检索结果-维普期刊中文期刊服务平台

基于动态扩散卷积交互图神经网络的网络流量预测被引量：7: 1; 作者王菁文晓东王春枝《计算机应用研究》 CSCD 北大核心 2023年第1期97-101,共5页; 现有的网络流量预测模型存在着泛化能力弱和预测准确率低等问题,为了解决此问题,提出了一种结合动态扩散卷积模块和卷积交互模块的预测模型。动态扩散卷积模块可以提取网络流量中复杂的空间特征和动态特性,而卷积交互模块则能捕获到流... 展开更多; 关键词网络流量预测动态扩散卷积卷积交互图神经网络; 在线阅读下载PDF 职称材料

一种扩散卷积码编译码的实时软件实现: 2; 作者顾恺张力军《南京邮电学院学报》北大核心 1995年第3期7-12,共6页; 分析一种可正交扩散卷积码的性能和编译码方法。详细说明了该码的软件实现。; 关键词纠错码软件卷积码扩散卷积码信道编码; 在线阅读下载PDF 职称材料

基于改进YOLOv7的金属表面小缺陷检测研究被引量：3: 3; 作者崔伟李震宇余慧杰《机电工程》 CAS 北大核心 2024年第9期1649-1655,共7页; 传统的金属表面缺陷检测是通过人工目测完成的,由于人工目测方法存在效率低下、漏检率高、劳动强度大等缺点,难以满足金属表面缺陷检测的效率和精度要求。针对工业生产过程中金属表面的小缺陷人工检测效率低等问题,提出了一种基于改进的... 展开更多; 关键词缺陷检测效率和精度改进YOLOv7算法深度学习扩散卷积注意力机制卷积神经网络; 在线阅读下载PDF 职称材料

基于时空感知Transformer的交通流预测模型被引量：1: 4; 作者鲁思源沈琴琴 +2 位作者包银鑫高锐锋施佺《电子测量技术》北大核心 2024年第10期85-92,共8页; 交通流预测是智能交通系统的一个热点研究领域,其根本挑战是对交通数据中复杂的时空相关性进行有效建模。针对大部分现有时空Transformer模型在构建时空相关性矩阵时忽略了时间趋势性和空间异质性的重要影响的问题,提出一种基于时空感知... 展开更多; 关键词交通流预测时空相关性 TRANSFORMER 自注意力机制扩散卷积; 在线阅读下载PDF 职称材料

基于Transformer的短时交通流时空预测被引量：1: 5; 作者杨国亮习浩 +1 位作者龚家仁温钧林《计算机应用与软件》北大核心 2024年第3期169-173,225,共6页; 现有的交通流预测模型未能全面获取路网的空间依赖,忽略了周期性对交通流量的影响,且缺乏对全局时间依赖的建模能力。针对以上问题,提出一种结合Transformer的动态扩散卷积门控循环单元预测模型。该模型利用动态扩散卷积网络和门控循环... 展开更多; 关键词短时交通流预测扩散卷积门控循环单元 TRANSFORMER; 在线阅读下载PDF 职称材料

面向改进的时空Transformer的交通流量预测模型被引量：10: 6; 作者高榕万以亮 +1 位作者邵雄凯吴歆韵《计算机工程与应用》 CSCD 北大核心 2023年第7期250-260,共11页; 针对基于时空Transformer模型的交通流量预测模型性能不高的问题,提出了一种基于编解码器的改进的时空Transformer模型(improved spatio-temporal Transformer model,ISTTM)。编码器对历史流量特征进行编码,解码器预测未来序列。编码器... 展开更多; 关键词交通流量预测时空特征稀疏自注意力扩散卷积; 在线阅读下载PDF 职称材料

基于数字孪生的城市交通流智能预测与导引策略被引量：5: 7; 作者廖熙雯冷甦鹏 +1 位作者明昱君李天扬《电信科学》 2023年第3期70-79,共10页; 物联网和人工智能等信息技术的快速发展极大地推动了交通系统的变革,同样也带来了机遇与挑战。针对现有导航系统忽略交通流时空特征而产生的策略重复性拥堵问题,对宏观交通流和微观车辆驾驶分别建模,并挖掘其耦合关系,进而提出一种基于... 展开更多; 关键词数字孪生交通拥堵深度强化学习交通流预测与导引扩散卷积; 在线阅读下载PDF 职称材料

题名基于动态扩散卷积交互图神经网络的网络流量预测被引量：7: 1; 作者王菁文晓东王春枝; 机构湖北工业大学计算机学院武汉大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2023年第1期97-101,共5页; 基金国家自然科学基金资助项目(61772180) 湖北省重点研发计划资助项目(2020BHB004,2020BAB012) +1 种基金湖北工业大学博士科研基金资助项目(BSQD2020062)。; 文摘现有的网络流量预测模型存在着泛化能力弱和预测准确率低等问题,为了解决此问题,提出了一种结合动态扩散卷积模块和卷积交互模块的预测模型。动态扩散卷积模块可以提取网络流量中复杂的空间特征和动态特性,而卷积交互模块则能捕获到流量中的时间特征,两者的有机结合可以有效预测网络中的流量。通过与其他网络流量预测模型在美国能源科学网(ESnet)流量数据上进行对比实验,验证了提出的动态扩散卷积交互图神经网络模型(DDCIGNN)的有效性。实验结果表明,DDCIGNN模型的均方根误差(RMSE)在最好的情况下优化了大约13.0%,说明该模型能够进行更有效的网络流量预测。; 关键词网络流量预测动态扩散卷积卷积交互图神经网络; Keywords network traffic prediction dynamic diffusion convolution convolution interaction graph neural networks; 分类号 TP393.06 [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

题名一种扩散卷积码编译码的实时软件实现: 2; 作者顾恺张力军; 机构南京邮电学院电信工程系; 出处《南京邮电学院学报》北大核心 1995年第3期7-12,共6页; 文摘分析一种可正交扩散卷积码的性能和编译码方法。详细说明了该码的软件实现。; 关键词纠错码软件卷积码扩散卷积码信道编码; Keywords mobile communication, error correcting code, softwares; 分类号 TN911.22 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv7的金属表面小缺陷检测研究被引量：3: 3; 作者崔伟李震宇余慧杰; 机构上海理工大学机械工程学院; 出处《机电工程》 CAS 北大核心 2024年第9期1649-1655,共7页; 基金国家自然科学基金青年基金资助项目(52105525)。; 文摘传统的金属表面缺陷检测是通过人工目测完成的,由于人工目测方法存在效率低下、漏检率高、劳动强度大等缺点,难以满足金属表面缺陷检测的效率和精度要求。针对工业生产过程中金属表面的小缺陷人工检测效率低等问题,提出了一种基于改进的YOLOv7算法的金属表面小缺陷检测方法。首先,建立了包含5种金属表面小缺陷的数据集;然后,设计了扩散卷积,利用步长改变了卷积核中特征点的间距,扩大了卷积层的感受野;设计了方向注意力模块,通过分割输入特征图,在水平方向和垂直方向上进行了特征提取,在通道维度上引入了注意力机制,根据通道的权重,完成了对输出通道数目的重新调整,增强了YOLOv7对小缺陷的位置感知;最后,研究了不同算法在金属表面小缺陷数据集上的目标检测结果,设计了消融实验,对改进策略进行了性能分析。研究结果表明:在相同训练策略下,与传统的YOLOv7算法模型相比,改进后的YOLOv7算法对小缺陷的检测效率为91 fps,平均检测精度为88.0%,较原模型提高了3.6%。在实际生产中可以采用该方法精确检测复杂背景下的金属表面小缺陷。; 关键词缺陷检测效率和精度改进YOLOv7算法深度学习扩散卷积注意力机制卷积神经网络; Keywords defect detection efficiency and accuracy improved YOLOv7 algorithm deep learning diffusion convolution attention mechanism convolutional neural network; 分类号 TH161.1 [机械工程—机械制造及自动化] TG115.28 [金属学及工艺—物理冶金] 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

题名基于时空感知Transformer的交通流预测模型被引量：1: 4; 作者鲁思源沈琴琴包银鑫高锐锋施佺; 机构南通大学交通与土木工程学院南通大学信息科学技术学院; 出处《电子测量技术》北大核心 2024年第10期85-92,共8页; 基金国家自然科学基金(61771265) 江苏高校“青蓝工程”项目南通市科技计划项目(JC2021198)资助。; 文摘交通流预测是智能交通系统的一个热点研究领域,其根本挑战是对交通数据中复杂的时空相关性进行有效建模。针对大部分现有时空Transformer模型在构建时空相关性矩阵时忽略了时间趋势性和空间异质性的重要影响的问题,提出一种基于时空感知Transformer的交通流预测模型。首先,采用改进的时空感知自注意力机制挖掘交通流数据中潜在的时间趋势性和空间异质性特征,建立精确的时空相关性矩阵以获取全局时空特征;然后,使用多尺度扩散卷积模拟交通流在路网中的多阶扩散过程,捕获节点多邻域范围的局部空间特征;最后,采用多元特征融合模块对捕获的时空特征进行自适应融合并输出预测结果。在PeMS04和PeMS08两个真实交通数据集上进行实验,结果表明,与最近提出的RPConvformer、ASTGNN、PDFormer等基于Transformer的基线模型相比,新模型的平均绝对误差分别降低了8.0%、6.5%和2.0%。; 关键词交通流预测时空相关性 TRANSFORMER 自注意力机制扩散卷积; Keywords traffic flow prediction spatial-temporal correlation Transformer self-attention mechanism diffusion convolution; 分类号 U491.14 [交通运输工程—交通运输规划与管理] TN953.1 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于Transformer的短时交通流时空预测被引量：1: 5; 作者杨国亮习浩龚家仁温钧林; 机构江西理工大学电气工程与自动化学院; 出处《计算机应用与软件》北大核心 2024年第3期169-173,225,共6页; 基金国家自然科学基金项目(51365017) 江西省教育厅科技计划项目(GJJ190450)。; 文摘现有的交通流预测模型未能全面获取路网的空间依赖,忽略了周期性对交通流量的影响,且缺乏对全局时间依赖的建模能力。针对以上问题,提出一种结合Transformer的动态扩散卷积门控循环单元预测模型。该模型利用动态扩散卷积网络和门控循环单元对交通流的近期、日周期和周周期三个时间进行时空建模;使用Transformer层获取全局时间依赖关系;将各组件输出进行加权融合,生成预测结果。实验结果表明,该方法相较基准模型能有效降低预测误差,准确预测交通演化态势。; 关键词短时交通流预测扩散卷积门控循环单元 TRANSFORMER; Keywords Short-term traffic flow prediction Diffusion convolution Gated recurrent unit Transformer; 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

题名面向改进的时空Transformer的交通流量预测模型被引量：10: 6; 作者高榕万以亮邵雄凯吴歆韵; 机构湖北工业大学计算机学院南京大学计算机软件新技术国家重点实验室; 出处《计算机工程与应用》 CSCD 北大核心 2023年第7期250-260,共11页; 基金国家自然科学基金(61902116) 南京大学计算机软件新技术国家重点实验室开放课题(KFKT2021B12) +1 种基金湖北工业大学博士科研启动基金(BSQD2019026,BSQD2019022)。; 文摘针对基于时空Transformer模型的交通流量预测模型性能不高的问题,提出了一种基于编解码器的改进的时空Transformer模型(improved spatio-temporal Transformer model,ISTTM)。编码器对历史流量特征进行编码,解码器预测未来序列。编码器将空间稀疏自注意力和时间层次扩散卷积相结合,捕捉交通流量的动态空间相关性和局部空间特征,再利用时间自注意力建模非线性时间相关性;解码器与编码器类似地挖掘出输入序列的时空特征。基于编解码器提取的时空特征,采用双重交叉注意力模拟历史交通观测对未来预测的影响,建模每个历史时间步和每个未来时间步的直接关系以及对整个未来时间段的影响,并输出未来交通流量的最终表示。为了证实ISTTM的有效性,在METR-LA和NE-BJ两个真实世界的大规模数据集上进行实验,ISTTM结果优于6个先进的基线。; 关键词交通流量预测时空特征稀疏自注意力扩散卷积; Keywords traffic forecasting spatio-temporal feature sparse self-attention diffusion convolution; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于数字孪生的城市交通流智能预测与导引策略被引量：5: 7; 作者廖熙雯冷甦鹏明昱君李天扬; 机构电子科技大学信息与通信工程学院; 出处《电信科学》 2023年第3期70-79,共10页; 基金国家重点研发计划项目(No.2018YFE0117500) 国家自然科学基金资助项目(No.62171104)。; 文摘物联网和人工智能等信息技术的快速发展极大地推动了交通系统的变革,同样也带来了机遇与挑战。针对现有导航系统忽略交通流时空特征而产生的策略重复性拥堵问题,对宏观交通流和微观车辆驾驶分别建模,并挖掘其耦合关系,进而提出一种基于数字孪生的城市智能交通流分层预测与导引策略,为减缓交通拥堵提供新思路。在该策略中,虚拟空间中的上层道路孪生通过扩散卷积递归神经网络预测时空交通流量,并显式作用于车辆路径规划决策。在此基础上,提出一种时空协同深度强化学习方法,用于实现车辆面向未来的协作式路径规划,指导虚拟空间中的下层车辆孪生选出最优策略反馈于真实世界。基于SUMO仿真平台进行了仿真验证。实验结果表明,本文所提方法在提高出行达成率、缓解拥堵等方面显著优于现有算法,能够有效提升城市交通出行效率。; 关键词数字孪生交通拥堵深度强化学习交通流预测与导引扩散卷积; Keywords digital twin traffic congestion deep reinforcement learning traffic flow forecasting and guidance diffu-sion convolution; 分类号 TP393 [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	基于动态扩散卷积交互图神经网络的网络流量预测	王菁文晓东王春枝	《计算机应用研究》 CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
2	一种扩散卷积码编译码的实时软件实现	顾恺张力军	《南京邮电学院学报》北大核心	1995	0	在线阅读下载PDF 职称材料
3	基于改进YOLOv7的金属表面小缺陷检测研究	崔伟李震宇余慧杰	《机电工程》 CAS 北大核心	2024	3	在线阅读下载PDF 职称材料
4	基于时空感知Transformer的交通流预测模型	鲁思源沈琴琴包银鑫高锐锋施佺	《电子测量技术》北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于Transformer的短时交通流时空预测	杨国亮习浩龚家仁温钧林	《计算机应用与软件》北大核心	2024	1	在线阅读下载PDF 职称材料
6	面向改进的时空Transformer的交通流量预测模型	高榕万以亮邵雄凯吴歆韵	《计算机工程与应用》 CSCD 北大核心	2023	10	在线阅读下载PDF 职称材料
7	基于数字孪生的城市交通流智能预测与导引策略	廖熙雯冷甦鹏明昱君李天扬	《电信科学》	2023	5	在线阅读下载PDF 职称材料