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98篇文章
< 1 2 … 5 >
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：
深度学习模型版权保护技术研究综述
1
作者 李珮玄 黄土 +2 位作者 罗书卿 宋佳鑫 刘功申 《信息安全学报》 2025年第1期17-35,共19页
深度学习模型在许多任务中取得出色的成绩,也逐渐被广泛应用到众多领域。由于训练一个性能优越的深度神经网络成本高昂,因此深度学习模型可以视作模型所有者的知识产权。然而深度学习模型设计之初并未考虑模型的安全问题,在其快速发展... 深度学习模型在许多任务中取得出色的成绩,也逐渐被广泛应用到众多领域。由于训练一个性能优越的深度神经网络成本高昂,因此深度学习模型可以视作模型所有者的知识产权。然而深度学习模型设计之初并未考虑模型的安全问题,在其快速发展的同时面临的安全问题也逐渐突显出来。随着模型训练云平台的部署与应用,深度学习模型被盗取、恶意分发、转卖的威胁大大增加。由于深度学习模型有巨大的实用价值,恶意攻击者非法窃取模型会严重侵犯模型所有者的权益,保护深度学习模型版权迫在眉睫。针对这一问题,近年来有很多关于保护深度学习模型版权的方案陆续被提出,包括基于数字水印技术实现模型所有权验证以及基于水印或加密技术实现模型访问控制等。本文总结梳理了当前研究现状,并探讨了未来可能的研究方向。文章首先介绍了深度学习模型水印、后门攻击的基本概念以及对模型水印的要求;然后,基于不同的分类指标,从方案的实现功能、实现方式、实现时间、以及验证方式的不同,对现有深度学习模型版权保护方案进行全面细致的总结与分类;并且从检测攻击、逃逸攻击、去除攻击及欺诈攻击四个方面,归纳总结了针对深度学习模型版权保护方案的攻击方法;最后,总结研究现状并对未来的关键研究方向进行展望。希望本文详细的梳理总结可以为该领域后续的研究提供有益的参考。 展开更多
关键词 深度学习模型安全 深度学习模型版权保护 模型水印
在线阅读 下载PDF
深度学习模型在振动检测中的应用研究
2
作者 叶骁宇 闫鹏 +1 位作者 蒋强 杜爱春 《造纸装备及材料》 2025年第2期10-12,共3页
文章分析了振动检测在工业领域的重要性,探讨了深度学习模型在振动检测中的作用,并阐述了深度学习模型在振动检测中面临的挑战,提出深度学习模型在振动检测中的应用路径,以提升振动检测的可靠度。
关键词 深度学习模型 振动检测方法 算法优化 数据处理
在线阅读 下载PDF
面向深度学习模型的可靠性测试综述 被引量：1
3
作者 陈若曦 金海波 +2 位作者 陈晋音 郑海斌 李晓豪 《信息安全学报》 CSCD 2024年第1期33-55,共23页
深度学习模型由于其出色的性能表现而在各个领域被广泛应用,但它们在面对不确定输入时,往往会出现意料之外的错误行为,在诸如自动驾驶系统等安全关键应用,可能会造成灾难性的后果。深度模型的可靠性问题引起了学术界和工业界的广泛关注... 深度学习模型由于其出色的性能表现而在各个领域被广泛应用,但它们在面对不确定输入时,往往会出现意料之外的错误行为,在诸如自动驾驶系统等安全关键应用,可能会造成灾难性的后果。深度模型的可靠性问题引起了学术界和工业界的广泛关注。因此,在深度模型部署前迫切需要对模型进行系统性测试,通过生成测试样本,并由模型的输出得到测试报告,以评估模型的可靠性,提前发现潜在缺陷。一大批学者分别从不同测试目标出发,对模型进行测试,并且提出了一系列测试方法。目前对测试方法的综述工作只关注到模型的安全性,而忽略了其他测试目标,且缺少对最新出版的方法的介绍。因此,本文拟对模型任务性能、安全性、公平性和隐私性4个方面对现有测试技术展开全方位综述,对其进行全面梳理、分析和总结。具体而言,首先介绍了深度模型测试的相关概念;其次根据不同测试目标对79篇论文中的测试方法和指标进行分类介绍;然后总结了目前深度模型可靠性测试在自动驾驶、语音识别和自然语言处理三个工业场景的应用,并提供了可用于深度模型测试的24个数据集、7个在线模型库和常用工具包;最后结合面临的挑战和机遇,对深度模型可靠性测试的未来研究方向进行总结和展望,为构建系统、高效、可信的深度模型测试研究提供参考。值得一提的是,本文将涉及的数据集、模型、测试方法代码、评价指标等资料归纳整理在https://github.com/Allen-piexl/Testing-Zoo,方便研究人员下载使用。 展开更多
关键词 深度学习模型 深度测试 可靠性 安全性 公平性 隐私性
在线阅读 下载PDF
基于深度学习模型的疲劳驾驶行为识别算法 被引量：2
4
作者 张海民 《汽车安全与节能学报》 CAS CSCD 北大核心 2024年第1期121-128,共8页
为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,... 为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明:用该算法测试1000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求(每秒所执行的浮点运算次数,FLOPS)≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。 展开更多
关键词 疲劳驾驶 行为识别 深度学习模型 图像增强 特征提取
在线阅读 下载PDF
基于计算机断层扫描的深度学习模型对老年心肌梗死的鉴别诊断价值
5
作者 李亮 程好堂 +2 位作者 田建 朱建伟 杨振宇 《影像科学与光化学》 CAS 2024年第5期529-534,共6页
目的:探究基于计算机断层扫描(CT)的深度学习模型对老年心肌梗死的鉴别诊断价值。方法:纳入2021年5月30日至2023年11月19日期间在安徽中医药大学附属太和中医院就诊的186例老年心肌梗死患者入组研究,按照8∶2比例将患者分为训练集(n=149... 目的:探究基于计算机断层扫描(CT)的深度学习模型对老年心肌梗死的鉴别诊断价值。方法:纳入2021年5月30日至2023年11月19日期间在安徽中医药大学附属太和中医院就诊的186例老年心肌梗死患者入组研究,按照8∶2比例将患者分为训练集(n=149)和测试集(n=37)。所有患者均行基于CT的深度学习模型和冠状动脉造影检测,将冠状动脉造影设为金标准,对比观察患者的临界病变血管病理参数,以测试集分析该诊断方法对老年心肌梗死的鉴别诊断价值,采用受试者操作特征(ROC)曲线下面积(AUC)评估其诊断效能。结果:深度学习模型和冠状动脉造影检查的临界病变血管病理参数对比(均P>0.05);在178例阳性老年心肌梗死患者中,深度学习模型正确诊断为阳性的有168例,误诊为阴性的有10例。在8例阴性老年心肌梗死患者中,深度学习模型正确诊断为阴性的有1例,误诊为阳性的有7例,其中灵敏度为98.00%、特异度为96.00%、准确度为95.00%,AUC为0.990(95%CI:0.980~1.000),具有较好的诊断效能。结论:基于CT的深度学习模型在老年心肌梗死的早期发现和诊断中其准确度、灵敏度和特异度较高,具有一定诊断效能,为老年心肌梗死的临床诊断提供了一种新的高效工具。但本研究为单中心小样本研究,未来需多中心大样本研究进一步验证。 展开更多
关键词 计算机断层扫描 深度学习模型 心肌梗死 诊断
在线阅读 下载PDF
基于深度学习模型识别风电场避让物的方法研究
6
作者 雷鸣 《太阳能》 2024年第1期51-56,共6页
近年来,由于在新建风电场和需要进行技改的老旧风电场周边往往已建有风电场,因此风电场在新建或技改时除了需要避让生态保护红线、永久基本农田、自然保护区、风景名胜区等国家限建区域,以及需要考虑风电场内风电机组之间的尾流影响外,... 近年来,由于在新建风电场和需要进行技改的老旧风电场周边往往已建有风电场,因此风电场在新建或技改时除了需要避让生态保护红线、永久基本农田、自然保护区、风景名胜区等国家限建区域,以及需要考虑风电场内风电机组之间的尾流影响外,还需要重点关注周边风电场对新建或需要技改的老旧风电场的尾流影响。当针对尾流影响进行计算时,工程师采用当地遥感影像对周边已建风电场的风电机组逐个进行人工标记,但该方法容易造成风电机组机位统计缺漏,过失误差较大。提出一种基于深度学习模型识别风电场避让物的方法,利用深度学习模型对遥感影像中已建风电场的风电机组、民房等敏感因素进行识别标记,采用OpenWind软件对这些敏感因素进行避让,并快速进行风电机组布置。研究结果表明:利用计算机分析并标记避让物的结果准确、不易产生遗漏,可有效消除过失误差;同时,大幅降低了标记避让物的工作量,有效减少了大量的繁杂、低效、高重复性的工作,大幅提高了识别避让物的工作效率和结果精度。 展开更多
关键词 深度学习模型 风电机组布置 风电场 避让物标记 遥感影像 MaskR-CNN算法 风能资源
在线阅读 下载PDF
基于深度学习模型的伽马能谱解析方法 被引量：1
7
作者 赵日 刘娜 《原子能科学技术》 EI CAS CSCD 北大核心 2023年第2期379-388,共10页
为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模... 为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模拟构造了数据集,测试实验表明,深度学习模型核素识别率93.3%、活度计算平均误差8.6%,相较峰分析法的62.3%、28.3%,能谱重建法的78.2%、18.7%,浅层ANN模型的81.3%、14.8%,优势明显。实测实验进一步验证了上述结论。所建立方法借助深度学习的多层次特征提取能力与高数值稳定性,实现了全谱信息与伽马射线能量、数量间的复杂映射,具备高准确性、通用性,未来可为多种应用提供技术基础。 展开更多
关键词 伽马能谱 深度学习模型 残差卷积 蒙特卡罗模拟 解析方法
在线阅读 下载PDF
深度学习模型可解释性的研究进展 被引量：47
8
作者 化盈盈 张岱墀 葛仕明 《信息安全学报》 CSCD 2020年第3期1-12,共12页
深度学习在很多人工智能应用领域中取得成功的关键原因在于,通过复杂的深层网络模型从海量数据中学习丰富的知识。然而,深度学习模型内部高度的复杂性常导致人们难以理解模型的决策结果,造成深度学习模型的不可解释性,从而限制了模型的... 深度学习在很多人工智能应用领域中取得成功的关键原因在于,通过复杂的深层网络模型从海量数据中学习丰富的知识。然而,深度学习模型内部高度的复杂性常导致人们难以理解模型的决策结果,造成深度学习模型的不可解释性,从而限制了模型的实际部署。因此,亟需提高深度学习模型的可解释性,使模型透明化,以推动人工智能领域研究的发展。本文旨在对深度学习模型可解释性的研究进展进行系统性的调研,从可解释性原理的角度对现有方法进行分类,并且结合可解释性方法在人工智能领域的实际应用,分析目前可解释性研究存在的问题,以及深度学习模型可解释性的发展趋势。为全面掌握模型可解释性的研究进展以及未来的研究方向提供新的思路。 展开更多
关键词 深度学习模型 可解释性 人工智能
在线阅读 下载PDF
基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究 被引量：19
9
作者 邢立文 崔宁博 董娟 《水利水电技术》 北大核心 2019年第4期64-72,共9页
为有效提高华北地下水漏斗区参考作物蒸散量ET_0的预报精度,本文以华北地区7个气象代表站1958—2010年ET_(0-PM)(Penman-Monteith,P-M)的历史时间序列为训练集构建LSTM模型,以2011—2017年ET_(0-PM)的时间序列为验证集将LSTM模型与其他... 为有效提高华北地下水漏斗区参考作物蒸散量ET_0的预报精度,本文以华北地区7个气象代表站1958—2010年ET_(0-PM)(Penman-Monteith,P-M)的历史时间序列为训练集构建LSTM模型,以2011—2017年ET_(0-PM)的时间序列为验证集将LSTM模型与其他4种经验模型进行对比分析。结果表明:LSTM在华北地区预测的整体评价指标Gpi(Global performance indicator)排名第一,该模型可以作为华北地区逐月ET_0预测的推荐模型,为我国精准农业灌溉预报提供科学的依据。 展开更多
关键词 LSTM模型 参考作物蒸散量ET0 华北地区 深度学习模型
在线阅读 下载PDF
基于FCN和LSTM深度学习模型的电力终端负荷预测方法 被引量：3
10
作者 王祥 武占侠 +3 位作者 魏本海 冷安辉 郭君 何晓蓉 《电子设计工程》 2023年第11期93-96,101,共5页
针对目前研究的电力终端负荷预测方法在预测过程中,未考虑负荷终端时序性和非线性的特点,存在预测精度较低,速度较慢的问题,提出了基于FCN和LSTM深度学习模型的电力终端负荷预测方法。利用循环神经网络,建立电力终端负荷预测模型,分析... 针对目前研究的电力终端负荷预测方法在预测过程中,未考虑负荷终端时序性和非线性的特点,存在预测精度较低,速度较慢的问题,提出了基于FCN和LSTM深度学习模型的电力终端负荷预测方法。利用循环神经网络,建立电力终端负荷预测模型,分析记忆状态,对电力终端数据进行预处理,并编码非数字特征,确定预测模型。利用均方误差公式得到的电力终端负荷预测模型的损失函数,通过数据预处理、优化数据参数、训练电力终端负荷预测模型完成负荷预测。实验结果表明,基于FCN和LSTM深度学习模型的电力终端负荷预测方法充分分析了终端时序性和非线性特点,有效确保预测精度,提高预测速度。 展开更多
关键词 FCN LSTM 深度学习模型 电力终端 负荷预测
在线阅读 下载PDF
水文变异对深度学习模型训练性能的影响研究
11
作者 师小雨 黄强 《人民黄河》 CAS 北大核心 2023年第8期64-67,共4页
受气候变化和人类活动的双重影响,黄河流域水文情势发生剧烈演变,水文序列颠覆传统的“一致性”假设。为使深度学习模型更好适应于变异水文序列预测,采用Mann-Kendall检验方法确定径流时间序列变异点,对基于LSTM模型的k-fold交叉验证方... 受气候变化和人类活动的双重影响,黄河流域水文情势发生剧烈演变,水文序列颠覆传统的“一致性”假设。为使深度学习模型更好适应于变异水文序列预测,采用Mann-Kendall检验方法确定径流时间序列变异点,对基于LSTM模型的k-fold交叉验证方法进行改进,提出考虑变异点的k-fold交叉验证方法,分析水文变异对深度学习模型训练的影响。选取黄河支流渭河华县站和黑河祁连山站为研究对象,对比分析不同变异程度的中长期水文序列预测结果。结果表明:渭河华县站的径流时间序列变异发生在1986年和2008年,黑河祁连山站径流时间序列变异发生在1988年;LSTM模型在中长期径流预测中,模型性能主要受时间序列长度的影响,其次受水文变化趋势及变异的影响。 展开更多
关键词 水文变异 深度学习模型 预测性能 交叉验证
在线阅读 下载PDF
自动生成影像学报告的混合特征提取无卷积结构深度学习模型
12
作者 王瑞 花嵘 +1 位作者 仪秀龙 韩承磊 《山东科技大学学报（自然科学版）》 CAS 北大核心 2023年第3期85-93,共9页
在影像学报告的生成中,由于正常区域和异常区域的数据不平衡,描述疾病的关键词经常被描述图像正常区域的句子掩盖,导致异常图像特征的误判和漏判,严重影响医疗报告的质量。本研究提出混合特征提取无卷积深度学习模型,首次将Swin Transfo... 在影像学报告的生成中,由于正常区域和异常区域的数据不平衡,描述疾病的关键词经常被描述图像正常区域的句子掩盖,导致异常图像特征的误判和漏判,严重影响医疗报告的质量。本研究提出混合特征提取无卷积深度学习模型,首次将Swin Transformer引入放射学报告中,设计了一个混合特征提取器,以提取更加细粒度的图像特征,准确地捕捉生成影像学报告所需要的异常特征;设计一个名为视觉-语义协同注意力的注意力机制,在生成报告时突出图像重点特征信息,对非关键信息进行过滤,有效提升生成异常报告的质量;使用具有记忆机制的解码器模块生成影像学报告。最后,在流行的影像学报告IU X-Ray数据集上与当前的主流模型进行对比表明,本模型在语言生成指标和临床评估方面都达到较理想的效果。 展开更多
关键词 影像学报告 混合特征 多标签 标签特征 深度学习模型
在线阅读 下载PDF
人工智能技术赋能英语深度学习模型研究
13
作者 胡慧苹 《通讯世界》 2023年第6期70-72,共3页
教育事业逐渐进入新的历史时期。科学技术的发展推动了语言教学和学习方法的进步,尤其是人工智能的兴起,为英语语言学习开辟了新途径。将深度学习作为主要的研究视角,从深度学习的概念、训练过程、具体模型以及应用来进行梳理和阐述,以... 教育事业逐渐进入新的历史时期。科学技术的发展推动了语言教学和学习方法的进步,尤其是人工智能的兴起,为英语语言学习开辟了新途径。将深度学习作为主要的研究视角,从深度学习的概念、训练过程、具体模型以及应用来进行梳理和阐述,以期将深度学习更加成熟地应用于英语教学,从而帮助英语学习者提升英语学习能力。 展开更多
关键词 网络学习空间 深度学习模型 英语教学
在线阅读 下载PDF
考虑水文机理的深度学习径流预测模型及其可解释性
14
作者 姚泰伦 肖培伟 +3 位作者 陆宝宏 熊子云 王淼 王冰冰 《水力发电》 2025年第3期12-21,56,共11页
为提升深度学习模型的日径流预测精度,增强模型的可信度,可引入水文模型的物理过程作为深度学习模型的输入。考虑新安江模型不同模块的输出数据作为额外特征输入,分别应用于GRU、GRU-Seq2seq-Attention两种深度学习模型中,研究不同输入... 为提升深度学习模型的日径流预测精度,增强模型的可信度,可引入水文模型的物理过程作为深度学习模型的输入。考虑新安江模型不同模块的输出数据作为额外特征输入,分别应用于GRU、GRU-Seq2seq-Attention两种深度学习模型中,研究不同输入特征和不同模型结构对径流预测结果的影响;采用积分梯度法对深度学习模型进行可解释性分析。结果表明:将不同输入特征引入深度学习模型中,显著提升了模型径流预测的精度,其中考虑模拟产流的GRU-Seq2seq-Attention模型预测精度最优;全局与局部可解释性分析揭示了不同模型在不同流量场景下捕捉关键特征的偏好,为模型的后续优化和改进提供了重要指导。 展开更多
关键词 径流预测 Seq2seq模型 深度学习模型 耦合模型 可解释性
在线阅读 下载PDF
基于深度学习的配电网故障智能辨识模型研究
15
作者 余凌 夏凡 +3 位作者 方仲超 朱逸 郭海东 童世兵 《科技创新与应用》 2025年第13期24-28,共5页
随着电力系统技术的进步和设备的升级,电力运行数据的积累变得越来越有规律。由于传统神经元网络本身的限制,无法较好地对故障样本进行识别。为此,提出基于深度学习的配电网故障智能辨识模型。首先,确定神经网络架构;然后结合相应的参... 随着电力系统技术的进步和设备的升级,电力运行数据的积累变得越来越有规律。由于传统神经元网络本身的限制,无法较好地对故障样本进行识别。为此,提出基于深度学习的配电网故障智能辨识模型。首先,确定神经网络架构;然后结合相应的参数优化算法对模型进行训练;最后,即可得到配电网故障辨识深度学习模型。经过仿真检验,得到的验证结果证明该文方法的有效性。 展开更多
关键词 神经元网络 配电网 深度学习模型 参数优化算法 故障智能辨识
在线阅读 下载PDF
基于深度学习数据融合的测井数据精细表征
16
作者 孙正心 金衍 +1 位作者 孟翰 郭旭洋 《石油科学通报》 2025年第1期75-86,共12页
测井曲线记录钻井过程中地层的物理参数,在研究岩石特性、评估油气藏资源及揭示储层分布等方面具有重要意义。随着油气勘探的深入,隐蔽油气藏的复杂性不断增加,而传统测井数据分辨率较低的局限性,难以满足薄互层储层改造选点的需求,亟... 测井曲线记录钻井过程中地层的物理参数,在研究岩石特性、评估油气藏资源及揭示储层分布等方面具有重要意义。随着油气勘探的深入,隐蔽油气藏的复杂性不断增加,而传统测井数据分辨率较低的局限性,难以满足薄互层储层改造选点的需求,亟待开发高分辨率的测井数据精细解释方法。本研究提出了一种基于ResNet50回归算法的储层预测模型。该模型将能够捕捉复杂垂向地质细节的纵向连续光学薄片数据,与5种常规测井参数相结合,提升储层分析的精度。通过对某井区二叠系地层的5个井段数据进行验证,使用连续的570张地层图片样本与测井数据进行训练与预测,模型将测井数据分辨率从12.5 cm提升至6.25 cm,显著提高了测井数据的精度和分辨率。本研究使用3种公认的定量评估指标决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)对模型性能进行了全面评估。结果表明,该模型在声波时差(AC)、补偿中子(CNL)、电阻率(RT)和伽马(GR)参数的预测中表现较为准确,平均误差低于0.094,展示出模型在预测精度上的可靠性与优异性。然而,在密度(DEN)参数的预测中,模型在岩性变化较大或地质条件复杂的井段中受到了一定影响。 展开更多
关键词 数据融合 测井参数精细表征 ResNet50 深度学习模型 储层精细化建模
在线阅读 下载PDF
基于深度学习的计算机通信网络 APT 攻击检测方法
17
作者 李海芳 路晓亚 《信息技术与信息化》 2025年第2期3-6,共4页
APT攻击通过复杂手段干扰网络行为归约,不同安全检测设备会产生告警链。由于APT攻击具有隐蔽性,告警链中的信息难以被整合,导致在网络拓扑结构发生变化或者流量模式出现调整时,会产生大量误报现象,检测的精准率也会显著降低。为此,提出... APT攻击通过复杂手段干扰网络行为归约,不同安全检测设备会产生告警链。由于APT攻击具有隐蔽性,告警链中的信息难以被整合,导致在网络拓扑结构发生变化或者流量模式出现调整时,会产生大量误报现象,检测的精准率也会显著降低。为此,提出一种基于深度学习的计算机通信网络APT攻击检测方法。通过收集多种APT攻击类型的数据构建目标集,在此基础上,设计一种融合卷积神经网络与循环神经网络的深度学习模型,提取APT攻击的特征,利用softmax分类器依据提取的特征,对定位到的异常流量情况进行精准判定,实现对APT攻击的精准检测与分类识别。对比实验结果表明,该方法应用后,AUC值达到了0.913,证明其在识别网络APT攻击方面具有较高的准确性和鲁棒性,应用效果较好。 展开更多
关键词 计算机通信网络 APT攻击 深度学习模型 麻雀搜索算法 softmax分类器
在线阅读 下载PDF
面向有限传感器的建筑冷负荷深度学习预测模型构建
18
作者 许晓群 王翠灵 +2 位作者 库慧益 王宝龙 俞忠民 《暖通空调》 2024年第10期52-59,共8页
建筑冷负荷准确预测是实现建筑空调系统基于模型的优化控制和建筑节能的重要基础。面向实际建筑建立准确的冷负荷预测模型是一个十分困难的系统工程,包括传感器安装、数据的通信和读取、数据预处理和模型识别。在实际工程中,传感器安装... 建筑冷负荷准确预测是实现建筑空调系统基于模型的优化控制和建筑节能的重要基础。面向实际建筑建立准确的冷负荷预测模型是一个十分困难的系统工程,包括传感器安装、数据的通信和读取、数据预处理和模型识别。在实际工程中,传感器安装数量和种类有限或者运行过程被损坏使得获取必要的模型识别数据十分困难,同时实际建筑复杂的现场情况使得建立物理模型困难。针对以上2个问题,本文构建了面向有限传感器的建筑冷负荷预测深度学习模型,并结合实际案例,分析了冷负荷的主要影响因素,采用传感器替代、补充和数据插值的方法构建模型输入集,利用长短期记忆模型建立了高性能的冷负荷预测模型,并分析了不同特征量输入集下的模型性能。在烟厂厂房的冷负荷预测中,利用本文构建的冷负荷预测模型识别流程建立的长短期记忆模型的平均绝对百分比误差(MAPE)为9.09%。 展开更多
关键词 冷负荷预测 长短期记忆模型 有限传感器 深度学习模型 特征分析
在线阅读 下载PDF
深度学习在网络舆情分析中的应用
19
作者 李建明 苏新敬 蔡子林 《集成电路应用》 2025年第1期294-295,共2页
阐述深度学习在网络舆情分析中的应用。构建短视频网络舆情传播的主题特征分析框架,搭建基于CNN深度学习模型的文本识别系统。分析移动短视频平台UGC网络舆情点赞数等特征量和传播规律。
关键词 深度学习 网络舆情 深度学习模型 文本识别系统
在线阅读 下载PDF
基于深度学习的水电机组区域检修管理系统设计
20
作者 郭茂林 《电子设计工程》 2025年第7期31-35,41,共6页
针对传统水电机组区域检修管理系统中时序数据处理复杂,故障预测准确度相对较低的问题,提出一种基于Transformer深度学习模型的水电机组区域检修管理系统,旨在通过Transformer深度学习模型的系统设计,提高系统数据监测与故障预警的及时... 针对传统水电机组区域检修管理系统中时序数据处理复杂,故障预测准确度相对较低的问题,提出一种基于Transformer深度学习模型的水电机组区域检修管理系统,旨在通过Transformer深度学习模型的系统设计,提高系统数据监测与故障预警的及时性与准确性。系统以Transformer深度学习模型为核心算法,对水电机组区域检修数据进行采集处理,并通过Transformer深度学习模型与生成对抗网络进行模型训练检测。采用某水电站的整年数据进行模型训练及实验验证,将F1分数作为评价指标验证模型性能,实验结果表明,F1分数平均达到99.3%,远高于传统卷积神经网络模型,即系统可以有效地进行实时监测与预警。 展开更多
关键词 Transformer深度学习模型 生成对抗网络 水电机组数据监测 故障预测
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 … 5 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