基于改进掩膜循环卷积神经网络的沥青路面积水分布检测

1

作者 杨炜 常晓博 +1 位作者 刘哲 屈晓磊 《汽车技术》 CSCD 北大核心 2022年第8期47-53,共7页

针对传统的掩膜循环卷积神经网络(Mask R-CNN)在检测和分割积水区域时过度重视对区域的分割,忽视了边界分割的问题,在传统Mask R-CNN模型中添加以拉普拉斯(Laplacian)算子为基准构建的边界加权损失函数,得到改进的Mask R-CNN模型,同时... 针对传统的掩膜循环卷积神经网络(Mask R-CNN)在检测和分割积水区域时过度重视对区域的分割,忽视了边界分割的问题,在传统Mask R-CNN模型中添加以拉普拉斯(Laplacian)算子为基准构建的边界加权损失函数,得到改进的Mask R-CNN模型,同时以残差网络(ResNet)作为特征提取网络,采用迁移学习的方法,使用自建的1753张路面积水图像进行训练,以查准率与查全率的加权调和平均值F1和雅卡尔(Jaccard)系数作为评价指标。结果表明,改进的模型F1和雅卡尔系数分别为89.23%和81.46%,在不同积水区域、不同环境下,所提出的方法识别准确率和分割精度较高,能够为无人驾驶车辆提供路面积水信息的技术支持。 展开更多

关键词 沥青路面 积水检测 掩膜循环卷积神经网络 实例分割

在线阅读 下载PDF 职称材料

无网格动力分析的循环卷积神经网络代理模型 被引量：9

2

作者 陈健 王东东 +1 位作者 刘宇翔 陈俊 《力学学报》 EI CAS CSCD 北大核心 2022年第3期732-745,共14页

在无网格动力分析中,除了无网格形函数本身构造复杂引入的计算成本,还需要逐步递推求解每个时间步的动力响应,因而计算效率较为低下.本文通过研究无网格离散数据与机器学习训练样本、无网格动力分析递推计算过程与循环卷积神经网络序列... 在无网格动力分析中,除了无网格形函数本身构造复杂引入的计算成本,还需要逐步递推求解每个时间步的动力响应,因而计算效率较为低下.本文通过研究无网格离散数据与机器学习训练样本、无网格动力分析递推计算过程与循环卷积神经网络序列信息传递模式之间的本征联系,构建了与无网格法相匹配的循环卷积神经网络设计方法,进而提出了一种无网格动力分析的循环卷积神经网络代理模型.该模型充分融合了无网格离散模型节点布置灵活的优点,同时无网格法能够提供具有泛化特征的高精度数值样本,增强循环卷积神经网络的泛化性和适用性.此外,循环卷积神经网络代理模型特有的循环模块历史记忆特性使其可以有效地处理序列信息,在保证精度的前提下加速无网格动力分析计算过程.文中通过系列算例验证了所提出的无网格动力分析的循环卷积神经网络代理模型的精度和效率. 展开更多

关键词 无网格法 动力分析 循环卷积神经网络 代理模型 计算效率

在线阅读 下载PDF 职称材料

基于循环卷积神经网络的城市住宅污水管道防堵塞监测系统技术研究及应用 被引量：4

3

作者 唐锦源 林海幂 +1 位作者 田青青 王思威 《数字通信世界》 2023年第11期85-87,共3页

随着新时代现代化智慧城市的建设发展,基于物联网技术、大数据技术、BIM技术的城市住宅污水管道防堵塞监测技术正向着数字化、自动化、智能化的方向发展。文章针对基于循环卷积神经网络的城市住宅污水管道防堵塞监测技术进行了研究,并... 随着新时代现代化智慧城市的建设发展,基于物联网技术、大数据技术、BIM技术的城市住宅污水管道防堵塞监测技术正向着数字化、自动化、智能化的方向发展。文章针对基于循环卷积神经网络的城市住宅污水管道防堵塞监测技术进行了研究,并设计了可实际应用于城市住宅污水管道防堵塞监测系统的工程设备。 展开更多

关键词 循环卷积神经网络 非侵入式电容传感器测量 污水管道防堵塞监测系统

在线阅读 下载PDF 职称材料

基于卷积循环神经网络的新型电力系统继电保护故障诊断技术 被引量：1

4

作者 杨阳 匡子靓 +1 位作者 尚文 李武龙 《电子器件》 2024年第6期1606-1612,共7页

随着新型电力系统建设的推进,分布式新能源容量大幅度提升,越来越多的电力电子设备接入电网中,导致短路时的故障特征发生本质变化,传统的继电保护故障诊断技术难以适用。为提高新型电力系统保护的准确性,提出一种基于卷积循环神经网络... 随着新型电力系统建设的推进,分布式新能源容量大幅度提升,越来越多的电力电子设备接入电网中,导致短路时的故障特征发生本质变化,传统的继电保护故障诊断技术难以适用。为提高新型电力系统保护的准确性,提出一种基于卷积循环神经网络的新型电力系统继电保护故障诊断技术。首先,使用小波变换提取出故障电流时频特性作为网络的输入数据;然后,设计包含卷积神经网络和双向门控循环单元的卷积循环神经网络算法,利用卷积神经网络对输入的故障数据进行特征提取,双向门控循环单元对特征中的动态序列关系进行挖掘;最后,使用Softmax分类器进行故障分类,完成故障诊断。经过实验表明,所提方法在新型电力系统下的故障诊断率能够达到99.6%,与常见的卷积神经网络和前馈神经网络相比,分别提升了8.2%和9.7%,证明所提方法具有更高的故障诊断准确率。 展开更多

关键词 新型电力系统 分布式新能源 继电保护 故障诊断 卷积循环神经网络

在线阅读 下载PDF 职称材料

基于特征金字塔卷积循环神经网络的故障诊断方法 被引量：11

5

作者 刘秀丽 徐小力 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第2期182-190,共9页

变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)... 变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)框架,并联CNN的卷积层和循环神经网络(RNN)中的长短时记忆(LSTM)层,形成新的CRNN,以充分利用CNN对空间域信息和RNN对时域信息的学习能力;在每一层中权值共享,减少网络参数;利用FPN构建全新特征图,输入一维信号和堆叠后形成的二维信号,对传感器采集的信号进行特征提取,实现故障诊断.利用行星齿轮箱进行故障试验,并进行5折交叉验证,该方法的诊断准确率平均值为99.20%,比基本神经网络模型至少高3.62%,表明该方法诊断精度高、鲁棒性强;利用凯斯西储大学轴承数据集进行验证,证明该方法具有良好的泛用性;利用t-SNE方法对模型的特征学习效果进行可视化分析,结果表明不同故障类别特征具有良好的聚类效果. 展开更多

关键词 卷积循环神经网络 特征金字塔 故障诊断 特征可视化

在线阅读 下载PDF 职称材料

基于多种小波变换的一维卷积循环神经网络的风电机组轴承故障诊断 被引量：23

6

作者 陈维兴 崔朝臣 +1 位作者 李小菁 赵卉 《计量学报》 CSCD 北大核心 2021年第5期615-622,共8页

为解决在复杂工况下风力发电机组轴承故障诊断虚警率高的问题,提出一种端到端的混合深度学习框架——基于多种小波变换的一维卷积循环神经网络。首先,通过多种小波变换得到多个时-频矩阵,以充分提取信号特征;再通过一种扩展的LSTM,对多... 为解决在复杂工况下风力发电机组轴承故障诊断虚警率高的问题,提出一种端到端的混合深度学习框架——基于多种小波变换的一维卷积循环神经网络。首先,通过多种小波变换得到多个时-频矩阵,以充分提取信号特征;再通过一种扩展的LSTM,对多通道时-频矩阵不同时间步信息进行提取,捕获时-频数据时空特征;最后,通过全局池化层和分类层对故障状态进行分类。实验结果表明:在复杂工况下,多种小波变换的一维卷积循环神经网络对风力发电机组轴承故障识别率能够达到95%以上。 展开更多

关键词 计量学 滚动轴承 风力发电机组 故障诊断 多种小波变换 一维卷积循环神经网络

在线阅读 下载PDF 职称材料

基于雷达回波的临近降水预报卷积循环神经网络模型研究 被引量：3

7

作者 王永灿 魏加华 +5 位作者 李琼 乔禛 杨侃 朱旭东 包淑萍 王忠静 《水利水电技术（中英文）》 北大核心 2023年第1期24-41,共18页

【目的】临近降水预报是涉水灾害预警、洪水预报和调度管理等依赖气象预报决策的重要基础。高精度、高时空分辨率的气象雷达观测能够有效捕捉天气过程变化,发展基于雷达回波外推的临近降水预报方法,是中小流域高精度雨洪预报预警的关键... 【目的】临近降水预报是涉水灾害预警、洪水预报和调度管理等依赖气象预报决策的重要基础。高精度、高时空分辨率的气象雷达观测能够有效捕捉天气过程变化,发展基于雷达回波外推的临近降水预报方法,是中小流域高精度雨洪预报预警的关键。【方法】以银川贺兰山地区2017—2020年的C波段天气雷达和地面降水资料为基础,开展了ConvLSTM、ConvGRU和PredRNN三种卷积循环神经网络模型在不同降水情景下的预报性能研究,并将三种模型的预报结果与基于半拉格朗日外推的光流法进行对比分析。研究采用临界成功指数(CSI)、命中概率(POD)、虚警率(FAR)、均方根误差(RMSE)和结构相似性指数(SSIM)5种指标评估了三种模型在不同天气系统发展过程中的预报能力。【结果】结果显示:ConvLSTM模型可以较好的预测回波变化过程,而PredRNN模型对回波驻留和发展的过程预报效果较好;随着雨强的增大、预报时长的增加,卷积循环神经网络模型对回波运动的捕捉能力和回波强度变化的预测能力显著强于光流法;ConvLSTM模型能够更好的预报中小雨天气过程,结构更加复杂的PredRNN模型对暴雨过程具有更好的预报效果。【结论】结果表明:三种卷积循环神经网络模型中,ConvLSTM和PredRNN模型的预报效果优于结构较为简单的ConvGRU模型,且三种模型均优于光流法;在实际的应用中,1 h之内的预报可优先考虑ConvLSTM的预报结果,1 h后的预报则应更关注PredRNN模型的预报结果;三种卷积循环神经网络模型随预报时长的增加均出现“模糊化”“平滑化”的现象,需要从模型结构、训练方式等多方面进行改善。 展开更多

关键词 卷积循环神经网络 临近降水预报 雷达回波外推 深度学习 降雨 极端降水 气候变化

在线阅读 下载PDF 职称材料

基于卷积循环神经网络的芯片表面字符识别 被引量：3

8

作者 熊帆 陈田 +1 位作者 卞佰成 刘军 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第5期948-956,共9页

基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.... 基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.利用改进的CRNN实现文本行字符的识别.将改进后的CRNN在40510张芯片文本行图像上进行测试.通过小样本数据集进行模型微调训练得到多个子模型,从而实现集成推理,使用3个模型的综合识别准确率稳定在99.97%左右,单张芯片图像的总识别时间小于60 ms.实验结果表明,改进的CRNN算法的准确率比原始CRNN提升了大约27.48%,多模型集成推理的方法可以实现更高的准确率. 展开更多

关键词 图像处理 积分图 卷积循环神经网络 字符识别 集成推理

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：15

9

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... 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。 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

基于轻量级卷积门控循环神经网络的语声增强方法 被引量：1

10

作者 王玫 李江和 +1 位作者 宋浠瑜 刘小娟 《应用声学》 CSCD 北大核心 2023年第3期652-658,共7页

针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时... 针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时频结构特征,并且参数数量庞大,不利于网络的训练。对此,该文采用卷积核替代门控循环神经网络中的全连接结构,在对语声信号时间相关性建模的同时保留了语声信号的时频结构特征,同时降低了网络的参数数量。为充分利用先前帧的特征信息,该网络单元当前时刻的输入融合了上一时刻的输入与输出。针对网络训练过程中容易产生过拟合的问题,该文采用了线性门控机制来控制信息的传输,这缓解了网络训练过程中的过拟合问题,提高了网络的语声增强性能。实验结果表明,该文所提出的网络结构在增强后的语声感知质量、语声短时客观可懂度、分段信噪比等指标上均优于传统的网络结构。 展开更多

关键词 卷积门控循环神经网络 固定时延 因果式语声增强 语声质量 语声可懂度

在线阅读 下载PDF 职称材料

基于卷积循环神经网络的不定长验证码识别 被引量：1

11

作者 黎秋宇 《现代信息科技》 2021年第7期133-135,共3页

验证码是目前大部分网站用来防止批量注册、刷票等恶意操作的图灵测试手段。为了帮助开发者设计出更缜密的安全策略,将生成的5000张混合英数的不定长验证码作为训练集,基于PyTorch学习框架,使用卷积循环神经网络来训练模型,CTC算法对标... 验证码是目前大部分网站用来防止批量注册、刷票等恶意操作的图灵测试手段。为了帮助开发者设计出更缜密的安全策略,将生成的5000张混合英数的不定长验证码作为训练集,基于PyTorch学习框架,使用卷积循环神经网络来训练模型,CTC算法对标签进行对齐,实现对不定长验证码的识别。实验表明,最终该模型对不定长验证码的识别准确率达到了99.2%。 展开更多

关键词 验证码识别 卷积神经网络 循环神经网络 卷积循环神经网络

在线阅读 下载PDF 职称材料

基于MR图像的卷积循环神经网络预测胶质瘤IDH蛋白表达

12

作者 施念 许倩 +2 位作者 张纯 王贝茹 韩翠平 《医学影像学杂志》 2023年第10期1745-1749,共5页

目的探讨使用基于MR图像的卷积循环神经网络预测胶质瘤患者异柠檬酸脱氢酶(IDH)蛋白表达。方法选取符合纳入标准的胶质瘤患者236例,IDH蛋白表达阳性83例,IDH蛋白表达阴性153例。应用基于DenseNet-ResNet自动编码器的卷积循环神经网络(CR... 目的探讨使用基于MR图像的卷积循环神经网络预测胶质瘤患者异柠檬酸脱氢酶(IDH)蛋白表达。方法选取符合纳入标准的胶质瘤患者236例,IDH蛋白表达阳性83例,IDH蛋白表达阴性153例。应用基于DenseNet-ResNet自动编码器的卷积循环神经网络(CRNN)预测胶质瘤患者IDH蛋白表达,构建基于T_(2)图像(T_(2)-net)、基于T_(1)增强图像(T_(1)C-net)和基于T_(2)+T_(1)增强图像(TU-net)三个独立模型,并用曲线下面积AUC、准确率、召回率、精确率及F1-score对各个模型预测效能进行评价。结果基于DenseNet-ResNet的CRNN网络能够预测胶质瘤IDH的蛋白表达,其中T_(2)-net模型的AUC为0.975、准确率为90.6%、召回率为81.0%、精确率为92.2%、F1-score为89.6%,T_(1)C-net模型的AUC为0.952、准确率为91.1%、召回率为83.0%、精确率为93.2%、F1-score为90.3%,TU-net模型的AUC为0.995、准确率为95.3%、召回率为90.6%、精确率为95.7%、F1-score为95.0%,TU-net模型的AUC、准确率、召回率、精确率及F1-score优于T_(1)-net和T_(2)-net模型。结论DenseNet-ResNet能够准确无创性预测胶质瘤患者的IDH蛋白表达,其中TU-net模型预测效果最佳。 展开更多

关键词 脑胶质瘤 异柠檬酸脱氢酶 卷积循环神经网络 磁共振成像

在线阅读 下载PDF 职称材料

基于CNN-GRU并联网络的海上风电支撑结构损伤识别

13

作者 李行健 刁延松 +1 位作者 吕建达 侯敬儒 《振动与冲击》 EI CSCD 北大核心 2024年第20期229-237,共9页

利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU... 利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU)神经网络并联网络的结构损伤识别新方法。首先,对响应信号进行广义S变换(generalized S-transform,GST)得到其时频图像。然后,分别利用CNN和GRU从时频图像和响应信号中提取时频域特征和时序特征,并将时频域特征和时序特征拼接后输入全连接层和Softmax分类器中进行结构损伤识别。位移激励下的海上风电支撑结构模型试验数据验证结果表明,该方法仅需要一个测点的响应信号,与其他同类方法相比具有更高的识别准确率和效率。 展开更多

关键词 卷积神经网络-门控循环单元(CNN-GRU)并联网络 结构损伤识别 深度学习 海上风电支撑结构 广义S变换(GST)

在线阅读 下载PDF 职称材料

基于格拉姆角差场和CNN-BiGRU的变压器故障识别法

14

作者 许耀博 杨信强 +2 位作者 徐广超 杨诗豪 段国勇 《电子科技》 2025年第4期73-79,共7页

针对变压器绕组故障特征难以提取、诊断精度较低等问题,文中在频响曲线的基础上提出了一种基于格拉姆角差场(Gramian Angular Difference Field,GADF)和双向门控循环卷积神经网络(Convolutional Neural Network-Bidirectional Gated Rec... 针对变压器绕组故障特征难以提取、诊断精度较低等问题,文中在频响曲线的基础上提出了一种基于格拉姆角差场(Gramian Angular Difference Field,GADF)和双向门控循环卷积神经网络(Convolutional Neural Network-Bidirectional Gated Recurrent Unit,CNN-BiGRU)的变压器故障识别方法。针对原始特征对不同故障类型区分度小的问题,提出了一种移动窗计算法对样本片段进行处理。结合格拉姆角差场变换得到谱特征,将一维数据映射成为三维图像数据。文中分析了不同故障类型在谱特征上的分布特性,将所得谱特征作为输入,通过循环卷积神经网络对故障片段数据进行分类得到识别结果。相较于传统方法,所提方法在特征差异上更明显,准确率得到进一步提高,其对切片分类精度达到了96.2%,验证了该方法的可行性。 展开更多

关键词 变压器 故障诊断 格拉姆角差场 谱特征 深度学习 循环卷积神经网络 高维空间特征

在线阅读 下载PDF 职称材料

基于双图转换和融合CRNN网络的轴承故障诊断 被引量：8

15

作者 李喆 吐松江·卡日 +4 位作者 范想 范志鹏 万容齐 白新悦 吴俣潼 《振动与冲击》 EI CSCD 北大核心 2023年第19期240-248,共9页

针对一维振动序列输入制约卷积神经网络性能,且单一数据处理方法限制实际复杂工况下轴承故障特性的深层挖掘等问题,提出了一种基于双图转换与多卷积循环神经网络融合的滚动轴承故障诊断方法。分别利用格拉姆角差场和马尔可夫转移场编码... 针对一维振动序列输入制约卷积神经网络性能,且单一数据处理方法限制实际复杂工况下轴承故障特性的深层挖掘等问题,提出了一种基于双图转换与多卷积循环神经网络融合的滚动轴承故障诊断方法。分别利用格拉姆角差场和马尔可夫转移场编码方法将一维序列信号转换为二维图像。将转换后的两种模态图像同时输入多CRNN融合的Fu-CRNN网络模型,充分汲取两种转换方法优点并提高CRNN模型特征表达能力。实现轴承信号特征自适应提取及端到端诊断。为验证该方法的可靠性与优越性,选用凯斯西储大学滚动轴承数据集进行轴承故障诊断试验,并比较分析诊断性能。结果表明,所提模型识别准确率和泛化效果均优于单一模态样本输入模型,相较于其他常用算法表现更出色,可为样本构建和轴承故障诊断方法提供参考。 展开更多

关键词 滚动轴承 故障诊断 格拉姆角差场 马尔可夫转移场 融合卷积循环神经网络(CRNN)

在线阅读 下载PDF 职称材料

激光熔化沉积过程缺陷识别方法

16

作者 刘伟嵬 刘炳君 +1 位作者 刘焕强 刘泽远 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第8期1150-1158,共9页

激光熔化沉积加工过程中的缺陷萌生是制约激光熔化沉积技术发展的关键性问题.实现对缺陷的精确自动识别是提高激光熔化沉积技术应用水平的重要途径.提出了熔池瞬态特征提取算法,分析了熔池瞬态特征对沉积层熔合不良缺陷的影响关系,建立... 激光熔化沉积加工过程中的缺陷萌生是制约激光熔化沉积技术发展的关键性问题.实现对缺陷的精确自动识别是提高激光熔化沉积技术应用水平的重要途径.提出了熔池瞬态特征提取算法,分析了熔池瞬态特征对沉积层熔合不良缺陷的影响关系,建立了熔池瞬态特征数据集.对主流识别算法进行了模型训练测试,获取了相对最优模型ResNet 34.为解决ResNet 34训练损失拟合效果差、计算速度慢的问题,结合传统卷积网络和LSTM(long short-term memory)网络,建立了训练和测试精度高且计算速度快的LRCN 64模型,测试准确率达95.8%,实现了对熔合不良缺陷的识别,为实现沉积件在线无损检测提供了技术支撑. 展开更多

关键词 激光熔化沉积 熔池瞬态特征 熔合不良 长期循环卷积神经网络(LRCN) 残差神经网络(ResNet)

在线阅读 下载PDF 职称材料

基于机器学习的舰船通信网络流量异常检测方法 被引量：4

17

作者 潘志安 庞国莉 刘庆杰 《舰船科学技术》 北大核心 2023年第21期213-216,共4页

针对舰船通信网络流量易受噪声成分影响,导致流量异常检测精度下降问题,提出基于机器学习的舰船通信网络流量异常检测方法。该方法使用基于小波变换的网络流量预处理方法,细化舰船通信网络原始流量数据,由小波阈值将细化后流量数据进行... 针对舰船通信网络流量易受噪声成分影响,导致流量异常检测精度下降问题,提出基于机器学习的舰船通信网络流量异常检测方法。该方法使用基于小波变换的网络流量预处理方法,细化舰船通信网络原始流量数据,由小波阈值将细化后流量数据进行去噪处理后,通过基于机器学习的流量异常检测模型,以前向传播训练、反向传播训练的方式,训练稳定的卷积循环神经网络,将去噪后流量数据样本输入网络中,分类检测通信网络流量数据是否异常。实验结果显示:所提方法有效去除舰船通信网络流量噪声成分后,可提高舰船通信网络流量异常检测精度,无错检情况,且检测范围更全面。 展开更多

关键词 机器学习 舰船通信 网络流量 异常检测 小波变换 卷积循环神经网络

在线阅读 下载PDF 职称材料

融合特征编码和短语交互感知的隐式篇章关系识别

18

作者 王秀利 金方焱 《电子学报》 EI CAS CSCD 北大核心 2024年第4期1377-1388,共12页

隐式篇章关系识别难度大、普遍性高.从论元编码和论元交互角度入手,提出了一种融合特征编码和短语交互感知的隐式篇章关系识别模型.该模型兼顾了论元本身特征和论元间交互特征的作用,并分别进行了优化.论元编码部分整合了双向长短时记... 隐式篇章关系识别难度大、普遍性高.从论元编码和论元交互角度入手,提出了一种融合特征编码和短语交互感知的隐式篇章关系识别模型.该模型兼顾了论元本身特征和论元间交互特征的作用,并分别进行了优化.论元编码部分整合了双向长短时记忆网络和循环注意力卷积神经网络,能够更全面地捕获论元全局和局部特征;论元交互部分从短语层级考虑论元间的语义关系建模,构建了短语级交互注意力机制,并利用神经张量网络深入挖掘其中的关系模式,更能体现出论元间潜在的更深层次的关联关系.在宾州篇章树库数据集上的实验结果表明,该模型F1值均优于其他模型. 展开更多

关键词 隐式篇章关系识别 双向长短时记忆网络 循环注意力卷积神经网络 短语级交互注意力 神经张量网络

在线阅读 下载PDF 职称材料

基于深度学习的指针式压力表读数方法研究 被引量：2

19

作者 林鸿正 张斌 +2 位作者 赵成龙 戴杰 湛敏 《现代电子技术》 北大核心 2024年第7期165-169,共5页

为了降低指针式压力表的误读率,减轻人工读数压力,提高仪表读数的精度,设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性,重新设计了更适应指针式... 为了降低指针式压力表的误读率,减轻人工读数压力,提高仪表读数的精度,设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性,重新设计了更适应指针式压力表刻度值检测的损失函数,在刻度值精准检测识别的基础上设计了极坐标展开的方法,将弧形的刻度值展开成一条直线,提高了读数的准确率。实验结果表明,最大误差仅1.05%,平均误差仅0.725%。相较于常用的Hough直线检测与ORB结合或DBNet+CRNN检测的方法,读数识别的平均误差大幅降低,为指针式压力表的自动读数提供了新的思路。 展开更多

关键词 深度学习 指针式压力表 极坐标展开 自动读数 卷积循环神经网络 读数识别

在线阅读 下载PDF 职称材料

面向多复杂场景环境的敞车车号辨识研究

20

作者 薛峰 于国丞 +3 位作者 李世杰 凌烈鹏 张峰峰 陈峰炜 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第6期1162-1169,共8页

针对现有敞车车号定位识别方法存在的环境适应性差、定位和识别精度低的问题,本文提出一种面向多种复杂环境下的敞车车号精准定位和识别的方法。搭建融合多尺度特征信息的敞车车号定位模型框架,在此基础上,融合多尺度金字塔特征进行深... 针对现有敞车车号定位识别方法存在的环境适应性差、定位和识别精度低的问题,本文提出一种面向多种复杂环境下的敞车车号精准定位和识别的方法。搭建融合多尺度特征信息的敞车车号定位模型框架,在此基础上,融合多尺度金字塔特征进行深度可分离卷积的敞车车号特征提取网络设计。提出基于改进卷积循环神经网络的车号定位识别模型,主要针对识别网络模型结构进行设计。通过不同环境下采集的敞车车厢图片对本文提出的方法进行验证。结果表明:本文提出的车号定位方法的准确率为0.94,车号识别的准确率为0.97。 展开更多

关键词 车号定位 深度可分离卷积 特征提取 改进卷积循环神经网络 特征金字塔 字符识别 铁路货运 深度学习

在线阅读 下载PDF 职称材料