基于一维残差卷积神经网络的Pi2脉动识别模型 被引量：1

1

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 职称材料

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

2

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 职称材料

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

3

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 职称材料

基于残差卷积神经网络模型的勺嘴鹬动作识别 被引量：1

4

作者 杨雪珂 蒙金超 +3 位作者 冯悦恒 林婷婷 王兆君 刘辉 《热带生物学报》 2023年第5期481-489,共9页

为开启海南热带地区鸻鹬类涉禽的动作识别以及其他野生鸟类行为学自动识别的研究,建立了基于野外采集影像的勺嘴鹬(Eurynorhynchus pygmeus)动作图像数据集。该数据集由表达勺嘴鹬主要行为模式的9种动作标签组成;同时利用ResNet50、ResN... 为开启海南热带地区鸻鹬类涉禽的动作识别以及其他野生鸟类行为学自动识别的研究,建立了基于野外采集影像的勺嘴鹬(Eurynorhynchus pygmeus)动作图像数据集。该数据集由表达勺嘴鹬主要行为模式的9种动作标签组成;同时利用ResNet50、ResNet101和ResNet152共3种残差卷积神经网络模型尝试对勺嘴鹬的动作进行自动识别。结果表明,ResNet50、ResNet101、ResNet152测试集准确率分别为96.90%、96.94%和96.90%,说明3种模型都能对勺嘴鹬图像进行快速准确的动作识别。 展开更多

关键词 残差卷积神经网络 鸟类图像 动作识别 勺嘴鹬

在线阅读 下载PDF 职称材料

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：24

5

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 职称材料

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

6

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 职称材料

基于多尺度自适应残差卷积神经网络的新能源配电网故障定位技术 被引量：6

7

作者 杨鹏杰 徐宇 郑晨一 《水利水电技术(中英文)》 北大核心 2023年第S02期439-446,共8页

随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配... 随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配电网故障定位方法。首先,对故障电流使用变分模态分解,得到一系列征模态函数;然后,使用多尺度自适应卷积动态调整卷积核尺寸、残差卷积提升网络学习能力的方式构建多尺度自适应残差卷积神经网络模型,特征学习输入的故障电流本征模态函数;最后,经过Softmax分类器实现故障区段分类,完成故障定位。仿真结果表明,所提方法面对新能源接入的配电网能够实现不同故障的准确定位,并且对高阻接地故障仍然具有较高的准确率。和常见的卷积神经网络、支持向量机相比,配电网故障定位准确率分别提升了5.63%、9.31%,验证了该方法的有效性。 展开更多

关键词 新型电力系统 新能源 配电网 故障定位 多尺度自适应残差卷积神经网络

在线阅读 下载PDF 职称材料

融合卷积神经网络与线性回归的带式输送机托辊故障音频识别方法

8

作者 陈湘源 秦伟 +1 位作者 刘晏驰 罗明华 《煤炭科学技术》 北大核心 2025年第S1期389-398,共10页

针对煤矿井下带式输送机托辊故障音频识别中存在的声源复杂、特征不显著等问题,提出一种融合卷积神经网络与线性回归的托辊故障音频识别方法。首先通过带式输送机巡检机器人搭载的MEMS拾音器采集托辊沿线音频信号,基于小波自相关去噪技... 针对煤矿井下带式输送机托辊故障音频识别中存在的声源复杂、特征不显著等问题,提出一种融合卷积神经网络与线性回归的托辊故障音频识别方法。首先通过带式输送机巡检机器人搭载的MEMS拾音器采集托辊沿线音频信号,基于小波自相关去噪技术对声音进行预处理,抑制音频信号中的背景噪声信号,优化数据质量。其次利用声纹谱分离技术,采用HPSS(谐波冲击波源分离)方法分离出谐波、冲击波分量,增强托辊故障声音信号特征;基于MFCC(梅尔频率倒谱系数)声纹特征提取方法,解析出谐波-冲击波中托辊声纹特征信息,生成声谱图,提升托辊故障声纹表征能力。最后以声谱图与声品质特征为数据源,融合故障多模态特征,丰富数据维度,基于残差卷积神经网络结构计算图像特征,多元线性回归快速拟合音频基本特征,生成融合卷积神经网络与线性回归的托辊故障音频识别模型进行联合训练,通过Focal Loss损失函数优化模型训练的样本权重,提高模型对托辊故障识别的准确率。用该方法对国能榆林郭家湾煤矿实际采集的带式输送机故障托辊音频信息进行分析验证,结果表明:托辊故障检出率达到95.79%,检出准确率达到95.60%。 展开更多

关键词 托辊故障 音频识别 声纹特征 声谱图 残差卷积神经网络 多元线性回归

在线阅读 下载PDF 职称材料

一种基于神经网络的航磁数据噪声识别和抑制方法 被引量：3

9

作者 冯进凯 李姗姗 +3 位作者 何兆超 范昊鹏 李新星 范雕 《中国惯性技术学报》 北大核心 2025年第1期18-26,共9页

航空磁力测量极易受到外界因素的干扰,噪声抑制是航磁数据处理中的关键一环。为高效识别和抑制航磁测线中存在的随机噪声,提高航磁测量精度,将神经网路方法引入到航磁测线数据的处理中,搭建了涵盖磁测数据噪声识别和噪声抑制的网络,并... 航空磁力测量极易受到外界因素的干扰,噪声抑制是航磁数据处理中的关键一环。为高效识别和抑制航磁测线中存在的随机噪声,提高航磁测量精度,将神经网路方法引入到航磁测线数据的处理中,搭建了涵盖磁测数据噪声识别和噪声抑制的网络,并提出了一套适配于该网络的数据处理流程。仿真实验表明,所搭建的模型可以实现航磁测线的噪声识别和抑制,模型对验证集中的三种类型的含噪测线识别准确率达到99.85%;针对于不同类型的测线数据,噪声抑制效果相比于传统的中值滤波方法、小波滤波方法和经验模态分解方法均有不同程度的提升。实测数据实验表明,模型对航磁测线的噪声识别率为97.78%,而且能够适配实测数据中的各种噪声类别并达到较好的去噪效果,模型不受输入测线长度限制,使用更加方便灵活。 展开更多

关键词 卷积神经网络 残差卷积神经网络 STFT转换 噪声识别 航磁信号去噪

在线阅读 下载PDF 职称材料

全卷积多并联残差神经网络 被引量：6

10

作者 李国强 张露 《小型微型计算机系统》 CSCD 北大核心 2020年第1期30-34,共5页

随着人工智能的火热发展,深度学习已经在很多领域占有了一席之地.作为深度学习中一个典型网络--残差神经网络模型自提出之日起就成为了众多研究者的关注点.然而,残差神经网络还有很大的改进空间.为了更好地解决反向传播中梯度减小的问题... 随着人工智能的火热发展,深度学习已经在很多领域占有了一席之地.作为深度学习中一个典型网络--残差神经网络模型自提出之日起就成为了众多研究者的关注点.然而,残差神经网络还有很大的改进空间.为了更好地解决反向传播中梯度减小的问题,本文提出了一种改进的残差神经网络,称为全卷积多并联残差神经网络.在该网络中,每一层的特征信息不仅传输到下一层还输出到最后的平均池化层.为了测试该网络的性能,分别在三个数据集(MNIST,CIFAR-10和CIFAR-100)上对比图像分类的结果.实验结果表明,改进后的全卷积多并联残差神经网络与残差网络相比具有更高的分类准确率和更好的泛化能力. 展开更多

关键词 深度学习 残差神经网络 全卷积多并联残差神经网络 图像分类

在线阅读 下载PDF 职称材料

基于改进残差神经网络的木材识别算法 被引量：7

11

作者 宿恒硕 吕军 +5 位作者 丁志平 唐彦杰 陈旭东 周强 张哲宇 姚青 《林业科学》 EI CAS CSCD 北大核心 2021年第12期147-154,共8页

【目的】针对传统木材种类人工鉴定方法存在的专业性强、任务重、周期长和非实时性等问题,提出一种基于改进残差神经网络的木材识别算法,以满足木材监管实时性和高效性需求。【方法】以32种横截面打磨后的木材为研究对象,首先,利用外带... 【目的】针对传统木材种类人工鉴定方法存在的专业性强、任务重、周期长和非实时性等问题,提出一种基于改进残差神经网络的木材识别算法,以满足木材监管实时性和高效性需求。【方法】以32种横截面打磨后的木材为研究对象,首先,利用外带微距镜头的手机采集8975幅木材横截面图像,通过R、G、B三通道平均灰度值计算增益系数,用各通道灰度值与对应增益系数的乘积代替原始通道灰度值,消除由图像采集设备和环境差异引起的偏色影响;其次,基于木材横截面宏观结构的自相似性,采用水平翻转、垂直翻转、添加椒盐噪声和图像分块方式获取更多的训练样本和图像特征,并保证不同种类的木材图像数量相对均衡;然后,通过双线性插值法将每幅分块子图像统一缩放至224×224像素,应用基于分块梯度加权的改进残差卷积神经网络ResNet101模型对每幅子图像进行特征提取,并计算每幅图像的最终识别得分;最后,选择平均准确率和平均召回率评价不同分块处理策略、不同模型和改进的残差卷积神经网络模型的识别结果。【结果】在同一测试集上,VggNet16、GoogleNet、DenseNet、MobileNetv3、ResNet50、ResNet101和ResNet152模型对32种相似木材横截面原图进行识别,平均识别准确率分别为71.3%、81.3%、83.2%、66.4%、87.9%、92.1%和90.5%,ResNet101模型适合于木材图像特征提取和种类鉴定;基于原图5×5、7×7和10×10分块的ResNet101模型,分别获得94.8%、96.5%和95.3%的平均准确率;将分块梯度加权策略应用于ResNet101模型,获得98.8%的平均准确率和99.1%的平均召回率,较基于原图、7×7分块的ResNet101模型,采用分块梯度加权方法改进的ResNet101模型的平均准确率分别提高6.7%和2.3%,平均召回率分别提高7.4%和2.8%,分块梯度加权方法可有效提升木材识别模型的准确率。【结论】基于分块梯度加权的ResNet101模型对32种相似木材进行识别,平均准确率为98.8%;木材横截面图像可用于木材种类识别,分块梯度加权策略能够提高模型识别准确率。 展开更多

关键词 木材识别 木材横截面图像 残差卷积神经网络 分块 梯度加权

在线阅读 下载PDF 职称材料

基于一维残差卷积的烟叶分级方法研究 被引量：1

12

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 职称材料

融合残差块与Swin-Transformer机制的刀具磨损监测方法 被引量：1

13

作者 李泽稷 周学良 孙培禄 《现代制造工程》 CSCD 北大核心 2024年第8期126-135,共10页

为进一步提高切削加工过程刀具磨损值监测的精度,提出一种融合残差块与Swin-Transformer模型的刀具磨损监测模型。首先,采用分组卷积残差块提取信号的特征;然后,利用Swin-Transformer模型中的分块滑动窗口自注意力机制对提取的特征进行... 为进一步提高切削加工过程刀具磨损值监测的精度,提出一种融合残差块与Swin-Transformer模型的刀具磨损监测模型。首先,采用分组卷积残差块提取信号的特征;然后,利用Swin-Transformer模型中的分块滑动窗口自注意力机制对提取的特征进行平移融合;最后,通过回归层实现刀具磨损值监测。试验结果表明,融合一层残差块与一层stage机制的Swin-Transformer模型可以有效融合刀具磨损状态监测信号的全局信息,相比其他Swin-Transformer模型,不仅模型结构简单,而且具有更高的监测精度,利用PHM2010数据集验证的MSE、MAE和R2分别达到4.471 9、1.467 5和0.995 8。 展开更多

关键词 刀具 磨损监测 残差卷积神经网络 Swin-Transformer模型

在线阅读 下载PDF 职称材料

基于深层残差网络的山区DEM超分辨率重构 被引量：6

14

作者 张宏鸣 全凯 +3 位作者 杨亚男 杨江涛 陈欢 郭伟玲 《农业机械学报》 EI CAS CSCD 北大核心 2021年第1期178-184,共7页

针对大区域高分辨率数字高程模型(DEM)数据较难获取、超分辨率重构(降尺度)较低分辨率的DEM精度不高、难以满足实际需要的问题,提出一种对起伏特征较明显的山区DEM超分辨率重构的方法。利用较深层的神经网络充分学习高低分辨率DEM之间... 针对大区域高分辨率数字高程模型(DEM)数据较难获取、超分辨率重构(降尺度)较低分辨率的DEM精度不高、难以满足实际需要的问题,提出一种对起伏特征较明显的山区DEM超分辨率重构的方法。利用较深层的神经网络充分学习高低分辨率DEM之间的非线性映射关系;为了降低训练难度,结合残差学习的方法进行数据训练。将双立方插值法、稀疏混合估计法重构的DEM及提取的坡度结果分别同深层残差网络法的结果进行对比,结果表明,3种方法DEM结果的差值平均值分别为0.41、0.34、0.34 m,RMSE分别为0.5945、0.5715、0.4869 m;坡度结果的差值平均值分别为3.02°、2.04°、1.99°,RMSE分别为3.6498°、3.1360°、2.7387°;处理时间分别为0.052、663.39、2.16 s。研究表明,对于10、20、40 m的DEM,本文方法在空间分布和误差方面优于其他方法,在耗时效率上也优于稀疏混合估计法,适合应用于梯田等地形复杂的区域进行超分辨率重构。 展开更多

关键词 山区 数字高程模型 超分辨率重构 坡度 深层残差卷积神经网络

在线阅读 下载PDF 职称材料

基于1D-ResNet的沥青混合料光谱分类识别方法

15

作者 王晋军 周兴林 《现代电子技术》 北大核心 2025年第8期139-144,共6页

使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估,对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类,提出一种基于一维残差卷积神经网络(1D-ResNet)的沥青混合料光谱分类方法。该方法是在卷积... 使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估,对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类,提出一种基于一维残差卷积神经网络(1D-ResNet)的沥青混合料光谱分类方法。该方法是在卷积神经网络链式结构的基础上引入残差模块来构建1D-ResNet分类模型。首先对近红外光谱数据间隔平均,并进行二阶导数(2nd D)及标准正态变量变换(SNV)预处理;然后将归一化的平均光谱、2nd D光谱及SNV光谱进行光谱序列融合;最后将融合光谱数据作为模型的输入,实现对不同老化程度沥青混合料的分类。实验结果表明:对光谱数据进行间隔平均后,1D-ResNet模型分类准确率为88.38%,采用光谱序列融合后分类准确率达98.86%,能够实现对沥青混合料的准确分类识别。 展开更多

关键词 沥青混合料 光谱分类 一维残差卷积神经网络 光谱预处理 序列融合 间隔平均法

在线阅读 下载PDF 职称材料

进展期胃癌生存预测:基于增强CT深度学习模型的构建 被引量：5

16

作者 张文娟 张利文 +3 位作者 邓娟 任铁柱 徐敏 周俊林 《放射学实践》 CSCD 北大核心 2024年第4期488-495,共8页

目的:探讨基于术前增强CT构建的深度学习(DL)模型对进展期胃癌(AGC)1、2、3年生存概率的预测价值。方法:回顾性分析2013年1月-2015年12月在本院经病理证实为AGC的337例患者的临床和CT资料。按照7:3的比例将患者随机分为训练集(n=237)和... 目的:探讨基于术前增强CT构建的深度学习(DL)模型对进展期胃癌(AGC)1、2、3年生存概率的预测价值。方法:回顾性分析2013年1月-2015年12月在本院经病理证实为AGC的337例患者的临床和CT资料。按照7:3的比例将患者随机分为训练集(n=237)和验证集(n=100)。采用数据增强技术增加训练集的数据量,随后基于术前CT增强静脉期图像构建残差卷积神经网络结构的DL模型,预测AGC患者1、2、3年的生存概率。经Cox单因素及多因素分析构建临床模型,然后联合DL模型和临床模型构建综合模型并绘制其诺莫图。计算各模型的Harrel一致性指数(C-index)和风险比(HR),并应用Kaplan-Meier曲线、校准曲线及临床决策曲线比较3种模型对OS的预测效能。结果:在训练集和验证集中,临床模型、DL模型和综合模型的C-index值分别为0.70(95%CI:0.65~0.75)、0.72(95%CI:0.67~0.76)、0.74(95%CI:0.69~0.78)和0.64(95%CI:0.56~0.71)、0.66(95%CI:0.58~0.73)、0.67(95%CI:0.59~0.74),表明综合模型具有最优的生存期预测能力;三个模型的HR分别为2.72(95%CI:2.06~4.02)、2.88(95%CI:1.89~4.39)、2.72(95%CI:2.13~3.49)和2.11(95%CI:1.43~3.11)、4.32(95%CI:1.66~11.24)、1.89(95%CI:1.36~2.60),均以DL模型的HR最高,表明DL模型预测的高危人群具有更高的死亡风险。校准曲线分析显示基于综合模型的诺莫图预测AGC患者1、2、3年生存概率与实际的预后随访结果具有较高的一致性。临床决策曲线显示综合模型的净收益优于其它2种模型。结论:基于CT增强静脉期图像利用残差卷积神经网络构建的DL模型是一种良好的AGC患者生存风险评估模型,对AGC患者生存期的早期预判具有较高的临床应用价值。 展开更多

关键词 进展期胃癌 体层摄影术 X线计算机 残差卷积神经网 深度学习 预后

在线阅读 下载PDF 职称材料

基于自适应高斯混合模型与ResDN的火焰检测算法

17

作者 王文标 时启衡 郝友维 《科学技术与工程》 北大核心 2025年第4期1580-1586,共7页

针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利... 针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利用火焰的闪烁和涌动特性,提取出序列中的可疑候选区域。第二阶段使用残差深度归一化卷积神经网络(residual deep normalization and convolutional neural network, ResDN)对可疑候选区域进行判别,并引入简化的残差块替换原有的卷积层进行轻量化设计,实现对火焰的检测与定位。相比于传统分类算法,所设计的两阶段视频火焰检测算法能够有效克服复杂场景下的环境干扰,准确快速地识别火焰,具有更高的检测率和适应性。 展开更多

关键词 火焰检测 自适应高斯混合模型(AGMM) 残差深度归一化卷积神经网络(ResDN) 机器视觉 深度学习

在线阅读 下载PDF 职称材料

RIS辅助的OFDM系统中时变信道估计方法

18

作者 邵永琪 杨丽花 +1 位作者 常澳 任露露 《系统工程与电子技术》 北大核心 2025年第1期324-331,共8页

为了克服在可重构智能反射面(reconfigurable intelligent surface,RIS)辅助的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统中现有基于深度学习的信道估计方法计算复杂度过高的问题,在RIS下利用基扩展模型(base ... 为了克服在可重构智能反射面(reconfigurable intelligent surface,RIS)辅助的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统中现有基于深度学习的信道估计方法计算复杂度过高的问题,在RIS下利用基扩展模型(base extension model,BEM)对时变信道进行建模,并提出基于残差链接超分辨率卷积神经网络的时变信道估计方法。具体来说,所提方法首先将参数较多的信道系数估计转换为参数较少的基系数估计,以降低所提方法计算复杂度。在线下训练中,利用低分辨率的基系数估计对神经网络进行训练,仅需要少量的输入即可获取高分辨率的信道估计。为了提高所提方法的实用性,将网络训练的标签设置为具有高精度的信道估计值,而非理想的信道信息。仿真实验验证,所提方法在RIS辅助移动通信系统下能够准确获取时变信道信息,且具有更高的估计精度和更低的计算复杂度。 展开更多

关键词 可重构智能反射面 正交频分复用 时变信道估计 基扩展模型 残差链接超分辨率卷积神经网络

在线阅读 下载PDF 职称材料

多源信息深度融合的行星齿轮箱故障诊断方法 被引量：10

19

作者 陈仁祥 黄鑫 +3 位作者 胡小林 徐向阳 黄钰 朱孙科 《振动工程学报》 EI CSCD 北大核心 2020年第5期1094-1102,共9页

行星齿轮箱运行工况复杂,振动激励源多,仅依靠单一征兆域会导致故障诊断结果不确定性高。为此,对行星齿轮箱多通道多征兆域深层特征信息进行融合,提出基于多源信息深度融合的行星齿轮箱故障诊断方法。首先构建多个深度残差卷积神经网络(... 行星齿轮箱运行工况复杂,振动激励源多,仅依靠单一征兆域会导致故障诊断结果不确定性高。为此,对行星齿轮箱多通道多征兆域深层特征信息进行融合,提出基于多源信息深度融合的行星齿轮箱故障诊断方法。首先构建多个深度残差卷积神经网络(Deep Residual Convolution Neural Network,DRCNN)分别对行星齿轮箱多通道多征兆域信息进行特征学习以建立局部特征空间与故障空间的映射;其次提取各子DRCNN所学习到的各征兆域深层故障特征以构建全局特征空间的证据体集;最后利用随机森林(Random Forest,RF)对证据体集进行融合以从不同角度充分利用多源故障特征信息,建立起全局特征空间与故障空间的映射,得到诊断结果。所提方法将特征自动提取与信息融合有效统一为整体,增强了方法的智能化与自适应能力。多工况下行星齿轮箱故障诊断实验结果表明所提方法诊断不确定度小、精确度高,能够有效对行星齿轮箱故障进行诊断。 展开更多

关键词 故障诊断 行星齿轮箱 深度残差卷积神经网络 随机森林 多源信息深度融合

在线阅读 下载PDF 职称材料

基于RCNN的双极化气象雷达天气信号检测 被引量：4

20

作者 高涌荇 王旭东 +3 位作者 汪玲 朱岱寅 郭军 孟凡旺 《系统工程与电子技术》 EI CSCD 北大核心 2022年第11期3380-3387,共8页

为检测混杂在地杂波、生物杂波中的天气信号,提高定量降水精度,提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先,将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移... 为检测混杂在地杂波、生物杂波中的天气信号,提高定量降水精度,提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先,将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移率堆叠为三维数组后进行预处理,将其分为天气信号与杂波信号。然后,开发并优化RCNN,给出详细的网络结构。最后,通过多次实际的降水过程对所提算法的检测效果进行评价。结果表明,相比支持向量机以及卷积神经网络(convolutional neural network, CNN),所提算法对天气信号的检测效果更好,并且在不同仰角以及全年的实测数据上均表现出良好的检测性能。 展开更多

关键词 双极化气象雷达 残差卷积神经网络 天气信号检测 深度学习

在线阅读 下载PDF 职称材料