期刊文献+
共找到20篇文章
< 1 >
每页显示 20 50 100
基于多尺度自适应残差卷积神经网络的新能源配电网故障定位技术 被引量:4
1
作者 杨鹏杰 徐宇 郑晨一 《水利水电技术(中英文)》 北大核心 2023年第S02期439-446,共8页
随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配... 随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配电网故障定位方法。首先,对故障电流使用变分模态分解,得到一系列征模态函数;然后,使用多尺度自适应卷积动态调整卷积核尺寸、残差卷积提升网络学习能力的方式构建多尺度自适应残差卷积神经网络模型,特征学习输入的故障电流本征模态函数;最后,经过Softmax分类器实现故障区段分类,完成故障定位。仿真结果表明,所提方法面对新能源接入的配电网能够实现不同故障的准确定位,并且对高阻接地故障仍然具有较高的准确率。和常见的卷积神经网络、支持向量机相比,配电网故障定位准确率分别提升了5.63%、9.31%,验证了该方法的有效性。 展开更多
关键词 新型电力系统 新能源 配电网 故障定位 多尺度自适应残差卷积神经网络
在线阅读 下载PDF
基于CEEMDAN与改进一维多尺度卷积神经网络结合的滚动轴承故障诊断
2
作者 马宁 赵荣珍 郑玉巧 《兰州理工大学学报》 北大核心 2025年第1期45-54,共10页
针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对... 针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对轴承信号进行消噪处理,并利用皮尔逊相关系数法对所得IMF分量进行信号重构;其次,在网络首层将大尺寸卷积核与空洞卷积结合,并引入金字塔场景解析网络提出改进的一维多尺度卷积神经网络,对故障特征信息进行提取,采用PSO算法对卷积核进行参数寻优;最后,融合多尺度特征信息完成网络学习,并输入Sofmax分类器,实现滚动轴承故障诊断.采用西储大学轴承数据集和HZXT-DS-001型双跨综合故障模拟实验台的滚动轴承故障数据进行了验证.结果表明,相比传统故障诊断方法该方法可以得到良好的诊断结果. 展开更多
关键词 自适应噪声完备集合经验模态分解 一维卷积神经网络 多尺度特征提取 特征可视化 故障诊断
在线阅读 下载PDF
采用多尺度自适应选择卷积神经网络的轴承故障诊断研究 被引量:4
3
作者 张玺君 尚继洋 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第2期127-135,共9页
针对轴承故障诊断方法中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,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 针对轴承故障诊断方法中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,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。 展开更多
关键词 轴承故障诊断 卷积神经网络 自适应融合 注意力机制 多尺度特征
在线阅读 下载PDF
改进卷积神经网络的SAR图像识别方法
4
作者 罗曼 李新 《空天预警研究学报》 CSCD 2024年第3期162-166,172,共6页
针对SAR图像存在散斑噪声且各个类别的区分度不高而导致的目标特征提取难的问题,提出了一种改进卷积神经网络的SAR图像识别方法.采用不同尺度的卷积层提取SAR图像特征,设计了一种多尺度特征提取模块,充分提取图像的隐含信息;对经典的残... 针对SAR图像存在散斑噪声且各个类别的区分度不高而导致的目标特征提取难的问题,提出了一种改进卷积神经网络的SAR图像识别方法.采用不同尺度的卷积层提取SAR图像特征,设计了一种多尺度特征提取模块,充分提取图像的隐含信息;对经典的残差神经网络残差块进行改进,设计了一种密集残差块结构,为后面层提供丰富的细节信息,保证输出特征的表达能力.最后在MSTAR数据集上进行了验证.实验结果表明,本文模型在测试集上的识别率达到了99.17%,优于其他方法.对测试集加入不同比例的椒盐噪声,本文模型比其他CNN识别率高,说明本文模型具有较好的鲁棒性. 展开更多
关键词 卷积神经网络 SAR图像 多尺度特征提取模块 密集残差 鲁棒性
在线阅读 下载PDF
基于多尺度卷积神经网络的图像去噪方法研究 被引量:1
5
作者 汤勇峰 《无线互联科技》 2022年第24期154-156,共3页
应用传统方法对图像去噪处理后,图像的峰值信噪比仍旧比较低,文章提出了基于多尺度卷积神经网络的图像去噪方法。以多尺度卷积神经网络为架构,由去噪模块与边缘模块组建成多尺度卷积神经网络去噪模型,利用残差学习法对模型进行训练,并... 应用传统方法对图像去噪处理后,图像的峰值信噪比仍旧比较低,文章提出了基于多尺度卷积神经网络的图像去噪方法。以多尺度卷积神经网络为架构,由去噪模块与边缘模块组建成多尺度卷积神经网络去噪模型,利用残差学习法对模型进行训练,并利用寻优迭代算法对代价函数进行求解,利用训练好的去噪模型对图像进行多尺度卷积计算,根据噪声真值对图像平滑处理,实现图像去噪。通过实验证明,本次设计方法去噪后图像噪声有了明显降低,峰值信噪比高于传统方法。 展开更多
关键词 多尺度卷积神经网络 去噪 峰值信噪比 残差学习法 寻优迭代算法
在线阅读 下载PDF
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断 被引量:5
6
作者 徐培文 陈仁祥 +3 位作者 胡小林 杨黎霞 唐林林 林立 《振动与冲击》 EI CSCD 北大核心 2022年第4期86-92,共7页
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原... 为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果。在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果。 展开更多
关键词 风机基础螺栓 松动诊断 多尺度一维卷积神经网络 粒子群优化(PSO) 适应度值
在线阅读 下载PDF
多维注意力机制神经网络在电力工程数据中的应用研究
7
作者 王琼 吕征宇 薛礼月 《电子设计工程》 2024年第9期129-133,共5页
针对当前电力工程数据分析处理过程中过于依赖人工且数字化程度较低的问题,文中基于改进的神经网络结构,提出了一种电力工程数据分析算法。该算法对基础卷积神经网络进行了改进,并利用多尺度卷积核增强了神经网络的感知野。而对于多尺... 针对当前电力工程数据分析处理过程中过于依赖人工且数字化程度较低的问题,文中基于改进的神经网络结构,提出了一种电力工程数据分析算法。该算法对基础卷积神经网络进行了改进,并利用多尺度卷积核增强了神经网络的感知野。而对于多尺度神经网络收敛速度慢的问题,在粗细尺度网络之间加入了残差网络,同时通过加入多维时空卷积注意力机制增强了数据的编码能力,进一步提高了模型的收敛速度。仿真测试结果表明,由迭代实验确定出最佳迭代次数后,所提算法的平均预测准确率和运行时间分别为97.5%及38.2 s,在对比方法中均为最优,综合性能较为理想,可以实现对电力工程数据的合理分析与准确预测。 展开更多
关键词 多尺度卷积神经网络 残差网络 多维注意力机制 电力工程数据 造价管理 数据分析
在线阅读 下载PDF
嵌入注意力机制的卷积神经网络水声目标识别 被引量:2
8
作者 张钇 熊水东 +4 位作者 马燕新 姚琼 王付印 郭微 朱家华 《声学技术》 CSCD 北大核心 2022年第6期796-803,共8页
针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络(Multi-scale Residual CNN with Attention, MR-CNN-A)进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率... 针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络(Multi-scale Residual CNN with Attention, MR-CNN-A)进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明:对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。 展开更多
关键词 水声目标识别 注意力机制 多尺度残差 卷积神经网络 特征融合 低信噪比 稳健 自主式水下航行器
在线阅读 下载PDF
通道门控Res2Net卷积神经网络自动调制识别 被引量:3
9
作者 陈昊 郭文普 康凯 《电讯技术》 北大核心 2023年第12期1869-1875,共7页
针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Re... 针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Res2Net)、压缩与激励网络(Squeeze-and-Excitation Network,SENet)和长短期记忆(Long Short-Term Memory,LSTM)网络组成,通过卷积从原始I/Q数据中提取多尺度特征,结合门控机制对特征通道进行权重调整,并利用LSTM对卷积所得特征进行序列建模,确保数据特征被有效挖掘,从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明,所提模型在信噪比为12 dB时识别精度为92.68%,在信噪比2 dB以上时平均识别精度大于91%,较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。 展开更多
关键词 自动调制识别 卷积神经网络 压缩与激励网络 多尺度残差网络 长短期记忆网络
在线阅读 下载PDF
基于空洞卷积和增强型多尺度特征自适应融合的滚动轴承故障诊断 被引量:2
10
作者 韩康 战洪飞 +1 位作者 余军合 王瑞 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第6期1285-1295,共11页
传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模... 传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模型(DC-MAFFM).利用空洞卷积的大感受野提取信号特征,同时引入残差连接来减少卷积层上的信息损失,从而有效过滤信号中的噪声;设计改进的多尺度特征提取模块,在不同尺度上捕获互补的诊断特征,同时在各层都进行不同尺度特征融合,充分学习信号的高频和低频特征;利用提出的特征自适应融合模块对不同尺度的特征自适应赋予权重,增强判别特征学习的能力.在2个轴承数据集上进行验证,结果表明所提模型在噪声和变工况下有较强的诊断能力.在强噪声情况下,故障诊断准确率分别达到88.08%和75.56%,与其他方法相比有显著优势. 展开更多
关键词 故障诊断 空洞卷积 残差连接 多尺度特征提取 自适应融合
在线阅读 下载PDF
基于多尺度时空残差网络的入侵检测方法 被引量:1
11
作者 张天月 陈伟 刘宇啸 《信息安全研究》 CSCD 2023年第11期1045-1053,共9页
针对现有的入侵检测方法存在特征提取不佳、分类准确率低、泛化能力不强等问题,提出一种融合多尺度卷积神经网络、长短期记忆网络和残差网络的入侵检测模型(multi-scale spatial-temporal residual network,MS-ST-RNet).首先,借助log1p... 针对现有的入侵检测方法存在特征提取不佳、分类准确率低、泛化能力不强等问题,提出一种融合多尺度卷积神经网络、长短期记忆网络和残差网络的入侵检测模型(multi-scale spatial-temporal residual network,MS-ST-RNet).首先,借助log1p平滑处理对偏度较大的数据进行转化,通过转化前后与标签的相关性对比以及数据分布可视化证明其有效性;其次,分别通过多尺度1维卷积模块和长短期记忆模块提取数据的空间特征和时序特征并进行特征融合;最后,基于残差网络的思想添加恒等映射,避免梯度消失、梯度爆炸以及网络退化等问题.在数据集UNSW_NB15上的实验结果表明,所提方法可以有效增强模型的表征能力以及泛化能力,且各项指标性能有比较明显的提升. 展开更多
关键词 网络入侵检测 深度学习 多尺度卷积神经网络 长短期记忆网络 残差网络
在线阅读 下载PDF
基于多尺度残差融合网络的高光谱图像融合算法
12
作者 刘娴雅 刘宾 《舰船电子工程》 2023年第3期44-49,共6页
针对高光谱图像空间分辨率低的问题,提出了一种基于多尺度残差融合网络的高光谱图像融合算法。该算法采用多尺度特征提取机制和多级尺度融合机制,将同一目标的低分辨率高光谱图像(LR-HSI)与高分辨率多光谱图像(HR-MSI)融合,得到高分辨... 针对高光谱图像空间分辨率低的问题,提出了一种基于多尺度残差融合网络的高光谱图像融合算法。该算法采用多尺度特征提取机制和多级尺度融合机制,将同一目标的低分辨率高光谱图像(LR-HSI)与高分辨率多光谱图像(HR-MSI)融合,得到高分辨率高光谱图像(HR-HSI)。实验证明,论文所提出的方法在CAVE和Harvard这两个数据集上峰值信噪比分别达到了39.8504和42.9646,光谱角映射分别达到了0.0685和0.1585,比其他几种方法均有一定的提升。该算法避免了传统融合方法人为制定融合规则的缺点,在极大程度上降低光谱失真的同时提升高光谱图像的空间分辨率,具有很好的应用前景。 展开更多
关键词 高光谱图像 卷积神经网络 图像融合 多尺度残差
在线阅读 下载PDF
多尺度残差注意力的高速铁路OFDM信道估计 被引量:2
13
作者 陈永 蒋丰源 詹芝贤 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第4期512-522,共11页
针对高速铁路正交频分复用(OFDM)通信系统在高速移动场景下,难以准确对快时变信道状态信息进行估计的问题,提出了一种基于多尺度残差注意力网络的高速铁路OFDM信道估计方法。首先,设计多尺度信道特征提取结构,对低分辨率信道矩阵采用多... 针对高速铁路正交频分复用(OFDM)通信系统在高速移动场景下,难以准确对快时变信道状态信息进行估计的问题,提出了一种基于多尺度残差注意力网络的高速铁路OFDM信道估计方法。首先,设计多尺度信道特征提取结构,对低分辨率信道矩阵采用多尺度多维特征提取,增强了信道不同尺度信息的提取能力。然后,构建残差注意力级联深度网络进行信道特征重构映射,将局部残差反馈结合注意力机制促进深层特征的融合和利用,提升OFDM信道矩阵的重构映射能力。最后,使用子像素卷积重构生成高分辨率信道矩阵,完成信道估计。通过频域和时域信道估计测试分析表明:在低速及高速铁路场景下,该方法与其他方法相比,信道估计的精度和复杂度等客观性评价指标均优于比较算法,能够满足OFDM信道估计的要求。 展开更多
关键词 信道估计 深度残差注意力 多尺度卷积神经网络 正交频分复用系统 超分辨率重构
在线阅读 下载PDF
基于残差学习的自适应无人机目标跟踪算法 被引量:11
14
作者 刘芳 孙亚楠 +1 位作者 王洪娟 韩笑 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第10期1874-1882,共9页
无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建... 无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建深度网络提取目标特征,同时克服网络退化问题;其次,将提取的目标特征信息输入核相关滤波算法,构建定位滤波器确定目标的中心位置;最后,根据目标外观特性的不同进行自适应分块,并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响,在跟踪成功率和精确度上均高于其他对比算法。 展开更多
关键词 无人机 目标跟踪 空洞卷积 残差学习 相关滤波 自适应尺度
在线阅读 下载PDF
适用于图像超分辨率的多路径融合增强网络 被引量:1
15
作者 沈俊晖 薛丽霞 +1 位作者 汪荣贵 杨娟 《微电子学与计算机》 2024年第3期59-70,共12页
卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进。然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实。为了解... 卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进。然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实。为了解决该问题,设计了一种轻量级的图像超分辨率重建网络——多路径融合增强网络(Multi-path Fusion Enhancement Network,MFEN)。具体来说,提出了一个新颖的融合注意力增强模块(Fusion Attention Enhancement Block,FAEB)作为多路径融合增强网络的主要构建模块。融合注意力增强模块由一条主干分支和两条层级分支构成:主干分支由堆叠的增强像素注意力模块组成,负责对特征图实现深度特征学习;层级分支则负责提取并融合不同大小感受野的特征图,从而实现多尺度特征学习。层级分支的融合方式则是以相邻的增强像素注意力模块输出为分支输入,通过自适应注意力模块(Self-Adaptive Attention Module,SAAM)来动态地增强不同大小感受野特征的融合程度,进一步补全特征信息,从而实现更全面、更精准的特征学习。大量实验表明,该多路径融合增强网络在基准测试集上具有更高的准确性。 展开更多
关键词 多路径融合增强网络 轻量化图像超分辨率重建 多尺度特征融合 自适应注意力 卷积神经网络
在线阅读 下载PDF
改进YOLOv8n的林业害虫检测方法
16
作者 陈万志 袁航 《北京林业大学学报》 北大核心 2025年第2期119-131,共13页
【目的】针对现有林业害虫检测方法检测速度慢,检测类别少,小目标害虫检测效果差等问题,提出了一种改进YOLOv8n的林业害虫检测方法。【方法】首先,采用高效多尺度级联注意力特征提取网络EfficientViT作为改进模型的主干网络,降低计算复... 【目的】针对现有林业害虫检测方法检测速度慢,检测类别少,小目标害虫检测效果差等问题,提出了一种改进YOLOv8n的林业害虫检测方法。【方法】首先,采用高效多尺度级联注意力特征提取网络EfficientViT作为改进模型的主干网络,降低计算复杂度,提高检测速度;其次,通过构建多尺度自适应特征融合模块DA-C2F提升模型在复杂背景下害虫目标的聚焦能力和识别精度,此外新增的小目标检测头XSH能够进一步提升小目标害虫的检测能力;最后,采用基于最小点距离交并比损失函数MPDIoU作为模型的边界框损失,提升网络收敛速度,进一步增强害虫目标的定位准确率。【结果】改进模型的检测精确率、召回率、平均精度、平均精度均值(mAP50-95)和F_(1)分数分别达到98.6%、95.7%、98.3%、85.6%和0.979,前4者较原模型分别提升了3.9、2.6、2.8、2.5个百分点,F_(1)分数提升了4.4%;检测速度(帧率)达到了95帧/秒,提升了15.9%,优于更轻量级的模型。此外,对比其他检测模型,改进模型对飞蛾类害虫的检测精确率提升了11.2个百分点,并且两种独立飞蛾害虫综合检测的表现也更为优异。【结论】本研究提出的方法对于林业害虫的检测准确度更高,检测速度更快,且对多类别害虫的检测精度更高,改进模型的泛化能力更强。 展开更多
关键词 深度学习 卷积神经网络(CNN) 林业害虫检测 YOLOv8n 多尺度级联注意力特征提取网络 多尺度自适应特征融合 小目标检测头
在线阅读 下载PDF
基于深度网络的滚动轴承智能故障诊断 被引量:4
17
作者 李金才 付文龙 +2 位作者 王仁明 陈星 孟嘉鑫 《工矿自动化》 北大核心 2022年第4期78-88,共11页
针对变工况环境中滚动轴承的源域与目标域数据分布不同及目标域样本不含标签的问题,提出一种基于深度自适应迁移学习网络(DATLN)的滚动轴承故障诊断模型。首先,搭建领域共享特征提取网络,采用多尺度卷积神经网络(MSCNN)抑制噪声的干扰,... 针对变工况环境中滚动轴承的源域与目标域数据分布不同及目标域样本不含标签的问题,提出一种基于深度自适应迁移学习网络(DATLN)的滚动轴承故障诊断模型。首先,搭建领域共享特征提取网络,采用多尺度卷积神经网络(MSCNN)抑制噪声的干扰,进而有效提取振动信号中蕴含的局部故障信息;其次,结合双向长短时记忆网络(BiLSTM)进一步学习局部故障信息中的时间特征;最后,引入迁移学习,以域对抗(DA)训练结合自适应联合分布(AJD)度量构建域自适应模块,通过最大化域分类损失和最小化AJD距离,实现源域与目标域特征样本对齐。在开源CWRU数据集与机械故障平台实测数据集上分别进行抗噪实验和迁移实验。抗噪实验表明:①在无噪声环境下,MSCNN-BiLSTM网络的识别准确率均达到99%以上,说明其具有较好的特征提取能力;②MSCNN-BiLSTM,LeNet-5,MSCNN和BiLSTM四种网络的识别准确率随着噪声强度的增强而降低;③在3,5,10 dB噪声环境下,MSCNN-BiLSTM网络的平均识别准确率比LeNet-5,MSCNN和BiLSTM网络的平均识别准确率均高,说明MSCNN-BiLSTM网络具有较好的抗噪声干扰性能;④MSCNN-BiLSTM网络在无噪声环境和3 dB噪声环境下,均最先达到收敛且波动较小。迁移实验表明:①在无标签目标域数据集上,DA+AJD方法的平均识别准确率为97.36%,均高于Baseline,迁移成分分析(TCA),域对抗神经网络(DANN)的识别准确率;②在测试集混淆矩阵上,DA+AJD方法仅有1个样本被错误识别,表明基于域适应的DA+AJD方法具备更好的故障迁移诊断性能;③利用t-SNE算法对处理后的源域与目标域特征样本进行可视化,DA+AJD方法只有少量目标域的滚动体故障和外圈故障特征样本被错误对齐到源域的内圈故障特征样本区域,说明DA+AJD方法可有效减少源域与目标域的边缘分布和条件分布差异,进而达到更好的特征样本对齐效果。 展开更多
关键词 滚动轴承 智能故障诊断 多尺度卷积神经网络 无标签目标域样本 深度学习 迁移学习 自适应联合分布
在线阅读 下载PDF
基于残差密集连接与注意力融合的人群计数算法 被引量:3
18
作者 沈宁静 袁健 《电子科技》 2022年第6期6-12,共7页
现有人群计数算法采用多列融合结构来解决单一图像的多尺度问题,但该处理方法不能有效利用低层特征信息,从而导致最终人群计数结果不准确。针对这一缺陷,文中提出一种基于残差密集连接与注意力融合的人群计数算法。该算法的前端利用改进... 现有人群计数算法采用多列融合结构来解决单一图像的多尺度问题,但该处理方法不能有效利用低层特征信息,从而导致最终人群计数结果不准确。针对这一缺陷,文中提出一种基于残差密集连接与注意力融合的人群计数算法。该算法的前端利用改进VGG16网络提取低级特征信息。算法后端主分支基于残差密集连接结构,利用残差网络和密集网络结合方式捕获层与层间的特征信息,可高效捕获多尺度信息。侧分支通过引入注意力机制,生成对应尺度注意力图,有效区分特征图的背景和前景,降低了背景噪声的影响。采用3个主流公开数据集对该算法进行验证。实验结果表明,该算法计数有效且计数准确率优于其他算法。 展开更多
关键词 人群计数 残差密集 注意力 卷积神经网络 密度图 特征融合 多尺度 最近邻插值
在线阅读 下载PDF
基于多级联递进卷积结构的图像去雨算法 被引量:1
19
作者 张勇 郭杰龙 +3 位作者 汪帆 兰海 俞辉 魏宪 《液晶与显示》 CAS CSCD 北大核心 2023年第10期1409-1422,共14页
雨天图像会影响计算机视觉任务的效果与精度。雨天图像常常包含来自不同方向、大小、形状的雨点或雨痕,在对这些雨点、雨痕进行去除时,现有的方法往往没有考虑到雨天图像不同精细尺度下的特征信息,仅采用单一尺度进行图像去雨存在很大缺... 雨天图像会影响计算机视觉任务的效果与精度。雨天图像常常包含来自不同方向、大小、形状的雨点或雨痕,在对这些雨点、雨痕进行去除时,现有的方法往往没有考虑到雨天图像不同精细尺度下的特征信息,仅采用单一尺度进行图像去雨存在很大缺陷,无法恢复出足够清晰的视觉任务图像。受益于卷积神经网络架构的强大特征提取能力,本文提出了一种端到端的多级联递进卷积结构算子,该算子包含4层卷积层,通过阶梯化连接构成一个整体模块,该模块可以针对多尺度场景下的雨天进行特征提取并整合。将该算子模块嵌入到渐进循环网络结构中,利用循环结构多次去除雨纹,最终有效还原出接近真实图像的无雨图像。该方法在现有的人工合成雨图数据集Rain100H、Rain100L、Rain800与自动驾驶领域合成雨图数据集BDD1000上进行了对比实验。实验结果表明,该算法在4个数据集上的PSNR值达到了30.70,37.91,27.63,35.74 dB,SSIM值达到了0.914,0.980,0.894,0.977。通过真实雨图数据集去雨结果的可视化展示,充分验证了本文方法在去雨任务上的有效性。 展开更多
关键词 图像去雨 多级联递进卷积结构 卷积神经网络 深度学习 多尺度特征 残差结构
在线阅读 下载PDF
基于层次注意力的图像超分辨率重建 被引量:2
20
作者 臧永盛 周冬明 +1 位作者 王长城 聂仁灿 《无线电工程》 北大核心 2021年第11期1245-1253,共9页
卷积神经网络的深度和提供的层次特征对于超分辨率图像的重建至关重要,盲目增加网络的深度会使网络结构过于复杂且图像高频信息容易丢失。对低分辨率图像中提供的层次特征同等地对待而不加区分,会阻碍卷积神经网络的表达能力。针对该问... 卷积神经网络的深度和提供的层次特征对于超分辨率图像的重建至关重要,盲目增加网络的深度会使网络结构过于复杂且图像高频信息容易丢失。对低分辨率图像中提供的层次特征同等地对待而不加区分,会阻碍卷积神经网络的表达能力。针对该问题,提出了一种基于多尺度残差和层次注意力的重建网络。网络由不同层次的跳过连接、多尺度残差块和层次注意力模块组成,能实现有效的图像重建;利用不同层次的跳过连接绕过图像中大量低频信息,使主网络专注于学习图像高频信息。设计了多尺度残差模块和层次注意力模块以自适应地提取不同比例的图像特征和有针对性地融合不同层次的特征。实验结果表明,与其他模型相比,所提出的模型更能有效地利用原始图像信息,恢复出细节更清晰的超分辨率图像。提出的模型在客观评价指标上表现优异且模型参数数目少,易于训练。 展开更多
关键词 超分辨率 卷积神经网络 多尺度 残差网络 层次特征
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部