期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多尺度特征融合和时空注意力LSTM的台风云图预测研究
1
作者
程勇
钱坤
+5 位作者
王军
渠海峰
李伟
杨玲
韩晓东
刘敏
《海洋预报》
北大核心
2025年第2期89-98,共10页
现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过...
现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过程中的台风细节特征损失,同时在时空长短期记忆网络(ST-LSTM)单元中利用卷积块注意力模块优化信息传递,最后通过反卷积调整不同尺度的解码输出,融合后输出结果。使用“葵花8号”卫星获取的东亚—东南亚太平洋沿岸地区的台风云图数据集开展验证和消融实验,该数据集包含16个台风过程的训练集和3个台风过程的测试集。与其他网络相比,MSTA-LSTM网络的均方根误差、峰值信噪比和结构相似性指数指标分别为42.76、16.38和0.4817,有效提高了台风云图预测的准确性。
展开更多
关键词
时间序列预测
多尺度特征
时空长短期记忆网络
注意力机制
在线阅读
下载PDF
职称材料
基于注视转移学习的视频注视目标检测
2
作者
杨兴明
史俊彪
+2 位作者
李自强
吴克伟
谢昭
《计算机工程与应用》
CSCD
北大核心
2024年第20期293-301,共9页
视频注视目标检测,需要估计视频帧中的人所注视目标的位置。在不同的时间,人会注视不同的目标。在两个注视目标转移的时间段内,人并没有注视特定的目标。基于图像Transformer的注视目标检测方法,忽略了抑制注视转移现象。注视转移中的...
视频注视目标检测,需要估计视频帧中的人所注视目标的位置。在不同的时间,人会注视不同的目标。在两个注视目标转移的时间段内,人并没有注视特定的目标。基于图像Transformer的注视目标检测方法,忽略了抑制注视转移现象。注视转移中的注视方向,会干扰注视目标的真实位置估计。为了实现视频注视目标检测,提出一种基于注视转移的模型,该模型包括注视方向引导模块,注视转移时间融合模块。在注视方向引导模块中,注视目标位置被用于估计注视方向热图。该模块使用注视方向热图来引导注视目标热图生成,这有利于抑制非注视方向的目标响应,提高注视目标定位的准确性。在注视转移时间融合模块中,注视目标热图随着时间变化会产生时空热图。该模块对时空热图采用双向时空卷积长短期记忆网络(LSTM),产生时空记忆融合的注视目标热图,来描述时空热图中注视目标的变化过程。该模块将注视转移时间段描述为高斯时间模型。针对注视转移的时间长度不确定的问题,该模块设计高斯时间融合方法,来估计出注视转移的视时间长度和注视转移的开始和结束时间。注视转移时间段的准确定位,抑制了注视转移现象对注视目标位置估计的干扰。该模型训练使用了注视方向损失、注视目标存在损失、注视目标热图损失,以及注视转移时间定位损失。实验采用GazeFollow和VideoAttentionTarget数据集。实验结果表明基于注视转移的模型,优于基于图像Transformer的注视目标检测方法。
展开更多
关键词
注视目标检测
注视转移
注视目标热图
时空
卷积
长短期
记忆
网络
高斯时间融合
在线阅读
下载PDF
职称材料
一种雷达回波外推的注意力融合和信息回忆的LSTM方法
被引量：
6
3
作者
程勇
钱坤
+3 位作者
康志明
何光鑫
王军
庄潇然
《热带气象学报》
CSCD
北大核心
2023年第5期653-663,共11页
临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值。近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础...
临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值。近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础上,本文提出一种AFR-LSTM网络,以进一步提高雷达回波外推的预报准确率。首先提出一种注意力融合的时空长短期记忆网络的方法,以关联更多的历史信息,保证信息在传递过程中能够充分关联,减少信息丢失。同时,考虑编码过程中信息丢失问题,在编码器与解码器之间构建信息回忆模块,进一步保存雷达回波预测细节。通过在真实的雷达回波数据集(2019—2021江苏气象雷达数据)上进行消融实验,AFR-LSTM整体效果较好。此外,对该雷达回波数据集进行对比实验,结果表明AFR-LSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.5209、Heidke Skill Score(HSS)值为0.5324,并且能较好地保留强回波和位置准确度,优于现有方法,证明了该方法能够获得更准确的预测准确度。
展开更多
关键词
雷达回波外推
深度学习
注意力机制
时空长短期记忆网络
在线阅读
下载PDF
职称材料
题名
基于多尺度特征融合和时空注意力LSTM的台风云图预测研究
1
作者
程勇
钱坤
王军
渠海峰
李伟
杨玲
韩晓东
刘敏
机构
南京信息工程大学
上海交通大学电子信息与电气工程学院
出处
《海洋预报》
北大核心
2025年第2期89-98,共10页
基金
国家自然科学基金(41975183、41875184)。
文摘
现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过程中的台风细节特征损失,同时在时空长短期记忆网络(ST-LSTM)单元中利用卷积块注意力模块优化信息传递,最后通过反卷积调整不同尺度的解码输出,融合后输出结果。使用“葵花8号”卫星获取的东亚—东南亚太平洋沿岸地区的台风云图数据集开展验证和消融实验,该数据集包含16个台风过程的训练集和3个台风过程的测试集。与其他网络相比,MSTA-LSTM网络的均方根误差、峰值信噪比和结构相似性指数指标分别为42.76、16.38和0.4817,有效提高了台风云图预测的准确性。
关键词
时间序列预测
多尺度特征
时空长短期记忆网络
注意力机制
Keywords
time series prediction
multiscale features
Spatiotemporal Long Short-Term Memory
attention mechanism
分类号
P457 [天文地球—大气科学及气象学]
在线阅读
下载PDF
职称材料
题名
基于注视转移学习的视频注视目标检测
2
作者
杨兴明
史俊彪
李自强
吴克伟
谢昭
机构
大数据知识工程教育部重点实验室(合肥工业大学)
合肥工业大学计算机与信息学院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第20期293-301,共9页
基金
国家重点研发计划(2017YFB1002203)
安徽省自然科学基金(JZ2021AKZR0351)。
文摘
视频注视目标检测,需要估计视频帧中的人所注视目标的位置。在不同的时间,人会注视不同的目标。在两个注视目标转移的时间段内,人并没有注视特定的目标。基于图像Transformer的注视目标检测方法,忽略了抑制注视转移现象。注视转移中的注视方向,会干扰注视目标的真实位置估计。为了实现视频注视目标检测,提出一种基于注视转移的模型,该模型包括注视方向引导模块,注视转移时间融合模块。在注视方向引导模块中,注视目标位置被用于估计注视方向热图。该模块使用注视方向热图来引导注视目标热图生成,这有利于抑制非注视方向的目标响应,提高注视目标定位的准确性。在注视转移时间融合模块中,注视目标热图随着时间变化会产生时空热图。该模块对时空热图采用双向时空卷积长短期记忆网络(LSTM),产生时空记忆融合的注视目标热图,来描述时空热图中注视目标的变化过程。该模块将注视转移时间段描述为高斯时间模型。针对注视转移的时间长度不确定的问题,该模块设计高斯时间融合方法,来估计出注视转移的视时间长度和注视转移的开始和结束时间。注视转移时间段的准确定位,抑制了注视转移现象对注视目标位置估计的干扰。该模型训练使用了注视方向损失、注视目标存在损失、注视目标热图损失,以及注视转移时间定位损失。实验采用GazeFollow和VideoAttentionTarget数据集。实验结果表明基于注视转移的模型,优于基于图像Transformer的注视目标检测方法。
关键词
注视目标检测
注视转移
注视目标热图
时空
卷积
长短期
记忆
网络
高斯时间融合
Keywords
gaze target detection
gaze transition
gaze target heatmap
spatial-temporal convolution long short-term memory
Gaussian-based temporal fusion
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
一种雷达回波外推的注意力融合和信息回忆的LSTM方法
被引量：
6
3
作者
程勇
钱坤
康志明
何光鑫
王军
庄潇然
机构
南京信息工程大学
中国气象局广州热带海洋气象研究所
江苏省气象台
出处
《热带气象学报》
CSCD
北大核心
2023年第5期653-663,共11页
基金
国家自然科学基金项目(41975183、41875184)
广东省“珠江人才计划”引进创新创业团队项目(2019ZT08G669)共同资助。
文摘
临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值。近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础上,本文提出一种AFR-LSTM网络,以进一步提高雷达回波外推的预报准确率。首先提出一种注意力融合的时空长短期记忆网络的方法,以关联更多的历史信息,保证信息在传递过程中能够充分关联,减少信息丢失。同时,考虑编码过程中信息丢失问题,在编码器与解码器之间构建信息回忆模块,进一步保存雷达回波预测细节。通过在真实的雷达回波数据集(2019—2021江苏气象雷达数据)上进行消融实验,AFR-LSTM整体效果较好。此外,对该雷达回波数据集进行对比实验,结果表明AFR-LSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.5209、Heidke Skill Score(HSS)值为0.5324,并且能较好地保留强回波和位置准确度,优于现有方法,证明了该方法能够获得更准确的预测准确度。
关键词
雷达回波外推
深度学习
注意力机制
时空长短期记忆网络
Keywords
radar echo extrapolation
deep learning
attention mechanism
space-time long short-term memory network
分类号
P456 [天文地球—大气科学及气象学]
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
基于多尺度特征融合和时空注意力LSTM的台风云图预测研究
程勇
钱坤
王军
渠海峰
李伟
杨玲
韩晓东
刘敏
《海洋预报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于注视转移学习的视频注视目标检测
杨兴明
史俊彪
李自强
吴克伟
谢昭
《计算机工程与应用》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
一种雷达回波外推的注意力融合和信息回忆的LSTM方法
程勇
钱坤
康志明
何光鑫
王军
庄潇然
《热带气象学报》
CSCD
北大核心
2023
6
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
