期刊文献+
共找到973篇文章
< 1 2 49 >
每页显示 20 50 100
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
1
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 卷积神经网络(convolutional neural networks CNN) 编码单元(coding unit CU)划分 帧内编码 特征
在线阅读 下载PDF
多阶特征向量融合的深度神经网络产品推荐算法
2
作者 李克潮 张继成 《计算机工程与设计》 北大核心 2025年第6期1742-1749,共8页
为充分利用用户和产品的信息,缓解数据稀疏、冷启动的问题,提出一种多阶特征向量融合的深度神经网络产品推荐(MFVF)。引入预训练模型(BERT)提升对产品描述文档、评论文本的语义理解。根据产品类别、社交关系,挖掘基于类别与社交关系的... 为充分利用用户和产品的信息,缓解数据稀疏、冷启动的问题,提出一种多阶特征向量融合的深度神经网络产品推荐(MFVF)。引入预训练模型(BERT)提升对产品描述文档、评论文本的语义理解。根据产品类别、社交关系,挖掘基于类别与社交关系的用户、产品潜在一阶特征向量。连同用户和产品评分的潜在一阶特征向量,经过广义矩阵分解(GMF)层构建二阶特征向量,作为深度神经网络隐藏层的输入。对深度神经网络隐藏层输出的高阶特征向量进行拼接,得到用户对产品的预测偏好。通过对比实验,验证了所提算法推荐质量得到较大提升。 展开更多
关键词 产品描述文档 评论文本 社交网络 深度神经网络 深度学习 推荐算法 预训练模型 多阶特征向量
在线阅读 下载PDF
基于特征可视化探究跳跃连接结构对深度神经网络特征提取的影响
3
作者 郭佩林 张德 王怀秀 《计算机工程》 北大核心 2025年第4期149-157,共9页
由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,... 由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,这些模型仍然被认为是黑盒。为了分析跳跃连接结构对深度神经网络特征提取的影响,从特征可视化的角度,以基于扰动的方法为切入点,提出一种在保持图像总体颜色分布和轮廓特征基本不变的前提下弱化图像细节特征的扰动方法,并将其命名为网格乱序模糊(GSB)方法。同时,研究结合特征可视化中的激活最大化(AM)方法和所提出的GSB扰动方法,分析了拥有不同程度跳跃连接结构的经典图像分类深度神经网络模型VGG 19, ResNet 50和DenseNet 201。实验结果表明,没有跳跃连接结构的深度神经网络只提取了图像中较强的特征,提取的特征数量比较少,而拥有跳跃连接结构的深度神经网络提取了图像中更多的特征,但是这些特征相对较弱;跳跃连接结构使模型更关注图像的局部颜色分布和全局总体轮廓,而不过多依赖图像细节特征,并且跳跃连接结构越密集,这种趋势越强。 展开更多
关键词 深度神经网络 跳跃连接结构 特征可视化 激活最大化 扰动方法 可解释性
在线阅读 下载PDF
基于图神经网络的B-Rep模型加工特征识别方法
4
作者 胡广华 代志刚 王清辉 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期20-31,共12页
自动特征识别是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差,而基于深度卷积网络的方法以离散模型为输入,准确度不高,且识别结果难以精确映射回原始计算机辅助设计(CAD)模型,造成应用不便。针对上述不足,该文提出了... 自动特征识别是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差,而基于深度卷积网络的方法以离散模型为输入,准确度不高,且识别结果难以精确映射回原始计算机辅助设计(CAD)模型,造成应用不便。针对上述不足,该文提出了一种基于图神经网络的、能够直接处理边界表示(B-Rep)模型的加工特征识别方法。该方法首先从B-Rep结构中提取有效的属性和几何信息,形成特征描述符;接着根据CAD模型拓扑结构建立具有高级语义信息的邻接图;进而以邻接图为输入,构建高效的图神经网络模型,通过引入可微的广义消息聚合函数和残差连接机制,提升模型的信息聚合及多层级特征捕捉能力,同时采用消息归一化策略确保训练稳定性并加速收敛;训练完成后,网络能对B-Rep模型中的所有面进行分类标注,实现特征识别。将该方法在公共数据集MFCAD++上进行测试,取得了99.53%的准确率和99.15%的平均交并比,说明该方法优于现有的同类研究成果。采用更复杂的测试用例和工程应用中的典型真实CAD案例作进一步检验,结果均表明该方法具有更好的泛化能力以及更强的适应性。 展开更多
关键词 加工特征识别 神经网络 深度学习 计算机辅助设计
在线阅读 下载PDF
基于一维卷积神经网络的家庭用户特征识别方法
5
作者 许继和 朱亮 +2 位作者 晏依 周佳楠 温和 《中国测试》 北大核心 2025年第6期25-30,66,共7页
智能电能表提供用户的用电量数据,可以反应用户的用电特征,从而为家庭用户特征识别提供基础。为实现家庭用户特征识别,该文研究基于智能电能表用电数据的家庭用户特征识别分析方法,设计一种适合于智能电能表用电时间序列数据的一维卷积... 智能电能表提供用户的用电量数据,可以反应用户的用电特征,从而为家庭用户特征识别提供基础。为实现家庭用户特征识别,该文研究基于智能电能表用电数据的家庭用户特征识别分析方法,设计一种适合于智能电能表用电时间序列数据的一维卷积神经网络模型,以智能电能表采集的用户用电数据(一维数据序列)为输入,在网络的前两个卷积层之后去掉池化层以实现早期特征的保存,实现对家庭用户特征的准确分类。为证明本文提出方法的有效性,该文在公开数据集上进行实验,实验表明,该文的方法在多个家庭用户特征分类上获得55%~78%的准确率。 展开更多
关键词 深度学习 一维卷积神经网络 分类 家庭用户特征 智能电能表
在线阅读 下载PDF
基于增强图神经网络的特征融合会话推荐方法
6
作者 袁凤源 梅红岩 +1 位作者 温民伟 白杨 《计算机工程与设计》 北大核心 2025年第2期546-553,共8页
针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采... 针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采用潜在语义分析方法构建会话-项目矩阵提取会话的全局特征,利用注意力机制自适应地学习局部和全局特征,使模型能够根据特征节点的关联性调整、增强节点间的重要信息传递。通过线性部件将局部和全局特征进行融合,生成最终的语义表示和预测概率用于推荐任务。在Diginetica和Yoochoose数据集上实验,其结果表明,所提方法推荐性能优于现有主流推荐方法。 展开更多
关键词 会话 推荐系统 深度学习 机器学习 神经网络 特征融合 会话推荐
在线阅读 下载PDF
叠加去噪自动编码器结合深度神经网络的心电图信号分类方法 被引量:9
7
作者 颜菲 胡玉平 《计算机应用与软件》 北大核心 2019年第4期178-185,共8页
针对现有心电图信号分类方法精度较低,模型训练收敛速度较慢的缺点,提出一种基于叠加去噪自动编码器和深度神经网络方法的新型分类方法。该方法采用无监督学习方式,利用带有稀疏约束的叠加去噪自动编码器,实现心电图原始数据的特征学习... 针对现有心电图信号分类方法精度较低,模型训练收敛速度较慢的缺点,提出一种基于叠加去噪自动编码器和深度神经网络方法的新型分类方法。该方法采用无监督学习方式,利用带有稀疏约束的叠加去噪自动编码器,实现心电图原始数据的特征学习。基于深度神经网络对信号进行分类,同时利用监督式自主学习微调方法对神经网络权重进行适时调整,从而保证信号分类的精度和质量。利用三个机构的经典数据库对该方法进行实验研究,并与目前两种最新的方法进行对比。实验结果证明,该方法在专家标记样本较少的情况下,仍能明显提高心电图数据分类的准确率,同时加快训练时的收敛速度。 展开更多
关键词 心电图 信号分类 深度神经网络 叠加去噪自动编码器 权重自动调节
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
8
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 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多元医学信号多级上下文自编码器 被引量:7
9
作者 袁野 贾克斌 刘鹏宇 《电子与信息学报》 EI CSCD 北大核心 2020年第2期371-378,共8页
多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文... 多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文深度卷积自编码器(mCtx-CAE)。首先改进传统卷积神经网络结构,提出一种多元卷积自编码模块,以提取信号片段内的多元上下文特征;其次,提出采用语义学习技术对信号片段间的时序信息进行自编码,进一步提取时序上下文特征;最后通过共享特征表示设计目标函数,训练端到端的多级上下文自编码器。实验结果表明,该文所提模型在两种应用于不同医疗场景下的多模态和多通道数据集(UCD和CHB-MIT)上表现均优于其它无监督特征学习方法,能有效提高多元医学信号的融合特征表达能力,对提高临床时序数据的分析效率有着重要意义。 展开更多
关键词 多元医学信号 编码器 上下文学习 卷积神经网络 深度学习
在线阅读 下载PDF
基于稀疏自动编码器深度神经网络的电能质量扰动分类方法 被引量:34
10
作者 屈相帅 段斌 +2 位作者 尹桥宣 晏寅鑫 钟颖 《电力自动化设备》 EI CSCD 北大核心 2019年第5期157-162,共6页
针对智能电网日益突出的电能质量扰动问题,提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习,自动提取数据特征的稀疏特征表达;通过堆栈式稀疏自动编码器(SSAE... 针对智能电网日益突出的电能质量扰动问题,提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习,自动提取数据特征的稀疏特征表达;通过堆栈式稀疏自动编码器(SSAE)进行逐层学习,获得电能质量扰动数据的深层次特征;将其连接到softmax分类器进行微调训练,并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的抗噪声能力。仿真结果表明,所提方法能够准确地识别包含2种复合扰动在内的9种电能质量扰动信号,并且具有很好的鲁棒性。 展开更多
关键词 电能质量 扰动分类 特征提取 扰动识别 稀疏自动编码器 深度学习
在线阅读 下载PDF
基于自注意力编码器和深度神经网络的短期净负荷预测 被引量:15
11
作者 王炜 冯斌 +3 位作者 黄刚 刘祝平 籍雯媗 郭创新 《中国电机工程学报》 EI CSCD 北大核心 2023年第23期9072-9083,共12页
随着新能源渗透比例的提高,新型电力系统的源荷平衡与稳定运行依赖于更精确可信的预测。净负荷是实际负荷减去新能源出力的负荷需求,其准确的预测结果能够有效提高电力系统运行经济性与安全性。该文采用直接预测策略,提出基于自注意力... 随着新能源渗透比例的提高,新型电力系统的源荷平衡与稳定运行依赖于更精确可信的预测。净负荷是实际负荷减去新能源出力的负荷需求,其准确的预测结果能够有效提高电力系统运行经济性与安全性。该文采用直接预测策略,提出基于自注意力编码器和深度神经网络的净负荷预测模型,该模型包括提取原始不确定量特征信息的自注意力编码器模块和提取净负荷时序特征的长短期记忆神经网络模块,两个模块提取的特征信息输入残差神经网络后输出最终的预测结果。同时,由于净负荷集成了负荷、风光等多个不确定量,波动性较强,该文结合条件分位数回归有效实现非参数区间预测,来量化预测不确定性,评估净负荷波动范围。算例分析表明,所提模型相比常见的预测模型取得了更高的净负荷预测精度,给出的预测区间质量也优于基线模型,能够有效支持电网实时运行。 展开更多
关键词 自注意力 编码器 深度神经网络 净负荷 区间预测
在线阅读 下载PDF
基于深度自动编码器神经网络的飞行器翼型参数降维与优化设计 被引量:7
12
作者 吴则良 叶建川 +1 位作者 王江 金忍 《兵工学报》 EI CAS CSCD 北大核心 2022年第6期1326-1336,共11页
传统飞行器翼型参数化描述方法在翼型优化设计研究中因变量较多导致优化效率低、计算工作量大,为此提出一种基于深度自动编码器(DAE)的神经网络模型。将该模型用于翼型优化设计研究中描述参数降维问题,研究经该模型降维后各翼型描述参... 传统飞行器翼型参数化描述方法在翼型优化设计研究中因变量较多导致优化效率低、计算工作量大,为此提出一种基于深度自动编码器(DAE)的神经网络模型。将该模型用于翼型优化设计研究中描述参数降维问题,研究经该模型降维后各翼型描述参数的物理意义,并与本征正交分解法(POD)对翼型描述参数降维效果进行对比。在给定的优化设计目标与约束条件下,设计基于代理模型和遗传算法的翼型优化方法,对RAE2822翼型进行跨声速来流下的优化设计,将所提模型与类别形状函数变换法(CST)、POD方法的优化效率与翼型优化效果进行对比。对比结果表明,所提利用DAE神经网络模型的方法优化效率更高,在跨声速来流下对RAE2822进行减阻优化设计结果明显优于CST方法、POD方法。 展开更多
关键词 飞行器 翼型优化设计 参数降维 深度自动编码器 神经网络 代理模型
在线阅读 下载PDF
基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制 被引量:2
13
作者 王亚伦 周涛 +2 位作者 陈中 王毅 权浩 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第11期1477-1491,共15页
风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的... 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参数,提升网络全局最优参数;最后,应用SDAE-DNN联合方法实现扰动事件后风电调频的逐步惯性在线控制.在IEEE 30节点测试系统中分别对单台风力机和风电场进行仿真分析,与传统方法、浅层反向传播神经网络及原始DNN所得结果对比发现,所提网络结构具有更优的预测精度和泛化能力,该方法能够实现良好的逐步惯性调频效果. 展开更多
关键词 逐步惯性控制 二次频率跌落 麻雀搜索算法 堆叠式降噪自动编码器 深度神经网络
在线阅读 下载PDF
基于卷积神经网络的高层建筑智能控制算法研究 被引量:1
14
作者 刘康生 涂建维 +1 位作者 张家瑞 李召 《重庆大学学报》 北大核心 2025年第1期66-75,共10页
浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑... 浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑智能控制算法,并完成高精度网络模型训练和1D-CNN数据特征可视化;以20层benchmark模型为对象,研究了不同工况下1D-CNN深度学习智能控制算法的减震效果,并与BP(back propagation,BP)和RBF(radial basis function,RBF)等浅层学习进行对比。结果表明,1D-CNN凭借一维卷积和池化特性,可自动提取数据深层次特征并对海量数据进行降维处理;在外界激励作用下,1D-CNN控制器加速度和位移最高减震率分别为69.0%和55.6%,控制性能远高于BP和RBF;改变激励作用后,3种控制器控制性能均有所降低,但1D-CNN性能降幅最小且减震率最高,说明1D-CNN具备更好的泛化性能。 展开更多
关键词 深度学习 一维卷积神经网络 智能控制 数据特征可视化 泛化性能
在线阅读 下载PDF
基于图神经网络的零件机加工特征识别方法 被引量:2
15
作者 姚鑫骅 于涛 +3 位作者 封森文 马梓健 栾丛丛 沈洪垚 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第2期349-359,共11页
针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题,提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征,构建节点级与邻接边级的双层注意力网络,分割每个节点对应的加工特... 针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题,提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征,构建节点级与邻接边级的双层注意力网络,分割每个节点对应的加工特征.该方法充分利用了零件模型的面特征与边特征,结合零件模型的拓扑结构,基于注意力机制对特征信息进行深度学习,可以有效地解决非面合并相交特征的识别问题.在多加工特征零件数据集上,将该方法与其他3种特征识别方法进行实验对比,在准确率、平均类准确率和交并比3项指标上均取得最优结果,识别准确率高于95%. 展开更多
关键词 加工特征 属性邻接图 神经网络 注意力机制 深度学习
在线阅读 下载PDF
基于SAE和LSTM神经网络的深部未钻地层可钻性预测方法
16
作者 朱亮 李晓明 +1 位作者 纪慧 楼一珊 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期39-46,64,共9页
在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM... 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。 展开更多
关键词 深部地层钻探 岩石可钻性 预测模型 栈式自动编码器 LSTM神经网络 深度学习
在线阅读 下载PDF
降噪自编码器深度卷积过程神经网络及在时变信号分类中的应用 被引量:17
17
作者 朱喆 许少华 《计算机应用》 CSCD 北大核心 2020年第3期698-703,共6页
针对非线性时变信号分类问题,将过程神经网络(PNN)的信息处理机制与卷积运算相结合,提出了一种降噪自编码器深度卷积过程神经网络(DAE-DCPNN)。该模型由时变信号输入层、卷积过程神经元(CPN)隐层、深度降噪自动编码器(DAE)网络结构和sof... 针对非线性时变信号分类问题,将过程神经网络(PNN)的信息处理机制与卷积运算相结合,提出了一种降噪自编码器深度卷积过程神经网络(DAE-DCPNN)。该模型由时变信号输入层、卷积过程神经元(CPN)隐层、深度降噪自动编码器(DAE)网络结构和softmax分类器构成。CPN的输入为时序信号,卷积核取为具有梯度性质的5阶数组,基于滑动窗口进行卷积运算,实现时序信号的时空聚合和过程特征提取。在CPN隐层之后,栈式叠加DAE深度网络和softmax分类器,实现对时变信号特征高层次的提取和分类。分析了DAE-DCPNN的性质,给出了按各信息单元分别进行赋初值训练、模型参数整体调优的综合训练算法。以基于12导联心电图(ECG)信号对7种心血管疾病分类诊断为例,实验结果验证了所提模型和算法的有效性。 展开更多
关键词 时变信号分类 卷积过程神经 降噪自编码器 卷积过程神经网络 特征提取 心电图信号分类
在线阅读 下载PDF
基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法
18
作者 王文卿 张小乔 +2 位作者 何霁 刘涵 刘丁 《智能系统学报》 北大核心 2025年第3期649-657,共9页
多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色... 多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法,旨在同时挖掘图像的光谱、空间与非几何结构信息,以提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上,利用深度神经网络构建了特征提取、特征融合和图像重构模块。混合双分支网络模块是由2D和3D卷积神经网络构建,其中,2D卷积神经网络负责挖掘多光谱图像与全色图像的空间特征,3D卷积神经网络负责挖掘图像的光谱特征。引入了图卷积神经网络以捕捉图像图结构中节点的空间关系,从而整合非局部信息。将多光谱图像与全色图像的空间、光谱和非几何特征通过特征融合模块进行融合。将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证,实验结果表明:与其他方法相比,本文算法在主观视觉和客观评价指标上均表现出优秀性能。 展开更多
关键词 图像融合 遥感 图像处理 深度学习 卷积神经网络 机器学习 特征提取 图像重构
在线阅读 下载PDF
基于自编码器的深度神经网络管控算法 被引量:3
19
作者 李华玲 黄钰靖 《计算机工程与设计》 北大核心 2019年第3期845-849,共5页
针对智能养老设备集中管控与决策问题,提出一种基于自编码器和深度神经网络的智能管控算法。采用基于自编码器对各个设备进行无监督逐层贪婪预训练,挖掘设备之间的相似特征;结合具体的养老场景构建深度BP神经网络模型,使用养老环境下的... 针对智能养老设备集中管控与决策问题,提出一种基于自编码器和深度神经网络的智能管控算法。采用基于自编码器对各个设备进行无监督逐层贪婪预训练,挖掘设备之间的相似特征;结合具体的养老场景构建深度BP神经网络模型,使用养老环境下的实例监测数据对模型进行整体训练。实验结果表明,该管控算法对智能养老设备工作状态预测准确率达到99.7%,比传统神经网络模型提高了5.1%,比人工管控模型提高了39%。在智能养老设备不断增长、集中管控情况复杂多变时,管控算法依然可以保持97.3%的预测准确率,验证了算法的可行性和有效性。 展开更多
关键词 智能家居 无监督预训练 编码器 深度神经网络 管控算法
在线阅读 下载PDF
基于并行流量图和图神经网络的加密流量分类方法
20
作者 刘涛涛 付钰 +1 位作者 俞艺涵 安义帅 《通信学报》 北大核心 2025年第6期45-59,共15页
针对传统加密流量分类方法受限于数据集类不平衡以及复杂网络环境下所用特征不可靠等问题,提出一种基于并行流量图和图神经网络的加密流量分类方法。首先,从数据包头部和有效负载2个角度分别构建流量图以突出二者的差异;其次,引入改进... 针对传统加密流量分类方法受限于数据集类不平衡以及复杂网络环境下所用特征不可靠等问题,提出一种基于并行流量图和图神经网络的加密流量分类方法。首先,从数据包头部和有效负载2个角度分别构建流量图以突出二者的差异;其次,引入改进的图注意力网络提取并行流量图的有效信息;然后,利用特征交叉融合注意力模块将提取到的信息进行融合以获得更为鲁棒的特征表示;最后,通过全连接层和Softmax层进行分类。实验表明,所提方法在ISCX-VPN、ISCX-nonVPN、ISCX-Tor和ISCX-nonTor数据集上取得了较好的效果,准确率分别为96.88%、90.62%、99.24%和98.13%,有效提升了加密流量分类性能。 展开更多
关键词 加密流量分类 深度学习 神经网络 特征融合
在线阅读 下载PDF
上一页 1 2 49 下一页 到第
使用帮助 返回顶部