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1,521篇文章
< 1 2 … 77 >
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：
基于多尺度残差网络的隔震构造质量检测研究 被引量：1
1
作者 党育 何亚 《东南大学学报(自然科学版)》 北大核心 2025年第1期183-193,共11页
为实现隔震构造质量的自动化检测,提出了一种基于计算机视觉的隔震构造质量检测方法。按照隔震构造图像特征和缺陷情况,将隔震构造分为7类。通过收集和拍摄全国已建的315栋隔震工程图片,构建了隔震构造数据集。参考多尺度残差网络模型Re... 为实现隔震构造质量的自动化检测,提出了一种基于计算机视觉的隔震构造质量检测方法。按照隔震构造图像特征和缺陷情况,将隔震构造分为7类。通过收集和拍摄全国已建的315栋隔震工程图片,构建了隔震构造数据集。参考多尺度残差网络模型Res2Net50,设计搭建了一个隔震构造质量初步检测模型ISDNet V2,该模型在Res2Net50的基础上,采用多个小卷积核堆叠,测试集结果表明:模型对各类隔震构造的识别平均准确率达到95.98%,F1分值均大于0.93,说明该模型对复杂背景的各类别隔震构造实拍图片具有很高的检测精度,检测结果偏于工程安全。对设置水平隔震缝的隔震构造,模型不仅能区别是否有缺陷,还可确定出缺陷位置。 展开更多
关键词 多尺度残差网络 隔震构造 数据集 质量检测
在线阅读 下载PDF
融合深度残差网络与注意力机制的驾驶人行为检测方法研究
2
作者 陈运星 崔军华 +2 位作者 吴钊 吴华伟 袁星宇 《重庆理工大学学报(自然科学)》 北大核心 2025年第3期34-42,共9页
为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾... 为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾驶行为的干扰,引入SE Block注意力机制并对图像进行特征提取和分类预测;通过与其他模型的对比试验、消融试验和特征可视化试验验证所提出模型的性能。结果表明:与其他检测模型相比,所提出模型的平均分类准确率为99.89%,其展现出更优的性能;采用Grad-CAM可视化方法解释模型的关注区域,所提出模型更精准地关注对驾驶行为判定的关键特征,进一步增强了本模型的可解释性,提高了人们对驾驶行为检测模型的信任性。 展开更多
关键词 深度学习 驾驶人行为检测 深度残差网络 注意力机制 神经网络可视化
在线阅读 下载PDF
基于敏感因素选择与残差网络的表面粗糙度预测
3
作者 史丽晨 邵献忠 +1 位作者 王海涛 豆卫涛 《计算机集成制造系统》 北大核心 2025年第2期512-523,共12页
为了对切削加工件的表面粗糙度进行预测,避免原材料浪费,提出一种基于敏感因素选择与残差网络(ResNet)的表面粗糙度预测方法。该方法首先分析切削系统中不同采样通道的振动信号与表面粗糙度之间的相关性确定敏感信号,然后利用小波包分... 为了对切削加工件的表面粗糙度进行预测,避免原材料浪费,提出一种基于敏感因素选择与残差网络(ResNet)的表面粗糙度预测方法。该方法首先分析切削系统中不同采样通道的振动信号与表面粗糙度之间的相关性确定敏感信号,然后利用小波包分解将敏感信号分解为不同频段的小波包系数并经过相关性分析选择敏感频段,最后融合各敏感频段的小波包系数构成系数矩阵作为ResNet的输入参数。结果表明,基于敏感因素选择与ResNet的预测方法的相对百分比误差不超过5.8%,均方根误差为0.0159,平均绝对误差为0.0133,决定系数为0.9148。通过与多层前馈网络、支持向量机、卷积神经网络对比证明,所提方法的预测精度具有优越性。 展开更多
关键词 残差网络 小波包分解 相关性分析 敏感频段 表面粗糙度 预测
在线阅读 下载PDF
基于改进深度残差网络的轴承故障诊断方法
4
作者 高淑芝 韩晓亮 张义民 《机械设计与制造》 北大核心 2025年第3期241-244,249,共5页
针对卷积神经网络结构因深度的增加导致的网络退化以及准确率饱和问题,本文改进深度残差网络应用于故障诊断。首先,改进的残差网络包含三个残差单元模块,改进后的残差结构去掉了不必要的非线性层,在模块首尾都加入批量归一化层提升了网... 针对卷积神经网络结构因深度的增加导致的网络退化以及准确率饱和问题,本文改进深度残差网络应用于故障诊断。首先,改进的残差网络包含三个残差单元模块,改进后的残差结构去掉了不必要的非线性层,在模块首尾都加入批量归一化层提升了网络性能;其次,采集的轴承故障样本分为训练集与测试集,将训练集数据样本输入到网络模型中进行训练优化,输入测试集数据到诊断模型中得出诊断结果;最后,利用t-SNE可视化方法对模型中每一个残差模块学习特征的过程进行分析。经轴承寿命试验台数据结果表明,本方法对滚动轴承发生故障的诊断识别率均达到100%。可见该模型具有非常好的诊断识别效果。 展开更多
关键词 滚动轴承 故障诊断 深度残差网络 t-SNE可视化
在线阅读 下载PDF
基于残差网络的有限元分析结果云图的加密方法
5
作者 董正方 代鹏翔 +3 位作者 曾繁凯 康腾奥 李运华 田林杰 《科学技术与工程》 北大核心 2025年第25期10766-10772,共7页
在有限元分析中,提高网格密度能够显著增强仿真结果的准确性,但同时也需要消耗更多的计算资源,为了解决这一矛盾,通过将Res2Net、U-Net、通道注意力机制、几何特征提取融合在一起,对低网格密度的有限元结果云图数据进行学习,预测高网格... 在有限元分析中,提高网格密度能够显著增强仿真结果的准确性,但同时也需要消耗更多的计算资源,为了解决这一矛盾,通过将Res2Net、U-Net、通道注意力机制、几何特征提取融合在一起,对低网格密度的有限元结果云图数据进行学习,预测高网格密度的有限元结果云图,从而在不牺牲精度的前提下,减少所需的计算成本。模型通过在2倍、4倍和8倍等不同尺度条件下进行实验,在测试数据上的均方误差和平均绝对误差都有显著降低,充分证明了模型在数值预测准确性方面的卓越表现,结果表明,在较少的计算资源投入下,在保证输出结果的高精度下,可利用此模型进行有限元结果云图的加密。 展开更多
关键词 有限元分析 结果云图 Res2Net残差网络 跳跃连接 注意力机制
在线阅读 下载PDF
基于时空多视野注意残差网络的城市区域交通流量预测
6
作者 陈静 杨国威 +1 位作者 张昭冲 王伟 《系统仿真学报》 北大核心 2025年第3期607-622,共16页
为高效、全面提取城市中复杂的时空相关性,提出一种新的端到端的深度学习框架—时空多视野注意残差网络(spatiotemporal multi-view attention residual network, ST-MVAR),用于城市区域交通流量预测。整合交通流量的临近性、周期性、... 为高效、全面提取城市中复杂的时空相关性,提出一种新的端到端的深度学习框架—时空多视野注意残差网络(spatiotemporal multi-view attention residual network, ST-MVAR),用于城市区域交通流量预测。整合交通流量的临近性、周期性、趋势性和外部因素作为网络输入,该网络通过跳跃连接,形成多层嵌套残差网络结构;设计多视野扩展模块,用于捕获交通流量对不同距离的空间依赖;引入坐标注意力机制,有效建立交通流量的时空相关性;通过K-Means聚类方法获取各时段交通流量所属模式,作为额外特征,进一步提高模型的预测精度。实验结果表明:ST-MVAR使用更少的参数获得更高的性能,相比之前的方法 RMSE降低14.2%。 展开更多
关键词 交通流量预测 残差网络 视野扩展 坐标注意力 K-MEANS聚类
在线阅读 下载PDF
改进的坐标残差网络应用于17-4PH材料蚀后剩余寿命预测研究
7
作者 邸娟 王程波 +3 位作者 贺磊 牛亚龙 彭超义 王建锋 《西安交通大学学报》 EI CAS 北大核心 2025年第1期206-214,共9页
为解决材料汽蚀损伤后剩余使用寿命预测困难的科学问题,提出了一种融合卷积神经网络技术的寿命预测方法,具体采用残差网络(ResNet)模型,并嵌入坐标注意力机制(CA),通过对模型进行卷积、通道数及下采样方式的优化,构建改进的坐标残差网络... 为解决材料汽蚀损伤后剩余使用寿命预测困难的科学问题,提出了一种融合卷积神经网络技术的寿命预测方法,具体采用残差网络(ResNet)模型,并嵌入坐标注意力机制(CA),通过对模型进行卷积、通道数及下采样方式的优化,构建改进的坐标残差网络(CA-ResNet)模型,以实现对17-4PH材料汽蚀损伤后剩余使用寿命的精确预测。基于超声波汽蚀试验得到的汽蚀特性曲线,通过逻辑回归(Logistic)方程对汽蚀阶段进行定量划分,并定义寿命系数ζ,同时借助超景深显微镜获取材料损伤后不同时刻的显微图像数据库,并与寿命系数ζ相对应。研究结果表明,改进的CA-ResNet网络模型在CIFAR10公开数据集上验证准确率可达92.2%,在收集的17-4PH材料的汽蚀损伤数据集上的验证准确率可达93.2%,相比ResNet18网络模型,准确率分别提高了1.5%和3.5%。通过学习率、批处理量等超参数优化后,该模型在汽蚀损伤数据集上准确率可达95.0%。采用端到端的数据驱动思想,可实现从汽蚀损伤形貌到汽蚀寿命的精确预测。 展开更多
关键词 残差网络 坐标注意力机制 汽蚀 寿命预测
在线阅读 下载PDF
基于轻量化残差网络的实时网络流量分类方法
8
作者 杨宇 唐东明 +1 位作者 李驹光 肖宇峰 《计算机工程与设计》 北大核心 2025年第10期2819-2826,共8页
针对当前广泛应用的网络流量加密技术在一定程度上对网络安全产生了严重影响的问题,基于深度学习提出了一种实时网络流量分类模型。所提方法对Inception-ResNet进行了轻量化改进,并结合加性裕度的Softmax对分类模型的损失函数进行改进;... 针对当前广泛应用的网络流量加密技术在一定程度上对网络安全产生了严重影响的问题,基于深度学习提出了一种实时网络流量分类模型。所提方法对Inception-ResNet进行了轻量化改进,并结合加性裕度的Softmax对分类模型的损失函数进行改进;除此之外,采用通道剪枝技术,进一步对模型进行轻量化改进,并使用特征融合的在线蒸馏算法对模型进行训练。在公开数据集上的实验结果表明:所提方法能够对恶意流量实现精确分类,且对13种应用程序的平均分类准确率达到了99.23%,具有较好的细粒度分类效果,相较于其它对比模型具有显著优势。 展开更多
关键词 网络流量分类 残差网络 部分卷积 轻量化 剪枝 特征融合 在线蒸馏
在线阅读 下载PDF
基于轻量级注意力残差网络的面部表情识别方法
9
作者 郜高飞 邵党国 +1 位作者 马磊 易三莉 《吉林大学学报(理学版)》 北大核心 2025年第2期437-444,共8页
针对卷积神经网络参数量大、训练时间长的问题,提出一种基于轻量级注意力残差网络的面部表情识别方法.首先,以残差网络为骨架重新搭建模型,通过减少层数并改进残差模块提高模型性能;其次,引入深度可分离卷积减少模型的参数量和计算工作... 针对卷积神经网络参数量大、训练时间长的问题,提出一种基于轻量级注意力残差网络的面部表情识别方法.首先,以残差网络为骨架重新搭建模型,通过减少层数并改进残差模块提高模型性能;其次,引入深度可分离卷积减少模型的参数量和计算工作量;最后,采用Mish函数替代ReLU函数的挤压激励模块自适应地调整通道权重.该模型在两个公共数据集CK+和JAFFE上采用经典的十折交叉验证方式进行验证,分别获得了98.16%和96.67%的准确率.实验结果表明,该方法在模型识别精度和复杂度之间进行了较好权衡. 展开更多
关键词 面部表情识别 轻量级 残差网络 深度可分离卷积 注意力机制
在线阅读 下载PDF
基于融合SENet通道注意力机制的残差网络和高光谱成像技术的血迹识别
10
作者 陈少阳 代雪晶 +1 位作者 李云鹏 汤澄清 《光谱学与光谱分析》 北大核心 2025年第12期3431-3440,共10页
犯罪现场遗留血迹的提取与鉴定为案件侦破提供了重要依据,但其快速、无损显现与检验仍是法庭科学领域的研究热点。为提高血迹的显现效率与检测精度,高光谱技术逐渐被应用于血迹的无损识别。然而,现有高光谱成像技术在血迹及类血迹识别中... 犯罪现场遗留血迹的提取与鉴定为案件侦破提供了重要依据,但其快速、无损显现与检验仍是法庭科学领域的研究热点。为提高血迹的显现效率与检测精度,高光谱技术逐渐被应用于血迹的无损识别。然而,现有高光谱成像技术在血迹及类血迹识别中,尤其是针对复杂客体上的血迹时,存在识别准确率低、效率不足等问题。为此,通过将SENet通道注意力机制与一维残差网络(ResNet18-1D)融合,提出了一种基于高光谱成像技术的血迹识别模型,旨在提高血迹的高光谱成像技术识别准确率和效率。SENet通道注意力机制通过学习自动获取每个特征通道的重要性权重,进而增强有效特征并抑制无关特征。针对承痕客体的复杂性,改进传统SENet模块,采用双分支瓶颈模型以提升模型的适用性。为了应对公安实战中复杂多变的情况,在包含多种承痕客体的公开数据集Blood Detection数据集上进行了两组实验。(1)高光谱直推式分类实验场景:训练集与测试集来自同一高光谱图像,重点分析承痕客体对血迹特征的干扰。实验表明,该模型在包含复杂客体的模拟场景中总体精度(OA)与平均精度(AA)分别达96.8%和97.6%,较当前最优的Hybrid CNN模型提升1.3%和1.9%;(2)高光谱归纳式分类实验场景:在基础场景训练后直接迁移到另一幅图像中测试,此实验侧重血迹及类血迹物质的预识别能力,更具挑战性,但更符合实际应用场景。实验表明,模型总体精度与平均精度分别为63.3%和65%,较当前最优的RNN模型提升2.2%和1.6%,并通过错误源分析发现,番茄汁因其在470 nm附近的吸收峰与血液在415 nm的特征吸收峰相似,成为主要干扰源。除横向对比不同算法外,还通过消融实验验证了SENet通道注意力机制模块对模型性能的影响。结果显示,改进后的SENet通道注意力机制模块相较于原始SENet通道注意力机制模块,使模型在两种分类场景中的总体精度与平均精度都有提升。同时,效率测试显示虽然该模型参数量较大,但残差结构与双分支SENet的协同设计显著降低计算成本,训练耗时仅为45 ms·epoch-1,满足实战的效率需求。 展开更多
关键词 高光谱成像技术 通道注意力机制 残差网络 血迹识别
在线阅读 下载PDF
残差网络在滚动轴承故障损伤尺寸识别中的应用
11
作者 吴英祥 杜少辉 +3 位作者 赵紫豪 尉询楷 陈智超 陈果 《机械科学与技术》 北大核心 2025年第5期751-758,共8页
针对当前基于机器学习的滚动轴承损伤尺寸识别精度低的问题,提出了一种基于深度残差网络的滚动轴承故障损伤尺寸识别方法。该方法以残差网络为深层特征提取主框架,建立能够将预处理后的振动样本数据映射至相应的损伤尺寸的网络模型。数... 针对当前基于机器学习的滚动轴承损伤尺寸识别精度低的问题,提出了一种基于深度残差网络的滚动轴承故障损伤尺寸识别方法。该方法以残差网络为深层特征提取主框架,建立能够将预处理后的振动样本数据映射至相应的损伤尺寸的网络模型。数据预处理时采用傅里叶变换,获得原始振动加速度时域信号的频谱图作为网络的输入;在滚动轴承加速疲劳试验机和航空发动机转子试验器等两种类型的试验器上,通过不同的损伤尺寸试验,对所提出的损伤尺寸识别方法进行了验证,并和多种方法进行了对比。结果表明:在0.3 mm的预测误差范围内,所搭建的网络模型对未参与训练的故障损伤尺寸的识别精度,内圈为91.2%,外圈为97.9%。同时,在对数据进行加噪处理后,损伤尺寸的预测误差依然能够达到0.3 mm以内的识别精度。结果充分表明该方法具有很强的故障损伤尺寸识别能力。 展开更多
关键词 深度学习 残差网络 傅里叶变换 滚动轴承 损伤尺寸识别
在线阅读 下载PDF
基于改进残差网络的光伏逆变器数据异常检测方法 被引量：1
12
作者 姚森山 庞成鑫 《太阳能学报》 北大核心 2025年第4期322-330,共9页
为解决光伏组件异常导致光伏逆变器数据异常的问题,提出一种基于改进残差网络(SCCB-ResNet50)的光伏逆变器数据异常检测方法。该方法引入马尔可夫转移场将光伏功率时序数据化转为二维图像,以增加数据特征点从而提高检测精度,同时使用改... 为解决光伏组件异常导致光伏逆变器数据异常的问题,提出一种基于改进残差网络(SCCB-ResNet50)的光伏逆变器数据异常检测方法。该方法引入马尔可夫转移场将光伏功率时序数据化转为二维图像,以增加数据特征点从而提高检测精度,同时使用改进残差网络提取数据异常特征,进行数据异常检测。改进残差网络在残差网络中引入通道注意力和空间注意力融合机制(CBAM),并使用改进的随机梯度下降(SGD)优化器和余弦退火学习率下降策略,以提高数据异常检测精度。结果表明:该方法在AUC、召回率和准确率上分别达到95.8%、81.5%、96.0%,与LSTM等其他数据异常检测方法相比,3个评价指标均得到有效提高,具有优异的数据异常检测能力。 展开更多
关键词 异常检测 光伏逆变器 故障分析 机器学习 残差网络 马尔可夫过程
在线阅读 下载PDF
基于多模态残差网络融合波形与天气信息的输电线路故障原因辨识方法
13
作者 林丰恺 王建 +3 位作者 赵启 薛汉 彭寅章 南东亮 《电力系统保护与控制》 北大核心 2025年第20期23-33,共11页
针对现有基于暂态波形图像识别的输电线路故障原因辨识,因使用的输入特征相对单一而无法进一步细分故障原因的问题,基于多模态残差网络,提出了一种融合暂态波形与天气特征的输电线路故障原因辨识方法。首先,统计分析了不同原因的输电线... 针对现有基于暂态波形图像识别的输电线路故障原因辨识,因使用的输入特征相对单一而无法进一步细分故障原因的问题,基于多模态残差网络,提出了一种融合暂态波形与天气特征的输电线路故障原因辨识方法。首先,统计分析了不同原因的输电线路故障在暂态波形和天气条件方面的特征差异。其次,以暂态波形图像和故障发生时天气情况的独热编码作为改进多模态残差网络分类器的输入。然后,利用通道注意力机制对网络提取得到的故障暂态波形图像特征和天气特征进行特征融合,实现多模态输电线路故障辨识模型的训练与测试。最后,完全采用真实故障录波数据开展了算例验证。结果表明:所提方法对故障原因的辨识准确率达到了94.87%。相比于传统的故障辨识方法,网络所需的故障特征量更少、对易混淆故障的辨识效果更好、辨识准确度更高。 展开更多
关键词 输电线路 故障辨识 多模态 残差网络 天气特征
在线阅读 下载PDF
基于Wave-ViT的改进多通道深度残差网络的电能质量扰动分类
14
作者 刘大鹏 罗嘉宾 +3 位作者 刘勇 穆勇 董彪 张淑清 《计量学报》 北大核心 2025年第5期629-637,共9页
提出一种基于小波变换视觉自注意力(Wave-ViT)模型的改进多通道深度残差网络的电能质量扰动分类方法。首先将一维时间序列电能质量扰动(PQDs)信号作为通道一的输入;再将一维PQDs信号通过格拉姆角场(GAF)映射成为二维图像作为通道二的输... 提出一种基于小波变换视觉自注意力(Wave-ViT)模型的改进多通道深度残差网络的电能质量扰动分类方法。首先将一维时间序列电能质量扰动(PQDs)信号作为通道一的输入;再将一维PQDs信号通过格拉姆角场(GAF)映射成为二维图像作为通道二的输入;利用Wave-ViT模块深层挖掘二维GAF图像信息,并作为通道三的输入。接着分别对3个通道进行深层次的特征提取,构造适用于PQDs分类的多通道网络框架。通过消融实验,证实多通道对网络收敛速度和分类精度有互补作用。进一步的噪声实验和对比试验表明该方法特征提取能力强,所需迭代次数少,且抗噪性能好,对16种扰动在随机噪声和无噪声环境下的识别率分别能达到99.81%和99.19%,为电能质量扰动识别提供了一种新的思路。 展开更多
关键词 电磁计量 电能质量扰动 Wave-ViT 深度残差网络 消融实验 噪声实验 扰动识别
在线阅读 下载PDF
基于轻量残差网络的高效半色调算法
15
作者 刘登峰 陈世海 +1 位作者 郭文静 柴志雷 《浙江大学学报(工学版)》 北大核心 2025年第1期62-69,212,共9页
为了解决图像半色调中处理速度慢以及半色调效果不佳的问题,提出基于轻量型残差卷积神经网络(CNN)的高效半色调算法.为了解决原始CNN平坦性退化问题,引入噪声补偿块,为模型提供抖动依赖.为了进一步提升模型性能,在损失函数中引入蓝噪声... 为了解决图像半色调中处理速度慢以及半色调效果不佳的问题,提出基于轻量型残差卷积神经网络(CNN)的高效半色调算法.为了解决原始CNN平坦性退化问题,引入噪声补偿块,为模型提供抖动依赖.为了进一步提升模型性能,在损失函数中引入蓝噪声损失;在半色调常值灰度图像时,抑制低频分量,优化高频区域的各向异性.实验结果表明,对比现有深度半色调方法,所提算法的参数量下降96.77%,在VOC测试集中结构相似性(SSIM)提升8.17%,峰值信噪比(PSNR)提升0.1333 dB,半色调图像具有蓝噪声特性,处理速度提升57.28%. 展开更多
关键词 残差网络 半色调 蓝噪声特性 深度学习 模型轻量化
在线阅读 下载PDF
深度残差网络在脑肿瘤MRI分类上的研究进展
16
作者 李光宇 杨锋 +1 位作者 张智悦 陈雷 《磁共振成像》 北大核心 2025年第3期143-149,161,共8页
脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来... 脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来,深度学习技术的迅猛发展为医学影像分析领域开辟了新的途径,深度残差网络(ResNet)及其衍生变体在图像分类任务中展现出了卓越的性能,为脑肿瘤MRI分类带来了新的突破。本文深入探讨了基于深度残差网络的网络模型在脑肿瘤MRI分类中的优化策略,首先介绍了深度残差网络的发展,随后详细地分析了当前深度残差网络及其衍生变体在脑肿瘤磁共振图像上的应用。最后,指出了该领域目前面临的挑战,并对未来的研究方向进行了展望,旨在为相关研究提供全面的参考和思路,推动深度残差网络在脑肿瘤MRI分类中的进一步发展和应用,从而提高脑肿瘤诊断的准确性和效率,为临床治疗提供更有力的支持。 展开更多
关键词 深度残差网络 脑肿瘤 磁共振成像 图像分类 注意力机制 迁移学习
在线阅读 下载PDF
基于稀疏先验和膨胀残差网络的两阶段电容层析成像重建方法
17
作者 刘均芝 张立峰 《计量学报》 北大核心 2025年第10期1494-1500,共7页
针对电容层析成像(ECT)图像重建过程中因不适定性导致图像重建精度低的问题,提出了一种基于稀疏先验和膨胀残差网络的两阶段图像重建方法。首先,利用重建信号的稀疏先验特性,引入Bregman距离构建目标函数,并通过贪婪Kaczmarz方法(GKM)... 针对电容层析成像(ECT)图像重建过程中因不适定性导致图像重建精度低的问题,提出了一种基于稀疏先验和膨胀残差网络的两阶段图像重建方法。首先,利用重建信号的稀疏先验特性,引入Bregman距离构建目标函数,并通过贪婪Kaczmarz方法(GKM)求解以获得初始介电常数分布;随后,以U-Net神经网络模型为主干模型,引入全局残差模块对初始介电常数分布进行多尺度特征提取;最后,进行了仿真和静态实验,并与线性反投影(LBP)和U-Net模型进行了比较分析。结果表明:该算法不仅表现出优异的鲁棒性和稳定性,提高了图像重建精度,而且适用于实际的ECT成像系统。 展开更多
关键词 多相流测量 电容层析成像 图像重建 稀疏重建 深度学习 膨胀残差网络 贪婪Kaczmarz法
在线阅读 下载PDF
基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究
18
作者 沈景涛 武哲 +2 位作者 张强 崔彦平 曹亚超 《振动与冲击》 北大核心 2025年第7期247-257,共11页
针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络... 针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络齿轮箱故障诊断方法。在ResNet18模型的基础上融合了SKNet注意力网络,构成了SK-ResNet18模型,来提高ResNet18模型对重要特征的提取能力。利用WATD算法对一维信号进行去噪,将去噪后的一维信号生成包含时序信息的MTF二维特征图,并输入到改进后的网络中进行特征提取,最终利用网络全连接层实现对故障种类的精确识别。利用东南大学齿轮故障数据集和QPZZ-II试验台采集的齿轮故障数据对该方法进行试验验证,结果表明:该方法能有效识别故障类型,相比其它智能算法,该方法在数据降噪后与不同工况下均表现出较高的优越性和可泛化性能。所提方法可为实际工业的齿轮箱故障诊断任务提供一定的参考价值。 展开更多
关键词 故障诊断 SKNet注意力网络 小波自适应阈值降噪(WATD) 马尔可夫转移场(MTF) 残差网络
在线阅读 下载PDF
基于改进双向记忆残差网络的Tor流量分类研究
19
作者 唐妍 王恒 +3 位作者 马自强 滕海龙 施若涵 张宁宁 《信息安全研究》 北大核心 2025年第5期447-456,共10页
为了解决Tor链路加密的特性导致模型难以对Tor流量进行正确分类导致监管困难的问题,提出了一种基于改进双向记忆残差网络(convolutional block attention module-bidirectional memory residual neural network, CBAM-BiMRNet)的Tor流... 为了解决Tor链路加密的特性导致模型难以对Tor流量进行正确分类导致监管困难的问题,提出了一种基于改进双向记忆残差网络(convolutional block attention module-bidirectional memory residual neural network, CBAM-BiMRNet)的Tor流量分类方法.首先,采用SMOTETomek(SMOTE and tomek links)综合采样算法平衡数据集,使模型能够对各类流量数据进行充分学习.其次,采用CBAM为重要的特征赋予更大的权值,将1维卷积与双向长短期记忆模块结合起来,提取Tor流量数据的时间特征和局部空间特征.最后,通过添加恒等映射避免因模型层数的增加而出现的梯度消失和梯度爆炸现象,并且解决了网络退化问题.实验结果表明,在ISCXTor2016数据集上,该模型对Tor流量识别的准确率达到99.22%,对Tor流量应用服务类型分类的准确率达到93.10%,证明该模型能够有效地对Tor流量进行识别和分类. 展开更多
关键词 Tor流量 残差网络 流量识别 综合采样 类别不平衡
在线阅读 下载PDF
面向重尾噪声图像分类的残差网络学习方法
20
作者 宫智宇 王士同 《计算机应用》 北大核心 2025年第10期3091-3100,共10页
针对残差网络(ResNet)在图像分类中容易受未知重尾噪声影响导致识别准确率下降的问题,提出一种多分布重尾噪声自适应残差网络(MHTNA-ResNet)模型。首先,为抑制重尾噪声对最终预测的影响,设计一个多分布重尾噪声自适应层(MHTNA),该层使... 针对残差网络(ResNet)在图像分类中容易受未知重尾噪声影响导致识别准确率下降的问题,提出一种多分布重尾噪声自适应残差网络(MHTNA-ResNet)模型。首先,为抑制重尾噪声对最终预测的影响,设计一个多分布重尾噪声自适应层(MHTNA),该层使用多种重尾分布创建噪声模板,扰动干净的训练数据,使ResNet通过训练获得对重尾噪声图像的识别能力;其次,MHTNA在训练中进行自适应训练,使用最大似然估计法求解更新的噪声模板参数,并根据求解参数重新生成噪声模板,控制噪声始终遵循重尾分布;最后,测试时屏蔽MHTNA,对测试图像进行重尾噪声攻击,从而检验模型的抗噪能力。实验结果表明,与PRIME模型相比,面对重尾噪声的攻击,在CIFAR10、CIFAR100和MINI-ImageNet数据集上所提模型的分类准确率分别平均提升了3.86、7.10和5.46个百分点。可见,所提模型可以有效提高ResNet面对重尾噪声干扰时的鲁棒性。 展开更多
关键词 重尾噪声 图像分类 残差网络 多分布 深度学习
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 … 77 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