低网络模型在批量大小变化时的敏感度,引入Mish激活函数以提高模型的泛化能力,并利用多头自注意力机制对序列中不同位置的特征信息进行关联和权重分配,从而进一步提取序列中的关键特征信息和相互依赖关系,进而更好地捕捉间歇过程的动态特征;最后,使用青霉素仿真实验数据进行实验验证。实验结果表明,相较于TCN模型,BMTCN-MHSA模型的平均绝对误差(MAE)降低了56.86%,均方误差(MSE)降低了48.80%,而决定系数(R2)达到了99.48%,这表明BMTCN-MHSA模型提高了间歇过程质量预测的准确性。 展开更多
关键词 间歇过程 质量预测 奇异谱分析法 时域卷积网络 多头自注意力机制
在线阅读 下载PDF
嵌入注意力机制的时空网络设计及孔隙度可靠性预测
18
作者 李艳辉 陶悦 《石油地球物理勘探》 北大核心 2025年第3期555-563,共9页
孔隙度是评价储层和计算储量的一个重要指标。然而,传统取芯方法获取孔隙度成本较高,基于回归分析和统计学模型预测的孔隙度误差较大。为此,构建一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制的储层孔隙度预测模... 孔隙度是评价储层和计算储量的一个重要指标。然而,传统取芯方法获取孔隙度成本较高,基于回归分析和统计学模型预测的孔隙度误差较大。为此,构建一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制的储层孔隙度预测模型,并利用实际的测井数据验证其性能。首先通过CNN和BiLSTM捕获测井数据的复杂非线性时空关系;然后嵌入卷积自注意力机制,通过因果卷积产生查询和键,使局部信息更好地融入注意力机制中,相比传统自注意力机制,避免了异常数据对预测结果的影响;最后采用蒙特卡洛dropout的方法量化模型的不确定性,提供储层孔隙度预测的置信区间,进一步评估预测的可信度。多个模型对比实验表明,所提方法预测储层孔隙度的准确度较高;通过两口不同特性井的实验揭示,该方法泛化能力较强。 展开更多
关键词 储层孔隙度预测 卷积神经网络 双向长短期记忆网络 注意力机制 不确定性量化
在线阅读 下载PDF
基于多尺度注意力自适应去噪网络的局部放电模式识别 被引量：1
19
作者 郑尚坡 刘俊峰 +3 位作者 曾君 廖晓青 陈历 许建远 《高电压技术》 北大核心 2025年第4期1958-1968,共11页
局部放电的故障类型与气体绝缘开关(gas insulated switchgear,GIS)绝缘故障的严重程度紧密相关,精确识别局部放电故障类型对保障供电系统的稳定性至关重要。传统局部放电模式识别方法缺乏自适应去噪和对多尺度故障特征的处理机制,并且... 局部放电的故障类型与气体绝缘开关(gas insulated switchgear,GIS)绝缘故障的严重程度紧密相关,精确识别局部放电故障类型对保障供电系统的稳定性至关重要。传统局部放电模式识别方法缺乏自适应去噪和对多尺度故障特征的处理机制,并且过于依赖专家经验,以至于在处理含有大量噪声和固有多尺度特性的复杂局部放电信号时存在显著局限性,从而限制了模型对于局部放电故障识别准确率的进一步提升。为解决这些问题,提出一种多尺度注意力自适应去噪网络(multi-scale attention adaptive denoising network,MAADNet),该网络集成了多尺度特征学习模块、卷积注意力模块(convolutional block attention module,CBAM)以及软阈值函数,具备强大的自适应去噪和多尺度故障特征学习能力。具体而言,多尺度特征学习模块通过采用不同空洞率的空洞卷积以提取多尺度特征;而CBAM注意力机制和软阈值函数协同工作,依据输入局部放电信号的特性自适应调整去噪阈值,有效实现噪声抑制。此外,为验证所提网络有效性,通过搭建局部放电试验平台,设计并制作4种典型局放故障模型以收集不同故障类型的局部放电数据集。试验结果表明,所提方法在局部放电数据集上取得94.34%的识别准确率,优于其他先进方法,显示出良好的应用前景。 展开更多
关键词 气体绝缘开关 局部放电 模式识别 多尺度特征 注意力机制
在线阅读 下载PDF
基于改进注意力机制网络的电力设备图像识别 被引量：1
20
作者 伍颖欣 刘磊 +1 位作者 肖轶婷 关远鹏 《中国电机工程学报》 北大核心 2025年第3期870-883,I0006,共15页
在复杂工作环境下,电力设备的有效图像识别和状态分析可提升其运行维护能力,降低潜在停电风险。然而,传统的电力设备图像识别方法存在目标与背景特征信息难以分辨和特征信息提取能力不足等问题。该文提出一种改进注意力机制网络的电力... 在复杂工作环境下,电力设备的有效图像识别和状态分析可提升其运行维护能力,降低潜在停电风险。然而,传统的电力设备图像识别方法存在目标与背景特征信息难以分辨和特征信息提取能力不足等问题。该文提出一种改进注意力机制网络的电力设备图像检测识别方法。该方法提出面向电力设备目标特征信息的预测策略:引入深度值的变化过程学习机制,提取图像深层语义信息;通过叠加卷积核和剔除前置网络池化层,以改进全局结构信息学习网络模块,获得富含细节特征且关联图像特征的电力设备图像先验信息,进一步采用基于长短期记忆网络(long short-term memory,LSTM)门控机制在不同层级图像特征信息上预测其电力设备目标特征信息,构建LSTM门控机制的注意力机制网络。此外,该方法提出深浅层特征信息交互策略:采用矩阵外积方式整合浅层特征信息与深层特征信息,使模型充分学习电力设备的多层次特征信息。相比于传统的电力设备图像识别方法,所提的改进方案可加强目标的细节特征识别和提取,精确区分背景与目标模糊界限信息,提升深浅层特征信息的交互能力,有效提高在复杂背景环境下目标识别的准确率。实验结果表明,针对绝缘子、变压器、断路器、输电线电杆以及输电线铁塔5种电力设备图像数据集,该文所提出的模型识别准确率达92%,比CvT模型高1.6%。 展开更多
关键词 电力设备 注意力机制 智能检测 智能识别 神经网络
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 … 215 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