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117篇文章
< 1 2 … 6 >
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：
基于无模型深度强化学习的煤泥浮选智能控制研究
1
作者 秦新凯 王然风 +2 位作者 付翔 窦治衡 李品钰 《工矿自动化》 北大核心 2025年第8期25-33,58,共10页
在煤泥浮选工业现场中,传统基于机理模型的控制方法因其依赖近似模型,存在控制精度受限与泛化能力不足的问题。而经典无模型深度强化学习算法如深度确定性策略梯度(DDPG),在处理高维时变状态时易受无关变量干扰,难以精准捕捉核心特征,... 在煤泥浮选工业现场中,传统基于机理模型的控制方法因其依赖近似模型,存在控制精度受限与泛化能力不足的问题。而经典无模型深度强化学习算法如深度确定性策略梯度(DDPG),在处理高维时变状态时易受无关变量干扰,难以精准捕捉核心特征,导致策略稳定性下降。针对上述问题,提出一种基于融合注意力机制(AS)的无模型深度强化学习(AS−DDPG)的煤泥浮选智能控制方法。该方法采用AS−DDPG算法构建浮选智能控制器:以尾煤灰分为控制目标,在Actor−Critic网络基础上引入AS以精准捕捉核心特征,通过在线学习优化控制策略,建立了包含矿浆浓度、灰分、流量等关键参数的多维状态空间,设计了兼顾产品质量与药剂回收率的多目标奖励函数,直接通过智能体与环境的实时交互学习控制策略,能自适应捕捉过程动态特性,在实际浮选过程中保持稳定的控制效果。采集浮选工业现场的实时数据,经预处理后进行仿真实验,结果表明:相较于DDPG算法,AS−DDPG算法的训练误差降低27%,其奖励曲线收敛更快且波动幅度更小,有效策略比例提升2倍以上,表明其对高效药剂组合的探索更具方向性。工业性试验结果表明:相较于模糊PID与DDPG算法,AS−DDPG算法控制下的灰分标准差降至0.66,有效降低了浮选产品质量波动;捕收剂与起泡剂消耗分别优化至0.56,0.25 kg/t,表明基于AS−DDPG算法的智能控制器能以更低的药剂投入达到稳定分选的效果。 展开更多
关键词 煤泥浮选过程控制 无模型深度强化学习 深度确定性策略梯度 注意力机制 Actor−Critic AS−DDPG
在线阅读 下载PDF
基于改进E-DWT算法和深度学习模型的红小豆锈病诊断方法
2
作者 付强 关海鸥 李嘉琪 《光谱学与光谱分析》 北大核心 2025年第9期2648-2657,共10页
红小豆锈病是一种由真菌引起的常见植物病害,主要通过感染叶片影响光合作用,导致作物产量显著下降。本文提出了一种基于改进经验模态分解-小波变换(E-DWT)算法和深度学习模型的新型红小豆锈病诊断方法。选用“宝清红”红小豆作为实验对... 红小豆锈病是一种由真菌引起的常见植物病害,主要通过感染叶片影响光合作用,导致作物产量显著下降。本文提出了一种基于改进经验模态分解-小波变换(E-DWT)算法和深度学习模型的新型红小豆锈病诊断方法。选用“宝清红”红小豆作为实验对象,使用手持可见/近红外光谱仪对960例红小豆叶片进行为期10天的连续光谱数据采集,获取波长范围为326~1075 nm的红小豆叶片反射率数据。首先,采用改进的E-DWT算法对采集的光谱数据进行去噪处理。该算法结合了经验模态分解(EMD)和小波阈值去噪技术,能够在去除噪声的同时最大限度保留信号的有效信息。通过对比RMSE和SNR指标确定了最佳的小波基函数(sym5)和分解层数(4层)。为了进一步降低高维数据中的冗余信息,采用连续投影算法(SPA)从750个初始波长中筛选出了12个具有代表性的特征波长,实现了数据降维,将特征波长数量减少了98.4%。接着,结合格拉姆角场(GAF)方法,将一维波长序列转换为二维光谱图像,增强了不同波段之间的相关性,便于后续的模型训练。在模型设计上,采用了结合卷积神经网络(CNN)和卷积块注意力机制(CBAM)的深度学习模型。CBAM模块通过引入通道和空间注意力机制,能够有效区分光谱数据中不同特征波长和时间节点的权重,使模型更加关注影响红小豆锈病识别的关键特征。实验结果表明,基于CBAM的CNN模型在训练集中的识别率为99.31%,而在测试集中的识别率为98.33%,召回率达到98.89%,明显高于传统CNN模型的表现。与现有的其他方法相比,本文提出的模型在识别准确性、稳定性以及训练收敛速度上均具有显著优势。总体而言,本文所提出的基于改进E-DWT算法与CBAM-CNN模型的红小豆锈病诊断方法,不仅实现了高效、精准的病害检测,还为未来数据驱动型作物病害诊断系统的构建提供了理论依据与技术支持。 展开更多
关键词 红小豆锈病 光谱数据处理 E-DWT算法 深度学习模型 诊断模型
在线阅读 下载PDF
基于深度学习模型辅助穿刺病理图像预测乳腺癌新辅助治疗疗效的研究
3
作者 罗云昭 蒋宏传 徐峰 《中国全科医学》 北大核心 2025年第19期2407-2413,共7页
背景术前新辅助治疗(NAT)是治疗局部晚期乳腺癌的标准化手段,但只有部分患者对NAT敏感,在NAT前对患者进行疗效预测至关重要。既往研究利用统计学方法结合临床数据或深度学习方法结合影像学图像预测乳腺癌NAT疗效,效果欠佳。目的利用多... 背景术前新辅助治疗(NAT)是治疗局部晚期乳腺癌的标准化手段,但只有部分患者对NAT敏感,在NAT前对患者进行疗效预测至关重要。既往研究利用统计学方法结合临床数据或深度学习方法结合影像学图像预测乳腺癌NAT疗效,效果欠佳。目的利用多示例学习(MIL)方法训练基于乳腺癌粗针穿刺全切片图像(WSI)的深度学习(DL-CNB)模型,实现对病理性完全缓解(pCR)的预测和相关肿瘤区域的可视化。方法采用回顾性研究模式,收集北京朝阳医院2019年4月—2022年4月收治的经NAT的乳腺癌患者的临床资料和NAT前穿刺苏木精-伊红(HE)染色切片。依据纳排标准共筛选出195例患者。根据Miller-Payne(MP)分级将患者分为pCR组(MP=5级,n=40)和non-pCR组(MP=1~4级,n=155)。首先对临床资料进行分析,构建pCR影响因素的Logistic回归模型。将所有WSI图像按照4∶1的比例随机划分为训练集和测试集,并从训练集中取出25%的数据作为验证集。标记每张WSI中全部肿瘤细胞区域,通过滑动窗口取块、数据筛选、数据增强、归一化处理等步骤准备训练集。对比5种卷积神经网络模型,选择最优模型作为DL-CNB的特征提取器。设置参数训练DL-CNB模型。利用独立测试集测试模型,评价DL-CNB的预测价值。根据由注意力模块获得的权重绘制热力图,实现WSI中与预测相关重要区域的可视化。结果pCR组组织学分级高、ER阴性、PR阴性、HER2阳性、Ki-67高表达的患者占比高于non-pCR组(P<0.05)。与HR+/HER2-相比,HR-/HER2+(OR=10.189,95%CI=3.225~32.187)和HR+/HER2+(OR=3.349,95%CI=1.152~9.737)可测预患者达到pCR状况(P<0.05)。Logistic回归模型的受试者工作特征曲线下面积(AUC)为0.769,准确率为81.000%。DL-CNB模型独立测试集AUC为0.914,准确率为84.211%。随机选取独立测试集中某张标签为non-pCR和某张标签为pCR的WSI肿瘤区域进行可视化展示。结论DL-CNB模型实现了通过乳腺癌穿刺WSI对新辅助治疗pCR的预测和重要区域的可视化,其预测结果优于临床数据预测模型。由此,本研究能够为符合NAT适应证的乳腺癌患者提供临床决策参考,辅助实现个体化精准治疗,对改善患者生活质量及生存预期具有重大意义。 展开更多
关键词 乳腺肿瘤 乳腺癌新辅助治疗 穿刺病理全切片图像 深度学习模型 多示例学习算法 精准治疗
在线阅读 下载PDF
CastNet:深度学习定量降水临近预报模型
4
作者 曾小团 谭肇 +5 位作者 沈玉伟 范娇 黄荣成 周弘媛 梁潇 黄大剑 《气象》 北大核心 2025年第4期400-416,共17页
为了提高降水临近预报的准确性,提出一种深度神经网络相结合的对抗神经网络模型CastNet。该模型借助循环神经网络捕捉雷达回波数据的时空特征,运用对抗神经网络模拟云团生消变化,再将光流约束融入神经网络引导模型训练,加速神经网络的... 为了提高降水临近预报的准确性,提出一种深度神经网络相结合的对抗神经网络模型CastNet。该模型借助循环神经网络捕捉雷达回波数据的时空特征,运用对抗神经网络模拟云团生消变化,再将光流约束融入神经网络引导模型训练,加速神经网络的学习过程并增强模型的时空一致性,有效地解决了预报模糊性问题,提升降水强度与位置的准确性。对2023年5—10月广西及周边区域的9次主要降水过程进行检验,结果表明:在不同降水强度(≥0.1、≥2、≥7、≥15、≥25、≥40 mm·h^(-1))下,SWAN 2.0的平均TS评分分别为0.458、0.270、0.085、0.034、0.014和0.003;SWAN 3.0的平均TS评分分别为0.452、0.402、0.225、0.129、0.085和0.048;CastNet模型的平均TS评分分别为0.439、0.397、0.225、0.139、0.104和0.073。即:除个别持平外,CastNet在≥7 mm·h^(-1)及以上高降水强度中评分高于SWAN 2.0和SWAN 3.0。此外,随着预报时效延长,CastNet的相对优势更为明显。 展开更多
关键词 短时强降水 定量降水预报 深度学习模型 循环神经网络 对抗神经网络
在线阅读 下载PDF
基于AI深度学习的向家坝-三峡区间流域洪水预报 被引量：1
5
作者 崔震 郭生练 +3 位作者 向鑫 李承龙 张俊 王乐 《人民长江》 北大核心 2025年第4期49-55,共7页
为提高长江上游向家坝水库至三峡水库区间流域洪水预报精度,探索人工智能(AI)深度学习模型的可解释性途径,将特征-时间双重注意力(DA)和递归编码-解码过程(RED)耦合至长短期记忆(LSTM)神经网络,构建了DA-LSTM-RED模型;开展了向家坝水库... 为提高长江上游向家坝水库至三峡水库区间流域洪水预报精度,探索人工智能(AI)深度学习模型的可解释性途径,将特征-时间双重注意力(DA)和递归编码-解码过程(RED)耦合至长短期记忆(LSTM)神经网络,构建了DA-LSTM-RED模型;开展了向家坝水库至三峡水库区间流域1~7 d预见期的洪水模拟预报,并与LSTM-RED模型进行对比研究。结果表明:两个AI深度学习模型在训练期和检验期都取得了较好的模拟预报精度;DA-LSTM-RED模型的优势随着预见期的增加逐渐明显,7 d预见期的纳什效率系数和径流总量相对误差分别为0.94和-0.48%。DA-LSTM-RED模型能识别出与目标输出相关性较高的输入变量,不仅改善了模型的模拟预报性能,还提高了深度学习的可解释性,可为洪水模拟预报提供一种新的技术途径。 展开更多
关键词 洪水预报 注意力机制 神经网络 深度学习模型 可解释性 向家坝水库 三峡水库 长江流域
在线阅读 下载PDF
人工设计及深度学习在抗菌肽改造策略上的研究进展
6
作者 徐浩然 毕重朋 +2 位作者 王家俊 单安山 冯兴军 《食品与发酵工业》 北大核心 2025年第13期362-368,407,共8页
近年来,多重耐药病原体引发的感染显著增加,抗生素耐药性已成为全球公共卫生领域的重大挑战。抗菌肽因其独特的作用机制,被认为是对抗抗生素耐药性的潜在解决方案。然而,其在临床应用中仍面临稳定性差、活性不足及高生产成本等障碍。为... 近年来,多重耐药病原体引发的感染显著增加,抗生素耐药性已成为全球公共卫生领域的重大挑战。抗菌肽因其独特的作用机制,被认为是对抗抗生素耐药性的潜在解决方案。然而,其在临床应用中仍面临稳定性差、活性不足及高生产成本等障碍。为此,文中总结了多种改造策略,包括结构优化、靶向设计、活性增强以及生产工艺改进。同时,深度学习技术的引入,为抗菌肽序列的设计与优化提供了高效的新途径,通过预测抗菌活性和优化参数显著提升研发效率,为抗菌肽的开发与应用带来了新的希望。 展开更多
关键词 抗菌肽 深度学习预测模型 深度学习生成模型 抗菌肽改造策略 多领域结合
在线阅读 下载PDF
基于可解释多源数据特征融合的深度学习集合径流预测
7
作者 丁诚 王兆才 +1 位作者 丁伟杰 程和琴 《水科学进展》 北大核心 2025年第4期581-595,共15页
准确的径流预测是水资源管理与洪涝预警的核心,但径流过程的高度非线性给传统模型带来了挑战,且存在时空特征融合不足与可解释性欠缺等问题。本文融合遥感、气象等24类多源异构数据,综合考量人类活动与气候变化的影响,构建高精度、可解... 准确的径流预测是水资源管理与洪涝预警的核心,但径流过程的高度非线性给传统模型带来了挑战,且存在时空特征融合不足与可解释性欠缺等问题。本文融合遥感、气象等24类多源异构数据,综合考量人类活动与气候变化的影响,构建高精度、可解释的Transformer-KAN-LEC(TKL)深度学习集合径流预测模型。以嘉陵江流域11个站点的日径流预测为例开展研究,结果表明:TKL模型纳什效率系数均大于0.95,均方根误差较传统模型降低40%~80%,区间预测与极端事件预测性能均优于传统模型;可解释性分析显示,上游径流量、降水累积效应为关键影响因子。本文提出的“数据-模型-解释”系统性框架可为大流域水资源管理与洪涝预警提供支持。 展开更多
关键词 径流预测 深度学习集合模型 时空特征融合 区间预测 注意力机制
在线阅读 下载PDF
基于深度学习及多目标优化的隧道爆破参数
8
作者 奚灵智 葛双双 +6 位作者 李晨 高玮 张强 胡少斌 杨槐 陈新 赵志浩 《科学技术与工程》 北大核心 2025年第21期8841-8850,共10页
隧道爆破参数不当会严重影响隧道施工的安全和质量。因此,确定合适的爆破参数是隧道施工中一项重要的工作。为了解决此问题,基于深度学习模型鲸鱼优化深度置信网络(whale optimization deep belief network,WO-DBN)及多目标优化算法非... 隧道爆破参数不当会严重影响隧道施工的安全和质量。因此,确定合适的爆破参数是隧道施工中一项重要的工作。为了解决此问题,基于深度学习模型鲸鱼优化深度置信网络(whale optimization deep belief network,WO-DBN)及多目标优化算法非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ),提出了一种进行隧道爆破参数优化的智能算法。首先,使用开发的深度学习模型WO-DBN构建了基于地质参数及爆破参数进行隧道爆破施工安全及质量预测的智能模型,以隧道拱顶下沉和超欠挖面积作为施工安全及质量评价的指标。其次,基于建立的隧道爆破施工安全及质量评价模型,采用NSGA-Ⅱ以控制拱顶下沉和超欠挖面积为目标,提出进行隧道爆破参数优化的智能算法。最后,以蟠龙山公路隧道爆破施工为例,对提出的新算法进行工程应用验证。结果表明,采用新算法得到的施工参数,可以使得隧道拱顶下沉和超欠挖面积分别降低27.05%和60.30%,施工效果得到极大提高。因此,提出的智能算法可以为隧道爆破参数的实时优化控制提供技术支持,为隧道施工的顺利进行提供有力保障。 展开更多
关键词 隧道爆破开挖 深度学习模型 拱顶下沉 超欠挖 多目标优化
在线阅读 下载PDF
基于深度学习的CFRP蜂窝铝三明治结构冲击能量预测研究
9
作者 李仲玉 高阳 +2 位作者 袁绍阳 王彦翔 王兵 《西南大学学报(自然科学版)》 北大核心 2025年第8期26-37,共12页
针对碳纤维复合材料(Carbon Fiber Reinforced Polymer, CFRP)蜂窝铝三明治结构,提出一种使用有限元仿真作为损伤数据来源,并基于改进后的深度学习模型对三明治结构冲击能量进行预测的方法。该方法在ResNet50主干网络的全局平均池化层... 针对碳纤维复合材料(Carbon Fiber Reinforced Polymer, CFRP)蜂窝铝三明治结构,提出一种使用有限元仿真作为损伤数据来源,并基于改进后的深度学习模型对三明治结构冲击能量进行预测的方法。该方法在ResNet50主干网络的全局平均池化层之前引入一种多头注意力(Multi-Head Attention)模块,对卷积层提取的特征进行整合和筛选,使最终输入到全连接层中的特征向量更具有代表性。在RegNet主干网络的初始卷积层之后引入相同的注意力机制模块,使网络在早期就聚焦于图像中的关键区域和特征,增强底层特征的表达。研究结果表明:针对预测准确率,ResNet50网络最高达到93.7%, RegNet网络最高达到93.1%;在引入注意力模块之后,ResNet50网络能够达到98.9%, RegNet网络能够达到97.1%。2种改进的深度学习网络能够有效地预测出损伤图像中的冲击能量,为CFRP蜂窝铝三明治结构冲击能量的预测研究提供了一种新的参考。 展开更多
关键词 CFRP蜂窝铝三明治结构 低速冲击 深度学习模型 多头注意力模块 冲击能量预测
在线阅读 下载PDF
基于深度学习模型的疲劳驾驶行为识别算法 被引量：4
10
作者 张海民 《汽车安全与节能学报》 CAS CSCD 北大核心 2024年第1期121-128,共8页
为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,... 为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明:用该算法测试1000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求(每秒所执行的浮点运算次数,FLOPS)≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。 展开更多
关键词 疲劳驾驶 行为识别 深度学习模型 图像增强 特征提取
在线阅读 下载PDF
基于集合经验模态分解和Q学习策略的短期负荷预测模型
11
作者 段秦尉 何祥针 +2 位作者 潮铸 谢祥中 兰萱丽 《现代电力》 北大核心 2025年第2期360-368,共9页
短期负荷预测对电力系统的安全稳定运行有着重要意义,为此,提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先,采用集合经验模态分解对原始负荷序列进行分解,以降低预测难度。其次,在此基础上分别采用卷积神经网络... 短期负荷预测对电力系统的安全稳定运行有着重要意义,为此,提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先,采用集合经验模态分解对原始负荷序列进行分解,以降低预测难度。其次,在此基础上分别采用卷积神经网络、残差神经网络、长短时记忆神经网络和门控循环单元网络4个深度学习模型进行预测得到4个预测结果,再对其加权组合获得最终的负荷预测值。第三,利用Q学习策略对组合权重进行优化,进而最大化组合模型的预测性能。最后,通过某地区真实采集的负荷数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性。 展开更多
关键词 短期负荷预测 集合经验模态分解 深度学习模型 Q学习策略
在线阅读 下载PDF
^(18)F-FDG PET图像联合可解释的深度学习影像组学模型对原发性帕金森病和非典型性帕金森综合征的鉴别诊断 被引量：1
12
作者 李晨阳 王晨涵 +5 位作者 王静 焦方阳 徐蒨 张慧玮 左传涛 蒋皆恢 《中国医学影像学杂志》 CSCD 北大核心 2024年第3期213-219,共7页
目的探究^(18)F-FDG PET图像结合可解释的深度学习影像组学(IDLR)模型在原发性帕金森病(IPD)和非典型性帕金森综合征鉴别诊断中的应用价值。资料与方法本横断面研究纳入2015年3月—2023年2月复旦大学附属华山医院帕金森病PET成像基准数... 目的探究^(18)F-FDG PET图像结合可解释的深度学习影像组学(IDLR)模型在原发性帕金森病(IPD)和非典型性帕金森综合征鉴别诊断中的应用价值。资料与方法本横断面研究纳入2015年3月—2023年2月复旦大学附属华山医院帕金森病PET成像基准数据库330例帕金森病患者的^(18)F-FDG PET图像,其中IPD 211例、进行性核上性麻痹(PSP)59例、多系统萎缩(MSA)60例;包括2个队列(训练组270例和测试组60例)。采集所有受试者的^(18)F-FDG PET图像及临床信息并进行比较。开发一种IDLR提取特征指标,在影像组学特征的监督下从神经网络提取器收集的特征中筛选IDLR特征,并在测试组中构建二分类支持向量机模型,分别计算构建的IDLR模型、传统影像组学模型、标准化摄取值比值模型、深度学习模型在IPD/PSP/MSA组间两两分类的模型性能指标与曲线下面积。采用100次10折交叉验证在2个队列中进行独立分类与测试。通过特征映射展示大脑相关感兴趣区,使用梯度加权类激活图突出大脑中最相关的信息并可视化,检查不同疾病组的模型输出热力图,并将其与临床诊断位置进行比较。结果IDLR模型在不同帕金森综合征患者中分类效果最好,测试组中的曲线下面积(MSA与IPD 0.9357,MSA与PSP 0.9754,IPD与PSP 0.9825)优于其他模型(影像组学模型:Z=1.31~2.96,P均<0.05;标准化摄取值比值模型:Z=1.22~3.23,P均<0.05)。筛选后的IDLR特征映射的影像组学感兴趣区与梯度加权类激活图切片热力图可视化高度一致。结论IDLR模型在^(18)F-FDG PET图像中具备对IPD和非典型性帕金森综合征的鉴别诊断潜力。 展开更多
关键词 帕金森病 帕金森综合征 正电子发射断层摄影术 氟脱氧核糖F18 可解释的深度学习影像组学模型
在线阅读 下载PDF
基于深度学习的特高压三端混合直流输电线路波形特征故障区域判别方法 被引量：6
13
作者 陈仕龙 吴涛 +3 位作者 王朋林 高敬业 毕贵红 罗灵琳 《电力系统及其自动化学报》 CSCD 北大核心 2024年第1期24-36,共13页
针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,... 针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,对三端混合直流线路不同故障区域进行故障特征分析;然后,对线模电压和线模电流进行多尺度小波分解,提取线模电流中低频分量和线模电压高频分量,结合正负极电压波形特征,组成深度学习模型的输入量,并将故障区域作为输出量,构建深度学习故障区域识别模型;最后,用训练过的深度学习模型对获取的故障特征量进行处理,以实现故障区域识别的目的。通过大量仿真实验,验证了所提故障区域识别方法具有准确率高和基本不受过渡电阻影响的特性。 展开更多
关键词 特高压三端混合直流 故障特征分析 深度学习模型 故障特征量 故障区域识别
在线阅读 下载PDF
基于双模态深度学习模型的渔场渔情预报 被引量：2
14
作者 袁红春 张硕 陈冠奇 《江苏农业学报》 CSCD 北大核心 2021年第2期435-442,共8页
为解决传统渔场渔情预测方法在处理高维复杂海洋数据时存在人工干预较多、拟合困难、精度不高的问题,提出了一种基于双模态深度学习的渔场渔情预测方法。首先,该方法将不同海洋环境因子在5°×5°渔业作业区域范围内按照空... 为解决传统渔场渔情预测方法在处理高维复杂海洋数据时存在人工干预较多、拟合困难、精度不高的问题,提出了一种基于双模态深度学习的渔场渔情预测方法。首先,该方法将不同海洋环境因子在5°×5°渔业作业区域范围内按照空间相对位置映射为三维矩阵。然后,分别使用卷积神经网络模型(CNN)和深度神经网络模型(DNN)对海洋环境因子和时空因子2种异构数据进行特征提取。最后,将基于时空信息的深度神经网络模型与卷积结构进行特征融合,再将融合后的特征经过全连接层进行分类。试验结果表明,双模态深度学习模型对南太平洋长鳍金枪鱼中心渔场的渔场渔情预报率达到了89.8%,较其他渔场渔情预报模型精度提高10%~30%。同时由于该模型使用卷积神经网络,可以对任意空间分辨率的海洋环境因子进行特征提取,省去了手动匹配不同空间分辨率的过程,减少了人工干预,对南太平洋长鳍金枪鱼的渔业作业与渔场渔情预报有极高的指导意义。 展开更多
关键词 双模态深度学习模型 渔场渔情预报 长鳍金枪鱼
在线阅读 下载PDF
基于深度学习模型的伽马能谱解析方法 被引量：1
15
作者 赵日 刘娜 《原子能科学技术》 EI CAS CSCD 北大核心 2023年第2期379-388,共10页
为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模... 为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模拟构造了数据集,测试实验表明,深度学习模型核素识别率93.3%、活度计算平均误差8.6%,相较峰分析法的62.3%、28.3%,能谱重建法的78.2%、18.7%,浅层ANN模型的81.3%、14.8%,优势明显。实测实验进一步验证了上述结论。所建立方法借助深度学习的多层次特征提取能力与高数值稳定性,实现了全谱信息与伽马射线能量、数量间的复杂映射,具备高准确性、通用性,未来可为多种应用提供技术基础。 展开更多
关键词 伽马能谱 深度学习模型 残差卷积 蒙特卡罗模拟 解析方法
在线阅读 下载PDF
面向同源蛋白质探测的一种新型混合深度学习模型 被引量：1
16
作者 张茜 孙一佳 +1 位作者 白琳 李陶深 《广西科学》 CAS 2019年第3期283-290,共8页
根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有... 根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLMPHP)。通过采用统一的“管道式”深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。 展开更多
关键词 混合深度学习 同源蛋白质 深度卷积神经网络 蛋白质特征提取 深度学习模型 机器学习算法
在线阅读 下载PDF
基于病理组织切片的肺腺癌肿瘤突变预测模型
17
作者 关昕 杨雪永 +1 位作者 杨啸林 孟祥福 《计算机科学》 北大核心 2025年第S1期91-98,共8页
肿瘤突变负荷与非小细胞肺癌的免疫治疗疗效呈正相关,在临床实践中一般通过全外显子组测序来测量肿瘤突变负荷。然而,全外显子组测序操作复杂耗时、价格昂贵,导致大多数医院无法使用。基于此,提出了一种成本低、周期短、准确率高的基于... 肿瘤突变负荷与非小细胞肺癌的免疫治疗疗效呈正相关,在临床实践中一般通过全外显子组测序来测量肿瘤突变负荷。然而,全外显子组测序操作复杂耗时、价格昂贵,导致大多数医院无法使用。基于此,提出了一种成本低、周期短、准确率高的基于病理组织切片预测肺腺癌肿瘤突变负荷的深度学习模型DBFormer。首先,颜色反卷积结构将输入模型的数字病理图像的RGB和HED图像信息相结合,丰富输入的病理图像信息,使模型更加适合医学任务分类;其次,图像通过四层金字塔结构,每层都包括一个最大池化层和一个DBFormer块,最大池化层减小图像尺寸、提升特征矩阵维度,DBFormer块包含归一化层和双重路由注意力机制对图像进行特征提取和处理;最后,从公开数据集TCGA-LUAD中随机选取337张和200张肺癌组织病理图像,分别构建二分类和三分类数据集进行实验。在二分类数据集上DBFormer模型的AUC,F1-Score,Precision,Recall,分别达到了99.7%,97.3%,97.6%,97.2%;在三分类数据集上DBFormer的Accuracy,Precision,Recall,F1-Score分别达到了97.3%,97.0%,97.0%,97.1%。实验结果表明,DBFormer模型相较于经典深度学习模型,在基于数字病理图像预测肺腺癌肿瘤突变负荷任务上具有更加优异的性能。 展开更多
关键词 肿瘤突变负荷预测 肺腺癌 组织病理图像 深度学习模型 自注意力机制
在线阅读 下载PDF
基于混合深度学习的压气机喘振快速诊断及自抗扰控制方法 被引量：2
18
作者 孙守泰 汤冰 +1 位作者 薛亚丽 孙立 《中国舰船研究》 CSCD 北大核心 2024年第2期187-196,共10页
[目的]为了提升压气机设备安全、稳定运行的水平,提出一种基于混合深度学习参数辨识的喘振状态快速诊断方法,以及一种用于实现压气机退喘的自抗扰控制策略。[方法]首先,采用长短期记忆神经网络(LSTM)处理压气机参数辨识输入输出数据的... [目的]为了提升压气机设备安全、稳定运行的水平,提出一种基于混合深度学习参数辨识的喘振状态快速诊断方法,以及一种用于实现压气机退喘的自抗扰控制策略。[方法]首先,采用长短期记忆神经网络(LSTM)处理压气机参数辨识输入输出数据的时序关系,并融入高斯过程回归(GPR)的区间概率估计能力,提出一种基于LSTM和GPR结合(LSTM-GPR)的混合深度学习参数辨识算法,进而实现对压气机喘振状态的快速诊断;然后,基于自抗扰控制方法对压气机的节流阀参数进行控制,通过控制量对压气机节流阀参数的补偿,实现对压气机喘振状态的准确控制。[结果]结果表明,混合深度学习参数辨识算法可以实现对压气机临界Greitzer参数的准确辨识,能快速、准确地判断出压气机是否处于喘振状态,并且基于自抗扰控制的控制策略,可以使压气机有效退出喘振状态,相比传统的PID控制和非线性反馈控制等控制方法,所提方法快速、有效,可保证压气机的工作范围。[结论]提出的参数辨识和自抗扰控制方法能够用于压气机的喘振诊断和主动控制,可提升压气机的安全性与稳定性。 展开更多
关键词 压气机 喘振诊断 混合深度学习模型 自抗扰控制
在线阅读 下载PDF
蓝莓货架期PKO-CNN-BiLSTM-AT预测模型
19
作者 杨慧敏 郑兴婵 +3 位作者 刘中深 郑兴秀 王鹤霏 孙仕源 《食品科学》 北大核心 2025年第17期271-282,共12页
为探究贮藏于不同温度条件下蓝莓的品质变化及货架期,以‘怡颗莓’蓝莓为研究对象,测定其在5、10、15、20、25℃条件下的可溶性固形物、质量损失率、腐败率、质地参数等多个品质指标。通过基于二元灰狼优化算法进行特征选择,筛选出7个... 为探究贮藏于不同温度条件下蓝莓的品质变化及货架期,以‘怡颗莓’蓝莓为研究对象,测定其在5、10、15、20、25℃条件下的可溶性固形物、质量损失率、腐败率、质地参数等多个品质指标。通过基于二元灰狼优化算法进行特征选择,筛选出7个影响货架期的关键特征作为模型的输入变量,构建附加斑翠鸟优化算法(pied kingfisher optimizer,PKO)的卷积神经网络(convolutional neural network,CNN)-双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)-注意力机制(attention mechanism,AT)的蓝莓货架期预测模型,利用PKO对CNN-BiLSTM-AT网络进行参数化寻优,主要用以确定最优学习率、正则化参数、Attention键值及BiLSTM神经元数量。结果表明,与CNN-LSTM相比,PKO-CNN-BiLSTM-AT模型的平均绝对误差、平均绝对百分比误差、均方误差和均方根误差分别降低了76.13%、80.96%、92.03%和71.75%,决定系数增加了5.85%。说明引入PKO后的CNN-BiLSTM-AT模型显著提高了货架期的预测性能,本研究可为蓝莓在不同贮藏温度条件下的货架期制定提供理论支持。 展开更多
关键词 蓝莓品质指标 二元灰狼优化算法 斑翠鸟优化算法 深度学习模型 货架期预测
在线阅读 下载PDF
基于深度学习的软基管廊结构性能预测 被引量：3
20
作者 蔡丹丹 高玮 +3 位作者 王森 杨鹏宇 葛双双 马鹏飞 《三峡大学学报（自然科学版）》 北大核心 2024年第1期63-70,共8页
地下综合管廊在运营期普遍受到车辆荷载的微扰动影响,追踪该环境下的结构微量异常变形,判断可能发生的异常(类似差异沉降等),对准确预测管廊的安全性意义重大.针对江苏省宿迁市高铁商务区综合管廊工程,开展了现场管廊结构监测研究,实测... 地下综合管廊在运营期普遍受到车辆荷载的微扰动影响,追踪该环境下的结构微量异常变形,判断可能发生的异常(类似差异沉降等),对准确预测管廊的安全性意义重大.针对江苏省宿迁市高铁商务区综合管廊工程,开展了现场管廊结构监测研究,实测得到了车辆荷载、时间等扰动因素及其影响下的结构响应(结构沉降位移和结构应力)的大数据集.针对监测结果,基于鲸鱼算法和深度置信网络集成深度学习模型对大数据集进行深度挖掘和学习,预测结构运营的安全性.研究表明,采用深度学习模型可以对车辆荷载等微扰动影响下综合管廊结构的安全性能进行较准确的预测,模型的适用性较好. 展开更多
关键词 地下综合管廊 现场监测 集成深度学习模型 车辆荷载 安全性预测
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 … 6 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