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
共找到1,235篇文章
< 1 2 … 62 >
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：
小样本下基于改进麻雀算法优化卷积神经网络的飞轮储能系统损耗 被引量：4
1
作者 魏乐 李承霖 +1 位作者 房方 刘渝斌 《电网技术》 北大核心 2025年第1期366-372,I0113-I0115,共10页
飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵... 飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵武电厂的飞轮运行数据进行预处理,并使用对抗生成网络进行小样本扩充;然后基于卷积神经网络建立损耗模型,使用改进的麻雀算法对模型超参数进行优化,并通过对比验证了该模型的优越性;最后通过仿真实验证明了该模型能够优化飞轮储能系统的出力,降低飞轮损耗。 展开更多
关键词 飞轮储能系统损耗 小样本学习 卷积神经网络 麻雀搜索算法 LOGISTIC混沌映射
在线阅读 下载PDF
融合改进卷积神经网络和层次SVM的鸡蛋外观检测 被引量：1
2
作者 姚万鹏 张凌晓 +1 位作者 赵肖峰 王飞成 《食品与机械》 北大核心 2025年第1期158-164,共7页
[目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2... [目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2)设计改进的浣熊优化算法(coati optimization algorithm,COA)和FCM聚类算法,在此基础上对卷积神经网络(convolutional neural network,CNN)模型结构和超参数进行优化,以提升CNN泛化能力。运用优化后的CNN深度学习鸡蛋图像数据库,从而实现鸡蛋外观图像特征的有效提取。(3)建立层次支持向量机鸡蛋外观分类工具,最终实现对鸡蛋外观的准确检测分类。[结果]所提鸡蛋外观检测方案的检测准确率提高了1.74%~4.31%,检测时间降低了21.68%~53.51%。[结论]所提方法能够有效实现对鸡蛋的在线实时精细化分类。 展开更多
关键词 鸡蛋外观 卷积神经网络 浣熊优化算法 支持向量机 特征提取
在线阅读 下载PDF
改进黑翅鸢算法优化神经网络的室内定位
3
作者 杨晶晶 万里宏 +2 位作者 张雪明 麦鴚 雷俊杰 《重庆理工大学学报(自然科学)》 北大核心 2025年第5期229-237,共9页
针对传统无线信号的路径损耗模型(path loss model,PLM)在预测距离值时易受多径效应影响,导致在复杂室内环境中定位精度下降的问题,提出一种基于改进黑翅鸢算法(improved black-winged kite algorithm,IBKA)优化反向传播(back propagati... 针对传统无线信号的路径损耗模型(path loss model,PLM)在预测距离值时易受多径效应影响,导致在复杂室内环境中定位精度下降的问题,提出一种基于改进黑翅鸢算法(improved black-winged kite algorithm,IBKA)优化反向传播(back propagation,BP)神经网络的室内定位算法。分别引入Tent混沌映射、透镜成像反向学习策略和黄金正弦策略优化黑翅鸢算法,通过基准测试函数测试证实了IBKA拥有更好的性能,通过IBKA优化神经网络算法的初始权值和阈值建立IBKA-BP神经网络测距模型。在实验室内采集RSSI信号样本数据进行分析,结果表明所提IBKA-BP优化算法均方根误差为21.42 cm,小于PLM、GWO-BP、BKA-BP和ISSA-BP的63.25、47.04、33.77、28.78 cm,且收敛速度更快,在复杂室内环境下定位性能更好。 展开更多
关键词 改进黑翅鸢算法 BP神经网络 RSSI测距算法 路径损耗模型
在线阅读 下载PDF
利用非支配排序遗传算法优化卷积神经网络研究节点地震仪RFID测距
4
作者 庞聪 林春晓 +3 位作者 李忠亚 江勇 陈国庆 宋莹莹 《大地测量与地球动力学》 北大核心 2025年第10期1079-1084,共6页
针对无线型节点地震仪在野外复杂勘探环境下无法准确定位和可能丢失的问题,研究超高频RFID高精度测距定位具有重要意义。首先利用接收信号强度指示器(RSSI)近似计算公式筛除误差较大的采样值;然后设计第3代非支配排序遗传算法(NSGA-Ⅲ)... 针对无线型节点地震仪在野外复杂勘探环境下无法准确定位和可能丢失的问题,研究超高频RFID高精度测距定位具有重要意义。首先利用接收信号强度指示器(RSSI)近似计算公式筛除误差较大的采样值;然后设计第3代非支配排序遗传算法(NSGA-Ⅲ)的2个优化目标函数,其自变量统一为学习率下降因子、初始学习率、批大小等一维卷积神经网络(1D-CNN)超参数,因变量分别为网络预测结果与理论值的决定系数(R^(2))和平均偏差误差(MBE);最后以最佳超参数值构成NSGAⅢ-1D-CNN新模型,以提高RFID测距模型的稳定性和精确度。实验结果表明,新模型在100轮循环实验下的节点地震仪RFID测距误差较小,在R^(2)、均方根误差(RMSE)、平均绝对误差(MAE)、MBE等多个指标上均表现优异,均值分别为0.9779、0.0586 m、0.0472 m、-0.0013 m,相对于其他模型具有更高的测距定位精度,在野外物探中具有一定应用价值。 展开更多
关键词 节点地震仪 RFID测距 一维卷积神经网络 超参数优化 非支配排序遗传算法 多目标优化
在线阅读 下载PDF
基于卷积神经网络轻量化的改进SSD异纤检测方法 被引量：4
5
作者 胡胜 王紫悦 +3 位作者 张守京 李博豪 赵小惠 刘文慧 《计算机集成制造系统》 北大核心 2025年第1期171-181,共11页
精准检测棉花中混杂的小型异纤是保障纱线与织物质量的基础和关键。针对现有算法在棉花小型异纤检测中存在的漏检率高、网络结构复杂等问题,提出一种基于卷积神经网络轻量化的改进单步多框检测器(SSD)的棉花异纤检测方法。首先,通过引... 精准检测棉花中混杂的小型异纤是保障纱线与织物质量的基础和关键。针对现有算法在棉花小型异纤检测中存在的漏检率高、网络结构复杂等问题,提出一种基于卷积神经网络轻量化的改进单步多框检测器(SSD)的棉花异纤检测方法。首先,通过引入深度可分离卷积、倒残差结构等创新性设计,将SSD算法中原有骨干特征提取网络VGGNet16替换为MobileNetv2网络;然后,对于SSD算法中生成的候选框尺寸与棉花异纤大小不匹配导致棉花背景占比过高,从而引起正负样本不均衡的问题,采用K-means++算法对棉花异纤尺寸进行聚类分析,根据聚类结果修正候选框尺寸。通过算例进行验证,结果显示所提方法在实现模型轻量化的同时有效提升了异纤检测效果和计算效率。 展开更多
关键词 异纤检测 改进SSD 卷积神经网络 K-means++聚类 轻量化
在线阅读 下载PDF
改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究 被引量：3
6
作者 张国浩 王彩玲 +1 位作者 王洪伟 于涛 《光谱学与光谱分析》 北大核心 2025年第2期394-402,共9页
使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总... 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。 展开更多
关键词 光谱数据 改进粒子群优化算法 BP神经网络模型 核主成分分析(KPCA) 总磷浓度
在线阅读 下载PDF
基于粒子群优化算法的量子卷积神经网络 被引量：1
7
作者 张嘉雯 蔡彬彬 林崧 《量子电子学报》 北大核心 2025年第1期123-135,共13页
针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在... 针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在图像分类任务上表现优异的电路结构。基于Fashion MNIST和MNIST标准数据集的仿真实验表明,该模型具有较强的学习能力和良好的泛化性能,准确率分别可达94.7%和99.05%。相较于现有量子卷积神经网络模型,平均分类精度最高分别提升了4.14%和1.43%。 展开更多
关键词 量子光学 量子卷积神经网络 粒子群优化算法 量子机器学习 参数化量子电路
在线阅读 下载PDF
基于拉曼光谱的变压器混合故障特征气体的改进卷积神经网络定量方法
8
作者 陈新岗 张文轩 +4 位作者 马志鹏 张知先 万福 敖怡 曾慧敏 《光谱学与光谱分析》 北大核心 2025年第4期932-940,共9页
激光拉曼光谱技术在变压器故障特征气体检测方面具有明显优势,随变压器状态监测智能化的发展,研究混合故障特征气体的快速、准确定量分析方法具有重要意义。传统拉曼光谱分析需要预处理过程,极大程度依赖人为经验,光谱特征提取虽可降低... 激光拉曼光谱技术在变压器故障特征气体检测方面具有明显优势,随变压器状态监测智能化的发展,研究混合故障特征气体的快速、准确定量分析方法具有重要意义。传统拉曼光谱分析需要预处理过程,极大程度依赖人为经验,光谱特征提取虽可降低信号维度,但也会造成其特征部分缺失或改变。针对上述问题,提出基于改进一维卷积神经网络与最小二乘支持向量回归相融合的拉曼光谱定量分析方法,即引入全局均值池化与最小二乘支持向量回归改进传统卷积神经网络,并运用Dropout方法提高模型泛化性能,防止过拟合。设计并搭建变压器故障特征气体拉曼光谱检测平台,采集7种故障特征气体及N_(2)、O_(2)混合气体的拉曼信号,在谱图2900 cm^(-1)频移附近,CH_(4)、C_(2)H_(6)气体呈现谱峰重叠,且变压器过热或局部放电故障发生时,会产生主要故障特征气体CH_(4),选择不同含量比例下的CH_(4)、C_(2)H_(6)混合气体作为研究对象具有代表性,按不同比例配制146组不同含量的CH_(4)、C_(2)H_(6)混合气体样本,检测时选用氮气作为标气,采集不同含量比例下混合气体样本的拉曼光谱数据,利用光谱数据增强方法,构建适用于深度神经网络的气体样本数据集。通过不断实验,优化网络结构参数与网络权重,完成模型训练并测试其预测效果,与多种定量模型进行对比分析,并研究光谱预处理对不同定量模型的影响,进而评估模型性能。结果表明,使用原始数据集建模时,改进卷积神经网络模型的预测精确度与回归拟合优度最佳,决定系数可达0.9998,均方根误差仅为0.0005 MPa;使用预处理后数据集建模时,改进卷积神经网络模型均方根误差为0.0023 MPa,相比使用原始数据集建模误差上升了0.0018,而传统方法误差均有所下降。该研究结果表明,所提方法与传统拉曼光谱定量方法相比,集成光谱预处理、特征提取和定量分析过程,在确保预测精确度的基础上,简化光谱分析流程,为快速、准确分析变压器混合故障特征气体提供了新的思路与参考。 展开更多
关键词 变压器 特征气体 拉曼光谱 改进一维卷积神经网络 定量分析
在线阅读 下载PDF
基于改进卷积神经网络的新能源并网短路电流预测技术
9
作者 于琳琳 蒋小亮 +2 位作者 贾鹏 孟高军 丁咚 《可再生能源》 北大核心 2025年第3期408-415,共8页
随着新能源的大规模并网,大电网短路电流特征更加复杂、难以预测。基于此,文章提出了一种基于改进卷积神经网络的新能源并网短路电流预测技术。首先,分析短路电流特点,对短路电流进行变分模态分解,得到本征模态函数;其次,对卷积神经网... 随着新能源的大规模并网,大电网短路电流特征更加复杂、难以预测。基于此,文章提出了一种基于改进卷积神经网络的新能源并网短路电流预测技术。首先,分析短路电流特点,对短路电流进行变分模态分解,得到本征模态函数;其次,对卷积神经网络进行改进,利用多尺度特征提取将电流故障数据特征最大化,引入注意力机制提取重要信息,卷积过程中使用跳跃连接的方式防止前向传递时信息丢失,有利于提高预测的准确性,构建基于改进卷积神经网络的短路电流预测模型;最后,经过PSCAD/EMTDC电网模型进行验证。结果表明,所提方法对短路电流峰值预测有着较高的精度,与常见的极限学习机、支持向量机相比,平均相对误差分别降低了0.61%,1.09%,验证了文章所提方法的有效性。 展开更多
关键词 新能源 改进卷积神经网络 短路电流预测 变分模态分解 注意力机制
在线阅读 下载PDF
Nadam算法优化卷积神经网络的滚动轴承多故障耦合诊断
10
作者 唐蒙 张义民 张凯 《机械设计与制造》 北大核心 2025年第3期23-26,39,共5页
针对滚动轴承在变载荷,变转速环境和多故障耦合工况下,传统故障诊断方法存在诊断准确率低,泛化能力差的问题,提出了一种基于Nadam算法优化的卷积神经网络模型。其优点是加深卷积神经网络模型的结构,进一步加强网络对特征的表达能力。利... 针对滚动轴承在变载荷,变转速环境和多故障耦合工况下,传统故障诊断方法存在诊断准确率低,泛化能力差的问题,提出了一种基于Nadam算法优化的卷积神经网络模型。其优点是加深卷积神经网络模型的结构,进一步加强网络对特征的表达能力。利用Nadam算法提高所建立网络模型的收敛速度和学习质量,利用新的网络模型实现滚动轴承故障诊断。为验证提出方法的有效性,通过对BL2060实验平台上变载荷、变转速的19类多故障耦合的实验数据集进行实验分析,并与目前常用网络模型进行对比,结果表明该模型对多故障耦合的轴承故障分类可达到100%的准确率,优于其他网络模型。该方法的诊断准确率高,收敛速度快,适用于多故障类型耦合的滚动轴承的故障诊断。 展开更多
关键词 滚动轴承 多故障耦合 卷积神经网络 Nadam算法 变载荷 变转速 故障诊断
在线阅读 下载PDF
基于瞪羚算法优化卷积神经网络的光储构网型逆变器优化控制技术 被引量：1
11
作者 庞秀岚 李晓峰 +3 位作者 杨祺 李宪 李雪红 靳文星 《可再生能源》 北大核心 2025年第5期687-695,共9页
随着光伏、储能等清洁能源大规模接入电网,构网型控制技术在处理缺乏同步性的新能源电力系统电压稳定问题时具有明显优势。然而,如何自适应控制构网型光储逆变器参数,使得电网阻抗发生变化时电压仍然保持稳定是当前亟须解决的一个问题... 随着光伏、储能等清洁能源大规模接入电网,构网型控制技术在处理缺乏同步性的新能源电力系统电压稳定问题时具有明显优势。然而,如何自适应控制构网型光储逆变器参数,使得电网阻抗发生变化时电压仍然保持稳定是当前亟须解决的一个问题。基于此,文章提出一种基于瞪羚算法优化卷积神经网络的光储构网型逆变器优化控制方法。首先,搭建构网型逆变器控制模型,对输出电压稳定性进行分析;其次,基于卷积神经网络建立逆变器参数控制模型,利用瞪羚优化算法寻优能力强、搜索速度快的特点优化卷积神经网络超参数,提升模型特征学习能力,输出逆变器控制参数;最后,选取某光储发电地区进行仿真验证。仿真结果表明,所提构网型光储逆变器控制方法能够根据电网阻抗实时变化自适应优化控制参数,实现电压稳定输出,具有较强的实际工程意义。 展开更多
关键词 清洁能源 构网型控制 光储逆变器 瞪羚算法 卷积神经网络
在线阅读 下载PDF
基于深度神经网络的遗传算法对抗攻击 被引量：1
12
作者 范海菊 马锦程 李名 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期82-90,I0007,共10页
深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个... 深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个基于卷积神经网络图像分类器的成功攻击.实验结果表明在对3个分类模型进行单像素攻击时,67.92%的CIFAR-10数据集中的自然图像可以被扰动到至少一个目标类,平均置信度为79.57%,攻击效果会随着修改像素的增加进一步提升.此外,相比于LSA和FGSM方法,攻击效果有着显著提升. 展开更多
关键词 卷积神经网络 遗传算法 对抗攻击 图像分类 信息安全
在线阅读 下载PDF
基于改进卷积神经网络的激光雷达图像轮廓提取优化方法
13
作者 陈远祝 《激光杂志》 北大核心 2025年第9期88-93,共6页
由于激光雷达图像具有稀疏性、不规则形等特点,在设计激光雷达图像轮廓提取方法时,通常会出现因图像轮廓点确定不准确导致提取性能较差的问题。对此,提出基于改进卷积神经网络的激光雷达轮廓提取优化方法。利用高斯滤波算法,对激光雷达... 由于激光雷达图像具有稀疏性、不规则形等特点,在设计激光雷达图像轮廓提取方法时,通常会出现因图像轮廓点确定不准确导致提取性能较差的问题。对此,提出基于改进卷积神经网络的激光雷达轮廓提取优化方法。利用高斯滤波算法,对激光雷达图像进行滤波处理,再进行膨胀和腐蚀运算,对其进行形态学处理。在改进卷积神经网络的作用下,利用神经网络的向前传播函数,计算图像轮廓点的损失函数值,通过对确定的图像轮廓点进行拟合,利用轮廓点权重函数,对图像轮廓提取结果进行优化。实验结果表明:基于改进卷积神经网络的激光雷达图像轮廓提取优化方法在实际应用中提取性能较好。 展开更多
关键词 改进卷积神经网络 激光雷达图像 轮廓提取 提取优化 高斯滤波 形态学计算
在线阅读 下载PDF
基于卷积神经网络的水稻叶片病害检测与识别研究进展
14
作者 朱周华 周怡纳 王斌 《中国农机化学报》 北大核心 2025年第10期176-182,191,共8页
我国水稻叶片病害的防治工作一直以来都是重中之重。实现快速、准确的病害检测和分类识别,有助于在早期及时发现病害并采取治疗措施,从而提高水稻的产量和品质。通过分析现有水稻叶片病害检测与识别算法发现,基于传统图像处理方法的叶... 我国水稻叶片病害的防治工作一直以来都是重中之重。实现快速、准确的病害检测和分类识别,有助于在早期及时发现病害并采取治疗措施,从而提高水稻的产量和品质。通过分析现有水稻叶片病害检测与识别算法发现,基于传统图像处理方法的叶片病害检测效率低并且准确率不高,但随着深度学习不断发展,基于卷积神经网络的病害检测与识别已成为研究人员关注的重要课题。针对近年来使用的模型算法总结归纳数据预处理与数据增强、框架结构改进和迁移学习等改进策略,对比分析这些算法的性能及其局限性,发现多数模型存在准确率与模型参数量性能不平衡的问题。从数据集构建、模型性能平衡和泛化能力等方面展望未来的研究趋势,为以后高效检测与识别水稻叶片病害提供参考。 展开更多
关键词 水稻叶片 病害检测与识别 卷积神经网络 目标检测 分类识别 改进策略
在线阅读 下载PDF
基于参数优化VMD与宽卷积神经网络的齿轮箱故障诊断 被引量：2
15
作者 万佳诚 曾宪文 李靖超 《电子测量技术》 北大核心 2025年第10期25-32,共8页
针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题,提出一种基于改进的黑翅鸢优化算法(GBKA)优化变分模态分解(VMD)和宽卷积神经网络(WDCNN)的故障诊断方法。首先,针对黑翅鸢算法(BKA)易陷入局部最优和过早收敛的缺陷,引入... 针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题,提出一种基于改进的黑翅鸢优化算法(GBKA)优化变分模态分解(VMD)和宽卷积神经网络(WDCNN)的故障诊断方法。首先,针对黑翅鸢算法(BKA)易陷入局部最优和过早收敛的缺陷,引入遗传算法的基因交叉重组与变异操作对BKA进行改进;其次,利用改进后的GBKA对VMD参数寻优,通过相关系数筛选模态分量并重构信号;最后,将重构信号输入WDCNN模型,实现故障分类。结果表明,在测试函数上,GBKA相比BKA具有更优的寻优性能;在两种工况下,该方法的平均故障分类准确率分别达到99.645%和99.978%,优于其他对比方法,并且在噪声实验中受到噪声的影响较小,验证了所提模型的有效性和稳定性,为齿轮箱故障诊断提供了一种可靠的解决方案。 展开更多
关键词 行星齿轮 故障诊断 宽卷积神经网络 VMD GBKA算法
在线阅读 下载PDF
基于改进卷积神经网络的小目标检测算法 被引量：1
16
作者 张明 余志强 《计算机应用与软件》 北大核心 2024年第9期166-174,共9页
对于在检测时存在小尺度检测目标漏检、不精确等问题,提出一种改进的YOLO v4算法模型(F-YOLO v4)。利用改进的K均值聚类算法对数据集进行聚类,使得锚点框的大小更适用于目标检测;采用深度卷积和逐点卷积相结合的方法对通道内和通道间的... 对于在检测时存在小尺度检测目标漏检、不精确等问题,提出一种改进的YOLO v4算法模型(F-YOLO v4)。利用改进的K均值聚类算法对数据集进行聚类,使得锚点框的大小更适用于目标检测;采用深度卷积和逐点卷积相结合的方法对通道内和通道间的卷积进行分离,从而改善了原有的残差块;采用通道注意力机制对骨干网络进行改进的同时在PANet网络中添加RFB模块,增强特征提取能力,从而提高了对小目标的检测效果。实验结果表明,F-YOLO v4算法在KITTI数据集上平均精度均值达到了93.67%,与原算法对比提高了1.52百分点,并且比较目前其他主流网络有着较高的精确度。 展开更多
关键词 改进的YOLO v4算法 深度可分离卷积 注意力机制 RFB模块 小目标检测
在线阅读 下载PDF
基于卷积神经网络的窄线宽光谱结构参数优化
17
作者 富小鸥 王原丽 +1 位作者 杜庆国 付琴 《江苏大学学报(自然科学版)》 北大核心 2025年第4期438-443,共6页
为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题,提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象,利用时域有限差分方法仿真生成4096组数据集,构建并训练正... 为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题,提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象,利用时域有限差分方法仿真生成4096组数据集,构建并训练正向预测网络;进一步将训练好的网络与遗传算法相结合,实现超表面结构参数优化.仿真结果表明:训练好的预测网络在测试集上的损失值仅为5.6×10^(-4),且结合优化算法寻优得到的结果比原始数据集中最小半高全宽减小了0.040 nm.新方法相较于传统方法提升了复杂超表面结构的优化效率和效果. 展开更多
关键词 超表面 微纳结构设计 Fano共振 深度学习 卷积神经网络 优化算法
在线阅读 下载PDF
融合卷积神经网络的城轨列车运行计划优化
18
作者 叶建斌 李超 +2 位作者 肖琼 唐金金 王忠有 《科学技术与工程》 北大核心 2025年第27期11793-11799,共7页
城市轨道交通作为重要的公共交通方式,需在满足乘客出行需求的同时,降低能源消耗成本。为同时满足乘客出行效率与企业能源成本控制的双重目标,综合考虑列车发车间隔、载客定员及客流量等约束条件,构建了基于乘客需求与企业利益的列车运... 城市轨道交通作为重要的公共交通方式,需在满足乘客出行需求的同时,降低能源消耗成本。为同时满足乘客出行效率与企业能源成本控制的双重目标,综合考虑列车发车间隔、载客定员及客流量等约束条件,构建了基于乘客需求与企业利益的列车运行优化模型。针对该优化模型,提出了一种卷积神经网络增强遗传算法。案例的计算结果表明卷积神经网络增强遗传算法比传统的遗传算法求解速度更快,且更不容易陷入局部最优。利用本文提出的模型和算法优化后的出行时间减少了10.21%,能耗降低了5.13%。研究结果为城市轨道交通时刻表优化提供了有效的理论依据,能够在降低企业能耗成本和减少乘客出行时间方面发挥作用,在提升交通运输系统效率和节约资源消耗方面具有重要意义。 展开更多
关键词 城市轨道交通 节能 时刻表优化 卷积神经网络增强遗传算法
在线阅读 下载PDF
基于多元气象信息和改进组合神经网络的分布式光伏短期功率预测模型
19
作者 吴伟丽 米婵 李磊 《太阳能学报》 北大核心 2025年第11期181-192,共12页
为提高光伏发电功率预测的准确性,提出一种考虑邻近电站气象信息的多元气象特征和改进组合神经网络的光伏功率短期预测模型。首先,考虑相邻分布光伏电站之间的地理因素和气候条件的相关性,利用灰色关联法确定待预测电站的主要影响因素,... 为提高光伏发电功率预测的准确性,提出一种考虑邻近电站气象信息的多元气象特征和改进组合神经网络的光伏功率短期预测模型。首先,考虑相邻分布光伏电站之间的地理因素和气候条件的相关性,利用灰色关联法确定待预测电站的主要影响因素,构成多元气象信息关键特征作为预测模型的输入序列。其次,结合时间卷积网络(TCN)对输入序列信息有效提取和双向门控循环单元(BiGRU)对数据双向学习的优势,搭建TCN-BiGRU组合预测模型,并采用改进后的灰狼优化算法(IGWO)对BiGRU进行超参数寻优,实现光伏发电功率的高精度预测。最后,利用实测数据对所提模型加以验证,并与同类方法进行对比。结果表明与多元气象信息结合,预测模型能够有效提高一年四季中不同类型天气的发电功率预测精度;与其他预测模型相比较,即使在气候条件剧烈变化或随机变化时,所提方法的预测结果也能呈现出良好的预测精度。 展开更多
关键词 光伏功率预测 神经网络 变分模态分解 双向门控循环单元 时间卷积网络 改进灰狼优化算法
在线阅读 下载PDF
基于集成学习和卷积神经网络的电网客服短期话务量预测
20
作者 覃浩 苏立伟 +5 位作者 伍广斌 蒋崇颖 徐智鹏 康峰 谭火超 张勇军 《上海交通大学学报》 北大核心 2025年第2期266-273,共8页
现代供电服务体系对用电客户服务的服务质量提出更高要求,精准的供电服务话务量预测不仅可以提高用电客户服务质量,还能有效降低客服人员成本.为此,基于集成学习和卷积神经网络提出一种电网短期话务量预测方法.首先,采用孤立森林算法进... 现代供电服务体系对用电客户服务的服务质量提出更高要求,精准的供电服务话务量预测不仅可以提高用电客户服务质量,还能有效降低客服人员成本.为此,基于集成学习和卷积神经网络提出一种电网短期话务量预测方法.首先,采用孤立森林算法进行异常数据识别,建立拉格朗日插值函数对异常数据或缺失数据进行修补;其次,利用层次分析法量化用户信息、气象信息和停电信息,采用灰色关联法分析话务量的影响因子,将影响因子作为话务量预测模型输入;然后,构建自适应增强(Adaboost)算法集成多个卷积神经网络(CNN)模型,提出一种Adaboost-CNN的话务量预测模型;最后,考虑供电服务系统增值服务,对预测结果进行修正,得到最终的话务量预测值.算例分析表明,所提预测模型较单一预测模型误差平均减少11.05个百分点、较组合预测模型误差平均减少5.32个百分点,具有更好的预测精度. 展开更多
关键词 现代供电服务体系 话务量预测 ADABOOST算法 卷积神经网络 孤立森林算法 增值服务
在线阅读 下载PDF
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 2 … 62 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部