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6,194篇文章
< 1 2 … 250 >
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：
响应面法结合深度神经网络优化刺五加果多糖提取工艺 被引量：3
1
作者 苏适 董立强 +3 位作者 黎莉 王双侠 王喜庆 张金凤 《包装与食品机械》 北大核心 2025年第2期66-74,共9页
为提高刺五加果多糖的提取率,提出基于Box-Behnken响应面法与深度神经网络模型(deep neural network,DNN)协同优化的微波辅助离子液体提取工艺。通过响应面设计,筛选微波功率、离子液体浓度、提取时间及料液比等参数,并构建二次回归模型... 为提高刺五加果多糖的提取率,提出基于Box-Behnken响应面法与深度神经网络模型(deep neural network,DNN)协同优化的微波辅助离子液体提取工艺。通过响应面设计,筛选微波功率、离子液体浓度、提取时间及料液比等参数,并构建二次回归模型;利用DNN模型解析多因素间非线性关系,优化工艺条件。结果表明,DNN模型得到的最优工艺条件为微波功率350 W、离子液体浓度0.6 mol/L、提取时间35 min、料液比1∶24(g/mL),多糖提取率为16.71%,高于响应面法优化的提取工艺结果。体外抗氧化试验显示,刺五加果多糖对羟基自由基、DPPH自由基和ABTS^(+)·自由基的半数抑制浓度(IC_(50))分别为2.36,2.05,2.47 mg/mL。研究为刺五加果在功能性食品及抗衰老保健品开发中的应用提供理论依据。 展开更多
关键词 刺五加果 多糖 工艺优化 响应面法 深度神经网络 抗氧化活性
在线阅读 下载PDF
基于深度神经网络融合欧氏距离的多环配电网拓扑辨识方法 被引量：1
2
作者 李博通 孙铭阳 +5 位作者 张婧 陈发辉 陈晓龙 王永祺 武娇雯 魏然 《电力系统保护与控制》 北大核心 2025年第5期123-134,共12页
针对多环配电网的拓扑辨识问题,考虑到量测信息可能部分缺失的情况,提出了基于深度神经网络融合欧氏距离的多环配电网拓扑辨识方法。首先,分析了传统拓扑辨识中相关性判断法应用于环状配电网的局限性,在此基础上提出基于欧氏距离的拓扑... 针对多环配电网的拓扑辨识问题,考虑到量测信息可能部分缺失的情况,提出了基于深度神经网络融合欧氏距离的多环配电网拓扑辨识方法。首先,分析了传统拓扑辨识中相关性判断法应用于环状配电网的局限性,在此基础上提出基于欧氏距离的拓扑辨识判据。然后,针对量测信息缺失时的多环拓扑辨识问题,研究了利用深度神经网络融合欧氏距离判据的拓扑辨识方法。最后,在Matlab中利用MatPower搭建32节点“蜂巢”电网模型,在缺失不同比例的量测数据情况下验证方法的准确性。结果表明,当缺失大量量测数据时,所提方法仍有较高的拓扑辨识准确率。 展开更多
关键词 欧氏距离 多环配电网 深度神经网络 拓扑辨识 量测信息缺失
在线阅读 下载PDF
融合深度神经网络的电力系统经济-环保随机调度方法 被引量：1
3
作者 陈远扬 谭益 李勇 《电网技术》 北大核心 2025年第5期1993-2003,共11页
通过优化调度改善电网有功潮流分布、减小火电大气污染物与二氧化碳排放,是实现电力系统环保、经济、安全运行的重要途径。针对含碳捕集电厂、风力发电、常规火电等多种电源的电力系统,该文综合考虑二氧化碳与大气污染物排放、风电出力... 通过优化调度改善电网有功潮流分布、减小火电大气污染物与二氧化碳排放,是实现电力系统环保、经济、安全运行的重要途径。针对含碳捕集电厂、风力发电、常规火电等多种电源的电力系统,该文综合考虑二氧化碳与大气污染物排放、风电出力随机性、N-1故障等多类型因素,建立了面向环保、安全、经济运行的电力系统有功随机调度模型。在该模型中,目标函数考虑了火电的环保与燃料成本、风电成本、N-1故障后校正控制成本等因素,约束条件包括正常运行约束、N-1故障后计及校正控制的电网安全约束等。针对所提有功随机调度模型的特点,该文提出了融合全连接型深度神经网络的快速高效求解方法。该方法通过全连接型深度神经网络构建用于优化软件寻优搜索的初始点,进而加速所提模型的求解过程。最后,该文通过3个修改后的IEEE测试系统验证了所提模型与方法的有效性。 展开更多
关键词 环保-经济调度 碳捕集电厂 风电 随机优化 深度神经网络
在线阅读 下载PDF
多源异质数据下深度神经网络的整合分析及其应用 被引量：1
4
作者 王小燕 冮建伟 +1 位作者 王洁丹 王德青 《统计研究》 北大核心 2025年第2期122-134,共13页
随着计算机技术的发展,各行各业累积和存储了丰富的数据。这些数据往往具有来源差异性、高维性特点,基于这些特征的多源数据建模是统计学的热点问题。针对多源异质数据,本文提出深度神经网络整合分析模型(IADNN)。该模型建立了L_(1)-CMC... 随着计算机技术的发展,各行各业累积和存储了丰富的数据。这些数据往往具有来源差异性、高维性特点,基于这些特征的多源数据建模是统计学的热点问题。针对多源异质数据,本文提出深度神经网络整合分析模型(IADNN)。该模型建立了L_(1)-CMCP惩罚,以识别重要特征以及处理数据的异质性,其中外层MCP识别对多源数据集整体显著的特征;中层MCP识别特征在数据集层面的异质性;内层Lasso识别DNN节点的异质性。这种嵌套设计旨在促进数据集间的信息共享。本文对L_(1)-CMCP进行局部线性近似,再采用近端梯度下降算法进行模型估计。模拟分析表明,IADNN在特征选择和分类预测方面均有良好表现。当多源数据部分异质时,所提方法的F_(1)分数、FPR等评估指标均优于各数据集独立建模和合并建模的方法;在多源数据完全异质或完全同质时,所提方法取得了与理论最佳模型相近的效果。最后,将IADNN应用于不同经济发展水平地区的信用违约数据,发现该模型在风险指标选择和违约预测方面具备有效性。 展开更多
关键词 多源数据 整合分析 深度神经网络 信用评分
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
5
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
6
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
基于深度神经网络的无线衰落信道估计模型
7
作者 卢敏 秦泽豪 +2 位作者 张敏 李攀攀 乐光学 《计算机应用与软件》 北大核心 2025年第9期141-147,188,共8页
为提高OFDM(Orthogonal Frequency Division Multiplexing)系统通信衰落信道估计性能,提出一种基于深度神经网络的信道估计模型DeReNet。通过串联深度密集网络和深度残差网络,抑制网络训练中出现的梯度爆炸和消失问题。将该模型与LS(Lea... 为提高OFDM(Orthogonal Frequency Division Multiplexing)系统通信衰落信道估计性能,提出一种基于深度神经网络的信道估计模型DeReNet。通过串联深度密集网络和深度残差网络,抑制网络训练中出现的梯度爆炸和消失问题。将该模型与LS(Least Square)、FC-DNN(Full Connection Dense Neural Network)和SimNet(Simplified Deep Neural Networks)模型进行仿真实验对比,结果表明,在莱斯衰落环境下该模型的信道估计性能更好,能有效提高信道衰落的估计精度。 展开更多
关键词 无线通信 深度神经网络 衰落信道 信道估计
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
8
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
深度神经网络MRI影像组学预测胶质母细胞瘤MGMT启动子甲基化状态
9
作者 吕冲 夏林峰 +3 位作者 陈请水 郑广鑫 黄碧云 陈雷 《磁共振成像》 北大核心 2025年第10期35-40,共6页
目的探索基于多序列磁共振图像的深度神经网络模型在预测胶质母细胞瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase,MGMT)启动子甲基化状态中的价值。材料与方法回顾性分析262例胶质母细胞瘤患者(甲基化162... 目的探索基于多序列磁共振图像的深度神经网络模型在预测胶质母细胞瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase,MGMT)启动子甲基化状态中的价值。材料与方法回顾性分析262例胶质母细胞瘤患者(甲基化162例,未甲基化100例)的T1加权成像(T1 weighted imaging,T1WI)序列和对比增强T1WI(contrast-enhanced T1WI,CE-T1WI)序列资料。运用Mann-Whitney U检验、最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归分析,结合皮尔逊相关系数法,对特征进行筛选。基于筛选所得特征,借助深度神经网络算法构建预测模型。为评估该模型的预测效能,采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)衡量模型的预测准确性与可靠性。结果基于深度神经网络算法的T1WI模型(验证集中AUC=0.752,敏感度68.8%,特异度75.0%)、CE-T1WI模型(验证集中AUC=0.823,敏感度75.0%,特异度75.0%)以及多序列联合模型(验证集中AUC=0.847,敏感度81.3%,特异度80.0%)均可用于预测胶质母细胞瘤患者MGMT启动子甲基化状态,且与单序列模型相比,多序列联合模型有最高的诊断效能。结论基于深度神经网络算法的多序列MRI影像组学模型可以无创性预测胶质母细胞瘤患者的MGMT启动子甲基化特征。 展开更多
关键词 胶质母细胞瘤 多序列磁共振成像 影像组学 深度神经网络 O6-甲基鸟嘌呤-DNA甲基转移酶
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
10
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
11
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
基于深度神经网络探索圆柱流致振动受力特性
12
作者 魏慧荣 王晓东 李然 《科学技术与工程》 北大核心 2025年第24期10426-10432,共7页
为了提高圆柱流致振动的研究效率,以计算流体力学数值模拟和动网格自定义函数(user defined function, UDF)技术为基础,结合深度神经网络(deep neural network, DNN)分析法,构建圆柱流致振动升力系数预测模型,并探索圆柱升力系数的规律... 为了提高圆柱流致振动的研究效率,以计算流体力学数值模拟和动网格自定义函数(user defined function, UDF)技术为基础,结合深度神经网络(deep neural network, DNN)分析法,构建圆柱流致振动升力系数预测模型,并探索圆柱升力系数的规律。结果表明:无论质量比为何值,升力系数随着流速的增大呈现先增后减再稳定的趋势,其大值的集中区间在小质量比和较小速度下,最大值对应的流速约为0.4 m/s。综上所述,DNN升力系数预测模型简单高效,实现快速又准确的数据预测,为研究流致振动(flow-induced vibration, FIV)受力特性提供一种新的思路。 展开更多
关键词 流致振动(FIV) 深度神经网络(dnn) 受力特性 数值模拟
在线阅读 下载PDF
基于深度神经网络的风力机疲劳载荷代理模型研究 被引量：1
13
作者 黄国庆 刘伟杰 +3 位作者 王彬滨 彭留留 杨庆山 谭舒 《太阳能学报》 北大核心 2025年第4期398-405,共8页
提出一种基于深度神经网络的风力机疲劳载荷代理模型,旨在解决风力机场址评估效率低下的问题。开展基于深度神经网络(DNN)的风力机疲劳载荷代理模型研究。首先,根据平均风速、湍流强度、风切变、偏航误差、入流角和空气密度6维环境变量... 提出一种基于深度神经网络的风力机疲劳载荷代理模型,旨在解决风力机场址评估效率低下的问题。开展基于深度神经网络(DNN)的风力机疲劳载荷代理模型研究。首先,根据平均风速、湍流强度、风切变、偏航误差、入流角和空气密度6维环境变量的分布和相关性进行准蒙特卡洛抽样,获得10000个环境变量样本。然后,采用TurbSim和OpenFAST对NREL 5 MW参考风力机进行仿真得到载荷时程,并通过MLife计算得到1 Hz的等效疲劳载荷(DEL)数据库。最后,运用DNN方法建立DEL的代理模型并对模型精度进行详细验证。结果表明:基于DNN的DEL代理模型具有较高的预测精度,计算效率得到显著提升。 展开更多
关键词 风力机 疲劳载荷 OpenFAST 深度神经网络 代理模型
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量：1
14
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
有限元模型修正中的贝叶斯深度神经网络构架优化设计 被引量：1
15
作者 何宇轩 尹涛 王曦 《振动与冲击》 北大核心 2025年第6期184-190,共7页
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相... 贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力,但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。该研究旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究,发展基于证据对数的多隐含层BNN网络性能定量量度,并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法,获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。 展开更多
关键词 结构系统识别 结构健康监测 有限元模型修正 贝叶斯深度神经网络 构架优化设计
在线阅读 下载PDF
基于深度神经网络的数字水表识别与应用
16
作者 包霞 褚燕华 +3 位作者 何月 王丽颖 王月明 张晓琳 《兵工自动化》 北大核心 2025年第5期52-56,75,共6页
为提高水务公司对居民用水量的管理,提出一种基于深度神经网络模型的数字式水表读数检测和识别方法。在原始DBNet网络模型的基础上对特征提取网络进行改进,将特征提取网络ResNet网络替换成DPN双路径特征提取网络;使用透视变换算法对倾... 为提高水务公司对居民用水量的管理,提出一种基于深度神经网络模型的数字式水表读数检测和识别方法。在原始DBNet网络模型的基础上对特征提取网络进行改进,将特征提取网络ResNet网络替换成DPN双路径特征提取网络;使用透视变换算法对倾斜的读数区域图像进行校正;采用YOLOv5s网络模型对读数区域中的若干个数字进行识别;通过水表识别应用系统将读数结果进行显示,完成水表图像实时检测与识别的功能。实验结果表明:YOLOv5s网络模型具有较好的鲁棒性,能够准确识别出遮挡、模糊以及双半字符数字,识别准确率高达99.1%。 展开更多
关键词 读数识别 深度神经网络 DBNet 透视变换 目标检测
在线阅读 下载PDF
基于深度神经网络的无线传感器网络数据异常识别方法 被引量：1
17
作者 毛华彬 熊志文 傅彦铭 《传感技术学报》 北大核心 2025年第8期1491-1498,共8页
在识别异常数据时,若存在数据丢失,后续会因时空变化而影响数据之间的关联性,影响识别效果。为此,针对无线传感器网络数据,基于深度神经网络设计了新的异常数据识别方法。在常规OptSpace算法中引入节点协作机制,根据利用节点间的协作关... 在识别异常数据时,若存在数据丢失,后续会因时空变化而影响数据之间的关联性,影响识别效果。为此,针对无线传感器网络数据,基于深度神经网络设计了新的异常数据识别方法。在常规OptSpace算法中引入节点协作机制,根据利用节点间的协作关系填补数据中的空缺值;采用相关性自适应处理算法和Kriging插值法重构、修正数据,降低时空变化的影响;将处理后的数据输入到深度神经网络中,通过卷积、池化与分类处理,输出识别结果。仿真结果表明:所提方法不存在识别盲区,识别通信受阻、连接异常、非法入侵、信息丢失4种异常时未出现错误。将数据采集量和数据量的差值与平均绝对误差的乘积作为分析指标,反映预测值误差与数据量间的关系,所提方法的指标值仅为5.90。 展开更多
关键词 信息与通信工程 数据异常识别 深度神经网络 OptSpace算法 数据填补 相关性自适应处理算法
在线阅读 下载PDF
基于深度神经网络的竖向地震动加速度反应谱预测模型
18
作者 高铭宇 公茂盛 +3 位作者 左占宣 贾佳 刘博 王晓敏 《世界地震工程》 北大核心 2025年第4期106-117,共12页
竖向地震动对工程结构地震响应有重要影响,发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录,采用最小二乘回归方式得到地震动参数预测模型,但是传统最小二乘回归通常假设变量之间... 竖向地震动对工程结构地震响应有重要影响,发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录,采用最小二乘回归方式得到地震动参数预测模型,但是传统最小二乘回归通常假设变量之间是线性关系或预设的函数形式,这可能无法完全捕捉地震数据中复杂的非线性关系,而深度学习模型能够从数据中学习规律并对复杂的数据分布提供更高的预测精度。因此通过深度学习方法,基于NGA-West2数据库选取了9 953条竖向地震动记录,然后计算反应谱并进行模型训练与预测,建立了Self-DNN竖向地震动反应谱预测模型,并与传统预测模型以及DNN神经网络模型进行了对比。结果表明,本文基于深度学习算法建立的竖向地震动反应谱预测模型具有较好的可靠性和准确性,可以取得良好的预测效果。研究结果可以为竖向地震动反应谱预测和结构抗震设计等工作提供参考。 展开更多
关键词 竖向地震动 地震动反应谱 神经网络 深度学习 预测模型
在线阅读 下载PDF
基于深度神经网络的超声速民机机翼结构设计
19
作者 牛芳淦 马文圆 +2 位作者 杨超 王宇 尹海莲 《机械强度》 北大核心 2025年第4期122-130,共9页
目前对超声速民机机翼的研究主要侧重于低声爆设计技术和超声速减阻技术,针对机翼结构设计的研究相对较少。因此,提出了一种面向超声速民机初步设计阶段机翼结构设计的多级优化方法,包括机翼结构布局参数化建模、结构尺寸优化有限元模... 目前对超声速民机机翼的研究主要侧重于低声爆设计技术和超声速减阻技术,针对机翼结构设计的研究相对较少。因此,提出了一种面向超声速民机初步设计阶段机翼结构设计的多级优化方法,包括机翼结构布局参数化建模、结构尺寸优化有限元模型的自动生成、深度神经网络代理模型的搭建与训练,以及基于深度神经网络代理模型进行优化求解。分析结果表明,提出的优化策略能够对超声速民机机翼结构进行良好的快速设计,深度神经网络模型相比于传统代理模型具有更高的预测精度,提高了机翼结构初步设计的效率。 展开更多
关键词 超声速民机 参数化 深度神经网络 代理模型 结构设计
在线阅读 下载PDF
一种深度神经网络多步延迟参数更新并行优化方法
20
作者 巨涛 康贺廷 +2 位作者 刘帅 丁肖健 王龙翔 《哈尔滨工业大学学报》 北大核心 2025年第9期95-108,共14页
为解决深度神经网络(deep neural network,DNN)分布式数据并行训练中因聚合节点梯度进行全局梯度参数更新而导致的高通信开销问题,提出一种DNN多步延迟参数更新并行优化方法。首先,设计了一种自适应多步更新间隔选择策略,通过多次本地迭... 为解决深度神经网络(deep neural network,DNN)分布式数据并行训练中因聚合节点梯度进行全局梯度参数更新而导致的高通信开销问题,提出一种DNN多步延迟参数更新并行优化方法。首先,设计了一种自适应多步更新间隔选择策略,通过多次本地迭代,再聚合节点梯度,降低频繁通信造成的额外开销;同时,提出了一种参数修正策略,防止本地模型在多步本地更新后偏离全局模型,从而保证训练精度;其次,在聚合梯度时,将梯度张量切分为子张量,在梯度聚合过程中实现通信与计算的最大化重叠,进一步加速模型训练;最后,在CIFAR-100和ImageNet-mini数据集上,将本文方法与SSGD、Local SGD训练方法进行对比。实验结果表明,本文方法可以在保证模型训练精度的基础上,显著减少因参数更新引入的通信开销,可以实现通信与计算的最大化重叠,充分利用计算资源提升并行训练速度。研究结果可为降低DNN分布式训练过程中的通信开销提供新的方案。 展开更多
关键词 深度神经网络 数据并行 通信调度 参数更新 计算与通信重叠
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 … 250 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