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1,106篇文章
< 1 2 … 56 >
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：
基于加权多层卷积神经网络模型的冬奥会场区滑坡易发性评价
1
作者 胡文杰 李峰 +1 位作者 张梅东 刘文龙 《工程地质学报》 北大核心 2025年第3期949-958,共10页
开展冬奥会地区滑坡易发性评价对于冬奥会场馆的运维风险管理具有重要意义。本文以冬奥会6个区县为研究对象,从地形地貌、地质构造、水文、人类活动和土壤植被5个方面构建冬奥会地区滑坡易发性评价指标体系,针对易发性因子权重需反复多... 开展冬奥会地区滑坡易发性评价对于冬奥会场馆的运维风险管理具有重要意义。本文以冬奥会6个区县为研究对象,从地形地貌、地质构造、水文、人类活动和土壤植被5个方面构建冬奥会地区滑坡易发性评价指标体系,针对易发性因子权重需反复多次调整的繁琐过程、过多的池化层造成特征信息大量丢失等问题,提出影响因子权重自适应学习、扩张卷积层替换池化层的加权多层卷积神经网络(Weighted Multi-CNN,WM-CNN)用于滑坡易发性预测。运用加权多层卷积神经网络、一维卷积神经网络(CNN-1D)、卷积神经网络(CNN)、支持向量机(SVM)、随机森林模型(RF)分别构建该区域的滑坡易发性评价模型。对冬奥会地区进行滑坡易发性区划,并通过受试者工作特征曲线(ROC)。结果表明,WM-CNN模型预测效果最好,高于CNN-1D模型的0.835、CNN模型的0.877、SVM模型的0.819、RF模型的0.884。此外,研究区域极高易发区和高易发区集中在北京的延庆区,大多分布在道路两侧和山谷地带。国家跳台滑雪中心和延庆奥运村位于中等易发区,滑坡风险较大,因此需要重点监控。 展开更多
关键词 冬奥会区域 加权多层 卷积神经网络 深度学习 滑坡易发性
在线阅读 下载PDF
糖熏鸡腿颜色快速精准识别的多层卷积神经网络模型研究 被引量：3
2
作者 王博 杨洪遥 +3 位作者 陆逢贵 陈子东 曹振霞 刘登勇 《食品与发酵工业》 CAS CSCD 北大核心 2021年第1期259-265,共7页
为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CN... 为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CNN模型对熏鸡腿颜色的识别效果。采集并经过图像预处理后,共得到不同颜色的熏鸡腿图像4 352张,作为4种模型的实验样本,随机选取其中的3 482张作为训练组,剩下的870张作为测试组。结果表明,4种模型的平均识别准确率分别为92%(Xception-CNN)、91%(Res Net-50)、89%(Inception)、87%(传统CNN);测试时间分别为1. 36 s(Xception-CNN)、0. 81 s(Res Net-50)、0. 98 s(Inception)、2. 48 s(传统CNN)。Xception-CNN模型对糖熏鸡腿图像的颜色识别准确率最高,达到92%,测试时间略高于Res Net-50模型和Inception模型,但低于传统CNN模型,仅需1. 36 s即可完成识别,此模型可以实现糖熏鸡腿颜色的快速精准识别,为糖熏工艺参数精准调控、保障产品颜色标准化等提供可靠依据。 展开更多
关键词 熏鸡 糖熏 颜色识别 机器视觉 多层卷积神经网络模型
在线阅读 下载PDF
多方法融合的卷积神经网络模型压缩方法
3
作者 郭开泰 李宇哲 +4 位作者 付东豪 郑洋 任胜寒 胡海虹 梁继民 《西安电子科技大学学报》 北大核心 2025年第3期232-241,共10页
卷积神经网络在实际应用中的计算和存储成本较高,因此模型压缩技术成为部署此类模型的关键。然而,单一压缩技术通常会导致性能下降、泛化能力降低或计算复杂度增加的问题。为此提出了一种融合模型剪枝、知识蒸馏和模型量化的压缩框架。... 卷积神经网络在实际应用中的计算和存储成本较高,因此模型压缩技术成为部署此类模型的关键。然而,单一压缩技术通常会导致性能下降、泛化能力降低或计算复杂度增加的问题。为此提出了一种融合模型剪枝、知识蒸馏和模型量化的压缩框架。首先通过稀疏化训练对模型进行剪枝,减少冗余通道;随后,以原始模型作为教师网络,利用知识蒸馏方法对剪枝后的学生网络进行指导,提升压缩模型的性能;最后采用模型量化技术对压缩后的网络进一步优化以提高其适用性。利用卷积网络中的分类模型和目标检测模型对所提出方法进行测试,实验结果表明,该模型压缩框架能够有效降低模型的存储和计算需求,在多个测试模型上,模型大小缩减幅度超过90%,推理速度提升3~4倍,同时精度损失控制在2%以内。提出的多方法融合的模型压缩框架在保证卷积神经网络模型性能的同时,减少了模型大小,提升了推理速度,适用于资源受限环境中卷积神经网络的高效部署。 展开更多
关键词 模型压缩 卷积神经网络 模型剪枝 知识蒸馏 模型量化
在线阅读 下载PDF
考虑层敏感性的卷积神经网络混合精度量化方法
4
作者 刘海军 张晨曦 +3 位作者 王析羽 陈长林 陈军 李智炜 《国防科技大学学报》 北大核心 2025年第4期143-150,共8页
针对如何将神经网络保真映射到资源受限的嵌入式设备这一问题,提出基于层敏感性分析的卷积神经网络混合精度量化方法。通过计算Hessian矩阵平均迹衡量卷积层参数的敏感性,为位宽分配提供依据;使用逐层升降方法进行位宽分配,最终完成网... 针对如何将神经网络保真映射到资源受限的嵌入式设备这一问题,提出基于层敏感性分析的卷积神经网络混合精度量化方法。通过计算Hessian矩阵平均迹衡量卷积层参数的敏感性,为位宽分配提供依据;使用逐层升降方法进行位宽分配,最终完成网络模型的混合精度量化。实验结果表明,与DoReFa和LSQ+两种固定精度量化方法相比,所提出的混合精度量化方法在平均位宽为3 bit的情况下将识别准确率提高了10.2%和1.7%;与其他混合精度量化方法相比,所提方法识别准确率提高了1%以上。此外,加噪训练能够有效提高混合精度量化方法的鲁棒性,在噪声标准差为0.5的情况下,将识别准确率提高了16%。 展开更多
关键词 卷积神经网络 模型量化 人工智能 混合精度
在线阅读 下载PDF
基于一维残差卷积神经网络的Pi2脉动识别模型 被引量：1
5
作者 张怡悦 邹自明 方少峰 《空间科学学报》 北大核心 2025年第1期66-81,共16页
Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率. 展开更多
关键词 Pi2脉动 Pi2脉动识别模型 一维残差卷积神经网络
在线阅读 下载PDF
基于ConvNeXt卷积神经网络模型对烟叶成熟度识别的研究
6
作者 郭雨萌 肖亦雄 +4 位作者 肖孟宇 马云明 谭军 周喜新 范伟 《北方农业学报》 2025年第1期125-134,共10页
【目的】确定ConvNeXt卷积神经网络模型在烟叶成熟度识别中最适用于便携手持设备应用的主流图像预处理方法。【方法】使用便携手持图像采集设备采集烟叶图像,应用高斯缩放、对比增强、色彩增强和裁剪缩放4种预处理方法,结合ConvNeXt卷... 【目的】确定ConvNeXt卷积神经网络模型在烟叶成熟度识别中最适用于便携手持设备应用的主流图像预处理方法。【方法】使用便携手持图像采集设备采集烟叶图像,应用高斯缩放、对比增强、色彩增强和裁剪缩放4种预处理方法,结合ConvNeXt卷积神经网络构建模型,记录模型对烟叶成熟度识别的准确率、训练耗时和模型大小。通过对比分析不同预处理方法在性能、训练效率和模型大小上的表现,评估ConvNeXt卷积神经网络模型在便携设备上识别烟叶成熟度的应用潜力。【结果】在4种图像预处理方法中,高斯缩放在结合ConvNeXt卷积神经网络模型进行烟叶成熟度识别时综合表现最优,高斯缩放预处理后的模型准确率达到97.68%,优于对比增强、色彩增强和裁剪缩放,且训练耗时仅为8.927 min,模型大小为63.5 MB,兼具高效性与轻量化特征。在对比YOLO和XGBoost等其他模型时,高斯缩放结合ConvNeXt卷积神经网络构建的模型在各项指标中均表现突出,尤其在准确率和训练时间上展现出明显优势,适配便携手持设备的应用需求。【结论】高斯缩放作为图像预处理方法,能有效提升ConvNeXt卷积神经网络模型在烟叶成熟度识别任务中的准确性和运行效率。高斯缩放结合ConvNeXt卷积神经网络构建的模型训练速度快、占用资源少,适合在便携手持图像采集设备上使用。 展开更多
关键词 ConvNeXt卷积神经网络模型 烟叶成熟度识别 便携手持图像采集设备 智能化图像识别 图像预处理方法
在线阅读 下载PDF
基于卷积神经网络与轻量级梯度提升树组合模型的电力行业短期以电折碳方法
7
作者 曾金灿 何耿生 +3 位作者 李姚旺 杜尔顺 张宁 朱浩骏 《上海交通大学学报》 北大核心 2025年第6期746-757,共12页
电力行业是碳排放的重点控排行业,准确、实时的电力行业碳排放计量是支撑其降碳减排的基础.目前,电力行业的碳排放计量主要基于实测法或核算法,难以很好地兼顾低计量成本与实时计量能力.为此,充分考虑电力行业良好的电力数据基础,挖掘电... 电力行业是碳排放的重点控排行业,准确、实时的电力行业碳排放计量是支撑其降碳减排的基础.目前,电力行业的碳排放计量主要基于实测法或核算法,难以很好地兼顾低计量成本与实时计量能力.为此,充分考虑电力行业良好的电力数据基础,挖掘电-碳间的相关关系,以电力历史数据为基础,基于机器学习方法提出一种电力行业短期以电折碳方法,实时估算电力行业短期碳排放情况.该方法使用卷积神经网络进行特征提取,并采用轻量级梯度提升树算法开展基于特征提取值的碳排放测算.此外,为了提升模型的泛化能力和鲁棒性,在模型训练中采用K折交叉验证技术,在模型参数优化过程中采用网格搜索技术.最后,为了验证所提模型的有效性,对比所提模型和其他机器学习模型在同等数据集划分条件下分别基于日度数据集与小时数据集中进行训练的效果.结果表明:所提模型在效果评估和测算值与目标值分布分析中均优于其他模型,能够较好地反映电力行业的短期碳排放情况. 展开更多
关键词 以电折碳 卷积神经网络 轻量级梯度提升树算法 碳排放 机器学习 组合模型
在线阅读 下载PDF
基于卷积神经网络的内窥镜图像识别及FPGA实现
8
作者 刘生山 林金朝 +2 位作者 庞宇 王元发 周前能 《现代电子技术》 北大核心 2025年第11期156-162,共7页
为提高内窥镜病灶识别准确率和速度,减少检测仪器功耗,针对现有VGG16网络模型参数量大、FPGA加速困难等缺陷,文中提出一种改进VGG的图像识别电路系统,并将该系统首次应用于内窥镜图像病灶识别。首先,通过软件技术优化VGG算法卷积层和全... 为提高内窥镜病灶识别准确率和速度,减少检测仪器功耗,针对现有VGG16网络模型参数量大、FPGA加速困难等缺陷,文中提出一种改进VGG的图像识别电路系统,并将该系统首次应用于内窥镜图像病灶识别。首先,通过软件技术优化VGG算法卷积层和全连接层,增加自适应平均池化层;然后设计优化的卷积IP核,实现卷积和最大池化FPGA加速。为减少模型参数量,有效降低FPGA资源消耗,将改进网络层和批归一化层融合。实验结果表明,改进后的网络模型平均识别准确率为95.59%,模型大小为35.90 MB,相比原始网络准确率提升了3.24%,模型参数量减少92.99%。FPGA板级检测时间为0.55 s/张,相较ARM端和CPU端检测时间减少1509.06 s/张和0.14 s/张。通过优化和改进,提出的电路系统显著提升了内窥镜病灶识别的效率和准确率,有效降低了硬件资源消耗。 展开更多
关键词 卷积神经网络 VGG模型 FPGA 内窥镜图像识别 高层次综合工具 软硬协同
在线阅读 下载PDF
融合深度强化学习的卷积神经网络联合压缩方法
9
作者 马祖鑫 崔允贺 +4 位作者 秦永彬 申国伟 郭春 陈意 钱清 《计算机工程与应用》 北大核心 2025年第6期210-219,共10页
随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。 展开更多
关键词 卷积神经网络 深度强化学习 模型压缩 通道剪枝 权值量化 边缘智能
在线阅读 下载PDF
基于Zynq的卷积神经网络加速器设计
10
作者 孟凡开 张峰 +1 位作者 李淼 张多利 《合肥工业大学学报(自然科学版)》 北大核心 2025年第7期904-909,共6页
针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数... 针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数按位分割,面向单bit权重设计卷积加速器,通过逐位实施达到处理速度和识别率的高效平衡;然后,采用查表选择法实现卷积算子的乘加运算,设计一款6×3×16的三维加速器计算阵列,可单周期完成288个卷积窗口计算;最后,在Xilinx Zynq UltraScale+MPSoC系列芯片上对设计的CNN加速器进行性能测试。实验结果表明,该CNN加速器在200 MHz频率下具有518.4 GOPS的算力,比现有的解决方案性能提高了约63%。 展开更多
关键词 卷积神经网络(CNN) Tiny-YOLOv3网络模型 硬件加速 流水阵列 并行运算
在线阅读 下载PDF
基于卷积神经网络和Transformer的电能质量扰动分类
11
作者 王高峰 张昊 +1 位作者 钱云 高蔓 《现代电子技术》 北大核心 2025年第16期113-122,共10页
随着新能源的大规模应用,电能质量扰动(PQDs)事件的概率显著增加,而这些扰动会给配电系统造成重大损失。因此,提出一种基于卷积神经网络(CNN)和Transformer的PQDs分类方法,即CTranCAM。该方法通过CNN的卷积操作自动提取PQDs信号时间序... 随着新能源的大规模应用,电能质量扰动(PQDs)事件的概率显著增加,而这些扰动会给配电系统造成重大损失。因此,提出一种基于卷积神经网络(CNN)和Transformer的PQDs分类方法,即CTranCAM。该方法通过CNN的卷积操作自动提取PQDs信号时间序列的局部特征,然后使用Transformer中的多头注意力机制对提取的特征进行全局和长期关系建模,以弥补CNN在处理全局信息方面的缺陷,最后通过全连接层输出识别结果。使用CTranCAM方法对25类合成PQDs数据进行仿真,结果表明,该方法的分类准确率在无噪声条件下为99.60%,在信噪比为30 dB、40 dB和50 dB时,准确率分别达到了99.20%、99.36%和99.40%,具有良好的抗噪性和泛化性能。另外,通过与其他方法的性能比较得出,所提方法在不同噪声环境下都具有较好的分类性能,是一种较优秀的PQDs分类方法。 展开更多
关键词 电能质量扰动 卷积神经网络 Transformer模型 多头注意力机制 特征提取 分类性能
在线阅读 下载PDF
基于串联深度神经网络的跨坐式单轨车辆轮胎径向载荷识别模型 被引量：1
12
作者 任利惠 周荣笙 +1 位作者 季元进 曾俊玮 《中国铁道科学》 北大核心 2025年第1期136-148,共13页
针对识别跨坐式单轨车辆轮胎径向载荷时直接测量法成本昂贵、定制复杂,而基于物理模型的方法稳定性差、计算量大、精度不足的问题,建立车辆动力学模型,兼顾物理关系合理性和测量便捷性,选取可通过能观性分解得到的车体和构架振动加速度... 针对识别跨坐式单轨车辆轮胎径向载荷时直接测量法成本昂贵、定制复杂,而基于物理模型的方法稳定性差、计算量大、精度不足的问题,建立车辆动力学模型,兼顾物理关系合理性和测量便捷性,选取可通过能观性分解得到的车体和构架振动加速度以及易直接测量的位移、转角和角速度等车辆姿态信息构建数据集,并验证动力学模型的准确性;预处理数据集时,向其中混入噪声增强数据鲁棒性,进行归一化处理便于数据计算,扩充时间步长增强数据的时序关联性;在此基础上,构建基于一维卷积神经网络(1DCNN)和双向门控循环单元(BiGRU)串联深度神经网络的轮胎径向载荷识别模型,采用Hyperband算法进行模型的超参数优化,在学习率、批量大小和优化器种类最优下通过设置合理的卷积核尺寸和门控循环单元个数规划各层数据维度,在1DCNN中引入逐点卷积和膨胀卷积以提升模型识别效果,并从准确性、鲁棒性和泛化性3个方面对模型的载荷识别效果进行评估。结果表明:与传统模型相比,基于1DCNN-BiGRU的载荷识别模型均方误差较低,低于0.106,准确性较高;数据混入信噪比低至27 dB噪声时仍具有较好的识别效果,鲁棒性较强;在不同的曲线半径、曲线超高率和惯性参数扰动工况下仍能维持较好的识别效果,泛化性较好。 展开更多
关键词 载荷识别 跨坐式单轨车辆 卷积神经网络 双向门控循环单元 超参数优化 车辆动力学模型
在线阅读 下载PDF
基于自注意力层的神经网络弹道落点预测方法
13
作者 马月红 曹彦敏 +5 位作者 李超旺 赵辰 周辉 赵慧亮 王晓成 李乾 《弹箭与制导学报》 北大核心 2025年第1期53-61,共9页
针对现有的弹道落点预测方法误差大和气象变化适应不足的问题,建立了包含气象条件的弹道数据集,并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接,加强模型在处理输入序... 针对现有的弹道落点预测方法误差大和气象变化适应不足的问题,建立了包含气象条件的弹道数据集,并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接,加强模型在处理输入序列时动态关注不同时刻信息的能力,缓解网络中的梯度爆炸问题。采用多维时间序列数据的输入表示方法,结合历史弹道轨迹数据和目标特征等信息,减小弹道落点预测误差。仿真结果表明,基于自注意力层的CNN-BiLSTM-BiGRU网络模型的预测效果优于其他模型,射程预测的最大误差占真实值的0.156%,横偏预测的最大误差占真实值的5.904%。文中研究为弹道落点预测领域提供了重要的参考依据。 展开更多
关键词 弹道落点预测 深度学习 弹道模型 自注意力层 卷积神经网络 长短期记忆网络 门控循环神经网络
在线阅读 下载PDF
基于改进Kolmogorov-Arnold混合卷积神经网络的调制识别方法
14
作者 郑庆河 刘方霖 +4 位作者 余礼苏 姜蔚蔚 黄崇文 李斌 束锋 《电子与信息学报》 北大核心 2025年第8期2584-2597,共14页
针对苛刻通信场景下调制方式识别精度低且泛化难的问题,该文提出一种改进Kolmogorov-Arnold混合卷积神经网络模型KA-CNN。首先,通过双树复小波包变换将信号分解至多维小波域,结合不同频率分量构建多尺度信号表征,促使神经网络模型学习... 针对苛刻通信场景下调制方式识别精度低且泛化难的问题,该文提出一种改进Kolmogorov-Arnold混合卷积神经网络模型KA-CNN。首先,通过双树复小波包变换将信号分解至多维小波域,结合不同频率分量构建多尺度信号表征,促使神经网络模型学习各频率下的一致性特征;然后设计集成样条函数和非线性激活函数的深度学习结构,利用样条函数解决维度诅咒问题,增强周期性特征的持续学习能力;最后,采用Lipschitz正则化约束的多级网格训练,改善模型面对不同信号参数的适应性,增强跨通信场景的泛化能力。在公开数据集RadioML 2016.10a,RadioML 2018.01a和CSPB.ML.2023的实验表明,KA-CNN具有优异的调制识别精度,当信噪比在16 dB时能够取得90%以上的识别准确率。相较于其它深度学习方法,整体识别精度提升3%~10%,并在各种信噪比条件下具备更强的特征学习能力和泛化性。 展开更多
关键词 调制识别 深度学习 Kolmogorov-Arnold模型 卷积神经网络
在线阅读 下载PDF
并联卷积神经网络的近红外光谱定量分析模型 被引量：3
15
作者 于水 宦克为 +1 位作者 刘小溪 王磊 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第6期1627-1635,共9页
近红外光谱分析已成为工农业生产过程质量监控领域中不可或缺的重要分析手段之一,在食品、农业、医药等定性定量分析领域被广泛应用。预测精度高、运行速度快、泛化能力强的近红外光谱预测模型可用于不同物质的定性定量分析。但由于近... 近红外光谱分析已成为工农业生产过程质量监控领域中不可或缺的重要分析手段之一,在食品、农业、医药等定性定量分析领域被广泛应用。预测精度高、运行速度快、泛化能力强的近红外光谱预测模型可用于不同物质的定性定量分析。但由于近红外光谱数据量的激增,传统的近红外光谱建模方法已经出现明显的不足。随着人工智能技术的不断发展,深度学习算法在近红外光谱分析领域得到了广泛应用。提出了一种基于并联卷积神经网络的近红外光谱定量分析模型(PaBATunNet)。该模型由1个一维卷积层、1个并联卷积模块(Module)、1个展平层、4个全连接层和1个参数调节器(PR)组成,Module模块包括5个子模块分别对光谱数据进行线性及非线性多维特征提取,并通过Concatenate函数将提取后的光谱特征数据进行拼接,PR模块通过调节优化PaBATunNet模型参数,提高模型预测精度。基于Gard-CAM思想给出了PaBATunNet模型高贡献度特征波长,增加了PaBATunNet模型的可解释性。以谷物、柴油、啤酒、牛奶四组公开的近红外光谱数据为例,将PaBATunNet模型的预测结果与偏最小二乘(PLS)、主成分回归(PCR)、支持向量机(SVM)和BP神经网络(BP)模型的预测结果进行比较。结果表明,与PLS相比,PaBATunNet模型在谷物、柴油、啤酒、牛奶数据集的预测精度上分别提高了30.0%、40.7%、43.0%、52.8%;与PCR相比,PaBATunNet模型的预测精度分别提高了28.8%、35.9%、40.8%、52.2%;与SVM相比,PaBATunNet模型的预测精度分别提高了45.5%、37.4%、45.3%、54.7%;与BP相比,PaBATunNet模型的预测精度分别提高了7.9%、32.4%、90.1%、62.0%。基于并联卷积神经网络的近红外光谱建模方法相比于传统建模方法解决了模型预测精度低、运行时间长、泛化能力差以及可解释性不强等问题,可有效应用于工农业生产中不同物质的定量分析,为建立快速、无损、高精度的近红外光谱定量分析模型提供了科学基础。 展开更多
关键词 近红外光谱 深度学习 并联卷积神经网络 定量分析 预测模型
在线阅读 下载PDF
卷积神经网络的半监督层位追踪方法 被引量：3
16
作者 李沐阳 高建虎 +1 位作者 雍学善 常德宽 《石油地球物理勘探》 EI CSCD 北大核心 2024年第5期938-947,共10页
层位追踪是地震资料解释的关键步骤,通常由解释人员以人机交互方式进行,效率较低。卷积神经网络可以构建地震数据和训练标签的非线性映射关系从而完成层位追踪,由于人工解释结果获取困难,仅由少量标签训练的模型泛化能力较差。为此,提... 层位追踪是地震资料解释的关键步骤,通常由解释人员以人机交互方式进行,效率较低。卷积神经网络可以构建地震数据和训练标签的非线性映射关系从而完成层位追踪,由于人工解释结果获取困难,仅由少量标签训练的模型泛化能力较差。为此,提出一种基于卷积神经网络的半监督层位追踪方法,将层位追踪转化为层位断层间区域的图像分割。首先使用自编码器对无标签数据进行训练,之后将部分参数迁移至有监督学习网络后使用少量标签数据进行有监督学习,最后对整个工区的地震数据进行预测,提取分割结果边缘作为层位追踪结果。合成数据和实际数据的测试结果均表明,相较于有监督学习层位追踪方法,该方法具有较少的错误分割,由分割边界提取的层位与人工层位解释结果的误差较小,具有更好的泛化能力。 展开更多
关键词 层位追踪 地震资料解释 卷积神经网络 半监督学习 图像分割
在线阅读 下载PDF
基于跳跃连接神经网络的无监督弱光图像增强算法
17
作者 刘洋 刘思瑞 +1 位作者 徐晓淼 王竹筠 《电子测量与仪器学报》 北大核心 2025年第5期208-216,共9页
针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCE-Net)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图... 针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCE-Net)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图像质量的显著改善。首先,提出新的特征提取网络,该网络整合了多个跳跃连接与卷积层,实现低层与高层特征的有效融合,从而学习到弱光图像中的关键特征,增强网络对弱光图像的学习能力。其次,设计一组联合的无参考损失函数,强调优化过程中与亮度相关的特性,从而更有利于图像增强模型的参数更新,提高图像增强的质量和效果。为了验证所提出算法的有效性,在5个公开数据集上进行了对比实验,与次优算法Zero-DCE相比,有参考数据集SICE上的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了9.4%、21%。无参考数据集LIME、DICM、MEF、NPE上NIQE分别达到了4.04、3.04、3.35、3.83。实验结果表明,所提出算法表现出色,增强后的图像色彩自然,亮度均衡且细节清晰。无论是主观视觉评价还是客观定量指标,均显著优于对比算法,充分体现了在图像增强效果上的卓越性和先进性。 展开更多
关键词 弱光图像增强 深度曲线估计 无参考损失函数 多层卷积神经网络 无监督学习
在线阅读 下载PDF
基于Gash修正模型与神经网络优化模型的刺槐冠层截留模拟 被引量：1
18
作者 马军 韩磊 +3 位作者 周鹏 柳利利 王娜娜 马云蕾 《水土保持研究》 CSCD 北大核心 2024年第4期188-196,共9页
[目的]对比分析Gash修正模型和神经网络模型在模拟和预测人工林冠层截留的适用性,揭示干旱区刺槐冠层截留及其响应过程,为深入了解森林生态水文过程及其调控机制提供科学依据。[方法]于2019年5—10月,以宁夏河东地区刺槐(Robinia pseudo... [目的]对比分析Gash修正模型和神经网络模型在模拟和预测人工林冠层截留的适用性,揭示干旱区刺槐冠层截留及其响应过程,为深入了解森林生态水文过程及其调控机制提供科学依据。[方法]于2019年5—10月,以宁夏河东地区刺槐(Robinia pseudoacacia)人工林为研究对象,定位观测了树干茎流和穿透雨并计算得到冠层截留,采用修正后的Gash模型与神经网络模型对刺槐林林冠截留量进行了模拟。[结果](1)研究区刺槐人工林的穿透雨量、树干茎流量、林冠截留量分别为154.19,5.61,16.5 mm,产生穿透雨和树干茎流的阈值分别为1.37,2.17 mm。(2)Gash修正模型和优化后的神经网络模型均能较好地模拟刺槐冠层截留量,Gash修正模型的绝对误差、均方误差、均方根误差、平均绝对百分比误差分别为0.20%,0.06%,0.24%,52.43%,模拟结果拟合精度达到83%;与Gash修正模型相比,采用麻雀搜索算法优化后的BP神经网络算法模型(SSA-BP),均方误差降低了61.48%,平均绝对误差降低了40.39%,均方根误差降低了37.93%,平均绝对百分比误差降低了50.52%,决定系数提高了1.2%。[结论]在林木冠层截留模拟研究方面,加入麻雀搜索算法后的BP神经网络模型具有较好的可靠性,可以有效降低模拟误差,提高模型的预测精度。 展开更多
关键词 冠层截留 修正后Gash模型 神经网络模型 麻雀搜索算法 刺槐林
在线阅读 下载PDF
基于卷积神经网络的福建省区域滑坡灾害预警模型 被引量：10
19
作者 董力豪 刘艳辉 +1 位作者 黄俊宝 刘海宁 《水文地质工程地质》 CSCD 北大核心 2024年第1期145-153,共9页
福建省滑坡灾害频发,开展区域尺度上的滑坡灾害预警是防灾减灾的重要手段,但由于滑坡成灾机理复杂,传统的区域滑坡预警方法存在精度不足等问题。深度学习是指通过构建神经网络模型进行特征的提取、抽象、表示与学习的技术,是机器学习的... 福建省滑坡灾害频发,开展区域尺度上的滑坡灾害预警是防灾减灾的重要手段,但由于滑坡成灾机理复杂,传统的区域滑坡预警方法存在精度不足等问题。深度学习是指通过构建神经网络模型进行特征的提取、抽象、表示与学习的技术,是机器学习的一种。卷积神经网络作为一种经典的深度学习算法,具有比传统机器学习更强大的分类能力与表征能力。文章以福建省为研究区,将卷积神经网络引入滑坡灾害预警领域,构建福建省区域滑坡预警模型,过程及结果如下:(1)采用SMOTE优化算法对2010—2018年福建省滑坡灾害样本库进行优化,扩充正样本的个数,将正负样本比例从1∶3.4扩充到1∶2,样本总量达到18040个;(2)构建卷积神经网络模型结构,模型结构包括一个输入层、两个卷积层、两个最大池化层和一个全连接层以及一个输出层;(3)使用卷积神经网络对优化后的样本(2010—2018年样本的80%作为训练集)进行训练,并用贝叶斯优化算法优化模型超参数,得到福建省区域滑坡预警模型;(4)以2010—2018年样本的20%作为测试集对模型进行测试,采用混淆矩阵、ROC曲线进行模型测试,结果显示模型准确度为0.96~0.97,AUC值达到0.977,模型精度与泛化能力良好;(5)以2019年汛期滑坡灾害实况作为正样本,通过时空采样的方法采集负样本,构建2019年区域滑坡样本校验集(样本数603个),对模型进行进一步实况校验,采用混淆矩阵、ROC曲线进行模型校验,结果显示模型准确度为0.75~0.85,AUC值为0.852。虽然仅用了2019年汛期的滑坡实况样本进行校验,但也达到较好的效果。将卷积神经网络算法应用到区域滑坡预警中,为建立区域滑坡预警模型提供了一种新的途径,初步校验表明,模型效果良好,今后将在福建省对模型进行进一步的应用与校验。 展开更多
关键词 滑坡灾害 预警模型 深度学习 卷积神经网络 模型构建
在线阅读 下载PDF
基于双输入输出卷积神经网络代理模型的油藏自动历史拟合研究
20
作者 陈旭 张凯 +3 位作者 刘晨 张金鼎 张黎明 姚军 《油气地质与采收率》 CAS CSCD 北大核心 2024年第3期165-177,共13页
传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确... 传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确定性参数作为深度学习代理模型的输入参数。现有的深度学习代理模型常为单一输入输出的神经网络模型架构,并未考虑油藏自动历史拟合方法需要对多个油藏不确定性参数进行调整,且需要训练多个深度学习代理模型以实现对油藏含水饱和度场分布及压力场分布的预测。为此,提出了一种基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法,将油藏渗透率场分布及相对渗透率参数作为输入,使用双输入输出卷积神经网络同时对油藏含水饱和度场分布及压力场分布进行预测,利用Peaceman方程计算产量,并耦合到多重数据同化集合平滑器(ES-MDA)方法中,对油藏渗透率场分布及相对渗透率参数进行反演更新,实现较为高效的油藏自动历史拟合求解。研究结果表明:双输入输出卷积神经网络代理模型在指定时间步的油藏含水饱和度场分布、压力场分布的预测精度均为93%以上。相较于传统油藏自动历史拟合方法,基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法避免了多次调用油藏数值模拟器的计算耗时问题,提高了拟合效率。 展开更多
关键词 油藏自动历史拟合 油藏数值模拟 深度学习 代理模型 双输入输出卷积神经网络
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 … 56 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