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1,907篇文章
< 1 2 … 96 >
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：
基于特征融合变维卷积神经网络的高铁轮轨不良状态识别方法 被引量：1
1
作者 彭佳宁 池茂儒 +3 位作者 梁树林 许文天 崔利通 戴成昊 《铁道标准设计》 北大核心 2025年第9期223-233,共11页
高速列车轮轨状态对车辆服役安全性影响较大,轮轨状态不良会加剧轮轨间相互作用,不仅影响车辆运营安全,而且对乘客乘坐舒适性产生影响。在轮轨不良状态中,车轮多边形和钢轨波磨问题尤为突出,传统车载轮轨监测方法诊断精度较低、结果反... 高速列车轮轨状态对车辆服役安全性影响较大,轮轨状态不良会加剧轮轨间相互作用,不仅影响车辆运营安全,而且对乘客乘坐舒适性产生影响。在轮轨不良状态中,车轮多边形和钢轨波磨问题尤为突出,传统车载轮轨监测方法诊断精度较低、结果反馈不及时,易导致轮轨状态持续恶化,所以轮轨状态的高质量快速诊断问题亟待解决。建立某型高速动车组刚柔耦合模型,制作了干扰性较强的轮轨不良状态数据集,仿真获得不同工况下的轴箱垂向振动加速度,提出一种基于轴箱垂向振动加速度的时、频域特征融合变维卷积神经网络对轮轨状态进行识别,实现了对列车轮轨状态快速、准确识别,解决了时频分析、主成分分析方法以及现有车载轮轨状态监测系统在复杂工况下轮轨状态判别困难的问题。该诊断模型在一维卷积神经网络对振动时间序列和对应频谱序列进行快速降维的基础上,将时、频特征融合并升维重排形成时频特征图,采用二维卷积神经网络对小尺寸时频特征图进行特征提取和轮轨状态判别。结果表明,该模型在无需进行复杂信号处理和信号主成分分析的情况下,仿真测试集准确率达到95%以上,实测数据集准确率较高且响应时间较短,研究成果对轮轨健康在线监测具有一定的理论意义。 展开更多
关键词 高速列车 车轮多边形 钢轨波磨 特征融合 变维卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的建筑物震害特征提取与识别研究
2
作者 徐俊祖 张方浩 +6 位作者 戈云霞 曹彦波 杜浩国 邓树荣 和仕芳 张原硕 赵正贤 《地震工程学报》 北大核心 2025年第4期851-863,共13页
提出一种基于卷积神经网络(CNN)的建筑物震害特征提取与识别方法,以解决传统震害评估方式的空间局限性和低效性问题。通过对震后建筑物进行边框回归、掩膜生成和特征分类,实现震害特征的有效提取和识别。首先,通过收集云南省2014年鲁甸... 提出一种基于卷积神经网络(CNN)的建筑物震害特征提取与识别方法,以解决传统震害评估方式的空间局限性和低效性问题。通过对震后建筑物进行边框回归、掩膜生成和特征分类,实现震害特征的有效提取和识别。首先,通过收集云南省2014年鲁甸6.5级、景谷6.6级和2021年漾濞6.4级地震的建筑物震后无人机影像数据,并利用数据增强方法扩充样本,构建一套典型的云南历史地震建筑物震害数据集;其次,利用这一震害数据集对CNN进行训练和优化,从而得到能够提取建筑物震害特征并进行识别的模型;最后,通过实际震例对模型进行验证。结果表明,所提出的方法能够有效提取建筑物震害特征并进行识别,识别平均精度达87.28%,平均IoU(交并比)为83%,且各影像IoU值均大于0.5。 展开更多
关键词 卷积神经网络 Mask R-CNN 建筑物震害特征 震害识别
在线阅读 下载PDF
基于轻量级卷积神经网络的多模态生物特征识别系统设计
3
作者 刘丰华 马秋平 +1 位作者 张琪 王财勇 《科学技术与工程》 北大核心 2025年第11期4673-4681,共9页
为了解决单模态生物特征信息采集不全、易被攻击以及特定识别场景下受限等问题,构建了一个针对人脸和虹膜的多层次融合识别模型,设计并实现多模态生物特征识别系统将所提模型以模块的方式进行集成。所提模型使用轻量级卷积神经网络作为... 为了解决单模态生物特征信息采集不全、易被攻击以及特定识别场景下受限等问题,构建了一个针对人脸和虹膜的多层次融合识别模型,设计并实现多模态生物特征识别系统将所提模型以模块的方式进行集成。所提模型使用轻量级卷积神经网络作为特征提取器,在特征层利用不同模态特征之间的类内相关性,对不同模态的特征归一化后串联;在分数层使用最小值策略融合左右虹膜得分,使用平均值策略融合虹膜得分和人脸得分。从CASIA-IrisV4-Distance数据集中提取同源多模态数据集进行实验验证,特征层融合算法和分数层融合算法准确率均达到99.8%。实验表明,该系统具有鲁棒性和泛化性。 展开更多
关键词 生物特征识别 多模态融合 系统设计 轻量级卷积神经网络
在线阅读 下载PDF
基于一维卷积神经网络的家庭用户特征识别方法
4
作者 许继和 朱亮 +2 位作者 晏依 周佳楠 温和 《中国测试》 北大核心 2025年第6期25-30,66,共7页
智能电能表提供用户的用电量数据,可以反应用户的用电特征,从而为家庭用户特征识别提供基础。为实现家庭用户特征识别,该文研究基于智能电能表用电数据的家庭用户特征识别分析方法,设计一种适合于智能电能表用电时间序列数据的一维卷积... 智能电能表提供用户的用电量数据,可以反应用户的用电特征,从而为家庭用户特征识别提供基础。为实现家庭用户特征识别,该文研究基于智能电能表用电数据的家庭用户特征识别分析方法,设计一种适合于智能电能表用电时间序列数据的一维卷积神经网络模型,以智能电能表采集的用户用电数据(一维数据序列)为输入,在网络的前两个卷积层之后去掉池化层以实现早期特征的保存,实现对家庭用户特征的准确分类。为证明本文提出方法的有效性,该文在公开数据集上进行实验,实验表明,该文的方法在多个家庭用户特征分类上获得55%~78%的准确率。 展开更多
关键词 深度学习 一维卷积神经网络 分类 家庭用户特征 智能电能表
在线阅读 下载PDF
基于拉曼光谱的变压器混合故障特征气体的改进卷积神经网络定量方法
5
作者 陈新岗 张文轩 +4 位作者 马志鹏 张知先 万福 敖怡 曾慧敏 《光谱学与光谱分析》 北大核心 2025年第4期932-940,共9页
激光拉曼光谱技术在变压器故障特征气体检测方面具有明显优势,随变压器状态监测智能化的发展,研究混合故障特征气体的快速、准确定量分析方法具有重要意义。传统拉曼光谱分析需要预处理过程,极大程度依赖人为经验,光谱特征提取虽可降低... 激光拉曼光谱技术在变压器故障特征气体检测方面具有明显优势,随变压器状态监测智能化的发展,研究混合故障特征气体的快速、准确定量分析方法具有重要意义。传统拉曼光谱分析需要预处理过程,极大程度依赖人为经验,光谱特征提取虽可降低信号维度,但也会造成其特征部分缺失或改变。针对上述问题,提出基于改进一维卷积神经网络与最小二乘支持向量回归相融合的拉曼光谱定量分析方法,即引入全局均值池化与最小二乘支持向量回归改进传统卷积神经网络,并运用Dropout方法提高模型泛化性能,防止过拟合。设计并搭建变压器故障特征气体拉曼光谱检测平台,采集7种故障特征气体及N_(2)、O_(2)混合气体的拉曼信号,在谱图2900 cm^(-1)频移附近,CH_(4)、C_(2)H_(6)气体呈现谱峰重叠,且变压器过热或局部放电故障发生时,会产生主要故障特征气体CH_(4),选择不同含量比例下的CH_(4)、C_(2)H_(6)混合气体作为研究对象具有代表性,按不同比例配制146组不同含量的CH_(4)、C_(2)H_(6)混合气体样本,检测时选用氮气作为标气,采集不同含量比例下混合气体样本的拉曼光谱数据,利用光谱数据增强方法,构建适用于深度神经网络的气体样本数据集。通过不断实验,优化网络结构参数与网络权重,完成模型训练并测试其预测效果,与多种定量模型进行对比分析,并研究光谱预处理对不同定量模型的影响,进而评估模型性能。结果表明,使用原始数据集建模时,改进卷积神经网络模型的预测精确度与回归拟合优度最佳,决定系数可达0.9998,均方根误差仅为0.0005 MPa;使用预处理后数据集建模时,改进卷积神经网络模型均方根误差为0.0023 MPa,相比使用原始数据集建模误差上升了0.0018,而传统方法误差均有所下降。该研究结果表明,所提方法与传统拉曼光谱定量方法相比,集成光谱预处理、特征提取和定量分析过程,在确保预测精确度的基础上,简化光谱分析流程,为快速、准确分析变压器混合故障特征气体提供了新的思路与参考。 展开更多
关键词 变压器 特征气体 拉曼光谱 改进一维卷积神经网络 定量分析
在线阅读 下载PDF
基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法
6
作者 贾克斌 吴岳珩 《北京工业大学学报》 北大核心 2025年第5期539-551,共13页
针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。... 针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。 展开更多
关键词 三维高效视频编码(three-dimensional high efficiency video coding 3D-HEVC) 深度图 卷积神经网络(convolutional neural networks CNN) 编码单元(coding unit CU)划分 帧内编码 双特征流
在线阅读 下载PDF
融合改进卷积神经网络和层次SVM的鸡蛋外观检测 被引量：1
7
作者 姚万鹏 张凌晓 +1 位作者 赵肖峰 王飞成 《食品与机械》 北大核心 2025年第1期158-164,共7页
[目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2... [目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2)设计改进的浣熊优化算法(coati optimization algorithm,COA)和FCM聚类算法,在此基础上对卷积神经网络(convolutional neural network,CNN)模型结构和超参数进行优化,以提升CNN泛化能力。运用优化后的CNN深度学习鸡蛋图像数据库,从而实现鸡蛋外观图像特征的有效提取。(3)建立层次支持向量机鸡蛋外观分类工具,最终实现对鸡蛋外观的准确检测分类。[结果]所提鸡蛋外观检测方案的检测准确率提高了1.74%~4.31%,检测时间降低了21.68%~53.51%。[结论]所提方法能够有效实现对鸡蛋的在线实时精细化分类。 展开更多
关键词 鸡蛋外观 卷积神经网络 浣熊优化算法 支持向量机 特征提取
在线阅读 下载PDF
基于卷积神经网络的线结构光高精度三维测量方法 被引量：1
8
作者 叶涛 何威燃 +2 位作者 刘国鹏 欧阳煜 王斌 《仪器仪表学报》 北大核心 2025年第2期183-195,共13页
线结构光视觉三维测量技术因其高精度和非接触的三维重建优势而被广泛应用。然而,现有的线结构光三维测量方法在标定过程中往往面临较高的耦合性问题,且在复杂环境下,背景噪声和光照变化会严重干扰条纹的提取,导致结构光条纹中心定位精... 线结构光视觉三维测量技术因其高精度和非接触的三维重建优势而被广泛应用。然而,现有的线结构光三维测量方法在标定过程中往往面临较高的耦合性问题,且在复杂环境下,背景噪声和光照变化会严重干扰条纹的提取,导致结构光条纹中心定位精度下降,进而影响整体三维测量的精度和鲁棒性。针对上述问题,提出了一种基于卷积神经网络的鲁棒三维测量方法。首先,设计了一种创新性的残差U型块特征金字塔网络(RSU-FPN),旨在实现背景噪声的干扰抑制和结构光条纹区域中心的高精度鲁棒提取。其次,构建了一种新型的线结构光视觉传感器,并提出了一种分离式测量模型,成功将摄像机标定与光平面标定解耦,极大地提高了系统的灵活性与扩展性。通过这种解耦的标定方式,避免了传统标定方法中存在的耦合问题,使得整个测量系统更加高效且易于调整。实验结果表明,所提出的基于卷积神经网络的鲁棒三维测量方法,在复杂背景下能够实现结构光条纹中心的高精度提取,利用提取出的光条纹中心进行标定,其均方根误差分别为x方向0.005 mm、y方向0.009 mm以及z方向0.097 mm。并且,该方法在不同表面类型(如漫反射表面和光滑反射表面)上均能实现高精度的三维重建,验证了其在实际应用中的优越性和强大的鲁棒性。 展开更多
关键词 线结构光 三维测量 卷积神经网络 残差U型块特征金字塔网络 背景噪声抑制
在线阅读 下载PDF
基于卷积神经网络的壳体类零件加工特征识别方法
9
作者 段少佳 冯春花 +1 位作者 苏金环 李卫东 《组合机床与自动化加工技术》 北大核心 2025年第10期44-51,57,共9页
为解决一些基于学习的特征识别方法在识别复杂交互特征时会产生的错误或遗漏问题,提出了一种融合自注意力机制与邻居采样算法的基于三维模型边界表示法(B-rep)的卷积神经网络特征识别办法,用于大型壳体类零件的加工特征识别。首先利用... 为解决一些基于学习的特征识别方法在识别复杂交互特征时会产生的错误或遗漏问题,提出了一种融合自注意力机制与邻居采样算法的基于三维模型边界表示法(B-rep)的卷积神经网络特征识别办法,用于大型壳体类零件的加工特征识别。首先利用卷积神经网络提取待识别加工特征几何信息及拓扑信息,随后嵌入自注意力模块挖掘加工特征全局结构信息。嵌入自注意力模块的卷积网络能够有效识别壳体类零件的复杂相交特征。同时网络使用邻居采样策略进行大型图数据的归纳表示学习,缓解卷积层储存需求降低计算复杂度。在测试数据集上对网络模型识别效果进行了实验验证,实验结果表明该方法相对于传统特征识别方法能够有效提高复杂相交特征识别准确度,提高了复杂相交特征的识别精度。 展开更多
关键词 特征识别 B-REP 卷积神经网络 自注意力 邻居采样
在线阅读 下载PDF
卷积神经网络结合灰度共生矩阵及声学特征参数的古琴面板品质预测
10
作者 曹野 《黄钟(武汉音乐学院学报)》 北大核心 2025年第2期152-166,M0004,共16页
该研究收集了80张泡桐古琴面板样本。作者分别从面板图像和声音中提取特征:采用灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)提取了面板图像的7种纹理特征(如对比度、不相似性等);又利用声音采集设备、机械手臂和消声室提取了... 该研究收集了80张泡桐古琴面板样本。作者分别从面板图像和声音中提取特征:采用灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)提取了面板图像的7种纹理特征(如对比度、不相似性等);又利用声音采集设备、机械手臂和消声室提取了声音的声学特征,包括基频(Fundamental Frequency,F0)、谐波噪声比(Harmonic to Noise Ratio,HNR)、线性预测倒谱系数(Linear Prediction Cepstral Coefficients,LPCC)等。所有面板均由专家对其品质进行打分评价。为优化特征输入,研究采用遗传算法(Genetic Algorithm,GA)对特征排列顺序进行系统性优化。随后,将以上特征数据输入卷积神经网络(Convolutional Neural Network,CNN)进行分类,模型使用类别交叉熵损失函数(Categorical Cross-Entropy Loss),并以准确率(Accuracy)作为评估指标。经过数据标准化、划分训练集和测试集、模型构建、训练过程重复迭代优化和模型评估,最终获得96%以上的准确率。该研究初步验证了GLCM结合声学特性与CNN用于古琴面板品质评估的可行性,证实了纹理信息与面板的声学特征之间可能存在复杂的相互作用。 展开更多
关键词 古琴面板 灰度共生矩阵 卷积神经网络 声学特征
在线阅读 下载PDF
基于混合卷积神经网络特征增强的目标识别算法
11
作者 赵文炎 钟诚 +2 位作者 田殿雄 卢泽钰 李勇 《复杂系统与复杂性科学》 北大核心 2025年第3期65-72,共8页
为克服传统目标识别算法应对复杂场景时,特征提取能力不足的问题,提出了一种新的基于混合卷积神经网络的目标识别算法。该算法的核心在于将非欧几里得域的学习能力与传统卷积神经网络相结合,从而增强关键特征表达的深度和广度。该算法... 为克服传统目标识别算法应对复杂场景时,特征提取能力不足的问题,提出了一种新的基于混合卷积神经网络的目标识别算法。该算法的核心在于将非欧几里得域的学习能力与传统卷积神经网络相结合,从而增强关键特征表达的深度和广度。该算法能够提取并强化目标识别中的关键特征信息,显著提升识别的准确性和鲁棒性。 展开更多
关键词 混合卷积神经网络 特征表达 目标识别
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
12
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
基于多熵融合和多尺度卷积神经网络的风电机组轴承故障诊断方法
13
作者 张天瑞 周连弘 《太阳能学报》 北大核心 2025年第7期429-438,共10页
针对风电机组轴承在运行过程中收集到的故障信号较弱、状态特征难以有效表征的难题,提出一种基于多熵融合与多尺度卷积神经网络的风电机组轴承故障诊断新方法。首先对原始信号进行处理,分解出多个模态分量。随后,通过计算这些模态分量... 针对风电机组轴承在运行过程中收集到的故障信号较弱、状态特征难以有效表征的难题,提出一种基于多熵融合与多尺度卷积神经网络的风电机组轴承故障诊断新方法。首先对原始信号进行处理,分解出多个模态分量。随后,通过计算这些模态分量的多种熵值,构造出多熵融合矩阵,以充分表征信号的复杂特性。在此基础上,通过在卷积神经网络中集成不同尺寸的并行卷积核,设计一种结合多熵融合与多尺度卷积神经网络的故障诊断模型。结果表明,所提出的模型方法具有较好的诊断与泛化能力。 展开更多
关键词 风电机组 故障诊断 轴承 多尺度卷积神经网络 熵特征
在线阅读 下载PDF
基于卷积时空混合神经网络的剩余使用寿命预测 被引量：1
14
作者 刘澳龙 唐向红 +1 位作者 陆见光 王涛 《组合机床与自动化加工技术》 北大核心 2025年第4期1-7,共7页
针对当前剩余使用寿命(remaining useful life,RUL)预测方法侧重于捕捉数据的时间依赖,忽略多传感器间的空间关系问题,提出了一种卷积时空混合神经网络(convolutional spatio-temporal hybrid neural network,CSTHNN)用于提取多传感器... 针对当前剩余使用寿命(remaining useful life,RUL)预测方法侧重于捕捉数据的时间依赖,忽略多传感器间的空间关系问题,提出了一种卷积时空混合神经网络(convolutional spatio-temporal hybrid neural network,CSTHNN)用于提取多传感器时间序列数据的时空特征用于RUL预测。CSTHNN利用卷积神经网络的卷积层感知相邻特征间的空间关系并提取传感器间的空间特征。通过位置编码以记忆时间依赖信息,并使用多头自注意力机制提取时间特征。最后将提取到的时空特征进行非线性变换,映射为RUL预测结果。通过在C-MAPSS数据集上的实验对CSTHNN进行了全面的分析和验证,表明了在RUL预测上提取空间特征的重要性以及该方法优秀的性能。 展开更多
关键词 剩余使用寿命 时空特征 卷积神经网络 混合神经网络
在线阅读 下载PDF
基于复数协方差卷积神经网络的运动想象脑电信号解码方法 被引量：1
15
作者 黄仁慧 张锐锋 +3 位作者 文晓浩 闭金杰 黄守麟 李廷会 《广西师范大学学报(自然科学版)》 北大核心 2025年第3期43-56,共14页
深度挖掘和利用脑电信号的特征信息,以提高运动想象的分类性能,一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关,如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此,本研究提出一种基... 深度挖掘和利用脑电信号的特征信息,以提高运动想象的分类性能,一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关,如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此,本研究提出一种基于复数协方差特征的三维复值卷积神经网络。首先,构建脑电不同频率下的复数协方差矩阵特征,不仅通过复值表示将幅值和相位信息结合在一起,并且保留分类所需的多变量信息,如幅值、相位、空间位置、频率等。其次,设计针对多复数协方差特征的全复数卷积神经网络,实现运动想象任务的高性能分类。在2个公开数据集上的实验结果表明,本研究提出的方法可获得比现有前沿方法至少高出2.49和1.85个百分点的平均准确率。 展开更多
关键词 脑电信号 脑机接口 幅相信息融合 复数协方差特征 复值卷积神经网络 信息交互
在线阅读 下载PDF
基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法 被引量：1
16
作者 王文卿 张小乔 +2 位作者 何霁 刘涵 刘丁 《智能系统学报》 北大核心 2025年第3期649-657,共9页
多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色... 多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法,旨在同时挖掘图像的光谱、空间与非几何结构信息,以提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上,利用深度神经网络构建了特征提取、特征融合和图像重构模块。混合双分支网络模块是由2D和3D卷积神经网络构建,其中,2D卷积神经网络负责挖掘多光谱图像与全色图像的空间特征,3D卷积神经网络负责挖掘图像的光谱特征。引入了图卷积神经网络以捕捉图像图结构中节点的空间关系,从而整合非局部信息。将多光谱图像与全色图像的空间、光谱和非几何特征通过特征融合模块进行融合。将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证,实验结果表明:与其他方法相比,本文算法在主观视觉和客观评价指标上均表现出优秀性能。 展开更多
关键词 图像融合 遥感 图像处理 深度学习 卷积神经网络 机器学习 特征提取 图像重构
在线阅读 下载PDF
基于卷积神经网络的高层建筑智能控制算法研究 被引量：1
17
作者 刘康生 涂建维 +1 位作者 张家瑞 李召 《重庆大学学报》 北大核心 2025年第1期66-75,共10页
浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑... 浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑智能控制算法,并完成高精度网络模型训练和1D-CNN数据特征可视化;以20层benchmark模型为对象,研究了不同工况下1D-CNN深度学习智能控制算法的减震效果,并与BP(back propagation,BP)和RBF(radial basis function,RBF)等浅层学习进行对比。结果表明,1D-CNN凭借一维卷积和池化特性,可自动提取数据深层次特征并对海量数据进行降维处理;在外界激励作用下,1D-CNN控制器加速度和位移最高减震率分别为69.0%和55.6%,控制性能远高于BP和RBF;改变激励作用后,3种控制器控制性能均有所降低,但1D-CNN性能降幅最小且减震率最高,说明1D-CNN具备更好的泛化性能。 展开更多
关键词 深度学习 一维卷积神经网络 智能控制 数据特征可视化 泛化性能
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 被引量：1
18
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
基于多尺度卷积神经网络和门控循环单元的离心泵叶轮故障诊断 被引量：1
19
作者 陶付东 智一凡 +4 位作者 李怀瑞 柳应倩 郝达 秦浩洋 付强 《机电工程》 北大核心 2025年第5期885-893,共9页
采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神... 采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神经网络的基础上引入了循环神经网络,建立了特征提取和故障分类模块,可以自动地对原始输入信号进行空间和时间特征提取并识别关键故障模式;然后,搭建了立式离心泵叶轮故障仿真实验台架,对叶轮不同故障下的泵体振动信号进行了采集,用于训练所提MCNN-GRU诊断模型;最后,利用MCNN和GRU搭建了的诊断模型和其他模型,对叶轮不同故障情况下的振动信号故障识别情况进行了对比,并对抗噪性能进行了分析。研究结果表明:无噪声情况下的单通道诊断准确率超过97.59%,在强噪声条件下多通道诊断准确率达99.13%,优于传统方法,表现出良好的抗噪性能;此外,通过三通道振动数据的融合,诊断准确率达100%,可验证多通道数据融合的优势。该研究结果可为离心泵叶轮故障诊断提供可靠的方案。 展开更多
关键词 离心泵 特征提取 多通道信息融合 多尺度卷积神经网络 门控循环单元
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：2
20
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹
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 … 96 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