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
2
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
基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测
被引量：
4
1
作者
张典震
陈捷
+1 位作者
王华
杨启帆
《振动与冲击》
EI
CSCD
北大核心
2021年第23期9-16,共8页
为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-...
为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-Net网络中的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比。结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务。
展开更多
关键词
回转支承
密集
时间
卷积
网络
(
dtcn
)
卷积
自编码
网络
(CAE)
退化趋势预测
在线阅读
下载PDF
职称材料
时域注意力Dense-TCNs在多模手势识别中的应用
被引量：
4
2
作者
张毅
赵杰煜
+1 位作者
王翀
郑烨
《计算机工程》
CAS
CSCD
北大核心
2020年第9期101-109,共9页
为增强时间卷积网络(TCNs)在时间特征提取方面的能力,提出一种基于三维密集卷积网络与改进TCNs的多模态手势识别方法。通过时空特征表示方法将手势视频分析任务分为空间分析和时间分析两部分。在空间分析中采用三维DenseNets学习短期的...
为增强时间卷积网络(TCNs)在时间特征提取方面的能力,提出一种基于三维密集卷积网络与改进TCNs的多模态手势识别方法。通过时空特征表示方法将手势视频分析任务分为空间分析和时间分析两部分。在空间分析中采用三维DenseNets学习短期的时空特征,在时间分析中使用TCNs提取时间特征。在此基础上引入注意力机制,使用时域维度的压缩-激励网络调整每个TCNs层特征在时间维度上的权值比重。分别在VIVA和NVGesture两个动态手势数据集上对该方法进行评价,实验结果表明,该方法在VIVA数据集上的正确率为91.54%,在NVGesture数据集上的正确率为86.37%,且与最新的MTUT方法水平相近。
展开更多
关键词
手势识别
三维
密集
卷积
网络
时间
卷积
网络
短时时空特征
注意力机制
在线阅读
下载PDF
职称材料
题名
基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测
被引量：
4
1
作者
张典震
陈捷
王华
杨启帆
机构
南京工业大学机械与动力工程学院
南京工业大学江苏省工业装备数字制造及控制技术重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第23期9-16,共8页
基金
国家重点研发计划(2019YFB2005005)。
文摘
为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-Net网络中的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比。结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务。
关键词
回转支承
密集
时间
卷积
网络
(
dtcn
)
卷积
自编码
网络
(CAE)
退化趋势预测
Keywords
slewing support
densely temporal convolution network(
dtcn
)
convolutional auto-encoder(CAE)
degradation trend prediction
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
时域注意力Dense-TCNs在多模手势识别中的应用
被引量：
4
2
作者
张毅
赵杰煜
王翀
郑烨
机构
宁波大学信息科学与工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第9期101-109,共9页
基金
国家自然科学基金(61603202,61571247)
浙江省自然科学基金重点项目(LZ16F03001,LY17F030002)。
文摘
为增强时间卷积网络(TCNs)在时间特征提取方面的能力,提出一种基于三维密集卷积网络与改进TCNs的多模态手势识别方法。通过时空特征表示方法将手势视频分析任务分为空间分析和时间分析两部分。在空间分析中采用三维DenseNets学习短期的时空特征,在时间分析中使用TCNs提取时间特征。在此基础上引入注意力机制,使用时域维度的压缩-激励网络调整每个TCNs层特征在时间维度上的权值比重。分别在VIVA和NVGesture两个动态手势数据集上对该方法进行评价,实验结果表明,该方法在VIVA数据集上的正确率为91.54%,在NVGesture数据集上的正确率为86.37%,且与最新的MTUT方法水平相近。
关键词
手势识别
三维
密集
卷积
网络
时间
卷积
网络
短时时空特征
注意力机制
Keywords
gesture recognition
3D Dense convolutional Networks(3D-DenseNets)
Temporal Convolutional Networks(TCNs)
short-term temporal and spatial features
attention mechanism
分类号
TP391.4 [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
作者
出处
发文年
被引量
操作
1
基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测
张典震
陈捷
王华
杨启帆
《振动与冲击》
EI
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
2
时域注意力Dense-TCNs在多模手势识别中的应用
张毅
赵杰煜
王翀
郑烨
《计算机工程》
CAS
CSCD
北大核心
2020
4
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
