检索结果-维普期刊中文期刊服务平台

基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法被引量：16: 1; 作者李泽东李志农 +2 位作者陶俊勇毛清华张旭辉《兵工学报》 EI CAS CSCD 北大核心 2022年第12期3228-3239,共12页; 针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障... 展开更多; 关键词注意力增强卷积深度卷积神经网络特征融合航空发动机滚动轴承故障诊断; 在线阅读下载PDF 职称材料

结合卷积增强窗口注意力的双分支语音增强神经网络: 2; 作者张晨辉原之安钱宇华《计算机研究与发展》北大核心 2025年第4期852-862,共11页; 在复杂环境以及突发背景噪音条件下,语音增强任务具有极大的困难和挑战.主要原因是现有的语音增强方法未能有效捕获语谱图特征,尤其是局部信息.在过去的研究中,Transformer模型更专注于音频的全局信息,而忽略了局部信息的重要性.在音频... 展开更多; 关键词语音增强双分支网络语谱图特征卷积增强窗口注意力全局信息局部信息; 在线阅读下载PDF 职称材料

红外弱光下多特征融合与注意力增强铁路异物检测被引量：1: 3; 作者陈永王镇 +1 位作者卢晨涛张娇娇《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1884-1895,共12页; 针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上... 展开更多; 关键词机器视觉红外弱光异物检测自适应特征融合空洞卷积增强注意力模块无锚框网络; 在线阅读下载PDF 职称材料

基于ARIMA-TCN混合模型的高速铁路时间同步方法被引量：1: 4; 作者陈永詹芝贤张薇《铁道学报》 EI CAS CSCD 北大核心 2024年第6期90-100,共11页; 列控系统作为高速铁路的核心系统,保持其系统的时间同步对于行车安全至关重要。针对现有时间同步方法易受时变上下行传输时延、随机时钟跳变等影响,导致主从时钟偏移估计不准确的问题,提出一种基于差分自回归移动平均-时域卷积神经网络(... 展开更多; 关键词时间同步精确时钟协议差分自回归移动平均模型注意力增强时域卷积网络时间补偿; 在线阅读下载PDF 职称材料

题名基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法被引量：16: 1; 作者李泽东李志农陶俊勇毛清华张旭辉; 机构南昌航空大学无损检测教育部重点实验室国防科技大学装备综合保障技术重点实验室陕西省矿山机电装备智能监测重点实验室; 出处《兵工学报》 EI CAS CSCD 北大核心 2022年第12期3228-3239,共12页; 基金国家自然科学基金项目(52075236) 江西省自然科学基金重点项目(20212ACB202005) +2 种基金装备预先研究项目(6142003190210) 陕西省矿山机电装备智能监测重点实验室开放基金重点项目(SKL-MEEIM201901)。; 文摘针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明:该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。; 关键词注意力增强卷积深度卷积神经网络特征融合航空发动机滚动轴承故障诊断; Keywords attention augmented convolution deep convolutional neural network feature fusion aero-engine rolling bearing fault diagnosis; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名结合卷积增强窗口注意力的双分支语音增强神经网络: 2; 作者张晨辉原之安钱宇华; 机构山西大学大数据科学与产业研究院山西省机器视觉与数据挖掘工程研究中心(山西大学); 出处《计算机研究与发展》北大核心 2025年第4期852-862,共11页; 基金国家自然科学基金重点项目(62136005) 新一代人工智能国家科技重大专项(2021ZD0112400) 山西省科技重大专项计划“揭榜挂帅”项目(202201020101006)。; 文摘在复杂环境以及突发背景噪音条件下,语音增强任务具有极大的困难和挑战.主要原因是现有的语音增强方法未能有效捕获语谱图特征,尤其是局部信息.在过去的研究中,Transformer模型更专注于音频的全局信息,而忽略了局部信息的重要性.在音频经过短时傅里叶变换(STFT)处理后,多数模型仅使用幅值信息,而忽略了相位信息,导致它们未能有效捕获语谱图特征,从而影响了语音增强的效果.基于此设计出一个带有卷积增强窗口注意力的双分支语音增强神经网络.该模型采用U-NET架构,通过双分支结构对音频的幅值和相位信息同时建模;在2个分支之间引入复值计算模块以实现信息交互;在编码器层和解码器层之间的跳跃连接部分采用卷积增强窗口注意力模块,该模块执行基于非重叠窗口的自注意力操作,在捕获局部上下文信息的同时显著降低了语音增强模型的计算复杂度.该模型在公开的Voicebank-Demand数据集上进行测试,与基线模型DCUNET 16和DCUNET20相比,在客观语音质量评估指标PESQ(perceptual evaluation of speech quality)分别提高了0.51和0.47.除了PESQ指标外,其他指标也都有显著的提升.相较于现有的各类语音增强模型,该模型在各项指标上均处于领先水平,尤其是在PESQ得分方面的提升更为显著.; 关键词语音增强双分支网络语谱图特征卷积增强窗口注意力全局信息局部信息; Keywords speech enhancement dual-branch network spectrogram features convolutional enhancement window attention global information local information; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN912.3 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名红外弱光下多特征融合与注意力增强铁路异物检测被引量：1: 3; 作者陈永王镇卢晨涛张娇娇; 机构兰州交通大学电子与信息工程学院甘肃省人工智能与图形图像处理工程研究中心; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1884-1895,共12页; 基金国家自然科学基金(61963023,61841303) 兰州交通大学天佑创新团队(TY202003) 兰州交通大学基础研究拔尖人才项目(2022JC36)。; 文摘针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上,引入自适应特征融合(ASFF)模块,充分利用目标高层语义与底层细粒度特征信息,提升红外目标特征提取能力。通过提出的空洞卷积增强注意力模块(Dilated-CBAM)进行关键特征提取,扩大注意力模块感受野范围,克服了原始CenterNet卷积块感受野映射区域变窄、无法检测弱小目标的问题,提升了无锚框网络的检测精度。使用Smooth L1损失函数进行训练,克服了L1损失函数在网络训练过程收敛速度慢及训练不稳定解的问题。通过铁路红外数据集及现场实验测试,结果表明:所提方法较原始CenterNet模型平均检测精度提高了8.03%,检测框置信度提升了31.23%,平均检测速率是Faster R-CNN模型的9.6倍,所提方法在红外弱光环境下能够更加快速准确地检测出铁路异物,主客观评价均优于对比方法。; 关键词机器视觉红外弱光异物检测自适应特征融合空洞卷积增强注意力模块无锚框网络; Keywords machine vision infrared low light intrusion object detection adaptive spatial feature fusion dilated-convolutional block attention module anchor-free network; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于ARIMA-TCN混合模型的高速铁路时间同步方法被引量：1: 4; 作者陈永詹芝贤张薇; 机构兰州交通大学电子与信息工程学院兰州交通大学交通运输学院; 出处《铁道学报》 EI CAS CSCD 北大核心 2024年第6期90-100,共11页; 基金国家自然科学基金(61963023) 兰州交通大学基础研究拔尖人才项目(2022JC36) 兰州交通大学重点研发项目(ZDYF2304)。; 文摘列控系统作为高速铁路的核心系统,保持其系统的时间同步对于行车安全至关重要。针对现有时间同步方法易受时变上下行传输时延、随机时钟跳变等影响,导致主从时钟偏移估计不准确的问题,提出一种基于差分自回归移动平均-时域卷积神经网络(ARIMA-TCN)混合模型的高速铁路时间同步方法。首先,根据上下行链路传输速率的不对称比,建立高速铁路时钟的数学理论和实际观测模型。然后,使用拉依达准则识别处理跳变异常值,完成实际时间序列的预处理。再次,使用ARIMA模型平滑时间序列中不确定时延带来的噪声抖动,获得平稳的时间序列。最后,通过提出的注意力增强TCN模型进行预测补偿,完成时钟偏移的补偿校正。通过实验仿真,得到基站区间内位置、基站间距以及车速对高速铁路时间同步的影响性分析。实验结果表明:与对比方法相比,所提方法补偿后的均方根误差较最小二乘法减少了75%、较最大似然估计方法误差减少了44.4%,较BP神经网络方法误差减少了16.7%,验证所提方法具有更低的同步误差和更高的同步精度。; 关键词时间同步精确时钟协议差分自回归移动平均模型注意力增强时域卷积网络时间补偿; Keywords time synchronization precision time protocol differential autoregressive integrated moving average model attention enhancement temporal convolutional network time compensation; 分类号 U285.5 [交通运输工程—交通信息工程及控制] TP393 [自动化与计算机技术—计算机应用技术]; 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	基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法	李泽东李志农陶俊勇毛清华张旭辉	《兵工学报》 EI CAS CSCD 北大核心	2022	16	在线阅读下载PDF 职称材料
2	结合卷积增强窗口注意力的双分支语音增强神经网络	张晨辉原之安钱宇华	《计算机研究与发展》北大核心	2025	0	在线阅读下载PDF 职称材料
3	红外弱光下多特征融合与注意力增强铁路异物检测	陈永王镇卢晨涛张娇娇	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
4	基于ARIMA-TCN混合模型的高速铁路时间同步方法	陈永詹芝贤张薇	《铁道学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料