基于双注意力图神经网络的链路预测 被引量：2

1

作者 杨真真 林泽龙 杨永鹏 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期106-114,共9页

链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1... 链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。 展开更多

关键词 链路预测 图神经网络 注意力机制 压缩-激励模块 频率自适应

在线阅读 下载PDF 职称材料

融合卷积神经网络和注意力机制的负荷识别方法 被引量：2

2

作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页

对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多

关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹

在线阅读 下载PDF 职称材料

融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析 被引量：5

3

作者 张哲 秦博宇 +2 位作者 高鑫 丁涛 张逸兴 《电网技术》 EI CSCD 北大核心 2024年第11期4648-4657,I0057,I0056,共12页

提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention mo... 提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention module,CB AM)提升传统CNN的特征捕获能力,考虑模型特性和网络结构设计CBAMCNN组合模块。其次,建立基于CBAM-CNN的电网暂态电压稳定评估模型,揭示运行工况多变场景下系统关键电气量和稳定状态之间的映射关系。最后,基于沙普利值加性解释(Shapley additive explanations,SHAP)理论提出数据驱动模型评估结果的可解释性分析框架,提炼影响样本稳定状态的主导特征,评估各输入特征量对模型输出结果的贡献程度。在典型受端电网仿真系统中验证了所提稳定评估方法的准确性和可解释性分析方法的有效性。 展开更多

关键词 卷积块注意力模块-卷积神经网络 暂态电压稳定评估 沙普利值加性解释理论 可解释性分析

在线阅读 下载PDF 职称材料

基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法 被引量：33

4

作者 尹梓诺 马海龙 胡涛 《电子与信息学报》 EI CSCD 北大核心 2023年第10期3719-3728,共10页

针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSM... 针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。 展开更多

关键词 流量异常检测 类别不平衡 一维卷积神经网络-双向长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于多重相似性和增强注意力预测药物-靶标相互作用

5

作者 王伟 余梦雪 +5 位作者 孙斌 万仕彤 刘栋 周运 张红军 王鲜芳 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期99-107,共9页

在新药发现和药物重定位研究中,发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络,提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先,提出了多重相似性来捕捉... 在新药发现和药物重定位研究中,发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络,提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先,提出了多重相似性来捕捉网络结构特征,以充分利用节点间的直接或间接关系.然后,通过PCA降维减少相似性噪声对实验结果的影响.最后,采用图卷积神经网络(graph convolution neural network,GCN)获得节点嵌入表示,并融入基于注意力的增强层,通过增强注意力机制获得节点间的注意力权重,能够高效地预测药物与靶标之间的相互作用.在黄金标准数据集上的实验结果表明RSGCN模型具有较好的性能. 展开更多

关键词 图卷积神经网络(GCN) 多重相似性 PCA 增强注意力机制 药物-靶标相互作用

在线阅读 下载PDF 职称材料

基于全局图注意力元路径异构网络的药物-疾病关联预测 被引量：1

6

作者 郁湧 杨雨洁 +2 位作者 李虓晗 高悦 于倩 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第4期576-583,共8页

提出了一个基于全局图注意力元路径异构网络模型(MHNGA)来进行药物-疾病关联预测。首先,收集整理药物和疾病数据,将已知的药物-疾病关联、药物相似性、疾病相似性构建为一个异构网络;其次,引入多个基于元路径的子图,使用图注意力神经网... 提出了一个基于全局图注意力元路径异构网络模型(MHNGA)来进行药物-疾病关联预测。首先,收集整理药物和疾病数据,将已知的药物-疾病关联、药物相似性、疾病相似性构建为一个异构网络;其次,引入多个基于元路径的子图,使用图注意力神经网络提取这些子图的邻居节点的特征,并且通过通道注意力和空间注意力机制来增强特征;最后,通过十折交叉验证的评估,MHNGA取得了93.5%的精确召回曲线下的面积和99.4%的准确率。 展开更多

关键词 异构图 药物-疾病关联 预测 图注意力神经网络 元路径

在线阅读 下载PDF 职称材料

面向特定方面情感分析的图卷积过度注意(ASGCN-AOA)模型 被引量：10

7

作者 夏鸿斌 顾艳 刘渊 《中文信息学报》 CSCD 北大核心 2022年第3期146-153,共8页

针对注意力机制与卷积神经网络模型在方面级情感分析研究中,无法发掘句中长距离单词与相关句法约束间依存关系,而将与语法无关的上下文单词作为方面情感判断线索的问题,该文提出了一种结合图卷积网络(GCN)和注意-过度注意(AOA)神经网络... 针对注意力机制与卷积神经网络模型在方面级情感分析研究中,无法发掘句中长距离单词与相关句法约束间依存关系,而将与语法无关的上下文单词作为方面情感判断线索的问题,该文提出了一种结合图卷积网络(GCN)和注意-过度注意(AOA)神经网络的方面级情感分类模型(ASGCN-AOA)。首先,采用双向长短时记忆网络来对上下文词之间特定于方面的表示进行建模;其次,在每个句子的依赖树上,建立相应图形卷积网络(GCN),得到同时考虑句法依赖性和远距离多词关系的方面特征;最后,通过AOA注意力机制,捕获方面词与上下文句子之间的交互和表示,自动关注句子重要部分。在五个数据集Twitter、Lap14、Rest14、Rest15和Rest16上进行实验,采用Accuracy和Macro-F1指标进行评估。实验结果表明,该文模型与其他基于方面分析算法相比有较明显提升。 展开更多

关键词 自然语言理解 图卷积网络 长短时记忆网络 注意-过度注意神经网络 人工智能

在线阅读 下载PDF 职称材料

跨粒度子图对比学习与注意力融合的药物—基因关系预测

8

作者 胡冬冬 彭杨 +1 位作者 谭暑秋 朱小飞 《太原理工大学学报》 北大核心 2025年第1期127-136,共10页

【目的】阐明药物和基因之间的相互联系是药物开发中的一个重要课题。目前,基于随机游走算法的图神经网络方法在解决药物与基因交互关系识别上已经取得了不错的效果,但是当前的方法,单一子图的方法往往容易忽略掉全局图的信息,不能够很... 【目的】阐明药物和基因之间的相互联系是药物开发中的一个重要课题。目前,基于随机游走算法的图神经网络方法在解决药物与基因交互关系识别上已经取得了不错的效果,但是当前的方法,单一子图的方法往往容易忽略掉全局图的信息,不能够很好地聚合节点的信息,同时,药物和基因的节点表示采用简单的融合方式,不能够有效地利用节点表示的信息,用于交互关系的分类。针对上述问题提出了跨粒度对比学习与注意力融合的药物-基因交互关系预测方法。【方法】一方面采用跨粒度的对比学习方法,得到远距离和近距离的节点信息,同时采用对比学习的结构增加对药物和基因节点的区分。另一方面利用注意力融合机制,充分挖掘节点中隐含的信息,将远近距离信息进行注意力融合。【结果】在2个真实数据集上的实验结果表明该模型比基线模型具有更好的分类效果。 展开更多

关键词 对比学习 图表示学习 关系图神经网络 注意力机制 基因-药物关系预测

在线阅读 下载PDF 职称材料

基于改进卷积-门控网络及Informer的两种中长期风电功率预测方法

9

作者 任鑫 王一妹 +3 位作者 王华 周利 葛畅 韩爽 《现代电力》 北大核心 2025年第3期542-549,共8页

为解决常规时序预测方法在长序列预测场景下表现较差的问题,从时间分辨率降维以及加强序列长期依赖特征挖掘的角度出发,提出两种中长期功率预测模型建模方法,实现了跨度10天、时间分辨率为15min的功率预测。一方面,提出改进卷积神经网络... 为解决常规时序预测方法在长序列预测场景下表现较差的问题,从时间分辨率降维以及加强序列长期依赖特征挖掘的角度出发,提出两种中长期功率预测模型建模方法,实现了跨度10天、时间分辨率为15min的功率预测。一方面,提出改进卷积神经网络-门控循环单元(convolutional neural network-gate recurrent unit,CNN-GRU)的时间尺度降维模型,通过CNN模块及GRU模块分别实现了长时间序列的融合和还原,以及降维后时间序列的预测;另一方面,基于Informer网络的多头注意力机制实现了序列长期依赖特征的挖掘。算例结果表明,两种方法在不同的场景下有着不同的适应性,在第10日的准确率和合格率分别达到74.21%/73.47%、71.81%/74.48%,与常规GRU、CNN、时间卷积网络模型相比,预测精度提升明显,预测效果良好。 展开更多

关键词 中长期功率预测 长序列预测 卷积神经网络-门控循环单元 INFORMER 多头注意力

在线阅读 下载PDF 职称材料

基于分段注意力机制的时间序列预测模型

10

作者 王慧斌 胡展傲 +2 位作者 胡节 徐袁伟 文博 《计算机应用》 北大核心 2025年第7期2262-2268,共7页

针对时间序列分段后存在因采样间隔增大而导致的长期预测过程中局部依赖关系丢失的情况,提出一种基于分段注意力机制的时间序列预测模型(SAMformer)。首先,显式地将时间静态协变量与原始数据按比例融合,以增强数据的时域信息表征能力;其... 针对时间序列分段后存在因采样间隔增大而导致的长期预测过程中局部依赖关系丢失的情况,提出一种基于分段注意力机制的时间序列预测模型(SAMformer)。首先,显式地将时间静态协变量与原始数据按比例融合,以增强数据的时域信息表征能力;其次,同时引入两个连续的带偏置的线性层和一个激活函数来微调融合数据,从而提高模型对非线性数据的拟合能力;然后,在分段序列的每个段内引入点积注意力机制,以便捕获局部特征依赖关系;最后,利用跨尺度依赖的编码器-解码器架构预测时序数据。所提模型在公开的5个时间序列数据集上的实验结果表明,相较于Crossformer、 Pyraformer和Informer等其他监督学习时序预测模型,SAMformer的均方误差(MSE)和平均绝对误差(MAE)分别降低了2.0%~62.0%和0.9%~49.8%。此外,通过消融实验验证了所提不同组件的完备性和有效性,进一步说明了融合时域信息和段内注意力机制有助于提高时间序列预测的精度。 展开更多

关键词 深度神经网络 时间序列预测 时域信息融合 编码器-解码器架构 注意力机制

在线阅读 下载PDF 职称材料

PPIS-MFH:集成ViT的多特征混合网络预测蛋白质相互作用位点

11

作者 胡昭龙 胡春玲 +1 位作者 胡瑞捷 郭龙菊 《计算机科学》 北大核心 2025年第S2期185-193,共9页

通过深入研究蛋白质-蛋白质相互作用位点(PPIS),能够揭示生命在分子层面运作的深层原理。然而现有方法鉴定PPIS复杂且耗时,需要更精确的模型进行PPIS预测。尽管基于注意力机制和卷积神经网络(CNN)的深度学习方法在PPIS预测方面取得了进... 通过深入研究蛋白质-蛋白质相互作用位点(PPIS),能够揭示生命在分子层面运作的深层原理。然而现有方法鉴定PPIS复杂且耗时,需要更精确的模型进行PPIS预测。尽管基于注意力机制和卷积神经网络(CNN)的深度学习方法在PPIS预测方面取得了进展,但在氨基酸特性表征上仍存在局限。为了有效捕捉蛋白质序列中远距离的依赖关系,并准确地表征氨基酸的特性,提出了一种用于预测蛋白质-蛋白质相互作用位点的多特征混合网络(Multi-feature hybrid networks)——PPIS-MFH,通过结合全局序列特征与局部序列特征对PPIS进行预测。对于局部序列特征,PPIS-MFH模型融合了Vision Transformer(ViT)模块,该模块能够捕获蛋白质序列中的远距离依赖性,并提取局部特征。对于全局序列特征,模型PPIS-MFH通过由文本卷积神经网络(TextCNN)并引入注意力机制的文本循环神经网络(TextRNN-Attention)构成的特征交叉网络,利用双向门控循环单元网络来识别蛋白质序列中氨基酸间的内在联系。在4个数据集上对PPIS-MFH模型进行了评估,将其与8种同类方法进行了比较。实验结果显示在大多数指标上,所提方法优于其他的同类方法。 展开更多

关键词 蛋白质-蛋白质相互作用位点 注意力机制 文本卷积神经网络 双向门控循环单元网络 特征交叉网络

在线阅读 下载PDF 职称材料

深度神经网络图像描述综述 被引量：14

12

作者 许昊 张凯 +2 位作者 田英杰 种法广 王子超 《计算机工程与应用》 CSCD 北大核心 2021年第9期9-22,共14页

深度学习的迅速发展使得图像描述效果得到显著提升,针对基于深度神经网络的图像描述方法及其研究现状进行详细综述。图像描述算法结合计算机视觉和自然语言处理的知识,根据图像中检测到的内容自动生成自然语言描述,是场景理解的重要部... 深度学习的迅速发展使得图像描述效果得到显著提升,针对基于深度神经网络的图像描述方法及其研究现状进行详细综述。图像描述算法结合计算机视觉和自然语言处理的知识,根据图像中检测到的内容自动生成自然语言描述,是场景理解的重要部分。图像描述任务中,一般采用由编码器和解码器组成的基本架构。改进编码器或解码器,应用生成对抗网络、强化学习、无监督学习以及图卷积神经网络等方法能有效提高图像描述算法的性能。对每类方法的代表模型算法的效果以及优缺点进行分析,并介绍适用的公开数据集,在此基础上进行对比实验。对图像描述面临的挑战以及未来工作的发展方向做出展望。 展开更多

关键词 深度神经网络 计算机视觉 图像描述 编码器-解码器架构 注意力机制

在线阅读 下载PDF 职称材料

融合物品关系的图神经网络推荐算法 被引量：2

13

作者 廖冬 于海征 《计算机科学》 CSCD 北大核心 2023年第S02期480-488,共9页

典型的社交推荐方法都受限于对用户的行为建模,如用户与用户之间的社交行为、用户与物品之间的交互行为,而忽略了用户感兴趣的多个物品之间存在的潜在相关性,导致信息丢失。在数据稀疏的推荐场景中,用户行为的稀疏性导致系统可用的信息... 典型的社交推荐方法都受限于对用户的行为建模,如用户与用户之间的社交行为、用户与物品之间的交互行为,而忽略了用户感兴趣的多个物品之间存在的潜在相关性,导致信息丢失。在数据稀疏的推荐场景中,用户行为的稀疏性导致系统可用的信息不足,因此需要引入具有丰富内涵的物品关系作为辅助信息。文中致力于融合用户行为和辅助信息共同建模用户的偏好,以提升推荐的准确性。推荐系统中的数据大多可以表示为图结构,例如用户的社交行为、交互行为和物品关系,可以转化为用户-用户图、用户-物品图和物品-物品图。图神经网络在处理大规模图形数据方面颇有成效,建立一个包含物品关系的图神经网络推荐框架面临巨大的挑战:1)物品-物品关系是隐式的;2)用户-用户图、用户-物品图、物品-物品图,是3种不同类型的图;3)用户与用户、用户与物品、物品与物品之间的联系都具有异质性。为了解决上述问题,文中提出了一种新的基于图神经网络的社交推荐方法(PEVGraphRec),引入了一种数学上的方法显式地构建物品间的连接,该模型能够内在地结合3种不同的图,以便更好地学习用户偏好。最后,提出了注意力机制来综合地考虑不同信息的权重。在3个真实数据集上进行实验,实验结果证明了所提方法的有效性。 展开更多

关键词 社交推荐 图神经网络 物品-物品图 异质性 注意力机制

在线阅读 下载PDF 职称材料

基于ResCSP-34的集成电路供电网络静态电压降预测研究 被引量：1

14

作者 李岳 夏益民 《电子测量技术》 北大核心 2024年第8期148-156,共9页

随着超大规模集成电路的不断发展,片上供电网络的设计日益重要,需要通过计算供电网络的静态电压降来反映设计的性能。然而传统的计算方法需要耗费大量的时间,导致芯片设计周期延长。为了缩短芯片设计的周期和提高芯片设计的效率,本文提... 随着超大规模集成电路的不断发展,片上供电网络的设计日益重要,需要通过计算供电网络的静态电压降来反映设计的性能。然而传统的计算方法需要耗费大量的时间,导致芯片设计周期延长。为了缩短芯片设计的周期和提高芯片设计的效率,本文提出了一个基于卷积神经网络—ResCSP-34的快速静态电压降预测模型。模型采用编码器-解码器结构,首先对残差网络ResNet34进行修改作为编码器的主体结构,然后在解码器中引入特征融合模块,并且在编码器和解码器的连接处引入注意力机制模块,最后提出了一个同时结合了均方误差、皮尔逊相关系数和平均绝对误差的损失函数对模型进行训练。实验结果表明,在CircuitNet数据集上,模型预测结果的平均绝对误差为0.7 mV,小于1 mV,皮尔逊相关系数的平均值大于0.93,接近于1,对一个片上供电网络设计进行静态电压降预测的平均总时间为7.36 s,其中卷积神经网络的平均推理时间为0.015 s。实验结果表明,ResCSP-34模型能够快速且精准地预测静态电压降。 展开更多

关键词 集成电路 静态电压降 卷积神经网络 编码器-解码器 注意力机制

在线阅读 下载PDF 职称材料

基于图注意力网络与双阶注意力机制的径流预报模型 被引量：9

15

作者 胡鹤轩 隋华超 +3 位作者 胡强 张晔 胡震云 马能武 《计算机应用》 CSCD 北大核心 2022年第5期1607-1615,共9页

为了提高流域径流量预报的准确率,考虑数据驱动水文模型缺乏模型透明度与物理可解释性的问题,提出了一种使用图注意力网络与基于长短期记忆网络(LSTM)的双阶注意力机制(GAT-DALSTM)模型来进行径流预报。首先,以流域站点的水文资料为基础... 为了提高流域径流量预报的准确率,考虑数据驱动水文模型缺乏模型透明度与物理可解释性的问题,提出了一种使用图注意力网络与基于长短期记忆网络(LSTM)的双阶注意力机制(GAT-DALSTM)模型来进行径流预报。首先,以流域站点的水文资料为基础,引入图神经网络提取流域站点的拓扑结构并生成特征向量;其次,针对水文时间序列数据的特点,建立了基于双阶注意力机制的径流预报模型对流域径流量进行预测,并通过基于注意力系数热点图的模型评估方法验证所提模型的可靠性与透明度。在屯溪流域数据集上,将所提模型与图卷积神经网络(GCN)和长短期记忆网络(LSTM)在各个预测步长下进行比较,实验结果表明,所提模型的纳什效率系数分别平均提高了3.7%和4.9%,验证了GAT-DALSTM径流预报模型的准确性。从水文与应用角度对注意力系数热点图进行分析,验证了模型的可靠性与实用性。所提模型能为提高流域径流量的预测精度与模型透明度提供技术支撑。 展开更多

关键词 图神经网络 注意力机制 编码器-解码器 长短期记忆网络 时间序列预测 水文预报

在线阅读 下载PDF 职称材料

基于注意力改进卷积网络的隧道风机预埋基础损伤识别 被引量：3

16

作者 韩坤林 汤宝平 +1 位作者 刘大洋 邹小春 《振动与冲击》 EI CSCD 北大核心 2023年第10期307-313,共7页

针对隧道风机预埋基础损伤信息微弱、特征难以提取等问题,提出一种基于度量-频段注意力卷积神经网络的隧道风机预埋基础损伤识别方法。首先,通过预埋基础冲激试验的激励信号和响应信号,计算预埋基础的频率响应函数并作为损伤识别模型的... 针对隧道风机预埋基础损伤信息微弱、特征难以提取等问题,提出一种基于度量-频段注意力卷积神经网络的隧道风机预埋基础损伤识别方法。首先,通过预埋基础冲激试验的激励信号和响应信号,计算预埋基础的频率响应函数并作为损伤识别模型的输入;然后,使用多层卷积将输入的频率响应函数映射到特征空间提取损伤特征信息;再次,采用频段注意力机制对不同频段上的特征进行自适应加权融合,并采用度量损失进一步增强提取特征的可辨识性;最后,将提取的特征输入全连接层以实现预埋基础损伤识别。实测数据验证结果表明,所提方法对比现有的神经网络模型具有更高识别率,能够对隧道风机预埋基础健康状态进行有效地评估。 展开更多

关键词 隧道风机 损伤识别 深度学习 卷积神经网络 度量-频段注意力机制

在线阅读 下载PDF 职称材料

一种基于ICA-T特征和CNN-LA-BiLSTM的锂离子电池健康状态估计方法 被引量：1

17

作者 张朝龙 陈阳 +3 位作者 刘梦玲 张俣峰 华国庆 阴盼昐 《储能科学与技术》 北大核心 2025年第3期1258-1269,共12页

为了解决锂离子电池健康状态(SOH)估计精度不足以及退化过程描述不准确的问题,本文提出了一种基于卷积神经网络-局部注意力-双向长短期记忆神经网络(CNN-LA-BiLSTM)的锂离子电池SOH估计方法。首先,测量锂离子电池在充电阶段的充电时间... 为了解决锂离子电池健康状态(SOH)估计精度不足以及退化过程描述不准确的问题,本文提出了一种基于卷积神经网络-局部注意力-双向长短期记忆神经网络(CNN-LA-BiLSTM)的锂离子电池SOH估计方法。首先,测量锂离子电池在充电阶段的充电时间、电流、电压、容量以及温度等数据。然后,对锂离子电池进行增量容量分析,提取增量容量(IC)曲线的面积作为锂离子电池的电特征;计算锂离子电池充电阶段的温度积分,作为温度特征;将曲线面积与温度相结合,用作锂离子电池SOH估计的联合特征增量容量面积-温度(ICA-T)。随后,利用CNN-LA-BiLSTM方法建立SOH估计模型,在模型中,引入局部注意力(LA)优化卷积神经网络(CNN)的权重和偏差,使用Huber损失函数优化模型参数从而获得良好的SOH估计效果。利用本实验室的2组锂离子电池数据开展测试,结果表明,提出的方法能有效地估计电池的SOH,平均绝对百分比误差(MAPE)为0.5794%,均方根误差(RMSE)为0.0099,决定系数(R2)为0.9961。与传统方法相比,本文提出的方法在电池SOH估计中表现出了更优的性能。 展开更多

关键词 锂离子电池 健康状态估计 卷积神经网络-局部注意力-双向长短期记忆神经网络 增量容量 Huber损失函数

在线阅读 下载PDF 职称材料

基于异质图注意力网络的重叠社区发现方法 被引量：1

18

作者 孙悦 赵宇红 薛婷 《计算机工程与设计》 北大核心 2023年第12期3649-3655,共7页

为解决异质网络重叠社区发现问题,提出一种基于异质图注意力网络的重叠社区发现模型。通过异质图注意力网络的双层注意力机制,从节点级与语义级充分挖掘节点、元路径在信息表示中的重要程度,并进行分层聚合获得节点特征向量,将伯努利-... 为解决异质网络重叠社区发现问题,提出一种基于异质图注意力网络的重叠社区发现模型。通过异质图注意力网络的双层注意力机制,从节点级与语义级充分挖掘节点、元路径在信息表示中的重要程度,并进行分层聚合获得节点特征向量,将伯努利-泊松模型与图卷积网络整合,在生成社区隶属关系矩阵的基础上优化社区重叠度进行重叠社区划分。模型改变异质图注意力网络的激活函数,改善梯度消失问题,将异质图注意力网络与伯努利-泊松模型结合实现异质网络的重叠社区发现。使用真实数据集进行实验,实验结果表明,模型可以利用异质网络节点信息多样性进行重叠社区发现,相对传统社区发现方法具备较好的稳定性和准确性。 展开更多

关键词 重叠社区发现 异质网络 异质图注意网络 元路径 图卷积神经网络 伯努利-泊松模型 社区隶属矩阵

在线阅读 下载PDF 职称材料

血清HBsAg感染的Vis-NIR光谱模式识别研究

19

作者 高乔基 吴振邦 +6 位作者 徐茜 陈敏 刘文轩 曹诚诚 廖敬龙 欧超 潘涛 《分析测试学报》 北大核心 2025年第6期1016-1023,共8页

乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压... 乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压缩-激励网络(SE Net)注意力机制和多尺度膨胀卷积的新型卷积神经网络(CNN)集成算法,连同经典的偏最小二乘-判别分析(PLS-DA)和普通浅层CNN算法,被用于建立HBsAg阳性和阴性血清的Vis-NIR光谱判别模型。该研究采用标准正态变量(SNV)变换进行光谱预处理。基于近红外区(780~1118 nm)经SNV处理的光谱的PLS-DA模型和新型CNN模型取得更优的建模效果,新型CNN模型的灵敏度(SEN)达到99.3%,漏诊率(FNR)达到0.7%。结果表明,采用Vis-NIR光谱精准判别HBsAg阳性和阴性血清具有可行性,提出的新型深度学习算法可望应用于其他光谱分析领域。 展开更多

关键词 可见-近红外光谱模式识别 血清HBsAg感染判别 偏最小二乘-判别分析(PLS-DA) 卷积神经网络(CNN) SE Net注意力机制 多尺度膨胀卷积

在线阅读 下载PDF 职称材料

模型-数据融合驱动的频率稳定智能增强判别方法

20

作者 吕昊 陈锦辉 +4 位作者 杜友田 徐式蕴 李宗翰 傅太国屹 刘俊 《电网技术》 北大核心 2025年第8期3314-3323,共10页

经典低阶频率响应模型可快速计算各项频率指标,但由于高比例新能源系统扰动类型多样,运行方式复杂多变,难以准确获取系统参数和扰动功率大小,同时模型本身线性化会引起较大误差,导致频率预测值和实际值存在较大差异。为使频率响应模型... 经典低阶频率响应模型可快速计算各项频率指标,但由于高比例新能源系统扰动类型多样,运行方式复杂多变,难以准确获取系统参数和扰动功率大小,同时模型本身线性化会引起较大误差,导致频率预测值和实际值存在较大差异。为使频率响应模型适应实际应用场景中高精度的要求,该文提出了模型-数据融合驱动的频率稳定智能增强判别方法(model-data driven intelligent enhanced method for frequency stability discrimination,MD-IEFSD),利用扰动初期频率响应数据对模型关键参数进行辨识,建立结合卷积神经网络和注意力机制的CNN-Attention频率参数预测模型,构建了融合参数预测误差和频率响应曲线预测误差的损失函数,引入了参数的敏感性和学习速率的分析,实现了频率稳定性的准确判别。最后以中国电科院万节点测试系统为算例,验证所提方法的可行性和有效性。 展开更多

关键词 频率稳定 模型-数据融合驱动 参数辨识 卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料