-
题名基于多尺度局部与全局特征提取的时间序列预测网络
- 1
-
-
作者
王静
王济昂
丁建立
李永华
-
机构
中国民航大学安全科学与工程学院
中国民航大学信息安全测评中心
中国民航大学计算机科学与技术学院
-
出处
《计算机工程与设计》
北大核心
2025年第6期1734-1741,共8页
-
基金
国家自然科学基金项目(U2033205)。
-
文摘
为有效提取序列数据中的局部与全局变化,并对多尺度特征进行建模,提高时间序列预测准确率,提出一种基于多尺度局部与全局特征提取的时间序列预测网络。多尺度特征捕获模块使用多个不同大小的卷积提取序列中多周期的特征;关注对周期性序列的建模,利用多尺度时序分离模块,使用平均池化分离得到时间序列的周期性和趋势性部分;局部与全局特征模块对序列中的局部变化和全局趋势进行建模。实验结果表明,所提算法在4个数据集上的预测效果均优于相关基线算法。
-
关键词
多维时间序列预测
局部与全局特征
多尺度
卷积神经网络
时序分解
特征提取
深度学习
-
Keywords
multidimensional time series prediction
local and global features
multi-scale
convolutional neural network
time series decomposition
feature extraction
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于文本引导对抗哈希的跨模态检索方法
被引量：2
- 2
-
-
作者
朱杰
-
机构
中央司法警官学院信息管理系
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第2期628-632,共5页
-
基金
中央司法警官学院博士科研启动经费专项项目(BSQDS202103)
河北省教育厅人文社科重大攻关资助项目(ZD202102)。
-
文摘
随着深度学习方法的不断发展,跨模态哈希检索技术也取得了长足的进步。但是,目前的跨模态哈希检索方法通常基于两种假设:a)相似文本描述的图像内容也相似;b)相同类别的图像有着较好的全局相似性。但是,真实数据集中的数据往往不能满足以上两种假设,导致了跨模态哈希检索模型性能的降低。针对以上两个问题,提出了一种基于文本引导对抗哈希的跨模态检索方法(text-guided adversarial hashing for cross-modal retrieval,TAH),此方法在构建的网络结构基础上,将文本哈希码作为训练图像网络的基础,并将图像的局部特征与全局特征结合用于表示图像内容。此外,还针对性地提出了文本模态内全局一致性损失、模态间局部与全局一致性损失和分类对抗损失用于训练跨模态网络。实验证明,TAH可以在三个数据集中取得良好的检索性能。
-
关键词
文本特征
图像局部与全局特征
跨模态检索
哈希码
-
Keywords
text feature
image local and global feature
cross-modal retrieval
hash codes
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
