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
2
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
模型参数对卷积神经网络电容层析成像图像重建的影响
被引量：
8
1
作者
汤政
雷刚
+2 位作者
王天祥
李健
许传龙
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第10期72-83,共12页
卷积神经网络凭借其较强的非线性拟合能力,在电容层析成像图像重建中逐渐得到应用。本文针对卷积神经网络模型超参数调节问题,研究了模型参数对卷积神经网络电容层析成像图像重建的影响。首先,通过数值方法构建了包含80000组随机流型与4...
卷积神经网络凭借其较强的非线性拟合能力,在电容层析成像图像重建中逐渐得到应用。本文针对卷积神经网络模型超参数调节问题,研究了模型参数对卷积神经网络电容层析成像图像重建的影响。首先,通过数值方法构建了包含80000组随机流型与40000组典型流型的“电容矩阵-介质分布”数据集;然后,通过该数据集中的训练集对不同超参数的卷积神经网络模型进行训练和验证,并系统研究了网络初始化、网格密度、卷积核数、全连接层神经元数以及隐藏层结构等超参数对图像重建精度的影响;接着,利用额外生成的12000组数据作为测试集对各网络模型性能进行评价;最后通过静态实验,对不同网络模型的图像重建效果进行了比较和分析。结果表明:网络隐藏层结构对图像重建精度影响较大,而网络初始化、网格密度、卷积核数以及全连接层神经元数等超参数对重建精度影响较小。
展开更多
关键词
电容层析成像
图像重建
卷积神经网络
模型超参数
在线阅读
下载PDF
职称材料
融合动态卷积Transformer与CMA-ES的锂电池寿命预测方法
2
作者
王雄燃
张菁
《太阳能学报》
北大核心
2025年第6期1-8,共8页
锂电池寿命预测对能源管理和维护具有重要意义,为解决预测过程中复杂的多维时间序列数据、长时间依赖关系以及特征的动态变化等问题,提出一种基于动态卷积神经网络层和Transformer(DCF)、协方差矩阵自适应调整的进化策略(CMAES)和多头...
锂电池寿命预测对能源管理和维护具有重要意义,为解决预测过程中复杂的多维时间序列数据、长时间依赖关系以及特征的动态变化等问题,提出一种基于动态卷积神经网络层和Transformer(DCF)、协方差矩阵自适应调整的进化策略(CMAES)和多头自注意力机制的锂电池寿命预测模型。DCF通过动态提取时间序列中的关键特征,降低数据维度和冗余性,捕捉长时间依赖;CMA-ES优化模型超参数,增强模型对局部特征与全局依赖的建模能力;多头自注意力机制则进一步聚焦重要特征,处理复杂的非线性动态关系。使用NASA提供的公开锂电池数据集进行实验验证,结果表明该方法的平均绝对误差最小达到0.28%,优于大部分使用同一数据集的现有方法。实验结果进一步证明,模型在预测准确度和泛化能力上均有提升,尤其在长期寿命预测中展现出更高的精度和鲁棒性,可为锂电池的寿命预测提供更为可靠的技术支持。
展开更多
关键词
锂电池
卷积神经网络
协方差矩阵
多头自注意力机制
模型超参数
非线性
在线阅读
下载PDF
职称材料
题名
模型参数对卷积神经网络电容层析成像图像重建的影响
被引量：
8
1
作者
汤政
雷刚
王天祥
李健
许传龙
机构
航天低温推进剂国家重点实验室东南大学基地
东南大学能源与环境学院火电机组振动国家工程研究中心
航天低温推进剂国家重点实验室
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第10期72-83,共12页
基金
国家自然科学基金(52006036)
江苏省自然科学基金(BK20190366)
+1 种基金
航天低温推进剂技术国家重点实验室开放课题(SKLTSCP1908)
中央高校基本科研业务费专项资金(3203002101C3)资助。
文摘
卷积神经网络凭借其较强的非线性拟合能力,在电容层析成像图像重建中逐渐得到应用。本文针对卷积神经网络模型超参数调节问题,研究了模型参数对卷积神经网络电容层析成像图像重建的影响。首先,通过数值方法构建了包含80000组随机流型与40000组典型流型的“电容矩阵-介质分布”数据集;然后,通过该数据集中的训练集对不同超参数的卷积神经网络模型进行训练和验证,并系统研究了网络初始化、网格密度、卷积核数、全连接层神经元数以及隐藏层结构等超参数对图像重建精度的影响;接着,利用额外生成的12000组数据作为测试集对各网络模型性能进行评价;最后通过静态实验,对不同网络模型的图像重建效果进行了比较和分析。结果表明:网络隐藏层结构对图像重建精度影响较大,而网络初始化、网格密度、卷积核数以及全连接层神经元数等超参数对重建精度影响较小。
关键词
电容层析成像
图像重建
卷积神经网络
模型超参数
Keywords
electrical capacitance tomography
image reconstruction
convolutional neural network
model hyperparameter
分类号
TK313 [动力工程及工程热物理—热能工程]
TH816 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
融合动态卷积Transformer与CMA-ES的锂电池寿命预测方法
2
作者
王雄燃
张菁
机构
上海工程技术大学电子电气工程学院
出处
《太阳能学报》
北大核心
2025年第6期1-8,共8页
基金
国家自然科学基金(51707117)。
文摘
锂电池寿命预测对能源管理和维护具有重要意义,为解决预测过程中复杂的多维时间序列数据、长时间依赖关系以及特征的动态变化等问题,提出一种基于动态卷积神经网络层和Transformer(DCF)、协方差矩阵自适应调整的进化策略(CMAES)和多头自注意力机制的锂电池寿命预测模型。DCF通过动态提取时间序列中的关键特征,降低数据维度和冗余性,捕捉长时间依赖;CMA-ES优化模型超参数,增强模型对局部特征与全局依赖的建模能力;多头自注意力机制则进一步聚焦重要特征,处理复杂的非线性动态关系。使用NASA提供的公开锂电池数据集进行实验验证,结果表明该方法的平均绝对误差最小达到0.28%,优于大部分使用同一数据集的现有方法。实验结果进一步证明,模型在预测准确度和泛化能力上均有提升,尤其在长期寿命预测中展现出更高的精度和鲁棒性,可为锂电池的寿命预测提供更为可靠的技术支持。
关键词
锂电池
卷积神经网络
协方差矩阵
多头自注意力机制
模型超参数
非线性
Keywords
lithium batteries
convolutional neural networks
covariance matrix
multi head self attention mechanism
model hyperparameters
nonlinear
分类号
TM912 [电气工程—电力电子与电力传动]
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
模型参数对卷积神经网络电容层析成像图像重建的影响
汤政
雷刚
王天祥
李健
许传龙
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021
8
在线阅读
下载PDF
职称材料
2
融合动态卷积Transformer与CMA-ES的锂电池寿命预测方法
王雄燃
张菁
《太阳能学报》
北大核心
2025
0
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
