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3,855篇文章
< 1 2 … 193 >
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：
ISW32离心泵深度一维卷积神经网络故障诊断 被引量：1
1
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：2
2
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
3
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
基于深度融合3D与2D卷积网络的步态识别方法
4
作者 王晓路 李晓婷 谭永辉 《现代电子技术》 北大核心 2025年第9期109-115,共7页
为了提取更加丰富的步态特征信息,提出一种融合3D和2D卷积神经网络的步态识别方法。利用3D卷积在时空域提取视频数据中的动态特征,2D卷积在帧级空间域提取静态数据。设计有特殊结构的并行卷积层实现对局部细粒度与整体全局特征的同步提... 为了提取更加丰富的步态特征信息,提出一种融合3D和2D卷积神经网络的步态识别方法。利用3D卷积在时空域提取视频数据中的动态特征,2D卷积在帧级空间域提取静态数据。设计有特殊结构的并行卷积层实现对局部细粒度与整体全局特征的同步提取;引入残差密集模块缓解深层网络在传播过程中产生的梯度消失问题;同时,在帧级特征提取中引入CBAM注意力机制,进一步增强模型对关键信息的感知能力;最后,设计特征映射模块解决序列长度变化问题以及自适应的整合空间信息。实验结果表明,在CASIA-B数据集上的3组不同行走条件下,所提方法的平均步态识别率为92.3%,均高于GaitPart等方法,表明所提方法是可行有效的。 展开更多
关键词 步态识别 卷积神经网络 注意力机制 特征融合 步态轮廓图像 深度学习
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：4
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
基于深度卷积收缩网络的汽辅泵故障诊断
9
作者 刘丙月 赵新文 +2 位作者 姜佳行 曾利民 万舒 《海军工程大学学报》 北大核心 2025年第3期94-98,共5页
辅助给水汽动泵(汽辅泵)作为核电站专设安全设施,在保障核电站安全可靠地停堆、减轻事故后果方面发挥着重要作用。因此,针对核电现场汽辅泵运行特点,提出了一种基于深度卷积收缩网络(deep convolutional shrinkage network,DCSN)模型的... 辅助给水汽动泵(汽辅泵)作为核电站专设安全设施,在保障核电站安全可靠地停堆、减轻事故后果方面发挥着重要作用。因此,针对核电现场汽辅泵运行特点,提出了一种基于深度卷积收缩网络(deep convolutional shrinkage network,DCSN)模型的汽辅泵故障诊断方法。该方法首先针对汽辅泵压力、转速等参数数据,按照一定尺寸将采集的时间序列状态信号矩阵化,构成了多故障类型的故障样本;然后,将软阈值模块嵌入卷积神经网络(convolutional neural network,CNN),构建了DCSN模型用于故障诊断;最后,利用核电厂全范围模拟机中的故障数据集合,对所提出方法进行验证。研究结果表明:与CNN模型相比,所提出的DCSN模型具有更优越的性能。 展开更多
关键词 汽辅泵 故障诊断 深度卷积收缩网络 卷积神经网络 软阈值化
在线阅读 下载PDF
深度卷积网络下船舶航行遥感影像信息提取方法
10
作者 白磊 张君君 冯乃勤 《舰船科学技术》 北大核心 2025年第8期171-175,共5页
船舶航行遥感影像信息提取中,由于影像摄取面积大且背景复杂,在图像分割阶段,仅依赖于光谱信息而忽略了空间关系,会导致分割结果边缘不连续。为此,提出深度卷积网络下船舶航行遥感影像信息提取方法。通过图像配准对船舶航行遥感影像展... 船舶航行遥感影像信息提取中,由于影像摄取面积大且背景复杂,在图像分割阶段,仅依赖于光谱信息而忽略了空间关系,会导致分割结果边缘不连续。为此,提出深度卷积网络下船舶航行遥感影像信息提取方法。通过图像配准对船舶航行遥感影像展开预处理,考虑空间关系采用WGMM-MRF模型对船舶航行影像进行分割处理,确保分割结果边缘具备连续性。构建深度卷积神经网络,基于深度特征提取和变化区域判别策略,将WGMM-MRF分割后的船舶航行图像作为输入,实现船舶航行遥感影像信息提取。实验结果表明,所提方法的提取精度最高达到了0.93,损失程度最高仅为0.04,具备较高的实际应用价值。 展开更多
关键词 深度卷积神经网络 船舶航行 遥感影像 WGMM-MRF模型
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
12
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
基于深度卷积神经网络的产品无损分级检测方法
13
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
14
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
基于卷积神经网络和多标签分类的复杂结构损伤诊断 被引量：1
15
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
基于深度卷积神经网络的频高图特征提取研究 被引量：3
16
作者 鲁转侠 华彩成 +6 位作者 冯健 蔚娜 王岳松 冯静 娄鹏 王严 李春晓 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第9期3290-3300,共11页
本文提出了一种利用深度卷积神经网络的频高图特征提取方法,在频高图不同层回波信息标记的基础上,构建包含降采样部分和上采样部分的频高图回波识别网络模型,实现了频高图不同回波信息自动识别.利用试验获取的频高图数据,通过人工对频... 本文提出了一种利用深度卷积神经网络的频高图特征提取方法,在频高图不同层回波信息标记的基础上,构建包含降采样部分和上采样部分的频高图回波识别网络模型,实现了频高图不同回波信息自动识别.利用试验获取的频高图数据,通过人工对频高图中电离层不同层的回波信息分别标记,生成网络模型样本数据集.以随机方式,选取样本数据集80%的数据作为训练数据,其余数据作为测试数据.经网络模型训练和测试,结果显示网络模型能够自动有效地识别测试频高图中不同层的回波信息.在此基础上,结合数字图像处理中的腐蚀算法和连通域思想,针对性地设计滤波器,滤除已识别回波信息中的噪声、干扰、多跳回波,能够实现测试频高图特征参数的有效提取.并且通过与传统方法比较,该方法特征提取精度整体上优于传统方法,可为频高图特征的自动、精确提取提供一种新的技术方法. 展开更多
关键词 频高图 深度卷积神经网络 临界频率
在线阅读 下载PDF
融合多小波分解的深度卷积神经网络轴承故障诊断方法 被引量：7
17
作者 陶唐飞 周文洁 +1 位作者 况佳臣 徐光华 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第5期31-41,共11页
针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包... 针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包分解与卷积神经网络深度融合,即设计多个一级多小波分解层以提取信号的低频分量和高频分量,再将多个一级多小波分解层与卷积层交替联接,使模型能够多尺度地提取并学习信号有用的时频域信息,信号分解和特征学习交替执行,进而实现强噪声鲁棒特征提取。在不同工况下的航空高速轴承振动数据上进行测试,结果表明:所提模型训练时能够快速达到稳定收敛,并且识别准确率均能达到99.9%以上;提出的方法在强噪声干扰下的故障辨识准确度和识别稳定性均优于对比方法,验证了其优秀的抗噪声干扰能力;在少训练样本测试中,提出的方法在单类训练样本数量为60时的平均诊断准确率高达91.19%,相比于其他方法最低提升了13.19%,验证了GHMMD-DCNN模型具有更优的低样本泛化能力。 展开更多
关键词 多小波分解 卷积神经网络 深度学习 轴承故障诊断
在线阅读 下载PDF
基于深度卷积神经网络的电力系统故障预测 被引量：1
18
作者 朱燕芳 闫磊 +3 位作者 常康 赵文娜 李远 徐利美 《电源学报》 CSCD 北大核心 2024年第S01期179-185,共7页
通过对深度卷积神经网络的深入研究,提出基于深度卷积神经网络的电力系统故障预测方法,保障系统安全运行。采用广域测量系统测量每个支路与节点,将获得的功率与关键特征值分别作为深度卷积神经网络模型输入、输出,训练这2个数据,并使用... 通过对深度卷积神经网络的深入研究,提出基于深度卷积神经网络的电力系统故障预测方法,保障系统安全运行。采用广域测量系统测量每个支路与节点,将获得的功率与关键特征值分别作为深度卷积神经网络模型输入、输出,训练这2个数据,并使用深度卷积神经网络AlexNet分析输入数据与输出数据的映射关系,建立基于深度卷积神经网络的电力系统故障预测模型,通过特征值分组、振荡模式筛选、数据预处理、模型训练和模型评估,实现电力系统运行状态评估,完成电力系统故障预测。实验结果说明:该方法的关键特征值计算结果与实际结果基本一致,可靠性高;使用正则化可提升模型泛化效果,防止模型过拟合;与其余方法的准确率和误报率指标相比,所提方法的准确率高达99.52%,误报率为1.16%,综合评价指标较高,评估效果优势显著。 展开更多
关键词 深度卷积 神经网络 电力系统 故障预测 AlexNet
在线阅读 下载PDF
基于深度卷积网络的二维波达方向估计方法 被引量：1
19
作者 袁野 张伟科 许左宏 《电讯技术》 北大核心 2024年第4期497-503,共7页
为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训... 为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。 展开更多
关键词 均匀圆阵(UCA) 波达方向(DOA)估计 深度卷积网络(dcn) 人工智能 图像分类
在线阅读 下载PDF
特征融合的密集连接卷积网络识别鸟鸣声
20
作者 陈晓 颜灏 曾昭优 《电子测量与仪器学报》 北大核心 2025年第5期241-250,共10页
针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题,提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入,在所有密集块的标准卷积层之后添加卷积块注意力模块,卷积块注意力模... 针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题,提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入,在所有密集块的标准卷积层之后添加卷积块注意力模块,卷积块注意力模块通过学习训练集的特征表示,判断不同层次鸟鸣声特征信息的重要性和关联性,并按照通道维度和空间维度对其进行更深一步的加权融合,使网络更加关注鸟鸣声特征中重要的特征通道和空间位置,从而提高网络学习鸟鸣声特征的能力;在密集块的标准卷积层之后添加丢弃块算法,促使网络对于不同区域的特征进行更加均衡的学习,提高网络对于新鸟鸣声数据的适应能力,使网络能够更好地捕获数据中的共性特征;再利用Transformer编码器为网络建立一条深层特征提取分支,以提高对于鸟鸣声特征中全局信息和长距离依赖信息的捕捉能力。最后将两个分支提取的深层特征融合以提升深层特征的信息丰富度。该方法在Xeno-Canto数据集进行了7组实验。实验结果表明方法对鸟鸣声识别的平均准确率为88.65%。相较于EMSCNN(ensemble multi-scale convolutional neural network)方法高10.83%,AlexNet方法高20.14%,VGGNet方法高16.3%,DenseNet方法高4.28%。实验证明了方法的有效性和先进性。提出的方法对鸟鸣声识别更准确,可用于实际鸟鸣声的识别。 展开更多
关键词 声音识别 鸟声识别 密集连接卷积网络 特征融合 TRANSFORMER 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 … 193 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