检索结果-维普期刊中文期刊服务平台

基于改进U-Net的微地震事件识别方法: 1; 作者董春峰张岩 +1 位作者刘小秋董宏丽《吉林大学学报(地球科学版)》北大核心 2025年第3期970-986,共17页; 微地震事件识别是水力压裂微地震监测数据处理的一个关键环节,当前基于深度学习的微地震事件识别方法在有效事件特征提取和抗噪方面存在一定的局限,无法满足后续微地震震源定位、反演等工作的要求。本文提出基于改进U-Net的微地震事件... 展开更多; 关键词微地震事件识别 U-Net 残差收缩模块注意力门信号处理; 在线阅读下载PDF 职称材料

改进残差结构的轻量级故障诊断方法被引量：5: 2; 作者刘芯志彭成 +1 位作者满君丰刘翊《计算机工程与设计》北大核心 2022年第8期2303-2310,共8页; 针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结... 展开更多; 关键词蓝图可分离卷积空间通道注意力深度残差收缩模块轻量级高斯白噪声; 在线阅读下载PDF 职称材料

基于多模态时-频特征融合的信号调制格式识别方法被引量：3: 3; 作者贺超陈进杰 +1 位作者金钊雷印杰《计算机科学》 CSCD 北大核心 2023年第4期226-232,共7页; 自动调制识别(Automatic Modulation Recognition,AMR)是认知无线电中的关键技术,在无线通信中有着广泛应用。针对现有的自动调制识别方法大多都只利用了信号时域或频域的单模态信息,忽略了多模态信息之间的互补性的问题,提出了一种基... 展开更多; 关键词自动调制识别跨模态注意力融合对比学习残差收缩模块复数双向门控循环单元; 在线阅读下载PDF 职称材料

基于DRSN-CW和LSTM的轴承故障诊断被引量：8: 4; 作者王磊孙志成 +2 位作者王磊陈端兵蒋家玮《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第6期921-927,共7页; 利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点... 展开更多; 关键词注意力机制残差收缩模块故障诊断长短时记忆网络信号处理; 在线阅读下载PDF 职称材料

题名基于改进U-Net的微地震事件识别方法: 1; 作者董春峰张岩刘小秋董宏丽; 机构东北石油大学电气信息工程学院东北石油大学人工智能能源研究院东北石油大学计算机与信息技术学院; 出处《吉林大学学报(地球科学版)》北大核心 2025年第3期970-986,共17页; 基金国家自然科学基金项目(U21A2019) 黑龙江省科技创新基地奖励项目(JD24A009)。; 文摘微地震事件识别是水力压裂微地震监测数据处理的一个关键环节,当前基于深度学习的微地震事件识别方法在有效事件特征提取和抗噪方面存在一定的局限,无法满足后续微地震震源定位、反演等工作的要求。本文提出基于改进U-Net的微地震事件识别方法,该方法在U-Net下采样过程中引入残差收缩模块,通过残差块实现网络结构的跨层连接以减少模型训练时特征信息的损失,结合软阈值收缩技术削弱微地震数据中噪声特征的干扰,增强模型的抗噪能力;在上采样过程中引入注意力门机制,通过门控信号对提取到的微地震数据特征向量进行加权,使模型重点关注数据中含有微地震事件的区域,提高模型有效特征的提取能力与识别精度。合成和实际微地震数据实验结果表明,本文方法可充分提取有效微地震事件特征,相比于传统卷积神经网和残差网络能更准确地识别出微地震事件,测试集准确率分别提高6.28%、3.70%,尤其对能量弱的微地震信号的识别精度高于同类网络模型,并具有较好的抗噪与泛化能力。; 关键词微地震事件识别 U-Net 残差收缩模块注意力门信号处理; Keywords microseismic event recognition U-Net residual shrinking module attention gate signal processing; 分类号 P631.4 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名改进残差结构的轻量级故障诊断方法被引量：5: 2; 作者刘芯志彭成满君丰刘翊; 机构湖南工业大学计算机学院中南大学自动化学院工业和信息化部国家先进轨道交通装备创新中心; 出处《计算机工程与设计》北大核心 2022年第8期2303-2310,共8页; 基金国家自然科学基金项目(61871432、61702177) 湖南省自然科学基金项目(2019JJ60008、2019JJ60054、2020JJ4275、2020JJ6086) +1 种基金湖南省研究生创新基金项目(CX20201050)。; 文摘针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结构,加强特征表达能力,改进深度残差收缩模块,提高模型复杂噪声场景的鲁棒性。通过增加不同幅值的高斯白噪声模拟轴承信号复杂环境场景。实验结果表明,该模型4种评价指标均优于对比算法,具有良好的抗噪性能。; 关键词蓝图可分离卷积空间通道注意力深度残差收缩模块轻量级高斯白噪声; Keywords blueprint separable convolution spatial channel attention deep residual shrinking module lightweight Gaussian white noise; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于多模态时-频特征融合的信号调制格式识别方法被引量：3: 3; 作者贺超陈进杰金钊雷印杰; 机构四川大学电子信息学院; 出处《计算机科学》 CSCD 北大核心 2023年第4期226-232,共7页; 文摘自动调制识别(Automatic Modulation Recognition,AMR)是认知无线电中的关键技术,在无线通信中有着广泛应用。针对现有的自动调制识别方法大多都只利用了信号时域或频域的单模态信息,忽略了多模态信息之间的互补性的问题,提出了一种基于多模态时-频特征融合的信号调制格式识别方法。首先,在融合之前利用对比学习对齐信号的时域特征和频域特征,减小时-频特征间的异质性差异。然后,采用跨模态注意力实现时域特征和频域特征的互补性融合。最后,为了进一步提高模型整体的性能,在频域编码器中引入残差收缩模块来提取信号时频图的频域特征,并在时域编码器中引入复数双向门控循环单元,以提取I和Q两路信号之间的相关性特征及信号时序特征。在RadioML2016a上进行了实验,结果表明,所提方法具有较高的识别准确率和噪声鲁棒性。; 关键词自动调制识别跨模态注意力融合对比学习残差收缩模块复数双向门控循环单元; Keywords Automatic modulation recognition Cross-modal attention fusion Contrastive learning Residual shrinkage module Complex bidirectional gate recurrent unit; 分类号 TP389 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于DRSN-CW和LSTM的轴承故障诊断被引量：8: 4; 作者王磊孙志成王磊陈端兵蒋家玮; 机构中国人民解放军成都数之联科技股份有限公司电子科技大学大数据研究中心; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第6期921-927,共7页; 基金国家自然科学基金(61673085)。; 文摘利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点,充分提取振动信号的内部时域特征。同时,注意力机制的引入可以使得模型自动提取出重要的时域特征用于后续的故障类型识别。在凯斯西储大学(CWRU)数据集上对提出的模型进行了测试,实验表明提出的方法在无降噪处理的情况下,相比于最新的MCNN-LSTM模型能更准确地诊断轴承故障。在训练数据不足的情况下,提出的方法依旧能较好地实现轴承故障诊断,平均准确率能达到98.16%,比MCNN-LSTM平均提升了2.62%。; 关键词注意力机制残差收缩模块故障诊断长短时记忆网络信号处理; Keywords attention mechanism DRSN-CW fault detection LSTM signal processing; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 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	基于改进U-Net的微地震事件识别方法	董春峰张岩刘小秋董宏丽	《吉林大学学报(地球科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	改进残差结构的轻量级故障诊断方法	刘芯志彭成满君丰刘翊	《计算机工程与设计》北大核心	2022	5	在线阅读下载PDF 职称材料
3	基于多模态时-频特征融合的信号调制格式识别方法	贺超陈进杰金钊雷印杰	《计算机科学》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
4	基于DRSN-CW和LSTM的轴承故障诊断	王磊孙志成王磊陈端兵蒋家玮	《电子科技大学学报》 EI CAS CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料