期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于注意力增强Uniformer的锂电池剩余使用寿命预测
1
作者 廖列法 刘映宝 占玉敏 《汽车技术》 北大核心 2025年第6期36-44,共9页
针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引... 针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引导机制(AGM)和CoordAttention实现强大的特征提取。试验结果表明,AEUniformer可以实现仅需单个老化周期的准确快速的RUL预测,数据集的平均绝对百分比误差分别为2.7%和6.16%,证明了该方法的准确性。 展开更多
关键词 锂电池 剩余使用寿命预测 数据驱动 统一变形器 注意力引导机制 坐标注意力
在线阅读 下载PDF
基于项目级和类别级双混合超图的会话推荐
2
作者 李建伏 张丹 《计算机工程与设计》 北大核心 2025年第6期1758-1765,共8页
为捕获项目间和类别间复杂的顺序、高阶依赖关系,提出一种基于项目级和类别级双混合超图融合的会话推荐方法DF-MHCN。分别从项目和类别转换角度构建一个项目级混合超图和一个类别级混合超图;提出混合超图卷积网络更新两个混合超图中节... 为捕获项目间和类别间复杂的顺序、高阶依赖关系,提出一种基于项目级和类别级双混合超图融合的会话推荐方法DF-MHCN。分别从项目和类别转换角度构建一个项目级混合超图和一个类别级混合超图;提出混合超图卷积网络更新两个混合超图中节点的表示;引入引导注意力机制融合两种节点表示;用更新后的节点嵌入学习会话表示,计算每个节点的点击概率并推荐概率最大的k个项目。实验结果表明,DF-MHCN方法相对于现有的会话推荐方法具有较高的精度。 展开更多
关键词 基于会话的推荐 混合超图 项目级混合超图 类别级混合超图 超图卷积网络 混合超图卷积网络 引导注意力机制
在线阅读 下载PDF
基于改进扩散模型的高质量图像生成方法
3
作者 侯哲晓 李弼程 +1 位作者 蔡炳炎 许逸飞 《计算机科学》 北大核心 2025年第S1期449-457,共9页
图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基... 图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基于改进扩散模型的高质量图像生成方法。首先,采用训练稳定、具有优秀采样质量的扩散模型作为基准模型;其次,使用扩散模型中的自注意力机制来进一步引导噪声生成,进而还原图像中的低频内容,增强去噪过程的稳定性;最后,将递归特征金字塔融合到噪声预测器结构中,使图像特征信息反复提纯,从而捕获图像中的高频细节。在3个标准数据集和4个小型数据集上进行的对比实验和消融实验结果表明,该方法展现了比其他方法更为优秀的性能。 展开更多
关键词 图像生成 扩散模型 注意力机制引导 递归特征金字塔
在线阅读 下载PDF
新冠肺炎CT影像的DNN对抗攻击研究 被引量:2
4
作者 胡耿 蔡延光 《计算机工程与应用》 CSCD 北大核心 2022年第1期152-157,共6页
在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断。提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构... 在深度学习应用于新型冠状肺炎CT智能识别的研究中,大量研究人员通过构建深度神经网络训练模型,从而理解医学影像数据内容,辅助新冠肺炎诊断。提出AMDRC-Net架构,其中的残差结构,通过恒等映射解决了网络退化问题,与此同时,针对残差结构阻碍新特征探索的新问题,受到注意力机制等最新研究启发,研究了长短注意力引导机制。关注深度学习模型安全性问题,讨论基于梯度上升的对抗攻击方法;为了解决其单一性问题,通过长短注意力机制,增加有效对抗扰动的同时减少冗余扰动,紧接着,提出的对抗攻击算法A-IM-FGSM,将对抗攻击问题转化为自适应约束问题,即可微变换思想用于迭代攻击中,探究注意力引导机制与DNN对抗攻击的相互关系。最后进行的实验中,在新型冠状肺炎CT数据集上,通过AMDRC-Net进行模型训练,设计对比实验、可视化实验、对抗攻击实验。 展开更多
关键词 新冠肺炎CT影像 注意力引导机制 深度学习 DNN对抗攻击
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部