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137篇文章
< 1 2 … 7 >
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：
基于轴承退化状态评估和改进图注意力双向门控循环单元网络的轴承剩余寿命预测 被引量：1
1
作者 宋李俊 刘松林 +2 位作者 辛玉 马婧华 谢正邱 《中国机械工程》 北大核心 2025年第7期1562-1572,共11页
受工作条件和运行工况影响,滚动轴承全寿命周期的运行状态监测数据存在强噪声干扰,且轴承运行寿命退化呈非线性,严重影响剩余寿命预测的准确性。提出了一种结合高精度故障始发时刻退化状态评估和改进图注意力双向门控循环单元网络的轴... 受工作条件和运行工况影响,滚动轴承全寿命周期的运行状态监测数据存在强噪声干扰,且轴承运行寿命退化呈非线性,严重影响剩余寿命预测的准确性。提出了一种结合高精度故障始发时刻退化状态评估和改进图注意力双向门控循环单元网络的轴承剩余寿命预测方法,并利用XJTU-SY全寿命周期轴承数据集验证了所提方法的有效性。研究结果表明,所提预测方法能有效捕获表征轴承退化状态的深度时空特征,与CNN-LSTM等方法相比,剩余寿命预测精度显著提高。 展开更多
关键词 滚动轴承 故障始发时刻 剩余寿命预测 改进图注意力双向门控循环单元
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
2
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于时空图卷积与双向门控循环单元的机械设备寿命预测
3
作者 刘中民 刘小平 +2 位作者 王斌 郝晓龙 张立杰 《制造技术与机床》 北大核心 2025年第9期185-193,共9页
针对传统剩余使用寿命(remaining useful life,RUL)预测方法在建模多传感器数据的复杂时空依赖与抗噪性能方面存在不足的问题,提出一种融合时空图卷积网络(spatial-temporal graph convolutional network,STGCN)、软阈值残差注意力机制... 针对传统剩余使用寿命(remaining useful life,RUL)预测方法在建模多传感器数据的复杂时空依赖与抗噪性能方面存在不足的问题,提出一种融合时空图卷积网络(spatial-temporal graph convolutional network,STGCN)、软阈值残差注意力机制与双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的剩余寿命预测模型。首先,通过时空图卷积提取多传感器数据中的空间与时间特征,建模设备部件间的拓扑关系与动态演化;其次,引入BiGRU以捕捉深层时序依赖,并结合软阈值残差注意力机制,增强对关键退化特征的感知能力并抑制噪声干扰;最后,实现对机械设备剩余寿命的精准预测。在PHM2010与NASA数据集上的实验表明,该方法在多种噪声干扰下仍具优异预测性能,显著优于现有方法。 展开更多
关键词 剩余使用寿命 时空图卷积 双向门控循环单元 软阈值 注意力
在线阅读 下载PDF
融合图神经网络、门控循环单元与注意力机制的分子性质预测方法 被引量：1
4
作者 随海燕 袁洪波 +3 位作者 周焕笛 赵欢 霍静倩 程曼 《河北农业大学学报》 CSCD 北大核心 2024年第6期40-46,61,共8页
分子性质预测在药物研发等领域具有广泛的应用,虽然目前已经开始尝试利用图神经网络等方法来进行分子性质预测,但是仍然存在着难以处理大规模分子图和信息传播的局限。针对这一问题,本文构建了一种融合图神经网络、门控循环单元和注意... 分子性质预测在药物研发等领域具有广泛的应用,虽然目前已经开始尝试利用图神经网络等方法来进行分子性质预测,但是仍然存在着难以处理大规模分子图和信息传播的局限。针对这一问题,本文构建了一种融合图神经网络、门控循环单元和注意力机制的网络模型(Gated recurrent unit-attention-convolutional graph neural networks,GAGCN)用于分子性质的预测。该模型通过图神经网络(Graph neural network,GNN)对分子图进行表示学习,利用节点之间的连接和信息传播来捕捉分子的结构特征;使用门控循环单元(Gated recurrent unit,GRU)对分子序列进行建模,从而捕捉分子序列中的时序信息,通过门控机制自适应地选择保留或丢弃序列中的信息。最后通过注意力机制自适应地学习不同特征之间的权重,将GNN和GRU进行融合,从而使模型可以充分利用分子的结构和序列信息,以提高分子性质预测的准确性。试验结果表明该模型对于LogP的预测精度MSE、MAE和R2分别达到了0.0010、0.0116和0.9993。本文提出的模型为新农药、新兽药的研发提供了技术支持和参考。 展开更多
关键词 药物研发 分子性质预测 图神经网络 门控循环单元 注意力机制
在线阅读 下载PDF
大坝变形的双向门控循环单元网络预测模型
5
作者 姚佳池 赵二峰 +1 位作者 刘峰 宋桂华 《水利水运工程学报》 北大核心 2025年第4期99-107,共9页
针对大坝变形序列的噪声信息,一次模态分解难以对其充分挖掘剔除,通过辛几何模态分解和改进的自适应噪声完备集合经验模态分解将变形实测序列解耦为不同频率的模态分量,使用最大信息系数对模态分量和实测序列进行相关性检验,并采用小波... 针对大坝变形序列的噪声信息,一次模态分解难以对其充分挖掘剔除,通过辛几何模态分解和改进的自适应噪声完备集合经验模态分解将变形实测序列解耦为不同频率的模态分量,使用最大信息系数对模态分量和实测序列进行相关性检验,并采用小波阈值对相关性弱的模态分量去噪重构,有效剔除实测序列中的噪声,利用基于注意力机制的双向门控循环单元网络模型对重构序列进行预测。应用实例表明,采用二次模态分解方法能有效剔除大坝变形实测序列中的噪声信息,建立的组合预测模型可以充分挖掘大坝变形与环境量之间的非线性关系且具有良好的泛化能力,为大坝长效服役性态预测提供了新方法。 展开更多
关键词 大坝变形 二次模态分解 小波阈值去噪 注意力机制 双向门控循环单元 预测模型
在线阅读 下载PDF
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 被引量：1
6
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
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：18
7
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
基于卷积神经网络和双向门控循环单元网络注意力机制的情感分析 被引量：15
8
作者 张腾 刘新亮 高彦平 《科学技术与工程》 北大核心 2021年第1期269-274,共6页
传统的情感分析方法不能获取全局特征,以及否定词、转折词和程度副词的出现影响句子极性判断。在深度学习方法基础上提出了基于卷积神经网络和双向门控循环单元网络注意力机制的短文本情感分析方法。将情感积分引入卷积神经网络,利用情... 传统的情感分析方法不能获取全局特征,以及否定词、转折词和程度副词的出现影响句子极性判断。在深度学习方法基础上提出了基于卷积神经网络和双向门控循环单元网络注意力机制的短文本情感分析方法。将情感积分引入卷积神经网络,利用情感词自身信息,通过双向门控循环网络模型获取全局特征,对影响句子极性的否定词、转折词和程度副词引入注意力机制实现对这类词的重点关注,提取影响句子极性的重要信息。实验结果表明,该模型与现有相关模型相比,有效提高情感分类的准确率。 展开更多
关键词 深度学习 双向门控循环单元(Bi-GRU) 注意力机制 卷积神经网络 情感分析
在线阅读 下载PDF
基于注意力机制的特征融合-双向门控循环单元多模态情感分析 被引量：4
9
作者 赖雪梅 唐宏 +1 位作者 陈虹羽 李珊珊 《计算机应用》 CSCD 北大核心 2021年第5期1268-1274,共7页
针对视频多模态情感分析中,未考虑跨模态的交互作用以及各模态贡献程度对最后情感分类结果的影响的问题,提出一种基于注意力机制的特征融合-双向门控循环单元多模态情感分析模型(AMF-BiGRU)。首先,利用双向门控循环单元(BiGRU)来考虑各... 针对视频多模态情感分析中,未考虑跨模态的交互作用以及各模态贡献程度对最后情感分类结果的影响的问题,提出一种基于注意力机制的特征融合-双向门控循环单元多模态情感分析模型(AMF-BiGRU)。首先,利用双向门控循环单元(BiGRU)来考虑各模态中话语间的相互依赖关系,并得到各模态的内部信息;其次,通过跨模态注意力交互网络层将模态内部信息与模态之间的交互作用相结合;然后,引入注意力机制来确定各模态的注意力权重,并将各模态特征进行有效融合;最后,通过全连接层和softmax层获取情感分类结果。在公开的CMU-MOSI和CMUMOSEI数据集上进行实验。实验结果表明,与传统的多模态情感分析方法(如多注意力循环网络(MARN))相比,AMF-BiGRU模型在CMU-MOSI数据集上的准确率和F1值分别提升了6.01%和6.52%,在CMU-MOSEI数据集上的准确率和F1值分别提升了2.72%和2.30%。可见,AMF-BiGRU模型能够有效提高多模态的情感分类性能。 展开更多
关键词 多模态 情感分析 双向门控循环单元 注意力机制 特征融合
在线阅读 下载PDF
结合双向注意力机制的网络欺凌检测
10
作者 周杭霞 厉贤斌 +1 位作者 崔晨 许瑞旭 《计算机工程与设计》 北大核心 2025年第2期523-529,共7页
针对网络欺凌文本内容嘈杂、文本特征交互不足的问题,提出一种结合双向注意力机制的网络欺凌检测模型。多尺度门控扩张因果卷积(MGDC)提取文本不同感受视野下的局部特征;双向门控循环单元(BiGRU)提取全局上下文语义特征;利用双向注意力... 针对网络欺凌文本内容嘈杂、文本特征交互不足的问题,提出一种结合双向注意力机制的网络欺凌检测模型。多尺度门控扩张因果卷积(MGDC)提取文本不同感受视野下的局部特征;双向门控循环单元(BiGRU)提取全局上下文语义特征;利用双向注意力机制学习全局上下文语义特征和局部特征之间的交互作用,弥补各自特征之间的不足。通过胶囊网络进行深层次的特征提取。通过实验验证了该方法在网络欺凌文本检测中的准确性和有效性。 展开更多
关键词 网络欺凌 社交媒体 多尺度门控扩张因果卷积 双向注意力机制 胶囊网络 双向门控循环单元 特征提取
在线阅读 下载PDF
八度卷积和双向门控循环单元结合的X光安检图像分类 被引量：3
11
作者 吴海滨 魏喜盈 +1 位作者 王爱丽 岩堀祐之 《中国光学》 EI CAS CSCD 北大核心 2020年第5期1138-1146,共9页
针对主动视觉安检方法准确率低、速度慢,不适用于实时交通安检的问题,提出了八度卷积(OctConv)和注意力机制双向门控循环单元(GRU)神经网络相结合的X光安检图像分类方法。首先,利用八度卷积代替传统卷积,对输入的特征向量进行高低分频,... 针对主动视觉安检方法准确率低、速度慢,不适用于实时交通安检的问题,提出了八度卷积(OctConv)和注意力机制双向门控循环单元(GRU)神经网络相结合的X光安检图像分类方法。首先,利用八度卷积代替传统卷积,对输入的特征向量进行高低分频,并降低低频特征的分辨率,在有效提取X光安检图像特征的同时,减少了空间冗余。其次,通过注意力机制双向GRU,动态学习调整特征权重,提高危险品分类准确率。最后,在通用SIXRay数据集上的实验表明,对8000幅测试样本的整体分类准确率(ACC)、特征曲线下方面积(AUC)、正类分类准确率(PRE)分别为98.73%、91.39%、85.44%,检测时间为36.80 s。相对于目前主流模型,本文方法有效提高了X光安检图像危险品分类的准确率和速度。 展开更多
关键词 X光安检图像 八度卷积 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于多重注意力机制的时空频融合的脑电情绪识别方法
12
作者 潘雨青 张琬琳 +1 位作者 任庆桦 许峰 《小型微型计算机系统》 北大核心 2025年第9期2098-2104,共7页
近年来,脑电情绪识别在心理治疗和人机交互领域展现了重要的应用前景.然而,现有研究大多未能充分挖掘脑电信号中复杂时空频模式的耦合和互补性特征.本文提出了一种基于多重注意力机制解耦时空频融合特征的网络模型,以有针对性地捕捉脑... 近年来,脑电情绪识别在心理治疗和人机交互领域展现了重要的应用前景.然而,现有研究大多未能充分挖掘脑电信号中复杂时空频模式的耦合和互补性特征.本文提出了一种基于多重注意力机制解耦时空频融合特征的网络模型,以有针对性地捕捉脑电信号的时空域与空频域互补特征.该模型通过将多域融合特征解耦为时间流模块、空间增强模块以及频域流模块,同时将空间注意力机制与频域注意力机制聚合到该网络模型中,从而更有效地提取信号中的关键判别信息.在DEAP数据集上进行了大量实验,实验结果表明,该模型在唤醒度和效价维度上的准确率分别达到了93.68%和92.96%,优于现有模型,证明了其在提升情绪识别性能方面的优越性. 展开更多
关键词 脑电图 时空频特征 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于Inception-BiGRU和注意力机制的频谱感知方法研究
13
作者 殷晓虎 张安熠 +1 位作者 张珂珂 田冲 《电子测量技术》 北大核心 2025年第6期90-98,共9页
频谱感知是缓解频谱资源短缺的关键技术之一,其中智能频谱感知已成为当前研究的热点方向。针对现有频谱感知方法对信号特征提取不充分以及在低信噪比下频谱感知效果不佳的问题,提出一种由Inception模块、双向门控循环单元、时间注意力... 频谱感知是缓解频谱资源短缺的关键技术之一,其中智能频谱感知已成为当前研究的热点方向。针对现有频谱感知方法对信号特征提取不充分以及在低信噪比下频谱感知效果不佳的问题,提出一种由Inception模块、双向门控循环单元、时间注意力机制和全连接层网络组成的频谱感知混合模型。首先,Inception模块对接收到的I/Q信号进行多尺度空间特征的提取;然后,采用双向门控循环单元获取信号的时间序列特征,并通过时间注意力机制强化重要时序特征;最后,全连接层网络将提取到的特征映射到频谱状态的分类空间完成分类识别。实验结果表明,本文方法与多种现有频谱感知方法相比显著提升了感知性能,模型的整体检测准确率达到84.55%,当信噪比为-20 dB时,该方法的感知误差为24%;且对多种调制类型的无线电信号具有较好的适应性。所提方法无需依赖任何先验信息,在低信噪比和复杂无线电环境下展现出较强的鲁棒性,实现了感知性能与模型复杂度的有效平衡,为智能频谱感知提供了一种新的解决方案。 展开更多
关键词 频谱感知 深度学习 Inception模块 双向门控循环单元 时间注意力机制
在线阅读 下载PDF
基于深度学习和注意力机制的漏钢预报研究 被引量：1
14
作者 吴恒 张本国 +2 位作者 余浩辰 张瑞忠 范利锋 《冶金能源》 北大核心 2025年第3期61-66,共6页
为提高漏钢预报系统准确度,分析了热电偶的单偶时间序列特征与组偶空间联动特征,采用CNN对数据进行特征提取,再将时间序列温度特征作为BIGRU输入,构建CNN-BIGRU网络,并在输出端前引入MA机制。针对CNN-BIGRU网络易陷入局部最优解问题,利... 为提高漏钢预报系统准确度,分析了热电偶的单偶时间序列特征与组偶空间联动特征,采用CNN对数据进行特征提取,再将时间序列温度特征作为BIGRU输入,构建CNN-BIGRU网络,并在输出端前引入MA机制。针对CNN-BIGRU网络易陷入局部最优解问题,利用BO算法寻找CNN-BIGRU网络最优超参数组合,建立了BO-CNN-BIGRU-MA网络模型,并将其应用到连铸漏钢预报系统。结合实际连铸生产数据,对该漏钢预报模型进行测试。结果表明,该连铸漏钢预报系统的准确率为99.5%,报出率达到100%。 展开更多
关键词 漏钢预报 卷积神经网络 双向门控循环单元网络 贝叶斯优化 多头自注意力机制
在线阅读 下载PDF
基于GRU的密集连接时空图注意力网络的城市交通预测
15
作者 郭海锋 许宏伟 周子盛 《高技术通讯》 CAS 北大核心 2024年第5期463-474,共12页
城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足,缺乏对外部因素的考虑,为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连... 城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足,缺乏对外部因素的考虑,为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连接网络,通过门控循环单元来捕获路网数据的动态规律,并以图注意力密集连接网络来提取路网复杂的空间结构特征,建立城市交通网络对时空的依赖关系。针对外部客观因素,采用独热编码的方式对城市各路段发生的交通事件进行数据建模,增强交通网络的信息属性。以杭州申花路及周围共309个路段为例,对所提出模型的预测能力和可行性进行验证。实验结果表明,模型预测精度最高达到了81.64%,与传统数学模型和主流的神经网络模型对比,预测精度较ARIMA提高了35.42%,较图注意力网络(GAT)和GRU神经网络分别提高了17.45%和3.02%。实验证明该方法可以适应复杂的交通流进行长期的交通预测任务,同时也能增强交通管理能力,减少交通拥堵成本。 展开更多
关键词 交通预测 时空特征 神经网络 门控循环单元(GRU) 密集连接 图注意力网络(GAT)
在线阅读 下载PDF
基于双向GRU和注意力机制的叠前地震孔隙度预测方法 被引量：8
16
作者 杨菲 刘洋 +1 位作者 常锁亮 陈桂 《石油物探》 CSCD 北大核心 2024年第3期598-609,共12页
岩石孔隙度是表征储层的重要参数之一,对孔隙度进行准确预测有利于更精细地刻画高孔高渗储层位置。然而地震弹性参数与孔隙度之间的关系较为复杂,给储层孔隙度的准确预测带来一定困难。深度学习为地震准确预测孔隙度提供了新思路。提出... 岩石孔隙度是表征储层的重要参数之一,对孔隙度进行准确预测有利于更精细地刻画高孔高渗储层位置。然而地震弹性参数与孔隙度之间的关系较为复杂,给储层孔隙度的准确预测带来一定困难。深度学习为地震准确预测孔隙度提供了新思路。提出了一种基于双向门控循环单元神经网络(GRU)和注意力机制(BiGRU-Attention)的叠前地震孔隙度预测方法,该方法利用双向GRU实现信息的双向传播并加入Attention机制放大关键信息,将叠前同时反演得到的纵波速度和密度信息作为输入,以测井孔隙度值作为标签来训练和测试BiGRU-Attention网络,建立起地震弹性参数与孔隙度之间的复杂映射关系,进而实现孔隙度的准确预测。实际数据测试结果表明,相比于常规多元线性回归方法(MLR)、密集神经网络(DNN)和门控循环单元神经网络(GRU)等预测方法,BiGRU-Attention网络预测方法在盲井测试中预测精度更高。将该方法应用于某实际三维工区地震数据预测的孔隙度值与测井孔隙度值匹配良好,说明该方法具有较好的实用价值。 展开更多
关键词 深度学习 注意力机制 双向门控循环单元神经网络 孔隙度预测 储层参数反演
在线阅读 下载PDF
基于注意力机制的BiGRU土壤光谱全氮预测模型研究
17
作者 剧伟良 杨玮 +3 位作者 宋亚美 刘楠 李浩 李民赞 《光谱学与光谱分析》 北大核心 2025年第7期2017-2025,共9页
土壤全氮含量是评估土壤肥力的关键指标,其精确测定对于提升农作物产量和品质具有重要意义。运用近红外光谱分析技术预测土壤全氮含量已被证明是一种有效的解决方案。由于土壤光谱数据具有高维性和复杂的时间序列性,传统模型往往难以捕... 土壤全氮含量是评估土壤肥力的关键指标,其精确测定对于提升农作物产量和品质具有重要意义。运用近红外光谱分析技术预测土壤全氮含量已被证明是一种有效的解决方案。由于土壤光谱数据具有高维性和复杂的时间序列性,传统模型往往难以捕捉其中的关键信息,从而影响预测结果的准确性。为此基于600份土壤样本的近红外光谱(900~1700 nm),开展了土壤全氮(STN)含量光谱预测方法研究,提出了一种基于注意力机制的双向门控循环单元模型(BiGRU-Attention)。首先通过SG滤波和SNV预处理方法优化了光谱数据,随后通过CARS特征筛选算法将光谱的波长数由198精简为30个关键特征波长,剔除冗余信息,降低了建模的复杂度。BiGRU-Attention模型利用更新门和重置门有效控制信息流动,使得模型忽略不重要的光谱数据,并保留影响预测精度的关键信息。通过结合双向GRU的双时序处理优势,模型能够同时处理光谱序列的正向与反向输入,从而增强模型对边缘数据的关注能力,更全面地捕捉土壤光谱数据中的前后依赖关系。此外,模型通过注意力层的QKV矩阵计算每个部分的重要性,并根据序列中的前后关联信息动态决定关注哪些特征,通过计算注意力权重矩阵,为每个输入数据分配权重,生成更相关的上下文矩阵,进而增强模型的预测精度。实验结果表明,与其他模型相比,BiGRU-Attention模型能更好地理解波段之间的相互关联,在预测结果上表现更佳,光谱数据在经过特征筛选后,模型在测试数据集上的决定系数R^(2)达到了0.87,均方根误差RMSE为0.20 g·kg^(-1),表现出良好的预测性能。该研究为土壤养分快速检测提供了技术支持,为建立高精度的土壤全氮含量预测模型提供了方法与参考。 展开更多
关键词 近红外光谱 双向门控循环单元 注意力机制 土壤全氮
在线阅读 下载PDF
基于注意力机制的CNN-BiGRU超短期省间现货购电需求预测
18
作者 杨世海 薛冰 +1 位作者 李磊 周瑶 《电力系统及其自动化学报》 北大核心 2025年第9期64-70,共7页
为解决省间现货市场保障电力供应中存在的问题,电力营销单位应对市场中的电力需求进行深入研究,制定科学的购电策略。本文提出一种结合卷积神经网络、双向门控循环单元网络及注意力机制的超短期省间现货购电需求预测模型。首先,通过最... 为解决省间现货市场保障电力供应中存在的问题,电力营销单位应对市场中的电力需求进行深入研究,制定科学的购电策略。本文提出一种结合卷积神经网络、双向门控循环单元网络及注意力机制的超短期省间现货购电需求预测模型。首先,通过最小绝对收缩和选择算子系数法对省间现货购电需求影响因素进行特征筛选;然后,利用卷积神经网络提取省间现货购电需求时间序列的局部特征,同时利用双向门控循环单元捕捉省间现货购电需求时间序列的长期依赖性,并通过注意力机制将序列特征聚焦在重要的时间步上以提高预测精度;最后,采用省间现货购电需求实测数据进行仿真实验。结果表明,该模型在超短期省间现货购电需求预测中具有较高的准确性,并且明显优于单一模型与其他组合预测模型。 展开更多
关键词 电力现货市场 需求预测 双向门控循环单元网络 注意力机制 组合模型
在线阅读 下载PDF
融合CNN-BiGRU和注意力机制的网络入侵检测模型 被引量：15
19
作者 杨晓文 张健 +1 位作者 况立群 庞敏 《信息安全研究》 CSCD 北大核心 2024年第3期202-208,共7页
为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注... 为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性. 展开更多
关键词 网络入侵检测 卷积神经网络 双向门控循环单元 注意力机制 深度学习
在线阅读 下载PDF
基于多尺度时空特征与软注意力机制的交通流预测方法 被引量：1
20
作者 史昕 曹凤腾 +1 位作者 纪艺 马峻岩 《计算机工程》 CAS CSCD 北大核心 2024年第12期346-357,共12页
交通流预测在规划交通系统、优化道路资源和缓解交通拥堵等方面具有重要意义。针对交通流预测中时间周期性特征提取不充分的问题,提出一种基于多尺度时空特征和软注意力机制的交通流预测方法MSTFSA。首先,利用图交谈注意力网络(GTHAT)... 交通流预测在规划交通系统、优化道路资源和缓解交通拥堵等方面具有重要意义。针对交通流预测中时间周期性特征提取不充分的问题,提出一种基于多尺度时空特征和软注意力机制的交通流预测方法MSTFSA。首先,利用图交谈注意力网络(GTHAT)提取空间数据的非欧几里得结构特征,通过分配动态权重表征不同时间相邻道路交通流的影响程度;其次,利用双向增强注意力门控循环单元(Bi-EAGRU)结构提取时间数据的连续性关联特征,增强每个时刻的时间特征与上下时刻的联系;然后,基于软注意力机制融合周周期、日周期和近邻时间3个尺度下的相似交通流趋势,实现对时间周期性特征的充分提取,最后,结合高速公路数据集PeMS04和PeMS08验证MSTFSA的预测精度。实验结果表明,MSTFSA的交通流预测精度表现出良好效果,与基线模型STSGCN和ASTGCN相比,在PeMS04数据集上的预测均方根误差(RMSE)分别降低7.15%和3.8%,平均绝对误差(MAE)分别降低7.79%和3.99%。MSTFSA能较充分地提取并融合交通数据的多时间尺度时空特征,在交通流预测精度提升方面表现出一定的优势。 展开更多
关键词 交通流预测 时空域联合 图注意力网络 软注意力机制 双向门控循环单元
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 … 7 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