期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
血清HBsAg感染的Vis-NIR光谱模式识别研究
1
作者
高乔基
吴振邦
+6 位作者
徐茜
陈敏
刘文轩
曹诚诚
廖敬龙
欧超
潘涛
《分析测试学报》
北大核心
2025年第6期1016-1023,共8页
乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压...
乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压缩-激励网络(SE Net)注意力机制和多尺度膨胀卷积的新型卷积神经网络(CNN)集成算法,连同经典的偏最小二乘-判别分析(PLS-DA)和普通浅层CNN算法,被用于建立HBsAg阳性和阴性血清的Vis-NIR光谱判别模型。该研究采用标准正态变量(SNV)变换进行光谱预处理。基于近红外区(780~1118 nm)经SNV处理的光谱的PLS-DA模型和新型CNN模型取得更优的建模效果,新型CNN模型的灵敏度(SEN)达到99.3%,漏诊率(FNR)达到0.7%。结果表明,采用Vis-NIR光谱精准判别HBsAg阳性和阴性血清具有可行性,提出的新型深度学习算法可望应用于其他光谱分析领域。
展开更多
关键词
可见-近红外光谱模式识别
血清HBsAg感染判别
偏最小二乘-判别分析(PLS-DA)
卷积
神经网络(CNN)
SE
Net注意力机制
多尺度膨胀卷积
在线阅读
下载PDF
职称材料
基于红外温度序列的电路板故障诊断研究
被引量：
4
2
作者
郝建新
王力
《红外与激光工程》
EI
CSCD
北大核心
2023年第4期51-62,共12页
电路板红外温度序列包含了丰富的故障类别信息,充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此,文中提出了一种由特征提取网络(Features Extraction Network,FEN)与关系学习网络(Relationship Learning Network,RLN)并...
电路板红外温度序列包含了丰富的故障类别信息,充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此,文中提出了一种由特征提取网络(Features Extraction Network,FEN)与关系学习网络(Relationship Learning Network,RLN)并行构成的可综合利用温度序列局部特征及特征间关系的电路板故障诊断模型。其中,FEN基于多尺度膨胀卷积(Multi-scale Dilated CNN,MDCNN)残差结构搭建,可在不增加训练参数的前提下构建多层次感受野,学习温度序列不同范围的空间特征;RLN基于嵌入长短期记忆网络的注意力机制(Long Short-Term Memory hybridized with Attention,LSTMwAtt)结构搭建,通过控制温度序列信息传递来学习特征重要性并分配权重,挖掘不同位置特征间的相关性。实验结果显示,所提模型在两个自建电路板温度序列测试数据集上的诊断性能优于同类型的FCN、MFCN、LSTM和LSTM-FCN,故障诊断准确率分别达到91.15%和96.27%,可实现对电路板故障的高准确率诊断。
展开更多
关键词
红外温度序列
电路故障诊断
多尺度膨胀卷积
长短期记忆网络
注意力机制
在线阅读
下载PDF
职称材料
基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究
3
作者
丁榕
邱成鹏
王帅
《金属矿山》
2025年第8期150-157,共8页
矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模...
矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模型进行剩余寿命预测。该模型在Transformer主干网络中嵌入了多尺度因果膨胀卷积(MSC)和高效通道注意力(ECA)模块,通过MSC构建多级时序特征提取,解决传统自注意力机制对设备渐进式退化模式多尺度特征捕捉不足的问题。同时引入ECA模块实现特征通道的动态权重分配,增强故障敏感特征的显著性表达。试验表明,MSC-ECA-Transformer模型在预测精度和稳定性上表现优异,改进后模型的平均绝对误差(MAE)以及均方根误差(RMSE)分别为0.0851以及0.0918,与Transformer模型相比,分别降低34.0%及36.2%,为矿用电机剩余寿命预测提供了技术支撑。
展开更多
关键词
皮带运输机
电机
寿命预测
MSC-ECA-Transformer
多尺度
因果
膨胀
卷积
时间序列
在线阅读
下载PDF
职称材料
题名
血清HBsAg感染的Vis-NIR光谱模式识别研究
1
作者
高乔基
吴振邦
徐茜
陈敏
刘文轩
曹诚诚
廖敬龙
欧超
潘涛
机构
暨南大学物理与光电工程学院
广西医科大学附属肿瘤医院
北京理工大学重庆微电子研究院
出处
《分析测试学报》
北大核心
2025年第6期1016-1023,共8页
基金
国家自然科学基金资助项目(82460611
62476112)。
文摘
乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压缩-激励网络(SE Net)注意力机制和多尺度膨胀卷积的新型卷积神经网络(CNN)集成算法,连同经典的偏最小二乘-判别分析(PLS-DA)和普通浅层CNN算法,被用于建立HBsAg阳性和阴性血清的Vis-NIR光谱判别模型。该研究采用标准正态变量(SNV)变换进行光谱预处理。基于近红外区(780~1118 nm)经SNV处理的光谱的PLS-DA模型和新型CNN模型取得更优的建模效果,新型CNN模型的灵敏度(SEN)达到99.3%,漏诊率(FNR)达到0.7%。结果表明,采用Vis-NIR光谱精准判别HBsAg阳性和阴性血清具有可行性,提出的新型深度学习算法可望应用于其他光谱分析领域。
关键词
可见-近红外光谱模式识别
血清HBsAg感染判别
偏最小二乘-判别分析(PLS-DA)
卷积
神经网络(CNN)
SE
Net注意力机制
多尺度膨胀卷积
Keywords
visible-near-infrared spectral pattern recognition
serum HBsAg infection diagnosis
partial least squares discriminant analysis(PLS-DA)
convolutional neural network(CNN)
SE Net attention mechanism
multiscale dilated convolution
分类号
O657.3 [理学—分析化学]
R457.2 [医药卫生—治疗学]
在线阅读
下载PDF
职称材料
题名
基于红外温度序列的电路板故障诊断研究
被引量：
4
2
作者
郝建新
王力
机构
中国民航大学工程技术训练中心
中国民航大学职业技术学院
出处
《红外与激光工程》
EI
CSCD
北大核心
2023年第4期51-62,共12页
基金
国家自然科学基金(U173319)。
文摘
电路板红外温度序列包含了丰富的故障类别信息,充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此,文中提出了一种由特征提取网络(Features Extraction Network,FEN)与关系学习网络(Relationship Learning Network,RLN)并行构成的可综合利用温度序列局部特征及特征间关系的电路板故障诊断模型。其中,FEN基于多尺度膨胀卷积(Multi-scale Dilated CNN,MDCNN)残差结构搭建,可在不增加训练参数的前提下构建多层次感受野,学习温度序列不同范围的空间特征;RLN基于嵌入长短期记忆网络的注意力机制(Long Short-Term Memory hybridized with Attention,LSTMwAtt)结构搭建,通过控制温度序列信息传递来学习特征重要性并分配权重,挖掘不同位置特征间的相关性。实验结果显示,所提模型在两个自建电路板温度序列测试数据集上的诊断性能优于同类型的FCN、MFCN、LSTM和LSTM-FCN,故障诊断准确率分别达到91.15%和96.27%,可实现对电路板故障的高准确率诊断。
关键词
红外温度序列
电路故障诊断
多尺度膨胀卷积
长短期记忆网络
注意力机制
Keywords
infrared temperature series
circuit fault diagnosis
multi-scale dilated CNN
LSTM
attention mechanism
分类号
TN21 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究
3
作者
丁榕
邱成鹏
王帅
机构
中煤资源发展集团有限公司
出处
《金属矿山》
2025年第8期150-157,共8页
基金
陕西省重点研发计划(编号:2023-YBGY-367)
国家自然科学基金青年项目(编号:51704229)。
文摘
矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模型进行剩余寿命预测。该模型在Transformer主干网络中嵌入了多尺度因果膨胀卷积(MSC)和高效通道注意力(ECA)模块,通过MSC构建多级时序特征提取,解决传统自注意力机制对设备渐进式退化模式多尺度特征捕捉不足的问题。同时引入ECA模块实现特征通道的动态权重分配,增强故障敏感特征的显著性表达。试验表明,MSC-ECA-Transformer模型在预测精度和稳定性上表现优异,改进后模型的平均绝对误差(MAE)以及均方根误差(RMSE)分别为0.0851以及0.0918,与Transformer模型相比,分别降低34.0%及36.2%,为矿用电机剩余寿命预测提供了技术支撑。
关键词
皮带运输机
电机
寿命预测
MSC-ECA-Transformer
多尺度
因果
膨胀
卷积
时间序列
Keywords
belt conveyer
electrical machine
residual life prediction
MSC-ECA-Transformer
multiscale causal dilation convolution
time series
分类号
TD687 [矿业工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
血清HBsAg感染的Vis-NIR光谱模式识别研究
高乔基
吴振邦
徐茜
陈敏
刘文轩
曹诚诚
廖敬龙
欧超
潘涛
《分析测试学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于红外温度序列的电路板故障诊断研究
郝建新
王力
《红外与激光工程》
EI
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
3
基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究
丁榕
邱成鹏
王帅
《金属矿山》
2025
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
