期刊文献+
共找到97篇文章
< 1 2 5 >
每页显示 20 50 100
一种自适应残差卷积自编码网络及其故障诊断应用
1
作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页
针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多
关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取
在线阅读 下载PDF
基于振幅一致性残差卷积编码-解码器的不规则缺失数据重建
2
作者 王志勇 刘国昌 +2 位作者 王梓旭 郭严粮 秦晨 《吉林大学学报(地球科学版)》 北大核心 2025年第4期1336-1350,共15页
地震数据重建方法是地震信号处理中提高采样密度和获取完整波场信息的重要途径。野外勘探采集数据受到地表条件以及成本控制的限制,往往是不完整的或采样不规则的,因此研究不规则地震信号重建方法具有重要意义。本文基于不规则地震数据... 地震数据重建方法是地震信号处理中提高采样密度和获取完整波场信息的重要途径。野外勘探采集数据受到地表条件以及成本控制的限制,往往是不完整的或采样不规则的,因此研究不规则地震信号重建方法具有重要意义。本文基于不规则地震数据可以看作是规则完整数据的随机稀疏、两者在数据区间内数学统计分布高度一致、在稀疏域的表现具有极高相似性的假设,提出通过残差卷积编码-解码器将数据降维到稀疏域再升维的方法实现数据重建。进一步地,针对地震衰减导致的振幅深浅层不一致问题,以及不同数据间数学统计分布差异过大现象严重影响神经网络的训练和泛化问题,对网络的输入数据进行振幅一致性校正处理,平衡能量。合成数据算例证明了提出方法比传统二维预测误差滤波器和残差网络插值方法精度更高,比传统三维预测误差滤波器插值方法效率更快。不同的野外陆地和海洋数据算例都取得了较好的重建结果,证明该方法极大地增大了网络的泛化能力,降低了网络的训练难度。 展开更多
关键词 残差卷积编码-解码器 振幅一致性 不规则采样 数据重建 地震信号处理
在线阅读 下载PDF
基于一维残差卷积神经网络的Pi2脉动识别模型 被引量:1
3
作者 张怡悦 邹自明 方少峰 《空间科学学报》 北大核心 2025年第1期66-81,共16页
Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率. 展开更多
关键词 Pi2脉动 Pi2脉动识别模型 一维残差卷积神经网络
在线阅读 下载PDF
基于残差卷积与多头自注意力的CXR图像分类 被引量:1
4
作者 陈辉 张甜 陈润斌 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期219-227,共9页
为了提高新型冠状病毒肺炎(COVID-19)检测的效率和准确性,本文提出一种自动识别COVID-19胸部X射线(CXR)图像的网络模型(MHRA-RCNet)。在ResNet50模型的基础上,首先,采用残差卷积对CXR图像中形状复杂的感染区域进行局部特征提取。其次,... 为了提高新型冠状病毒肺炎(COVID-19)检测的效率和准确性,本文提出一种自动识别COVID-19胸部X射线(CXR)图像的网络模型(MHRA-RCNet)。在ResNet50模型的基础上,首先,采用残差卷积对CXR图像中形状复杂的感染区域进行局部特征提取。其次,选择在ResNet50的第2、3阶段引入多头关系聚合模块,以增强对全局信息的建模能力;为了进一步将局部信息和全局信息进行融合,以提高特征的表达能力和特征之间位置的相关性,在ResNet50的最后阶段引入了空洞视觉Transforme模块,有助于识别CXR图像中复杂的病变区域。最后,将融合后的特征以串联方式输入全局平均池化层进行全局空间信息整合,通过多层感知机进行图像分类并进行可视化分析。在公开访问的COVID-19 Radiography Database数据集与其他深度学习模型进行实验对比。实验结果表明:本文模型在多项分类指标上具有较好的分类精度;另外,从精确度、灵敏度和特异性上也可以直观地看出本文模型能够较好地识别新冠肺炎,进一步证明了本文模型在图像分类任务中的优越性和有效性。 展开更多
关键词 新型冠状病毒肺炎 图像分类 残差卷积 多头关系聚合 空洞视觉Transformer
在线阅读 下载PDF
基于三维循环残差卷积的脊柱CT图像分割 被引量:2
5
作者 杨玉聃 张俊华 刘云凤 《计算机工程》 CAS CSCD 北大核心 2024年第4期237-246,共10页
脊柱计算机断层摄影(CT)图像的自动分割能够辅助医生诊疗相关疾病,相较于二维分割后再进行三维重建,三维分割方法更方便且能保留图像的空间信息。针对现有三维脊柱分割方法精度较低的问题,提出一种以三维循环残差卷积为基础的U型网络对... 脊柱计算机断层摄影(CT)图像的自动分割能够辅助医生诊疗相关疾病,相较于二维分割后再进行三维重建,三维分割方法更方便且能保留图像的空间信息。针对现有三维脊柱分割方法精度较低的问题,提出一种以三维循环残差卷积为基础的U型网络对脊柱CT图像进行分割。在网络前端引入三维坐标注意力机制使网络关注感兴趣的区域,使用三维循环残差模块代替普通卷积模块,使得网络在有效累积特征的同时缓解梯度消失问题。加入高效密集连接混合卷积模块减少底层细小特征信息的丢失,提出双特征残差注意力机制代替跳跃连接进行高低层级间的语义融合,通过聚合不同层级特征对全局上下文进行建模,提升分割性能。实验结果表明:在CSI2014公开数据集上,该网络Dice相似系数(DSC)达到93.85%,相较于对比的分割网络提升了1.77~7.65个百分点,相较于其他脊椎分割方法提升了1.67~10.85个百分点;在本地腰椎数据集上,相较于对比的分割模型DSC提升了1.51~19.86个百分点,验证了所提方法的有效性和应用于计算机辅助诊疗的可行性。 展开更多
关键词 脊柱分割 三维医学图像 深度学习 注意力机制 循环残差卷积
在线阅读 下载PDF
多任务学习残差卷积网络的声源定位和深度估计方法 被引量:1
6
作者 耿林 张鸽 +3 位作者 王书海 夏晨骏 谢峰 斯嘉禾 《声学技术》 CSCD 北大核心 2024年第6期887-895,共9页
针对基于平面麦克风阵列的声源定位方法难以估计声源深度的问题,文章提出了多任务学习残差卷积网络的声源定位和深度估计方法。提出的网络模型具有两个输出分支,分别用于实现声源定位和深度估计。该网络使用函数波束形成的成像结果作为... 针对基于平面麦克风阵列的声源定位方法难以估计声源深度的问题,文章提出了多任务学习残差卷积网络的声源定位和深度估计方法。提出的网络模型具有两个输出分支,分别用于实现声源定位和深度估计。该网络使用函数波束形成的成像结果作为输入特征。通过设计一种高分辨率并且无旁瓣的目标图作为网络的标签来提高函数波束形成声源识别性能,同时将声源面与测量阵列之间的距离均匀离散成不同的深度类别,根据网络输出的深度类别的概率来估计声源深度。仿真结果表明,所提方法在五种频率的测试集中定位准确率都不低于96.95%,平均距离误差小于0.003 4 m,分类准确率大于99.05%,能够准确定位声源并估计声源深度。此外,该方法在低信噪比情况下也能有效识别声源,具有良好的泛化性。 展开更多
关键词 声源定位 深度估计 多任务学习 残差卷积网络 函数波束形成
在线阅读 下载PDF
基于一维残差卷积注意力的高速列车抗蛇行减振器故障诊断 被引量:1
7
作者 陈广 孙泽明 +1 位作者 马闻达 张菀 《计量学报》 CSCD 北大核心 2024年第7期1038-1045,共8页
针对高速列车减振器故障特征手工提取困难导致故障识别困难的难题,提出了基于一维残差卷积注意力(1DRCA)的故障诊断算法,对高速列车中抗蛇行减振器4种状态进行识别。首先,构建卷积层进行特征提取,利用卷积块注意力模块在通道和空间维度... 针对高速列车减振器故障特征手工提取困难导致故障识别困难的难题,提出了基于一维残差卷积注意力(1DRCA)的故障诊断算法,对高速列车中抗蛇行减振器4种状态进行识别。首先,构建卷积层进行特征提取,利用卷积块注意力模块在通道和空间维度上进行自适应特征优化;然后,建立残差神经网络模型,利用残差信息调整权值参数;最后,通过试验证明了该方法对于抗蛇行减振器的4种状态的故障识别是可行的,可以准确地识别正常、启动不良、对称速率故障和锯齿波故障,所提出的方法的平均准确率达到99%左右。为了进一步证明所提出模型的泛化性,采用滚动轴承的故障数据来验证了所提出模型的有效性和准确性,结果表明所提的模型较好地实现滚动轴承不同故障状态的诊断。 展开更多
关键词 振动测量 抗蛇行减振器 故障诊断 残差卷积 注意力机制
在线阅读 下载PDF
基于一维残差卷积的烟叶分级方法研究 被引量:1
8
作者 孙祥洪 罗智勇 《现代电子技术》 北大核心 2024年第2期165-170,共6页
在烟叶分级过程中,由于人为主观性、分级标准不一致等因素导致分级结果不一致。针对以上问题,提出一种一维残差卷积的烟叶等级分类模型。首先,改进VGG16网络,将方形矩阵卷积核和池化窗口改为适应于一维光谱数据的向量卷积核和池化窗口... 在烟叶分级过程中,由于人为主观性、分级标准不一致等因素导致分级结果不一致。针对以上问题,提出一种一维残差卷积的烟叶等级分类模型。首先,改进VGG16网络,将方形矩阵卷积核和池化窗口改为适应于一维光谱数据的向量卷积核和池化窗口。然后,利用BasicBlock残差模块替换多层卷积叠加的结构,对光谱数据进行更深层的提取,防止梯度消失问题。最后,在卷积层后面接入BN层模块,通过归一化的方式,防止卷积计算后由于数据分布分散而导致的网络效率降低问题。选取B2V、B1F、C4F、C1L和X2L等5种不同等级的烟叶样本的近红外光谱数据进行实验。结果表明,所提方法对5种等级烟叶训练集和测试集的平均分类准确率分别为98.0%和97.3%,明显高于其他方法。该方法在一定程度上解决了烟叶人工分级带来的误差,减少了人力输出,提高了效率。 展开更多
关键词 烟叶分级 残差卷积神经网络 残差模块 近红外光谱 数据特征提取 数据采集
在线阅读 下载PDF
残差卷积自编码网络无监督迁移轴承故障诊断 被引量:14
9
作者 温江涛 张鹏程 +1 位作者 孙洁娣 雷鸣 《中国机械工程》 EI CAS CSCD 北大核心 2022年第14期1707-1716,共10页
深度学习类轴承故障智能诊断研究中,一般会假设训练数据与测试数据同分布且典型故障样本充足,而实际工况复杂多变,难以获得大量标签数据。将残差学习引入卷积自编码,并结合迁移学习,提出了基于残差卷积自编码无监督域自适应迁移的故障... 深度学习类轴承故障智能诊断研究中,一般会假设训练数据与测试数据同分布且典型故障样本充足,而实际工况复杂多变,难以获得大量标签数据。将残差学习引入卷积自编码,并结合迁移学习,提出了基于残差卷积自编码无监督域自适应迁移的故障诊断方法。堆叠一维卷积自编码进行特征提取,通过残差学习避免过拟合,提高学习效率;融合多层多核概率分布适配来约束网络学习域不变特征;实现了基于无监督域自适应迁移学习的故障诊断,并获得了较高准确率的识别结果。采用凯斯西储大学轴承数据集进行验证,结果证明了所提出方法的有效性,此外还对主要参数及其影响进行了探讨并给出了对比结果。 展开更多
关键词 轴承故障诊断 无监督学习 深度迁移 残差卷积自编码 域自适应
在线阅读 下载PDF
时空双路3D残差卷积网络的视频烟雾检测 被引量:2
10
作者 谢宏 陈祎婧 +2 位作者 袁小芳 陈海滨 王立宸 《计算机工程与应用》 CSCD 北大核心 2020年第18期143-149,共7页
现有的视频烟雾检测方法大多通过运动检测提取疑似烟区,并依据经验手工设计提取烟雾特征,在复杂场景中检测准确率不高。针对以上问题,提出了一种基于时空双路3D残差卷积网络的视频烟雾检测方法,基于混合高斯背景模型与原始视频帧的小波... 现有的视频烟雾检测方法大多通过运动检测提取疑似烟区,并依据经验手工设计提取烟雾特征,在复杂场景中检测准确率不高。针对以上问题,提出了一种基于时空双路3D残差卷积网络的视频烟雾检测方法,基于混合高斯背景模型与原始视频帧的小波低频分量差进行疑似烟区提取,其次构造时空双路3D残差卷积神经网络,并引入注意力机制加权融合烟雾时空域特征,实现端对端的烟雾识别。实验结果表明,该方法可以得到更为完整的疑似烟区,尤其对于过于稀薄和浓厚的烟雾分割效果较好,且相比于传统的烟雾检测方法和2D的烟雾检测卷积网络,在烟雾检测准确率上得到了提高。 展开更多
关键词 3D残差卷积网络 烟雾检测 注意力机制 深度学习
在线阅读 下载PDF
一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法 被引量:2
11
作者 管军 石爱业 +2 位作者 徐传杰 李景奇 胡锐 《现代电子技术》 2023年第14期7-10,共4页
为提高多时相遥感影像的海岛变化检测精度,文中采用编解码结构模型将变化检测中变和不变的二分类问题视为语义分割任务,提出一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法(RMFNet)。首先,在编码器层构建4组优化的残差... 为提高多时相遥感影像的海岛变化检测精度,文中采用编解码结构模型将变化检测中变和不变的二分类问题视为语义分割任务,提出一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法(RMFNet)。首先,在编码器层构建4组优化的残差卷积块(RC)用于提取特征信息,每组残差卷积块通过三重跳跃连接方式提高网络的泛化能力;其次,构建基于空洞空间金字塔池化的多尺度特征融合块(MFF),融合语义信息、全局上下文信息以充分学习海岛变化与未变化的特征;然后,使用损失函数指导残差卷积块和多尺度特征融合块的训练;最后,以中国香港岛为例,基于公开的变化检测OSCD数据集进行仿真实验。结果表明:提出的RMFNet方法的Kappa值比CNN、ResNet-18、PSPNet、SegNet、UNet五种方法分别提高0.2509、0.2019、0.1313、0.0786、0.0380,验证了该方法的有效性。 展开更多
关键词 多时相遥感影像 残差卷积 多尺度特征融合块 特征信息提取 变化检测 损失函数
在线阅读 下载PDF
基于残差卷积自注意力神经网络的铝电解过热度识别方法 被引量:3
12
作者 林清扬 陈晓方 谢永芳 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第1期8-17,共10页
过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基... 过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力. 展开更多
关键词 过热度识别 多源异构 残差卷积自注意力机制 无监督预训练 铝电解过程
在线阅读 下载PDF
基于可分离残差卷积与语义补偿的U-Net坝面裂缝分割 被引量:1
13
作者 庞杰 张华 +1 位作者 冯春成 李林静 《计算机工程》 CAS CSCD 北大核心 2021年第4期306-312,共7页
坝面缺陷检测是水利枢纽安全巡检的关键环节,但复杂环境下坝面图像存在干扰噪声大和像素不均衡等问题,造成坝面裂缝难以精细分割。提出一种利用可分离残差卷积和语义补偿的U-Net裂缝分割方法。在U-Net网络的编码端构建更大尺寸的可分离... 坝面缺陷检测是水利枢纽安全巡检的关键环节,但复杂环境下坝面图像存在干扰噪声大和像素不均衡等问题,造成坝面裂缝难以精细分割。提出一种利用可分离残差卷积和语义补偿的U-Net裂缝分割方法。在U-Net网络的编码端构建更大尺寸的可分离残差卷积模块替换常规卷积模块,从而扩大特征层感受野并避免丢失裂缝边界信息,同时在解码端增加语义特征补偿模块改善多尺度特征融合效果,将焦点损失函数和中心损失函数作为目标函数,加大裂缝前景与困难样本的损失权重以提高分类准确度。在自制西南某水电站坝面裂缝数据集上的实验结果表明,该方法的F1值和交并比分别达到69.89%与53.72%,分割效果较SegNet、FCN-8S等传统方法更优,对细小裂缝区域的识别能力更强。 展开更多
关键词 坝面裂缝 可分离残差卷积 语义补偿 焦点损失 中心损失
在线阅读 下载PDF
基于可融合残差卷积块的深度神经网络模型层剪枝方法 被引量:2
14
作者 徐鹏涛 曹健 +3 位作者 孙文宇 李普 王源 张兴 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第5期801-807,共7页
针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼... 针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼具推理时间短和剪枝效果好的优点。实验结果表明,在图像分类任务和目标检测任务中,该方法可使模型在精度损失较小的情况下获得极高的压缩率,优于先进的卷积核剪枝方法。 展开更多
关键词 卷积神经网络 层剪枝 可融合残差卷积 稀疏化训练 图像分类
在线阅读 下载PDF
基于多分支门控残差卷积神经网络的短期电力负荷预测 被引量:15
15
作者 樊江川 于昊正 +2 位作者 刘慧婷 杨丽君 安佳坤 《中国电力》 CSCD 北大核心 2022年第11期155-162,174,共9页
短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预... 短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预测模型。该模型首先采用多分支门控残差卷积神经网络对历史负荷的周周期特征、日周期特征、近邻特征进行深度特征提取;其次为增加模型的非线性拟合能力,采用注意力机制对权重进一步合理分配;最后通过归一化指数函数计算后输出负荷预测结果。使用2016年某电力竞赛数据进行实验,通过与4种常用模型对比,该模型预测结果的平均绝对百分误差(MAPE)评价指标下降了0.02%~0.70%,验证了该模型提高负荷预测精度的有效性。 展开更多
关键词 短期负荷预测 多分支神经网络 门控残差卷积神经网络 注意力机制 特征提取
在线阅读 下载PDF
基于数据融合及残差卷积自编码器的结构损伤识别方法 被引量:7
16
作者 刘玉驰 蒋玉峰 +1 位作者 王树青 马春可 《振动与冲击》 EI CSCD 北大核心 2023年第4期194-203,共10页
深海混输立管作业期间持续遭受外部风浪流耦合荷载及内部矿液两相流体磨蚀作用,长期作用下结构损伤逐渐积累。立管结构呈高长细比、柔性状态,传统结构损伤识别过程中存在模态参数识别困难、单测点响应损伤敏感度低等诸多问题。针对上述... 深海混输立管作业期间持续遭受外部风浪流耦合荷载及内部矿液两相流体磨蚀作用,长期作用下结构损伤逐渐积累。立管结构呈高长细比、柔性状态,传统结构损伤识别过程中存在模态参数识别困难、单测点响应损伤敏感度低等诸多问题。针对上述问题,该研究提出了基于数据融合及一维残差卷积自编码器(one dimension residual convolution autoencoder, 1D-RCAE)的深海混输立管结构损伤识别方法,以结构损伤敏感的应变动态响应为输入,使用主成分分析(principal component analysis, PCA)进行多测点应变响应特征融合,进一步利用1D-RCAE自动提取损伤敏感特征,以结构损伤前后敏感特征间的马氏距离构建结构损伤判定指标,实现混输立管结构健康状态监测。通过500 m深海混输立管结构数值模拟和立管物理缩尺模型试验对该研究提出的方法进行验证,结果表明,有限测量信息下能够有效实现深海混输立管结构损伤识别,其中数值模拟验证损伤识别准确率高于99%,物理模型验证损伤识别准确率高于98%。同时探究了噪声污染、海洋环境因素变化对该研究提出方法损伤识别性能的影响规律。 展开更多
关键词 深海混输立管 结构损伤识别 一维残差卷积自编码器(1D-RCAE) 主成分分析(PCA) 数据融合
在线阅读 下载PDF
基于改进残差卷积自编码网络的类自适应旋转机械故障诊断 被引量:5
17
作者 张剑 程培源 邵思羽 《计算机应用》 CSCD 北大核心 2022年第8期2440-2449,共10页
针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题,提出一种结合改进残差卷积自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和目标域数据创建为成对样本,并设计一种改进的一维残差... 针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题,提出一种结合改进残差卷积自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和目标域数据创建为成对样本,并设计一种改进的一维残差卷积自编码网络对两种不同分布的原始振动信号进行特征提取;其次,利用最大均值差异(MMD)减小分布差异,并将两个域同一故障类别的数据空间映射到一个共同的特征空间,最终实现准确的故障诊断。实验结果表明,与微调、域自适应等方法相比,所提模型能够有效提高不同工况、微量已标记的目标域振动数据下的故障诊断准确率。 展开更多
关键词 残差卷积自编码网络 类自适应 旋转机械故障诊断 小样本 最大均值差异
在线阅读 下载PDF
基于双流残差卷积神经网络的养殖鳗鲡(Anguilla)摄食强度评估研究 被引量:1
18
作者 李凯 江兴龙 +1 位作者 许志扬 林茜 《海洋与湖沼》 CAS CSCD 北大核心 2023年第4期1207-1216,共10页
为实现对养殖鳗鲡(Anguilla)摄食强度的准确评估,提出了一种基于双流残差卷积神经网络的鳗鲡摄食强度评估方法,该方法针对传统双流网络(Two-stream)中存在的问题做出了相应的改进。首先针对传统双流网络存在网络结构较浅,无法提取到充... 为实现对养殖鳗鲡(Anguilla)摄食强度的准确评估,提出了一种基于双流残差卷积神经网络的鳗鲡摄食强度评估方法,该方法针对传统双流网络(Two-stream)中存在的问题做出了相应的改进。首先针对传统双流网络存在网络结构较浅,无法提取到充分的鳗鲡摄食行为特征的问题,选择使用ResNet50网络进行替换,以提取到更具代表性的特征。其次针对传统双流网络最后的分类结果是把空间流和时间流的得分取平均值融合而获得,这种方式较为简单,且其空间流和时间流网络为独立进行训练,容易导致网络出现学习不到鳗鲡摄食行为的时空关联特征的问题,选择使用特征层融合方式对空间流和时间流网络提取获得的特征进行融合,让网络能够并行进行训练,以提取到时空信息间的关联特征。试验结果表明:文内提出的基于双流残差卷积神经网络的鳗鲡摄食强度评估方法准确率达到98.6%,与单通道的空间流和时间流网络相比,准确率分别提升了5.8%和8.5%,与传统的双流网络相比准确率也提升了3.2%。 展开更多
关键词 鳗鲡 摄食强度 双流残差卷积神经网络 ResNet50 并行训练 特征层融合
在线阅读 下载PDF
基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别 被引量:23
19
作者 黄勇康 梁美玉 +2 位作者 王笑笑 陈徵 曹晓雯 《计算机应用》 CSCD 北大核心 2022年第3期736-742,共7页
针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多... 针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多人学生课堂行为识别算法。首先,结合实时目标检测和跟踪,得到每个学生的实时图片流;接着,利用深度时空残差卷积神经网络对每个学生行为的时空特征进行学习,从而实现课堂教学场景中面向多学生目标的课堂行为的实时识别;此外,构建了智能教学评估模型,并设计实现了基于学生课堂行为识别的智能教学评估系统,助力教学质量的提升,以实现智慧教育。通过在课堂教学视频数据集上进行实验对比与分析,验证了提出的课堂教学视频中实时多人学生课堂行为识别模型能够达到88.5%的准确率,且所构建的基于课堂行为识别的智能教学评估系统在课堂教学视频数据集上也已取得较好的运行效果。 展开更多
关键词 深度时空残差卷积神经网络 目标检测 目标跟踪 多人课堂行为识别 智能教学评估
在线阅读 下载PDF
蒙版残差卷积神经网络辅助的输电杆塔快速倾斜空三建模 被引量:9
20
作者 王卓林 卢晨 +2 位作者 黄昊 马霄雯 吴名洲 《遥感信息》 CSCD 北大核心 2021年第6期86-93,共8页
为提高输电线杆塔三维重建的效率,解决传统方法在电力杆塔提取和重建方面不准确的问题,提出了蒙版残差卷积神经网络(Mask RCNN)辅助的高压电力杆塔快速三维重建技术。该方法将杆塔三维重建从整个环境三维重建的任务中分离出来,基于杆塔... 为提高输电线杆塔三维重建的效率,解决传统方法在电力杆塔提取和重建方面不准确的问题,提出了蒙版残差卷积神经网络(Mask RCNN)辅助的高压电力杆塔快速三维重建技术。该方法将杆塔三维重建从整个环境三维重建的任务中分离出来,基于杆塔实例分割,采用基于蒙版的空三和密集匹配方法,直接对杆塔对象进行实例化三维重建,进而提高杆塔重建的效率。实验结果表明,该方法可显著提高密集匹配效率,在高压电力杆塔快速三维重建方面具有优势。 展开更多
关键词 高压电力杆塔 三维重建 倾斜空中三角测量 蒙版残差卷积神经网络 实例分割 无人机
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部