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3,796篇文章
< 1 2 … 190 >
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：
基于深度分离卷积神经网络的高速高精度SAR舰船检测 被引量：29
1
作者 张晓玲 张天文 +1 位作者 师君 韦顺军 《雷达学报（中英文）》 CSCD 北大核心 2019年第6期841-851,共11页
随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善。然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、... 随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善。然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等。为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测。该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植。 展开更多
关键词 卷积神经网络 深度分离卷积神经网络 SAR 舰船检测 注意力机制
在线阅读 下载PDF
ISW32离心泵深度一维卷积神经网络故障诊断 被引量：1
2
作者 贺婷婷 张晓婷 +1 位作者 李强 颜洁 《机械设计与制造》 北大核心 2025年第4期213-216,共4页
传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达... 传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达到更强的特征提取能力。通过参数设置对深度一维卷积神经网络进行调节,确定最优的参数范围:学习率为0.01,卷积核选取为(1×3),批处理量为50,采取最大池化条件,以Adam优化器优化实验参数。实验测试研究结果表明:深度一维卷积神经网络在离心泵故障诊断实现了99.97%准确率,可以满足智能故障诊断的要求。该研究对提高ISW32离心泵的故障诊断能量具有很好的实际应用价值。 展开更多
关键词 离心泵 故障诊断 深度一维卷积神经网络 准确率 实验 采样
在线阅读 下载PDF
基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计 被引量：3
3
作者 买买提·沙吾提 李荣鹏 +2 位作者 蔡和兵 赵明 梁嘉曦 《森林工程》 北大核心 2025年第2期277-287,共11页
新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识... 新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识别模型。其中融入轻量型的归一化注意力机制,提高模型对特征信息的敏感度,使模型关注显著性特征。同时,将L1正则化(L1 regularization或losso)添加到损失函数中,对权重进行稀疏性惩罚,抑制非显著性权重。试验结果表明,在叶片分类中,模型对自构建植物叶片病害识别数据集(Plant Village)、混合数据集的分类结果均表现良好,准确率分别达到97.05%、98.73%、94.91%,具有较好的泛化能力。在病害识别中,MobileNet-V2 NAM模型实现94.55%的识别准确率,高于深度卷积神经网络(AlexNet)、视觉几何群网络(VGG16)经典卷积神经网络(Convolutional Neural Networks,CNN)模型,且模型参数量只有3.56 M。MobileNet-V2 NAM在具有良好准确率同时保持了较低的模型参数量,为深度学习模型嵌入到移动设备提供技术支持。 展开更多
关键词 新疆 果树分类 病害识别 归一化注意力轻量级深度卷积神经网络(MobileNet-V2 NAM) 归一化注意力机制
在线阅读 下载PDF
融合卷积深度置信网络与可拓神经网络的齿轮故障诊断方法
4
作者 王体春 夏天 费叶琦 《计算机集成制造系统》 北大核心 2025年第6期2178-2193,共16页
针对齿轮传感器在单通道状态监测中的信息量和可信度不足、噪声干扰及变工况下数据分布差异等问题,提出一种融合增强卷积深度置信网络与自适应加权可拓网络的齿轮箱故障诊断方法。采用压缩感知算法重构收集到的多通道振动数据;通过引入... 针对齿轮传感器在单通道状态监测中的信息量和可信度不足、噪声干扰及变工况下数据分布差异等问题,提出一种融合增强卷积深度置信网络与自适应加权可拓网络的齿轮箱故障诊断方法。采用压缩感知算法重构收集到的多通道振动数据;通过引入软池化层优化的膨胀卷积深度置信网络进行特征提取,并采用注意力机制技术加权融合多通道特征;利用侧距优化的加权可拓神经网络完成齿轮故障分类。最后,通过公开数据集进行验证和对比分析表明,该模型相比卷积神经网络模型、深度置信网络模型、高斯卷积深度置信网络模型等具有更高的识别精度,在噪声干扰和变工况条件下具有良好的故障诊断性能。 展开更多
关键词 深度学习 卷积深度置信网络 可拓神经网络 故障诊断
在线阅读 下载PDF
基于卷积神经网络的图像分类深度学习模型综述 被引量：6
5
作者 刘鸿达 孙旭辉 +2 位作者 李沂滨 韩琳 张宇 《计算机工程与应用》 北大核心 2025年第11期1-21,共21页
使用神经网络模型进行图像分类任务一直是非常重要的研究方向,随着深度学习技术的发展,对神经网络模型的要求也越来越高。在识别率高的同时,对模型的参数量、训练时间也都有较高的要求。卷积神经网络一直是深度学习中针对图像处理的主... 使用神经网络模型进行图像分类任务一直是非常重要的研究方向,随着深度学习技术的发展,对神经网络模型的要求也越来越高。在识别率高的同时,对模型的参数量、训练时间也都有较高的要求。卷积神经网络一直是深度学习中针对图像处理的主流方法,主要介绍基于卷积神经网络的分类模型的发展历程,分析其不同阶段各个模型的搭建思路;介绍Transformer与卷积神经网络结合的相关模型以及各模型在其他领域的应用情况。最后,对卷积神经网络的发展进行了探讨。 展开更多
关键词 卷积神经网络 深度学习 图像分类 TRANSFORMER
在线阅读 下载PDF
基于车载成像与深度卷积神经网络的地表残膜识别方法 被引量：1
6
作者 吕继东 翟志强 +3 位作者 孟庆建 苗璐鹏 陈悦 张若宇 《农业机械学报》 北大核心 2025年第5期26-37,70,共13页
针对残膜回收机实际作业过程中存在多种相似非目标场景干扰,目标场景图像背景复杂且地表残膜尺寸小、破碎度大、无固定轮廓导致残膜覆盖率难以准确评估的问题,提出基于车载成像和深度卷积神经网络的地表残膜识别方法。构建了一种基于多... 针对残膜回收机实际作业过程中存在多种相似非目标场景干扰,目标场景图像背景复杂且地表残膜尺寸小、破碎度大、无固定轮廓导致残膜覆盖率难以准确评估的问题,提出基于车载成像和深度卷积神经网络的地表残膜识别方法。构建了一种基于多重特征增强的SE-DenseNet-DC分类模型,在DenseNet121模型每个稠密块的非线性组合函数前后引入通道注意力机制增强有效特征信息通道的权重,然后引入多尺度串联空洞卷积替换原始模型第1层卷积提升感受野并保持细节敏感度,实现目标场景图像的有效提取;构建了一种基于细节信息增强和多尺度特征融合的CDC-TransUnet分割模型,在TransUnet模型的编码器部分引入CBAM模块提取更加细微和精确的全局特征,在跳跃连接部分引入DAB模块融合多尺度语义信息并弥补编码和解码阶段特征之间的语义差距,然后在解码器部分引入CCAF模块减少上采样丢失的细节信息,实现目标场景图像复杂背景中地表残膜的精准分割。试验结果表明,SE-DenseNet-DC分类模型对目标场景图像的分类准确率、查准率、查全率和F1值分别达到96.26%、91.54%、94.49%和92.83%,CDC-TransUnet分割模型对目标场景图像中地表残膜分割平均交并比(MIOU)达到77.17%,模型预测残膜覆盖率与人工标注残膜覆盖率决定系数(R^(2))为0.92,均方根误差(RMSE)为0.23%,平均相对误差为2.95%,单幅图像评估时间平均为0.54 s。本文方法在残膜回收机回收后地表残膜覆盖率监测评估中具有较高的准确率和较快的推理速度,为残膜回收机回收质量实时准确评估提供技术支撑。 展开更多
关键词 棉田 残膜回收 车载成像 深度卷积神经网络 识别
在线阅读 下载PDF
融合深度强化学习的卷积神经网络联合压缩方法
7
作者 马祖鑫 崔允贺 +4 位作者 秦永彬 申国伟 郭春 陈意 钱清 《计算机工程与应用》 北大核心 2025年第6期210-219,共10页
随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。 展开更多
关键词 卷积神经网络 深度强化学习 模型压缩 通道剪枝 权值量化 边缘智能
在线阅读 下载PDF
基于深度卷积神经网络的雷达伺服转台消隙策略
8
作者 鲍子威 吴影生 房景仕 《雷达科学与技术》 北大核心 2025年第1期101-108,118,共9页
精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐... 精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐渐变差,影响雷达跟踪精度。针对此缺陷,本文提出一种基于深度卷积神经网络(DCNN)的精密雷达伺服转台消隙策略,通过采集位置闭环传动轴振动数据,利用连续小波变换(CWT)得到时频图,作为DCNN训练输入,训练后得到识别模型,最后根据模型识别出伺服转台传动机构磨损程度来调整双电机消隙控制的偏置电流和拐点电流,通过对比实验验证了调整后消隙效果优于传统消隙方式,极大提高装备运行的可靠性,降低雷达伺服转台的维护成本。 展开更多
关键词 深度卷积神经网络 精密雷达伺服转台 双电机消隙 可靠性
在线阅读 下载PDF
基于差分进化和深度卷积神经网络的遥感图像融合方法
9
作者 朱澳临 陈应霞 《现代电子技术》 北大核心 2025年第19期9-16,共8页
针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式... 针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式将全色(PAN)图像的潜在多尺度空间细节注入到多光谱(MS)图像中。在三双结构中,采用了基于层次域的多级损失函数对多层结果进行约束。然后,基于多分辨率分析(MRA)法设计了嵌入DETNet中的CNN模块(MRAB),同时在模块中引入空间注意力机制,使网络更关注输入图像中的空间特征。接着,考虑到需要在不同尺度上注入不同对象,采用了多尺度卷积特征提取块(MSCB)对网络进行深化和扩展,以提高网络的非线性拟合能力。最后,依据多级损失函数确立目标函数,通过组合差分进化(CoDE)算法优化目标函数,避免陷入局部最优,从而保证融合质量。实验结果表明,采用DETNet方法得到的融合图像在空间细节信息和光谱细节方面均优于其他方法。 展开更多
关键词 遥感图像融合 组合差分进化优化 深度卷积神经网络 全色图像 多光谱图像 多尺度卷积特征提取块 目标函数
在线阅读 下载PDF
基于多种深度卷积神经网络模型的汉族青少年儿童肘关节X线骨龄推断 被引量：1
10
作者 李丹阳 周慧明 +4 位作者 万雷 刘太昂 李远喆 汪茂文 王亚辉 《法医学杂志》 北大核心 2025年第1期48-58,共11页
目的探讨适用于我国汉族青少年儿童肘关节X线图像的深度学习骨龄自动推断模型,并评估其性能。方法采集我国华东、华南、华中、西北地区6.00~<16.00周岁汉族青少年儿童肘关节正位X线图像943例(男性517例,女性426例),采用3种实验方案(... 目的探讨适用于我国汉族青少年儿童肘关节X线图像的深度学习骨龄自动推断模型,并评估其性能。方法采集我国华东、华南、华中、西北地区6.00~<16.00周岁汉族青少年儿童肘关节正位X线图像943例(男性517例,女性426例),采用3种实验方案(方案一:将预处理后的上述图像直接输入回归模型;方案二:以“肘关节重点骨骼标注”作为标签训练分割网络,将分割后的图像输入回归模型;方案三:以“肘关节全部骨骼标注”作为标签训练分割网络,将分割后的图像输入回归模型)进行肘关节X线骨龄预测。针对分割任务,从U-Net、UNet++和TransUNet中遴选出最优网络模型作为分割网络;针对回归任务,选择VGG16、VGG19、InceptionV2、InceptionV3、ResNet34、ResNet50、ResNet101和DenseNet121模型进行骨龄预测。采用随机抽样的方法抽取80%样本(754例)作为训练集和验证集,用于模型拟合和超参数的调整;20%(189例)作为内部测试集,用于测试训练后模型性能。另采集104例同源6.00~<16.00周岁汉族青少年儿童肘关节正位X线图像作为外部测试集。通过比较模型预测年龄与真实生活年龄之间的平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、_(±0.7岁)的准确率(P_(±0.7岁))、_(±1.0岁)的准确率(P_(±1.0岁)),并绘制雷达图、散点图、热力图评估模型的性能。结果按照方案三的方法进行分割时,UNet++模型在学习率为0.0001时的分割损失为0.0004,准确率为93.8%,模型分割性能优异。在内部测试集中,DenseNet121模型采用该分割方法的模型预测结果最优,MAE、P_(±0.7岁)、P_(±1.0岁)分别为0.83岁、70.03%、84.30%。在外部测试集中,DenseNet121模型采用方案三的结果最优,平均MAE为0.89岁、平均RMSE为1.00岁。结论对青少年儿童肘关节X线图像进行骨龄自动推断时,分割网络推荐使用UNet++模型,DenseNet121模型在采用方案三时的性能最优。使用分割网络,特别是以包括肱骨远端、桡骨近端、尺骨近端全部肘关节作为标注区域的分割网络能提高肘关节X线骨龄推断的准确性。 展开更多
关键词 法医人类学 年龄推断 X线图像 肘关节 深度卷积神经网络 分割网络 青少年 儿童
在线阅读 下载PDF
基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法
11
作者 贾克斌 吴岳珩 《北京工业大学学报》 北大核心 2025年第5期539-551,共13页
针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。... 针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。 展开更多
关键词 三维高效视频编码(three-dimensional high efficiency video coding 3D-HEVC) 深度图 卷积神经网络(convolutional neural networks CNN) 编码单元(coding unit CU)划分 帧内编码 双特征流
在线阅读 下载PDF
基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测 被引量：1
12
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 金永涛 叶文杰 王巧华 马美湖 《食品科学》 北大核心 2025年第6期245-253,共9页
引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均... 引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰。结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%~1%,平均检测时间(AATS)可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 一维卷积神经网络 深度学习
在线阅读 下载PDF
基于卷积神经网络的立体匹配算法研究 被引量：1
13
作者 郭北涛 刘瀚齐 +1 位作者 刘琪 张丽秀 《组合机床与自动化加工技术》 北大核心 2025年第1期69-73,78,共6页
在基于深度学习的立体匹配问题中,模型的网络结构、参数设置对匹配精度和匹配效率起到决定性作用。针对现有模型参数量大,精度低的问题,设计一种基于卷积神经网络的视差回归模型。首先,提出了基于扩张卷积和空间池化金字塔的多尺度特征... 在基于深度学习的立体匹配问题中,模型的网络结构、参数设置对匹配精度和匹配效率起到决定性作用。针对现有模型参数量大,精度低的问题,设计一种基于卷积神经网络的视差回归模型。首先,提出了基于扩张卷积和空间池化金字塔的多尺度特征提取网络,提高弱纹理区域的匹配精度;其次,改进了代价体相似度计算步骤,在保证匹配精度的同时,降低模型的参数量;最后,通过采取视差梯度信息和视差回归损失函数相结合的策略,有效地解决了在视差不连续区域中存在的边界信息保留不完整的问题。使用Middlebury数据集对模型进行验证,实验结果表明,相较于现有的立体匹配算法,在精度和速度方面都有所提升。 展开更多
关键词 机器视觉 立体匹配 卷积神经网络 深度学习
在线阅读 下载PDF
基于卷积神经网络和多标签分类的复杂结构损伤诊断 被引量：1
14
作者 李书进 杨繁繁 张远进 《建筑科学与工程学报》 北大核心 2025年第1期101-111,共11页
为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了... 为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了一种能对结构进行分层(或分区)处理并同时完成损伤诊断的多标签多输出卷积神经网络模型。分别构建了适用于多标签分类的浅层、深层和深层残差多输出卷积神经网络模型,并对其泛化性能进行了研究。结果表明:提出的模型具有较高的损伤诊断准确率和一定的抗噪能力,特别是经过分层(分区)处理后的多标签多输出网络模型更具高效性,有更快的收敛速度和更高的诊断准确率;利用多标签多输出残差卷积神经网络模型可以从训练工况中提取到足够多的损伤信息,在面对未经过学习的工况时也能较准确判断各节点的损伤等级。 展开更多
关键词 损伤诊断 卷积神经网络 多标签分类 框架结构 深度学习
在线阅读 下载PDF
卷积循环神经网络的高光谱图像解混方法 被引量：2
15
作者 孔繁锵 余圣杰 +2 位作者 王坤 方煦 吕志杰 《西安电子科技大学学报》 北大核心 2025年第1期142-151,共10页
针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创... 针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创新性的网络结构设计,通过卷积层深入挖掘空间特征,同时利用卷积长短期记忆单元充分挖掘波段间的光谱变异性及其光谱相关性,有效处理光谱维度的序列信息,从而实现对高光谱数据更加精准和高效的分析。为了更加细致地区分和利用高光谱数据中不同谱段的特异性,采用深度光谱分区方法优化网络输入,通过自适应学习机制对不同光谱区域精细化处理,增强了模型对高光谱数据中复杂光谱关系的捕捉能力,进一步提升网络的解混性能。在模拟和多个真实高光谱数据集上的对比实验表明,该方法在解混精度和模型鲁棒性等方面均优于现有方法,特别是在处理复杂地物光谱特征时,表现出良好的泛化能力和稳定性,能够准确估计端元和丰度。 展开更多
关键词 高光谱图像 循环神经网络 自编码器 卷积长短期记忆网络 深度光谱分区
在线阅读 下载PDF
基于深度卷积神经网络的产品无损分级检测方法
16
作者 孙雯 张龙青 《激光杂志》 北大核心 2025年第2期251-256,共6页
为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用... 为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用Savitzky-Golay方法对采集到的吸收光谱实施预处理,降低光谱之间的干扰,增强光谱的纯净度与灵敏度;构建包含4层隐含层的深度卷积神经网络模型,将交叉熵作为代价函数,对该网络模型实施反向传播训练,将经过预处理的待测产品近红外激光吸收光谱输入至训练好的深度卷积神经网络模型中,其输出的结果即待测产品的无损分级检测结果。实验表明,该方法可以有效实现产品的无损分级检测,针对不同类型的产品分级识别率可达97%以上,检测耗时最高为1.11 s,其检测效率更高。 展开更多
关键词 近红外激光 吸收光谱 吸光度 图像预处理 深度卷积神经网络 无损分级检测
在线阅读 下载PDF
基于动态深度可分离卷积神经网络的管道泄漏孔径识别 被引量：1
17
作者 王秀芳 刘源 李月明 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第5期183-189,共7页
针对传统模型为提高管道泄漏检测的精度而导致的模型结构复杂度、参数量和计算量大的问题,提出一种基于动态深度可分离卷积神经网络的管道泄漏孔径识别方法;动态卷积层将提取到的泄漏信号特征经过通道注意力权值计算和动态权值融合,通... 针对传统模型为提高管道泄漏检测的精度而导致的模型结构复杂度、参数量和计算量大的问题,提出一种基于动态深度可分离卷积神经网络的管道泄漏孔径识别方法;动态卷积层将提取到的泄漏信号特征经过通道注意力权值计算和动态权值融合,通过动态深度可分离卷积层获得更强的特征表达能力,利用全局平均池化层降低网络模型参数,通过全连接层识别管道泄漏孔径。结果表明:新方法具有较高的识别精度,克服了传统模型资源开销大、功耗高的问题,降低了模型的训练时间,提升了管道泄漏孔径的识别速度,可用于工业中的管道泄漏程度监测。 展开更多
关键词 泄漏孔径识别 动态深度可分离卷积 轻量化网络 动态卷积
在线阅读 下载PDF
机器学习改进卷积神经网络在作物病害识别中的研究进展
18
作者 汪强 李美琳 +6 位作者 马新明 乔红波 郭伟 时雷 熊淑萍 樊泽华 郑光 《河南农业大学学报》 北大核心 2025年第5期767-775,共9页
综述了从机器学习到卷积神经网络(convolutional neural network,CNN)的作物病害识别融合改进方法,系统梳理了机器学习与CNN作物病害识别的关键技术,包括数据获取、数据处理、数据训练、网络架构选择、特征提取与融合、模型验证等6个应... 综述了从机器学习到卷积神经网络(convolutional neural network,CNN)的作物病害识别融合改进方法,系统梳理了机器学习与CNN作物病害识别的关键技术,包括数据获取、数据处理、数据训练、网络架构选择、特征提取与融合、模型验证等6个应用流程,分析了两者性能差异的核心原因,归纳了二者共同面临的数据需求高、计算资源高和泛化能力不足的技术难点,对应总结了机器学习改进卷积神经网络作物病害识别关键技术的策略。最后,总结了当前研究存在的挑战,并展望了未来的研究方向。 展开更多
关键词 卷积神经网络 机器学习 深度学习 作物病害 病害识别
在线阅读 下载PDF
基于慢性肾脏病数据集的卷积神经网络对慢性肾脏病进展的预测价值研究
19
作者 宋欣芫 常文秀 +2 位作者 张文玉 杨婷婷 王恺 《中国全科医学》 北大核心 2025年第35期4457-4463,共7页
背景早期准确预测罹患终末期肾病(ESRD)的风险对医疗决策至关重要。在慢性肾脏病(CKD)领域,已有研究报道多种因素和前2年估算肾小球滤过率(eGFR)下降百分比对ESRD发展的影响。传统的风险评估方法通常依赖于专家经验、简单的统计分析和... 背景早期准确预测罹患终末期肾病(ESRD)的风险对医疗决策至关重要。在慢性肾脏病(CKD)领域,已有研究报道多种因素和前2年估算肾小球滤过率(eGFR)下降百分比对ESRD发展的影响。传统的风险评估方法通常依赖于专家经验、简单的统计分析和有限的生物标志物,这些方法在处理复杂、多维度的健康数据时具有明显的局限性,而采用机器学习算法,如人工神经网络可以显著提升风险预测的准确性、灵敏度和特异度。目的基于多种算法探究2年临床参数平均水平和2年内eGFR变化率对CKD发展至ESRD的预测价值。方法本研究数据集来自2008—2014年日本帝京大学医院的日本CKD群体回顾性队列,700例患者入选研究队列。基于该队列获取两个数据集,分别是基线数据集和2年时间平均数据集。使用逻辑回归(LR)、多层感知机(MLP)、支持向量机(SVM)、极端梯度提升树(XGBoost)、卷积神经网络(CNN)算法预测患者是否会在数年后达到ESRD,并得出概率。从数据和算法两个层面平衡数据集,使用对比试验证明医学上的意义。结果将LR、MLP、SVM、XGBoost作为基准模型,对比试验表明,CNN模型表现最佳,准确率为94.8%,精确率为80.3%,召回率为78.2%,F1分数为78.4%。5个模型在2年时间平均数据集上的评价指标明显高于基线数据集上的指标,尤其是召回率。此外,包含2年内eGFR下降率变量的模型优于不包含该变量的模型。在解决数据集类别不平衡的问题后,召回率有了很大程度的提高。结论研究证明基于CKD数据集的CNN模型可以指导医护人员做出更佳的临床治疗决策,前2年临床参数的平均水平和2年内eGFR下降百分比对预测透析事件具有重大意义,前2年的综合管理对于推迟发生ESRD至关重要。 展开更多
关键词 慢性肾脏病 终末期肾病 预测 卷积神经网络 计算机辅助诊断 深度学习
在线阅读 下载PDF
基于多尺度融合神经网络的同频同调制单通道盲源分离算法
20
作者 付卫红 张鑫钰 刘乃安 《系统工程与电子技术》 北大核心 2025年第2期641-649,共9页
针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。... 针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。首先,编码模块提取出混合通信信号的编码特征;然后,分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;最后,解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明,所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以高效面对复杂通信环境的挑战。 展开更多
关键词 单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理
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 … 190 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