检索结果-维普期刊中文期刊服务平台

联合多重卷积与注意力机制的网络入侵检测被引量：3: 1; 作者曹轲朱金奇 +2 位作者马春梅杜恬邹馨雨《天津师范大学学报（自然科学版）》 CAS 北大核心 2021年第3期75-80,共6页; 利用深度学习方法建立一种网络入侵检测模型CAL.该模型通过多重卷积提取数据流的深层特征,利用注意力机制提取代表数据流结构特点的关键特征,以提高对不同数据流特点的表达能力,并通过池化计算压缩数据,提高模型泛化能力,使用基于CuDNN... 展开更多; 关键词网络入侵检测多重卷积数据流特征提取 UNSW-NB15数据集; 在线阅读下载PDF 职称材料

基于多重卷积神经网络跨数据集图像分类被引量：5: 2; 作者刘鑫童刘立波张鹏《计算机工程与设计》北大核心 2018年第11期3549-3554,共6页; 为解决不同数据集共同类图像特征学习能力弱的问题,采用深度学习算法模型,提出一种基于多重卷积神经网络的跨数据集图像分类方法。以中值滤波预处理后的图像作为网络输入,在两个池化层之间采用两组连续卷积层,卷积特征提取和池化后,采... 展开更多; 关键词跨数据集分类卷积神经网络多重卷积特征学习 L2正则化; 在线阅读下载PDF 职称材料

多重卷积算法下的精度优化分配研究: 3; 作者盛鸿亮杨文运《北京理工大学学报》 EI CAS CSCD 1993年第2期162-168,共7页; 提出了一种按多重卷积算法进行精度分配时,利用最小经济夹角,并以公差等级作为寻优单位的精度优化分配方法,大大减少了寻优次数.不仅使精度分配结果更为精确.而且运算迅速、简便,使其更为实用。; 关键词卷积精度优化分配多重卷积算法; 在线阅读下载PDF 职称材料

多重卷积流形上的梯度近Ricci孤立子: 4; 作者沈东《吉林大学学报（理学版）》 CAS 北大核心 2022年第2期261-268,共8页; 利用多重卷积流形上的协变导数算子、梯度算子、Ricci曲率的性质以及二阶椭圆算子的强最大值原理,讨论多重卷积流形上的梯度近Ricci孤立子,给出多重卷积流形是梯度近Ricci孤立子的充要条件,以及多重卷积流形上的梯度近Ricci孤立子的一... 展开更多; 关键词多重卷积流形梯度近Ricci孤立子度量; 在线阅读下载PDF 职称材料

基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究被引量：18: 5; 作者程建刚毕凤荣 +3 位作者张立鹏李鑫杨晓汤代杰《内燃机工程》 CAS CSCD 北大核心 2021年第4期77-83,92,共8页; 为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断... 展开更多; 关键词注意力故障诊断多重注意力卷积神经网络双向门控循环单元(MA-CNN-BiGRU) 端到端; 在线阅读下载PDF 职称材料

基于词嵌入和特征融合的恶意软件检测研究被引量：1: 6; 作者师智斌孙文琦 +1 位作者窦建民于孟洋《信息安全研究》北大核心 2025年第5期412-419,共8页; 针对现有传统方法存在特征提取和表示受限、无法同时捕获API序列的空间语义特征和时序特征、无法捕获能决定目标任务的关键特征信息等问题,利用自然语言处理领域的词嵌入技术和多模型特征抽取以及特征融合技术,提出一种基于词嵌入和特... 展开更多; 关键词恶意软件检测软件调用序列多重卷积网络长短期记忆网络特征融合; 在线阅读下载PDF 职称材料

数字化输出的电子式电流互感器在线校验系统研制被引量：21: 7; 作者童悦《高电压技术》 EI CAS CSCD 北大核心 2010年第7期1742-1746,共5页; 由于具有绝缘性能好、动态范围广、频带宽、无磁饱和等优点,电子式电流互感器已经开始取代传统式电流互感器而应用于电力系统和其它工业领域。然而供能电源和信号处理电路的引用给电子式电流互感器的可靠性带来了新的问题,因此电子式电... 展开更多; 关键词电子式电流互感器在线校验系统数字化输出多重矩形卷积窗虚拟仪器 LABVIEW; 在线阅读下载PDF 职称材料

基于TMU-Net网络的苹果果心分割方法: 8; 作者刘长勇李思佳 +2 位作者史慧查志华邓红涛《农业工程学报》 EI CAS CSCD 北大核心 2022年第16期304-312,共9页; 针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理... 展开更多; 关键词模型图像分割果心分割 TMU-Net网络多重残差空洞卷积 TRANSFORMER 迁移学习; 在线阅读下载PDF 职称材料

题名联合多重卷积与注意力机制的网络入侵检测被引量：3: 1; 作者曹轲朱金奇马春梅杜恬邹馨雨; 机构天津师范大学计算机与信息工程学院; 出处《天津师范大学学报（自然科学版）》 CAS 北大核心 2021年第3期75-80,共6页; 基金国家自然科学基金资助项目(61902282,62002263) 天津市自然科学基金资助项目(17JCYBJC16400,18JCYBJC85900,18JCQNJC70200).; 文摘利用深度学习方法建立一种网络入侵检测模型CAL.该模型通过多重卷积提取数据流的深层特征,利用注意力机制提取代表数据流结构特点的关键特征,以提高对不同数据流特点的表达能力,并通过池化计算压缩数据,提高模型泛化能力,使用基于CuDNN加速的长短时记忆网络,在学习数据流上下文特征和时序信息的同时,加速模型收敛.在数据集UNSW-NB15上进行实验,结果表明,CAL模型的识别准确率为90.37%,多类型入侵流的识别准确率为78.94%,性能表现优于其他已有方法.; 关键词网络入侵检测多重卷积数据流特征提取 UNSW-NB15数据集; Keywords network intrusion detection multiple convolutions data flows feature extraction UNSW-NB15 dataset; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于多重卷积神经网络跨数据集图像分类被引量：5: 2; 作者刘鑫童刘立波张鹏; 机构宁夏大学信息工程学院; 出处《计算机工程与设计》北大核心 2018年第11期3549-3554,共6页; 基金宁夏自然科学基金项目(NZ17010) 国家自然科学基金项目(61751215 +1 种基金 61363054) 西部一流大学科研创新基金项目(ZKZD2017005); 文摘为解决不同数据集共同类图像特征学习能力弱的问题,采用深度学习算法模型,提出一种基于多重卷积神经网络的跨数据集图像分类方法。以中值滤波预处理后的图像作为网络输入,在两个池化层之间采用两组连续卷积层,卷积特征提取和池化后,采用L2范数正则化的Softmax损失函数作为模型分类器,完成多重卷积神经网络分类的训练和测试。实验结果表明,相比于传统JDA方法、TCA方法和KPCA方法,该方法在经典数据集Caltech256、Amazon、Webcam和Dslr上具有更好的特征提取能力和更高的平均准确率。; 关键词跨数据集分类卷积神经网络多重卷积特征学习 L2正则化; Keywords cross-dataset classification convolution neural network multi-convolutional feature learning L2 regularization; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多重卷积算法下的精度优化分配研究: 3; 作者盛鸿亮杨文运; 机构北京理工大学工程光学系; 出处《北京理工大学学报》 EI CAS CSCD 1993年第2期162-168,共7页; 基金国家自然科学基金; 文摘提出了一种按多重卷积算法进行精度分配时,利用最小经济夹角,并以公差等级作为寻优单位的精度优化分配方法,大大减少了寻优次数.不仅使精度分配结果更为精确.而且运算迅速、简便,使其更为实用。; 关键词卷积精度优化分配多重卷积算法; Keywords optimization convolution/optimization in precision distribution tolerance grade minimum economy angle; 分类号 TH115 [机械工程—机械设计及理论]; 在线阅读下载PDF 职称材料

题名多重卷积流形上的梯度近Ricci孤立子: 4; 作者沈东; 机构西北师范大学数学与统计学院; 出处《吉林大学学报（理学版）》 CAS 北大核心 2022年第2期261-268,共8页; 基金国家自然科学基金(批准号:11761061).; 文摘利用多重卷积流形上的协变导数算子、梯度算子、Ricci曲率的性质以及二阶椭圆算子的强最大值原理,讨论多重卷积流形上的梯度近Ricci孤立子,给出多重卷积流形是梯度近Ricci孤立子的充要条件,以及多重卷积流形上的梯度近Ricci孤立子的一个刚性结果.; 关键词多重卷积流形梯度近Ricci孤立子度量; Keywords multiply warped product manifolds gradient Ricci almost solitons metric; 分类号 O186.12 [理学—基础数学]; 在线阅读下载PDF 职称材料

题名基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究被引量：18: 5; 作者程建刚毕凤荣张立鹏李鑫杨晓汤代杰; 机构天津大学内燃机燃烧学国家重点实验室天津内燃机研究所; 出处《内燃机工程》 CAS CSCD 北大核心 2021年第4期77-83,92,共8页; 基金天津市自然科学基金项目(18JCYBJC20000)。; 文摘为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断方法。首先将原始时域数据输入卷积神经网络(convolutional meural networks,CNN)进行初步特征提取并降维,然后将结果重组输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU),可以有效地解决BiGRU对于过长序列数据处理困难的问题。采用美国凯斯西储大学开源轴承数据集进行训练,确定了最佳卷积层数和最佳样本长度约减比例分别为2和1/8。同时,通过在CNN和BiGRU中分别加入卷积注意力模块(convolutional block attention module,CBAM)和序列注意力模块(sequence attention module,SAM),进一步加强了模型对于关键信息的提取能力。最后实测柴油机故障振动信号试验表明:MA-CNN-BiGRU模型可以实现端到端的故障诊断,与变分模态分解(variational mode decomposition,VMD)核模糊C均值聚类算法(VMD-kernel fuzzy C-means clustering,VMD-KFCM)、VMD-反向传播神经网络(back propagation neural network,BPNN)和一维CNN等方法进行对比,MA-CNN-BiGRU模型的故障诊断性能更优。; 关键词注意力故障诊断多重注意力卷积神经网络双向门控循环单元(MA-CNN-BiGRU) 端到端; Keywords attention fault diagnosis multiple attention-convolutional neural networks-bidirectional gated recurrent unit(MA-CNN-BiGRU) end to end; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于词嵌入和特征融合的恶意软件检测研究被引量：1: 6; 作者师智斌孙文琦窦建民于孟洋; 机构中北大学计算机科学与技术学院公安部第三研究所北方导航控制技术股份有限公司; 出处《信息安全研究》北大核心 2025年第5期412-419,共8页; 基金信息网络安全公安部重点实验室(公安部第三研究所)开放课题(C23600-06)。; 文摘针对现有传统方法存在特征提取和表示受限、无法同时捕获API序列的空间语义特征和时序特征、无法捕获能决定目标任务的关键特征信息等问题,利用自然语言处理领域的词嵌入技术和多模型特征抽取以及特征融合技术,提出一种基于词嵌入和特征融合的恶意软件检测方法.首先使用自然语言处理领域的词嵌入技术对API序列编码,得到其语义特征编码表示;然后分别利用多重卷积网络和Bi-LSTM网络提取API序列的n-gram局部空间特征和时序特征;最后利用自注意力机制对捕获的特征进行关键位置信息的深度融合,通过刻画深层恶意行为特征实现分类任务.实验结果表明,在二分类任务中,该方法准确率达到94.79%,相较于传统机器学习方法平均提高了12.37%,比深度学习方法平均提高5.78%.在多分类任务中,该方法的准确率也达到91.95%,能够有效地提高对恶意软件的检测准确率.; 关键词恶意软件检测软件调用序列多重卷积网络长短期记忆网络特征融合; Keywords malware detection software call sequence multiple convolutional networks long short term memory network feature fusion; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名数字化输出的电子式电流互感器在线校验系统研制被引量：21: 7; 作者童悦; 机构华中科技大学电气与电子工程学院; 出处《高电压技术》 EI CAS CSCD 北大核心 2010年第7期1742-1746,共5页; 文摘由于具有绝缘性能好、动态范围广、频带宽、无磁饱和等优点,电子式电流互感器已经开始取代传统式电流互感器而应用于电力系统和其它工业领域。然而供能电源和信号处理电路的引用给电子式电流互感器的可靠性带来了新的问题,因此电子式电流互感器的校验监测变得尤为重要。为此,提出了一种电子式电流互感器数字输出在线校验系统,它采用加多重矩形卷积窗的插值高精度算法,可以针对现场运行的数字化输出的电子式电流互感器进行在线校验,能更精确地反映一次侧电流电压值,大大提高了电力系统的可靠性。试验结果表明,该系统完全可以满足0.2s级电子式电流互感器的现场校验要求。; 关键词电子式电流互感器在线校验系统数字化输出多重矩形卷积窗虚拟仪器 LABVIEW; Keywords electronic curent transformer on-site calibration system digital output multiple convolution window algorithm virtual instrument Labview; 分类号 TM452 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于TMU-Net网络的苹果果心分割方法: 8; 作者刘长勇李思佳史慧查志华邓红涛; 机构新疆农垦科学院石河子大学机械电气工程学院中山大学电子与通信工程学院; 出处《农业工程学报》 EI CAS CSCD 北大核心 2022年第16期304-312,共9页; 基金国家自然科学基金(31860466) 苹果内在品质指标评价技术研究(KH011402)。; 文摘针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理模块、解码器、特征拼接模块组成,以VGG-16前13层作为主干特征提取网络,在跳跃连接中叠加多重残差空洞卷积(Multiple Residual Dilated Convolution,MRDC)模块,增大感受野的同时增强了模型对底层特征提取能力。采用数据增强技术对果心数据集扩充后,利用迁移学习方法冻结特定的网络层,对TMU-Net模型进行训练。试验结果表明:引入迁移学习并使用最佳训练方式使模型分割精确率提高了22.48个百分点;TMU-Net网络模型在果心分割任务中实现了96.72%的精确率,与U-Net、PSPNet、DeeplabV3+网络对比,精确率分别提升了14.28、9.98、7.15个百分点。该方法能够精准、有效地实现果心分割,可为实现苹果内在品质智能检测提供参考。; 关键词模型图像分割果心分割 TMU-Net网络多重残差空洞卷积 TRANSFORMER 迁移学习; Keywords models image segmentation core segmentation TMU-Net network MRDC Transformer transfer learning; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] S126 [农业科学—农业基础科学]; 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	联合多重卷积与注意力机制的网络入侵检测	曹轲朱金奇马春梅杜恬邹馨雨	《天津师范大学学报（自然科学版）》 CAS 北大核心	2021	3	在线阅读下载PDF 职称材料
2	基于多重卷积神经网络跨数据集图像分类	刘鑫童刘立波张鹏	《计算机工程与设计》北大核心	2018	5	在线阅读下载PDF 职称材料
3	多重卷积算法下的精度优化分配研究	盛鸿亮杨文运	《北京理工大学学报》 EI CAS CSCD	1993	0	在线阅读下载PDF 职称材料
4	多重卷积流形上的梯度近Ricci孤立子	沈东	《吉林大学学报（理学版）》 CAS 北大核心	2022	0	在线阅读下载PDF 职称材料
5	基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究	程建刚毕凤荣张立鹏李鑫杨晓汤代杰	《内燃机工程》 CAS CSCD 北大核心	2021	18	在线阅读下载PDF 职称材料
6	基于词嵌入和特征融合的恶意软件检测研究	师智斌孙文琦窦建民于孟洋	《信息安全研究》北大核心	2025	1	在线阅读下载PDF 职称材料
7	数字化输出的电子式电流互感器在线校验系统研制	童悦	《高电压技术》 EI CAS CSCD 北大核心	2010	21	在线阅读下载PDF 职称材料
8	基于TMU-Net网络的苹果果心分割方法	刘长勇李思佳史慧查志华邓红涛	《农业工程学报》 EI CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料