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CNN-NLSTM的脑电信号注意力状态分类方法
1
作者
沈振乾
李文强
+2 位作者
任甜甜
王瑶
赵慧娟
《中文信息学报》
CSCD
北大核心
2024年第4期38-49,共12页
通过脑电信号进行注意力状态检测,对扩大脑-机接口技术的应用范围具有重要意义。为了提高注意力状态的分类准确率,该文提出一种基于CNN-NLSTM的脑电信号分类模型。首先采用Welch方法获得脑电信号的功率谱密度特征并将其表示为二维灰度...
通过脑电信号进行注意力状态检测,对扩大脑-机接口技术的应用范围具有重要意义。为了提高注意力状态的分类准确率,该文提出一种基于CNN-NLSTM的脑电信号分类模型。首先采用Welch方法获得脑电信号的功率谱密度特征并将其表示为二维灰度图像。然后使用卷积神经网络从灰度图像中学习表征注意力状态的特征,并将相关特征输入到嵌套长短时记忆神经网络依次获得所有时间步骤的注意力特征。最后将两个网络依次连接来构建深度学习框架进行注意力状态分类。实验结果表明,该文所提出的模型通过进行多次5-折交叉验证评估后得到89.26%的平均分类准确率和90.40%的最大分类准确率,与其他模型相比具有更好的分类效果和稳定性。
展开更多
关键词
注意力状态
脑电信号
卷积神经
网络
嵌套
长短
时
记忆
神经
网络
功率谱密度
在线阅读
下载PDF
职称材料
基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解
被引量：
5
2
作者
王家驹
王竣平
+4 位作者
白泰
张然
丁熠辉
杨林
张姝
《电力科学与技术学报》
CAS
CSCD
北大核心
2023年第1期146-153,共8页
非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础。针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型。首先,针对设备运行特性设计...
非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础。针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型。首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率。
展开更多
关键词
非侵入式负荷分解
自适应滑动窗
卷积神经
网络
嵌套长短时记忆网络
改进注意力机制
在线阅读
下载PDF
职称材料
题名
基于CNN-NLSTM的脑电信号注意力状态分类方法
1
作者
沈振乾
李文强
任甜甜
王瑶
赵慧娟
机构
天津工业大学电子与信息工程学院
天津工业大学生命科学学院
出处
《中文信息学报》
CSCD
北大核心
2024年第4期38-49,共12页
基金
国家自然科学基金(61701342)
天津市科技计划项目(22KPXMRC00060)。
文摘
通过脑电信号进行注意力状态检测,对扩大脑-机接口技术的应用范围具有重要意义。为了提高注意力状态的分类准确率,该文提出一种基于CNN-NLSTM的脑电信号分类模型。首先采用Welch方法获得脑电信号的功率谱密度特征并将其表示为二维灰度图像。然后使用卷积神经网络从灰度图像中学习表征注意力状态的特征,并将相关特征输入到嵌套长短时记忆神经网络依次获得所有时间步骤的注意力特征。最后将两个网络依次连接来构建深度学习框架进行注意力状态分类。实验结果表明,该文所提出的模型通过进行多次5-折交叉验证评估后得到89.26%的平均分类准确率和90.40%的最大分类准确率,与其他模型相比具有更好的分类效果和稳定性。
关键词
注意力状态
脑电信号
卷积神经
网络
嵌套
长短
时
记忆
神经
网络
功率谱密度
Keywords
attention state
electroencephalogram signal
convolutional neural network
nested long short-term memory network
power spectral density
分类号
TP391 [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
基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解
被引量：
5
2
作者
王家驹
王竣平
白泰
张然
丁熠辉
杨林
张姝
机构
国网四川省电力公司计量中心
四川大学电气工程学院
出处
《电力科学与技术学报》
CAS
CSCD
北大核心
2023年第1期146-153,共8页
基金
国家电网四川电力公司科技项目(52199720003P)。
文摘
非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础。针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型。首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率。
关键词
非侵入式负荷分解
自适应滑动窗
卷积神经
网络
嵌套长短时记忆网络
改进注意力机制
Keywords
non‑intrusive load disaggregation
adaptive sliding data window
convolutional neural network
nested long and short‑term memory network
improved attention mechanism
分类号
TM714 [电气工程—电力系统及自动化]
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CNN-NLSTM的脑电信号注意力状态分类方法
沈振乾
李文强
任甜甜
王瑶
赵慧娟
《中文信息学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解
王家驹
王竣平
白泰
张然
丁熠辉
杨林
张姝
《电力科学与技术学报》
CAS
CSCD
北大核心
2023
5
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
