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
融合稀疏图注意力的多元时间序列异常检测方法
被引量：
1
1
作者
衡红军
代栋炜
《计算机工程与设计》
北大核心
2025年第3期841-849,共9页
为解决时序数据中时空依赖关系不明确而导致多元时间序列异常检测效果较差的问题,提出一种基于稀疏图注意力网络的异常检测模型PSGAT-AD(ProbSparse graph attention networks anomaly detection)。采用卷积神经网络(convolutional neur...
为解决时序数据中时空依赖关系不明确而导致多元时间序列异常检测效果较差的问题,提出一种基于稀疏图注意力网络的异常检测模型PSGAT-AD(ProbSparse graph attention networks anomaly detection)。采用卷积神经网络(convolutional neural networks,CNN)提取时间戳上下文信息并使用全局时间戳编码和Transformer位置编码增强序列之间的联系。利用稀疏自注意力关注重要的时间戳与特征,通过自注意力蒸馏(self-attention distillation)降低输入规模,使重要的特征更加突出,以学习时间和特征两个维度的复杂依赖关系,提升表示学习质量。通过构建基于预测和重构的综合损失函数,对模型参数进行优化。将综合损失误差作为异常得分实现异常判定。实验结果表明,PSGAT-AD模型在4个公开数据集上的F1得分提升1.47%~6.52%。
展开更多
关键词
异常检测
多元
时间
序列
图注意力网络
时间戳编码
稀疏自注意力
自注意力蒸馏
综合损失误差
在线阅读
下载PDF
职称材料
基于时序分解和软阈值时间卷积的交通流预测
2
作者
项新建
袁天顺
+1 位作者
何亚强
汪成立
《浙江大学学报(工学版)》
北大核心
2025年第7期1353-1361,共9页
交通流数据的高度非线性、强时间依赖性、特征冗余和噪声会降低模型的预测精度,为此提出融合自适应噪声完备集合经验模态分解(CEEMDAN)和软阈值时间卷积网络(STTCN)的短时交通流预测算法. CEEMDAN算法将历史交通流数据分解为高频和低频...
交通流数据的高度非线性、强时间依赖性、特征冗余和噪声会降低模型的预测精度,为此提出融合自适应噪声完备集合经验模态分解(CEEMDAN)和软阈值时间卷积网络(STTCN)的短时交通流预测算法. CEEMDAN算法将历史交通流数据分解为高频和低频成分.设计时间戳编码处理时间信息,使用最大信息系数(MIC)分析时间和天气特征与分解成分的相关性.将最相关特征与对应高、低频成分输入STTCN.引入软阈值机制增强高噪声数据的处理能力,软阈值参数由黏菌优化算法(SMA)调整,将预测得到的高、低频成分重构为交通流预测结果.在浙江省某高速公路数据集上,相较于基线模型,所提算法的均方误差、均方根误差和绝对偏差下降了54.97%、30.07%和34.39%.结果表明,所提算法能有效捕捉交通流的复杂动态.
展开更多
关键词
短时交通流预测
软阈值
时间
卷积网络
自适应噪声完备集合经验模态分解
时间戳编码
最大信息系数
在线阅读
下载PDF
职称材料
基于雷达测量的用于炮位侦察的Transformer网络
被引量：
1
3
作者
蔡鑫鹏
贾正望
刘华军
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2021年第2期189-196,共8页
依赖雷达测量数据的炮位侦察在遇到炮弹低射角时面临极大的挑战。雷达观测数据弧段短、测量误差大,且具有数据批量小、非线性、不完整等特点,炮位外推困难。广泛用于自然语言处理领域的Transformer网络具有长距离依赖、全自注意力机制...
依赖雷达测量数据的炮位侦察在遇到炮弹低射角时面临极大的挑战。雷达观测数据弧段短、测量误差大,且具有数据批量小、非线性、不完整等特点,炮位外推困难。广泛用于自然语言处理领域的Transformer网络具有长距离依赖、全自注意力机制等特点,在长距离序列建模方面具有较大优势。该文提出了一种时间戳编码的方法,首次应用于Transformer网络来表征空气动力目标的飞行轨迹,并外推炮位位置。同时建立了大规模雷达侦测仿真数据集用于网络训练,并与传统炮位侦察算法,如卡尔曼滤波类算法、长-短周期记忆网络等进行了对照实验。结果表明:Transformer网络在预测炮位时收敛性能好,圆概率误差指标优于其他方法。
展开更多
关键词
Transformer模型
长-短周期记忆
炮位侦察
雷达测量
时间戳编码
飞行轨迹
在线阅读
下载PDF
职称材料
题名
融合稀疏图注意力的多元时间序列异常检测方法
被引量：
1
1
作者
衡红军
代栋炜
机构
中国民航大学计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2025年第3期841-849,共9页
基金
国家自然科学基金联合基金项目(U1333109)。
文摘
为解决时序数据中时空依赖关系不明确而导致多元时间序列异常检测效果较差的问题,提出一种基于稀疏图注意力网络的异常检测模型PSGAT-AD(ProbSparse graph attention networks anomaly detection)。采用卷积神经网络(convolutional neural networks,CNN)提取时间戳上下文信息并使用全局时间戳编码和Transformer位置编码增强序列之间的联系。利用稀疏自注意力关注重要的时间戳与特征,通过自注意力蒸馏(self-attention distillation)降低输入规模,使重要的特征更加突出,以学习时间和特征两个维度的复杂依赖关系,提升表示学习质量。通过构建基于预测和重构的综合损失函数,对模型参数进行优化。将综合损失误差作为异常得分实现异常判定。实验结果表明,PSGAT-AD模型在4个公开数据集上的F1得分提升1.47%~6.52%。
关键词
异常检测
多元
时间
序列
图注意力网络
时间戳编码
稀疏自注意力
自注意力蒸馏
综合损失误差
Keywords
anomaly detection
multivariate time series
graph attention networks
time stamp embedding
ProbSparse self-attention
self-attention distillation
joint loss
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
基于时序分解和软阈值时间卷积的交通流预测
2
作者
项新建
袁天顺
何亚强
汪成立
机构
浙江科技大学自动化与电气工程学院
浙江省交通运输科学研究院
出处
《浙江大学学报(工学版)》
北大核心
2025年第7期1353-1361,共9页
基金
浙江省交通运输厅科技计划项目(2023013)
浙江科技大学研究生科研创新基金资助项目(2023yjskc05)。
文摘
交通流数据的高度非线性、强时间依赖性、特征冗余和噪声会降低模型的预测精度,为此提出融合自适应噪声完备集合经验模态分解(CEEMDAN)和软阈值时间卷积网络(STTCN)的短时交通流预测算法. CEEMDAN算法将历史交通流数据分解为高频和低频成分.设计时间戳编码处理时间信息,使用最大信息系数(MIC)分析时间和天气特征与分解成分的相关性.将最相关特征与对应高、低频成分输入STTCN.引入软阈值机制增强高噪声数据的处理能力,软阈值参数由黏菌优化算法(SMA)调整,将预测得到的高、低频成分重构为交通流预测结果.在浙江省某高速公路数据集上,相较于基线模型,所提算法的均方误差、均方根误差和绝对偏差下降了54.97%、30.07%和34.39%.结果表明,所提算法能有效捕捉交通流的复杂动态.
关键词
短时交通流预测
软阈值
时间
卷积网络
自适应噪声完备集合经验模态分解
时间戳编码
最大信息系数
Keywords
short-term traffic flow prediction
soft thresholding temporal convolutional network
complete ensemble empirical mode decomposition with adaptive noise
timestamp encoding
maximal information coefficient
分类号
U495 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于雷达测量的用于炮位侦察的Transformer网络
被引量：
1
3
作者
蔡鑫鹏
贾正望
刘华军
机构
南京理工大学计算机科学与工程学院
中国电子科技集团公司第二十八研究所
出处
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2021年第2期189-196,共8页
文摘
依赖雷达测量数据的炮位侦察在遇到炮弹低射角时面临极大的挑战。雷达观测数据弧段短、测量误差大,且具有数据批量小、非线性、不完整等特点,炮位外推困难。广泛用于自然语言处理领域的Transformer网络具有长距离依赖、全自注意力机制等特点,在长距离序列建模方面具有较大优势。该文提出了一种时间戳编码的方法,首次应用于Transformer网络来表征空气动力目标的飞行轨迹,并外推炮位位置。同时建立了大规模雷达侦测仿真数据集用于网络训练,并与传统炮位侦察算法,如卡尔曼滤波类算法、长-短周期记忆网络等进行了对照实验。结果表明:Transformer网络在预测炮位时收敛性能好,圆概率误差指标优于其他方法。
关键词
Transformer模型
长-短周期记忆
炮位侦察
雷达测量
时间戳编码
飞行轨迹
Keywords
Transformer
long short-term memory
fire locating
radar measurements
timestamp encoding
flight trajectory
分类号
TP391.1 [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
融合稀疏图注意力的多元时间序列异常检测方法
衡红军
代栋炜
《计算机工程与设计》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于时序分解和软阈值时间卷积的交通流预测
项新建
袁天顺
何亚强
汪成立
《浙江大学学报(工学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于雷达测量的用于炮位侦察的Transformer网络
蔡鑫鹏
贾正望
刘华军
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2021
1
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
