基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测

1

作者 余强 韩静娴 +4 位作者 杨子梁 宋济东 杨德昌 齐海杰 于芃 《电力自动化设备》 北大核心 2025年第3期201-208,共8页

综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注... 综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注意力对卷积结果进行赋权,并利用输入门控循环单元模型对负荷进行预测。算例仿真结果表明,所提模型的平均绝对百分比误差均低于3%。 展开更多

关键词 综合能源系统 负荷预测 分组卷积神经网络 门控循环单元 改进的压缩和激励注意力机制 多头特征注意力机制

在线阅读 下载PDF 职称材料

融合卷积神经网络和注意力机制的负荷识别方法 被引量：1

2

作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页

对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多

关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹

在线阅读 下载PDF 职称材料

基于注意力和挤压-激励Inception的双分支合成语音检测

3

作者 王晗 赵腊生 +2 位作者 张强 程银清 邱泽鹏 《计算机应用》 CSCD 北大核心 2024年第10期3217-3222,共6页

合成语音攻击给人们的生活带来巨大的威胁。为了解决现有模型从冗余信息中提取关键信息能力不足和单一模型无法综合利用多检测模型优势的问题,提出一种基于注意力和挤压-激励(SE)模块Inception(SE-Inc)的双分支(Dual-ABIB)合成语音检测... 合成语音攻击给人们的生活带来巨大的威胁。为了解决现有模型从冗余信息中提取关键信息能力不足和单一模型无法综合利用多检测模型优势的问题,提出一种基于注意力和挤压-激励(SE)模块Inception(SE-Inc)的双分支(Dual-ABIB)合成语音检测模型。首先,基于SincNet(Sinc-based convolutional neural Network)提取的初始特征图训练注意力分支合成语音检测模型,并输出注意力图;其次,将注意力图和初始特征图相乘后再叠加,并将结果作为SE-Inc分支的输入进行训练;最后,通过决策级加权融合处理2个分支获得的分类分数,从而实现合成语音检测。实验结果表明,所提模型在参数量为539×10^(3)的情况下,在ASVspoof2019数据集上获得了0.0332的最小串联检测代价函数(mint-DCF)和1.15%的等错误率(EER);与SE-ResABNet(Squeeze-Excitation ResNet Attention Branch Network)相比,所提模型在参数量仅为它的56%的情况下,min t-DCF和EER分别下降了34.5%和39.2%;同时,在ASVspoof2015和ASVspoof2021数据集上所提模型表现了更好的泛化能力。以上结果验证了所提模型能够在参数量较小的情况下,获得更低的min t-DCF和EER。 展开更多

关键词 注意力机制 挤压-激励模块 双分支 合成语音检测 决策级融合

在线阅读 下载PDF 职称材料

采用空间和通道激励注意力机制优化ResNet-50的CFRP/TC4叠层材料钻削刀具磨损状态监测 被引量：1

4

作者 聂鹏 杨程越 +2 位作者 彭新月 于家鹤 潘五九 《中国机械工程》 EI CAS CSCD 北大核心 2024年第10期1793-1801,共9页

针对碳纤维增强复合材料(CFRP)与钛合金组成的叠层材料在制备装配孔时存在刀具磨损严重的问题,提出了一种空间和通道激励注意力机制(scSE)优化深度残差神经网络(ResNet-50)的刀具磨损监测方法。开展钻削实验,采集钻削过程中的力和温度信... 针对碳纤维增强复合材料(CFRP)与钛合金组成的叠层材料在制备装配孔时存在刀具磨损严重的问题,提出了一种空间和通道激励注意力机制(scSE)优化深度残差神经网络(ResNet-50)的刀具磨损监测方法。开展钻削实验,采集钻削过程中的力和温度信号,信号经连续小波变换转换为小波尺度谱。搭建ResNet-50网络结构,从空间和通道双维度对卷积提取的特征图进行权重标定。研究结果表明,scSE可以从空间和通道两个维度做到增强有用特征,抑制无用特征,经scSE优化的网络结构识别准确度达到96.15%。 展开更多

关键词 刀具磨损 连续小波变换 空间和通道激励注意力机制 深度残差神经网络

在线阅读 下载PDF 职称材料

基于双注意力图神经网络的链路预测 被引量：1

5

作者 杨真真 林泽龙 杨永鹏 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期106-114,共9页

链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1... 链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。 展开更多

关键词 链路预测 图神经网络 注意力机制 压缩-激励模块 频率自适应

在线阅读 下载PDF 职称材料

基于挤压激励的轻量化注意力机制模块 被引量：8

6

作者 吕振虎 许新征 张芳艳 《计算机应用》 CSCD 北大核心 2022年第8期2353-2360,共8页

针对向卷积神经网络(CNN)中嵌入注意力机制模块以提高模型应用精度导致参数和计算量增加的问题,提出基于挤压激励的轻量化高度维度挤压激励(HD-SE)模块和宽度维度挤压激励(WD-SE)模块。为了充分利用特征图中潜在的信息,HD-SE对卷积层输... 针对向卷积神经网络(CNN)中嵌入注意力机制模块以提高模型应用精度导致参数和计算量增加的问题,提出基于挤压激励的轻量化高度维度挤压激励(HD-SE)模块和宽度维度挤压激励(WD-SE)模块。为了充分利用特征图中潜在的信息,HD-SE对卷积层输出的特征图在高度维度上进行挤压激励操作,获得高度维度上的权重信息;而WD-SE在宽度维度上进行挤压激励操作,以得到特征图宽度维度上的权重信息;然后,将得到的权重信息分别应用于对应维度的特征图张量,以提高模型的应用精度。将HD-SE与WD-SE分别嵌入VGG16、ResNet56、MobileNetV1和MobileNetV2模型中,在CIFAR10和CIFAR100数据集上进行的实验结果表明,与挤压激励(SE)模块、协调注意力(CA)模块、卷积块注意力模块(CBAM)和高效通道注意力(ECA)模块等先进的注意力机制模块相比,HD-SE与WDSE在向网络模型中增加的参数和计算量更少的同时得到的精度相似或者更高。 展开更多

关键词 卷积神经网络 挤压激励 轻量化 多维度 注意力机制模块

在线阅读 下载PDF 职称材料

基于双重注意力机制-改进Inception模块的CNN模型识别框架结构损伤 被引量：1

7

作者 刘景良 吕毓霖 +2 位作者 郑文婷 廖飞宇 陈宗燕 《振动与冲击》 EI CSCD 北大核心 2024年第23期321-328,336,共9页

针对传统深度学习方法的网络隐含层和参数异常庞大且训练时间较长的特点,提出了一种基于双重注意力机制和改进Inception模块的卷积神经网络(convolutional neural network,CNN)模型来识别框架结构损伤。首先,通过局部最大值同步挤压变... 针对传统深度学习方法的网络隐含层和参数异常庞大且训练时间较长的特点,提出了一种基于双重注意力机制和改进Inception模块的卷积神经网络(convolutional neural network,CNN)模型来识别框架结构损伤。首先,通过局部最大值同步挤压变换将结构的振动响应信号转化为二维时频图并作为卷积神经网络的输入,然后基于改进Inception模块搭建二维卷积神经网络,最后通过双重注意力机制增强相关度高的损伤特征从而成功识别结构的损伤位置和损伤程度。通过IASC-ASCE SHM Benchmark结构I阶段数值模拟数据和卡塔尔大学看台模拟器数据集验证所提方法的有效性,研究结果表明:该方法不仅可以减少模型参数的个数和加快模型收敛速度,而且在面对框架结构多类别损伤识别问题时具有较高的准确率和较强的抗噪性能。 展开更多

关键词 双重注意力机制 局部最大同步挤压变换 卷积神经网络(CNN) 损伤识别 框架结构

在线阅读 下载PDF 职称材料

融合残差及通道注意力机制的单幅图像去雨方法 被引量：6

8

作者 张世辉 闫晓蕊 桑榆 《计量学报》 CSCD 北大核心 2021年第1期20-28,共9页

为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校... 为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校正算法增强平滑基本层以提高对比度;然后,构建融合残差块和通道注意力机制的深度神经网络实现高频细节层去雨;最后,将去雨后的高频细节层与增强后的平滑基本层融合实现单幅图像去雨功能。实验结果表明:与具有代表性的单幅图像去雨方法相比,所提方法效果较好并可保留更多的图像细节信息。 展开更多

关键词 计量学 单幅图像去雨 图像处理 压缩和激励残差网络 注意力机制 深度学习 GAMMA校正

在线阅读 下载PDF 职称材料

基于时序二维化和注意力机制的法兰螺栓连接状态识别 被引量：1

9

作者 张洪 刘彬彬 李云飞 《振动与冲击》 EI CSCD 北大核心 2022年第9期181-188,共8页

针对采用振动对法兰螺栓进行动态激励时采集的声发射信号难以对螺栓连接状态进行精确识别的问题,提出了一种基于注意力网络的信号识别分类方法;采用分段聚合近似和格拉姆角场将声发射信号编码为二维图像,用图像代替一维信号作为诊断依据... 针对采用振动对法兰螺栓进行动态激励时采集的声发射信号难以对螺栓连接状态进行精确识别的问题,提出了一种基于注意力网络的信号识别分类方法;采用分段聚合近似和格拉姆角场将声发射信号编码为二维图像,用图像代替一维信号作为诊断依据;为提高对图像的特征提取识别能力,引入注意力机制到残差神经网络中,设计了分组卷积诊断模型,实现了法兰螺栓连接状态的高精度识别。对比所选多种方法的试验结果表明,该方法可以有效地识别螺栓的连接状态,具有较强的细节特征提取能力和泛化性能。 展开更多

关键词 法兰螺栓 动态激励 声发射信号 格拉姆角场 注意力机制

在线阅读 下载PDF 职称材料

应用注意力机制的文档图像篡改与脱敏定位

10

作者 郑铿涛 李斌 曾锦华 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2023年第6期207-218,共12页

诸如合同、证明文件和通知书等一些重要的文档材料,常常以电子图像格式被存储和传播。然而,由于包含关键的文字信息,此类图像往往容易被非法篡改利用,造成严重的社会影响和危害;与此同时,考虑到个人的隐私安全问题,人们往往也会对这类... 诸如合同、证明文件和通知书等一些重要的文档材料,常常以电子图像格式被存储和传播。然而,由于包含关键的文字信息,此类图像往往容易被非法篡改利用,造成严重的社会影响和危害;与此同时,考虑到个人的隐私安全问题,人们往往也会对这类图像做脱除敏感信息处理。恶意篡改与脱敏均会给原始图像引入额外痕迹,但在动机上存在区别,且在操作方式上也存在一定差异。因此,有必要对二者进行区分,从而更准确地定位出篡改区域。针对这个问题,提出了一个卷积编解码网络,通过U形连接获取编码器多级特征,有效学习篡改和脱敏处理痕迹;同时,在解码网络引入多个挤压激励注意力机制模块,抑制图像内容,关注更微弱的处理痕迹,提高网络的检测能力。为了有效地辅助网络训练,构建了一个包含常见篡改操作和脱敏操作的文档图像取证数据集。实验结果表明,算法模型在此数据集上表现良好,在公开的篡改数据集上也有不错的性能,并优于对比算法。同时,所提的算法对几种常见的后处理操作具有较好的鲁棒性。 展开更多

关键词 文档图像 篡改定位 脱敏定位 U-Net 挤压激励注意力机制

在线阅读 下载PDF 职称材料

基于U-Net多尺度自校准注意力视网膜分割算法 被引量：5

11

作者 梁礼明 陈鑫 +1 位作者 周珑颂 余洁 《计算机应用研究》 CSCD 北大核心 2023年第3期943-948,共6页

针对视网膜细小血管分割精度低的问题,提出一种融合可伸缩级联模块、Transformer和自校准注意力的改进U-Net算法以提高细小血管分割精度。首先在编码阶段利用可伸缩级联模块,先行学习复杂多变的视网膜血管拓扑结构。然后在解码阶段提出... 针对视网膜细小血管分割精度低的问题,提出一种融合可伸缩级联模块、Transformer和自校准注意力的改进U-Net算法以提高细小血管分割精度。首先在编码阶段利用可伸缩级联模块,先行学习复杂多变的视网膜血管拓扑结构。然后在解码阶段提出一种自校准注意力机制,利用多尺度挤压激励模块,自适应对特征图通道和空间之间特征重要性进行校准,增强目标区域特征响应,抑制背景噪声。最后使用Transformer特征提取块,提高特征空间映射能力。基于DRIVE和CHASEDB1数据集的实验结果表明,所提算法准确率分别为96.49%和96.67%,灵敏度分别为83.75%和83.30%,特异性分别为98.28%和98.01%,AUC分别为0.987 1和0.987 2,所提算法的整体性能优于现有算法,各模块能够有效提高细小血管分割能力。 展开更多

关键词 视网膜分割 可伸缩级联模块 自校准注意力 Transformer特征提取 多尺度挤压激励模块

在线阅读 下载PDF 职称材料

基于同步挤压小波变换和Transformer的轴承故障诊断模型 被引量：2

12

作者 张向宇 王衍学 《机电工程》 CAS 北大核心 2024年第6期1011-1019,共9页

针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频... 针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频图;接着,设计了一种最大程度保留故障信息的时频图分割方式,将时频图分割为一系列图像块序列;然后,将序列输入到具有强大的处理序列数据能力的Transformer模型中,进行了特征提取;最后,将特征数据输入分类器进行了分类,对比了不同的时频图分割方式的诊断效果,并将SST-Transformer模型与基准算法相比较。研究结果表明:相较于其他分割方式,基于SST-Transformer的滚动轴承智能故障诊断方法的诊断准确率提升了3.45%,并大幅提升了模型训练的收敛速度;相比于其他基准算法,该方法的平均准确率至少提升了1.05%。该方法有较高的诊断准确率和较好的稳定性。 展开更多

关键词 故障智能诊断 神经网络 故障特征提取 注意力机制 深度学习 同步挤压小波变换 Transformer模型

在线阅读 下载PDF 职称材料

基于双分支融合和时频压缩激励的鲁棒语音关键词识别 被引量：1

13

作者 张婷婷 邱泽鹏 +1 位作者 赵腊生 毛嘉莹 《计算机应用研究》 CSCD 北大核心 2024年第12期3658-3663,共6页

现实生活中的噪声会对语音时域和频域信息产生干扰,导致语音关键词识别模型在噪声环境下准确率下降。针对此问题,提出了双分支融合单元,其中时域分支与频域分支以并行的方式提取时域特征和频域特征,降低了串行堆叠时域卷积和频域卷积所... 现实生活中的噪声会对语音时域和频域信息产生干扰,导致语音关键词识别模型在噪声环境下准确率下降。针对此问题,提出了双分支融合单元,其中时域分支与频域分支以并行的方式提取时域特征和频域特征,降低了串行堆叠时域卷积和频域卷积所带来的信息损耗;随后通过交叉融合的方式加强模型对时频信息的感知,进一步增强了模型特征表达能力。同时提出了时频压缩激励模块,通过对时域与频域中信息的重要性分布建模,可以为模型提供选择性关注有价值片段的能力,进一步提高了模型鲁棒性。在Google Command v2-12数据集上,相比于对比模型,所提模型在不同信噪比的测试中取得了更高的识别准确率,且参数量更低;对于训练阶段未涵盖的信噪比条件,所提模型在测试中展现出更高的泛化性。实验结果表明,本文模型在识别准确率和参数量方面更具优势,具有更好的噪声鲁棒性。 展开更多

关键词 关键词识别 双分支融合 时频压缩激励 鲁棒性模型 注意力机制

在线阅读 下载PDF 职称材料

基于二次分解时频图和SE-DSMC-BSA的轻量化有载分接开关机械故障识别方法

14

作者 李思奇 夏卯 +4 位作者 鲁思兆 毕贵红 黄一超 阮彦俊 李良创 《振动与冲击》 北大核心 2025年第11期268-279,308,共13页

有载分接开关(on-load tap-changer,OLTC)是有载调压变压器中唯一可动的部件,其频繁切换易导致机械故障。为了实现OLTC机械状态的在线监测,文中提出一种结合二次分解时频图、深度可分离多尺度卷积(depthwise separable multiscale convo... 有载分接开关(on-load tap-changer,OLTC)是有载调压变压器中唯一可动的部件,其频繁切换易导致机械故障。为了实现OLTC机械状态的在线监测,文中提出一种结合二次分解时频图、深度可分离多尺度卷积(depthwise separable multiscale convolution,DSMC)、挤压-激励(squeeze-excitation,SE)注意力机制和广播自注意力(broadcast self-attention,BSA)机制的轻量化OLTC故障识别方法。首先,建立OLTC故障模拟试验平台获取振动信号。在此基础上,引入二次分解和Hilbert变换,将两次分解的分量全部转换为时频图。然后,利用SE-DSMC对时频图进行多尺度的特征提取,并进行通道特征增强。最后,引入BSA对全局特征进行提取,以提升故障识别的准确率。与现有方法相比,该方法特别是在小样本情况下具有识别速度快、准确率高和轻量化等优势。 展开更多

关键词 有载分接开关(OLTC) 故障识别 二次分解 挤压-激励(SE) 深度可分离多尺度卷积(DSMC) 广播自注意力(BSA) 轻量化

在线阅读 下载PDF 职称材料

基于门控混合专家网络的实时相关推荐方法

15

作者 李鹏 管紫薇 杭帆 《计算机工程与设计》 北大核心 2025年第2期515-522,共8页

针对传统推荐模型难以实现对同一个主题的文章连续扩展的问题,提出一种基于门控混合专家网络的实时相关推荐方法。从低维稠密向量交互、语义特征相似性和不同特征字段之间的依赖程度等多个维度捕获特征作为专家网络;通过多门控制的混合... 针对传统推荐模型难以实现对同一个主题的文章连续扩展的问题,提出一种基于门控混合专家网络的实时相关推荐方法。从低维稠密向量交互、语义特征相似性和不同特征字段之间的依赖程度等多个维度捕获特征作为专家网络;通过多门控制的混合专家策略和分层注意力机制,综合考虑这些专家网络;利用最终学习到的深层特征,预测推荐评分和项目点击概率,获得用户对项目的满意度。实验结果表明,与其它基线模型对比,AUC指标最多可提高0.35%,Logloss指标最多可降低0.76%,消融实验也验证了各个部分的有效性,说明了该模型的可行性与准确性。 展开更多

关键词 实时推荐算法 多门控制的混合专家策略 注意力机制 卷积神经网络 挤压激励网络 门控网络 语义特征相似性

在线阅读 下载PDF 职称材料

增强自适应TCN的柴油发动机剩余寿命预测模型

16

作者 张曦 杨颖 +1 位作者 陈超君 王春风 《计算机工程与设计》 北大核心 2025年第7期2071-2080,共10页

时间卷积网络在剩余使用寿命预测方面取得了显著进展,但现有模型没有考虑输入特征在不同时间步和通道的重要性,以及网络结构固定,无法灵活学习深度时间表示。针对这些问题,提出一种增强自适应时间卷积网络(EATCN)。通过改进的自注意力... 时间卷积网络在剩余使用寿命预测方面取得了显著进展,但现有模型没有考虑输入特征在不同时间步和通道的重要性,以及网络结构固定,无法灵活学习深度时间表示。针对这些问题,提出一种增强自适应时间卷积网络(EATCN)。通过改进的自注意力模块对输入特征的不同时间步进行加权,采用压缩激励模块对长期特征的不同通道进行加权。自适应时间卷积网络能够动态调整网络结构,更好地提取深层长期时间特征。在某柴油发动机制造商两个真实的数据集上进行实验,实验结果验证了所提模型的有效性。 展开更多

关键词 剩余使用寿命预测 时间卷积网络 注意力机制 压缩激励 滑动窗口 指数平滑 归一化

在线阅读 下载PDF 职称材料

基于ConvTCN-FLASH-Transducer的端到端语音识别

17

作者 代学欣 杨淑莹 《现代电子技术》 北大核心 2025年第12期47-53,共7页

针对语音识别编码器对FBank音频局部信息提取不足,不能充分挖掘帧与帧之间时序性的联系以及注意力机制复杂度高的问题,提出一种基于RNN-Transducer架构的ConvTCN-FLASH-Transducer模型。该模型采用卷积神经网络模块和FLASH注意力模块相... 针对语音识别编码器对FBank音频局部信息提取不足,不能充分挖掘帧与帧之间时序性的联系以及注意力机制复杂度高的问题,提出一种基于RNN-Transducer架构的ConvTCN-FLASH-Transducer模型。该模型采用卷积神经网络模块和FLASH注意力模块相结合的方法,首先使用多尺度卷积提取音频特征的局部信息,再通过时序卷积神经网络(TCN)提取音频特征中帧与帧之间的时序性特征,用于加强音频局部信息的联系。此外,采用挤压和激励机制增强不同通道之间的关联,并提升关键通道的重要程度。在中文开源普通话数据集THCHS30上进行训练和实验,结果表明,ConvTCN-FLASHTransducer模型最终字错误率降低至4.2%,识别效果更好。 展开更多

关键词 语音识别 时序卷积神经网络 FLASH模型 RNN-Transducer 特征提取 挤压和激励机制

在线阅读 下载PDF 职称材料

基于多种强调机制的深度点云网络改进研究 被引量：1

18

作者 刘慧 田帅华 《计算机科学》 CSCD 北大核心 2023年第S01期124-130,共7页

机器视觉是机器人从复杂空间环境中识别工作对象的关键技术。在机器人系统中常用的Kinect深度相机或激光扫描传感器能够获取目标的三维信息,这使得机器人完成更加复杂的如组装、拆卸、抓取等工作任务成为可能。但是,这也对机器人系统处... 机器视觉是机器人从复杂空间环境中识别工作对象的关键技术。在机器人系统中常用的Kinect深度相机或激光扫描传感器能够获取目标的三维信息,这使得机器人完成更加复杂的如组装、拆卸、抓取等工作任务成为可能。但是,这也对机器人系统处理三维信息的能力如三维定位、工作对象尺寸测量、估计等提出更高要求。以PointNet网络为基础,分析了软阈值挤压激励、通道门控、注意力等机制的主要特征强调机理,分别采用软阈值挤压激励、通道门控、注意力网络对PointNet网络进行改进,并在斯坦福大学公开的ShapeNet数据集上进行实验验证。结果表明,3种强调机制对原网络的改进,使三维点云的分割精度(均交并比)较PointNet原网络分别提高了0.24%,0.68%,0.93%。该改进方法为后续解决机器人在组装、拆卸、抓取等任务中对工作对象的尺寸精确估计奠定了基础。 展开更多

关键词 机器视觉 三维点云 挤压激励 通道门控 注意力模块

在线阅读 下载PDF 职称材料

卷积神经网络结合子域适应的低采样率肌电手势识别

19

作者 周雕 熊馨 +2 位作者 周建华 宗静 张琪 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第10期2011-2019,共9页

为了提升模型识别低采样率肌电手势的性能,提出新的识别方法.通过信息扩展层对预处理后的低采样率肌电信号信息进行扩展,增强关键特征的表示.在特征提取网络中,利用子域适应网络提取源域与目标域中的域不变特征后进行域不变特征分类.使... 为了提升模型识别低采样率肌电手势的性能,提出新的识别方法.通过信息扩展层对预处理后的低采样率肌电信号信息进行扩展,增强关键特征的表示.在特征提取网络中,利用子域适应网络提取源域与目标域中的域不变特征后进行域不变特征分类.使用NinaPro数据库中的DB1和DB5子数据库对所提方法进行评估.实验结果表明,所提方法识别53种和52种手势的最高准确率分别为90.89%(DB1)、89.90%(DB5)和82.01%(DB1)、77.07%(DB5),能够降低电极移位、肌肉疲劳、皮肤阻抗的变化和肌肉相对电极的相对运动等因素对低采样率肌电手势识别的影响. 展开更多

关键词 低采样率表面肌电 手势识别 子域适应 信息扩展 挤压与激励注意力机制

在线阅读 下载PDF 职称材料

裁判文书不说理的制度逻辑 被引量：10

20

作者 侯学宾 《四川大学学报（哲学社会科学版）》 CSSCI 北大核心 2024年第4期170-185,218,共17页

裁判文书说理问题关系到人民群众能否在每一个司法案件中感受到公平正义。处于法院系统中的法官的行动面临多重工作要求和制度约束,裁判文书说理的制度性要求并非一直“在场”,而且“在场”的形式和定位也不是始终不变。裁判文书说理问... 裁判文书说理问题关系到人民群众能否在每一个司法案件中感受到公平正义。处于法院系统中的法官的行动面临多重工作要求和制度约束,裁判文书说理的制度性要求并非一直“在场”,而且“在场”的形式和定位也不是始终不变。裁判文书说理问题不只是一个技术,或者说个人素质和技巧问题,因为受制于外在的制度环境和社会结构,法官并不能随心所欲地安排自己的时间和精力,其中蕴含着一种注意力分配机制。这种注意力分配机制具有理性选择的能动性基础,但也受到社会身份、目标和认知等方面的影响。制度性的约束需要通过一种激励制度实现,从而影响法官的注意力分配,激励法官积极实施制度要求的事情。裁判文书不说理问题在激励制度上的根源可以从显性激励机制、隐性激励机制和监督激励机制等方面被审视。改变裁判文书不说理的现状,不能仅仅落入法官个人素质的窠臼,而是需要从制度体系产生的正向和反向激励入手进行改革与完善。 展开更多

关键词 裁判文书说理 注意力分配 激励机制 制度逻辑

在线阅读 下载PDF 职称材料