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1,244篇文章
< 1 2 … 63 >
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：
融合深度残差网络与注意力机制的驾驶人行为检测方法研究
1
作者 陈运星 崔军华 +2 位作者 吴钊 吴华伟 袁星宇 《重庆理工大学学报(自然科学)》 北大核心 2025年第3期34-42,共9页
为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾... 为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾驶行为的干扰,引入SE Block注意力机制并对图像进行特征提取和分类预测;通过与其他模型的对比试验、消融试验和特征可视化试验验证所提出模型的性能。结果表明:与其他检测模型相比,所提出模型的平均分类准确率为99.89%,其展现出更优的性能;采用Grad-CAM可视化方法解释模型的关注区域,所提出模型更精准地关注对驾驶行为判定的关键特征,进一步增强了本模型的可解释性,提高了人们对驾驶行为检测模型的信任性。 展开更多
关键词 深度学习 驾驶人行为检测 深度残差网络 注意力机制 神经网络可视化
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
2
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
基于多重注意力机制和空间变换网络的换衣行人重识别
3
作者 李鹏辉 王洪元 +1 位作者 张继 陈海琴 《南京大学学报(自然科学版)》 北大核心 2025年第2期202-213,共12页
换衣行人重识别(Cloth-Changing Person Re-Identification,CC Re-ID)技术旨在监控视频或图像中针对同一行人在长时间跨度中进行识别,现有方法主要利用多模态信息来建模体型以减轻服装的影响,但其泛化能力差且需大量额外工作,而且,仅利... 换衣行人重识别(Cloth-Changing Person Re-Identification,CC Re-ID)技术旨在监控视频或图像中针对同一行人在长时间跨度中进行识别,现有方法主要利用多模态信息来建模体型以减轻服装的影响,但其泛化能力差且需大量额外工作,而且,仅利用RGB图像的方法无法充分提取与服装无关的信息.针对以上问题,提出一种基于多重注意力机制和空间变换网络的换衣行人重识别方法,通过在主干网络中融入CBAM(Convolutional Block Attention Module)和STN(Spatial Transformer Network,STN)模块,分别提升网络对于不同通道和空间位置重要性的感知能力以及对于不同角度图像的适应能力.为了进一步提高网络对行人细粒度特征的提取能力,融入三重注意力机制来关注不同维度上的信息,引入一个自适应特征提取模块来学习特征中不同区域的重要性.此外,还采用服装分类损失和服装对抗损失等多种损失函数来引导模型学习与服装无关的信息.在四个换衣行人重识别数据集(LTCC,PRCC,VC-Clothes和DeepChange)上进行了大量实验,实验结果表明,提出的方法的Rank-1和mAP指标优于一些先进的换衣行人重识别方法. 展开更多
关键词 换衣行人重识别 基于服装的对抗性损失 三重注意力机制 空间变换网络 自适应特征提取
在线阅读 下载PDF
融合注意力机制的深度残差网络在一维大地电磁反演中的应用
4
作者 封常青 李予国 +1 位作者 杜志俊 李盼 《地球物理学报》 北大核心 2025年第6期2390-2403,共14页
传统的线性反演方法在面对复杂地质情况时,往往受到初始模型选择的限制,容易陷入局部极值而导致反演结果不准确.相比之下,深度学习算法具有强大的非线性拟合能力,在电磁数据反演中具有巨大的应用潜力.本文融合了注意力机制的深度残差卷... 传统的线性反演方法在面对复杂地质情况时,往往受到初始模型选择的限制,容易陷入局部极值而导致反演结果不准确.相比之下,深度学习算法具有强大的非线性拟合能力,在电磁数据反演中具有巨大的应用潜力.本文融合了注意力机制的深度残差卷积网络(ADRN)应用于一维大地电磁反演中,经过训练得到了大地电磁数据空间至模型空间的非线性映射关系.提出了一种构建大地电磁复杂地电模型数据集的方法,通过引入控制层并改变其分布位置和电阻率值,再结合临近插值算法得到完整的模型地电参数.仿真数据反演结果表明,ADRN能够实现大地电磁数据快速反演并获得相对准确的反演结果.此外,为了在实测数据反演中获得最佳的预测结果,通过向网络输入层添加噪声来增强反演网络的鲁棒性.该方法在COPROD2和南黄海大地电磁实测数据反演中也展现出了较好的应用效果. 展开更多
关键词 大地电磁反演 深度学习 注意力机制 深度残差卷积网络
在线阅读 下载PDF
基于空间注意力深度残差网络的细粒度电磁频谱地图构建方法
5
作者 谢佳炜 余志勇 +2 位作者 张羽洁 曹俊杰 杨剑 《科学技术与工程》 北大核心 2025年第14期5905-5912,共8页
当前,电磁频谱资源的高效利用是无线通信领域的热点问题,而电磁频谱地图(electromagnetic spectrum map,EMSM)能够可视化展示某任务区域内的频谱使用情况,为无线网络优化工作提供有效支持。针对场景复杂且空间点位监测数据有限条件下生... 当前,电磁频谱资源的高效利用是无线通信领域的热点问题,而电磁频谱地图(electromagnetic spectrum map,EMSM)能够可视化展示某任务区域内的频谱使用情况,为无线网络优化工作提供有效支持。针对场景复杂且空间点位监测数据有限条件下生成细粒度EMSM难度大的问题,提出了一种增强空间注意力特征块(enhanced spatial-attention feature block,ES-AFB)的改进深度残差网络(deep residual networks,DRN)模型,借鉴图像超分辨率思想并利用EMSM的强空间特性,设计深度残差网络提取EMSM的相关性和频谱特征,利用增强空间注意力特征块挖掘粗粒度EMSM的内在隐含空间特征,再通过网络的多层上采样模块重构数据尺寸,从而达到更好的细粒度图像恢复效果,能够利用有限的粗粒度监测数据生成高质量的细粒度EMSM。仿真实验结果验证了算法的有效性,利用实测数据生成EMSM的均方根误差不超过3%。 展开更多
关键词 电磁频谱地图 电磁频谱地图 深度残差网络 空间注意力 细粒度
在线阅读 下载PDF
基于离散小波注意力机制的结构光多尺度相位提取网络
6
作者 尚建华 王刚 +2 位作者 刘洋 徐海芹 孙嘉曈 《红外与激光工程》 北大核心 2025年第6期324-336,共13页
提出了一种基于离散小波注意力机制的结构光多尺度相位提取网络(Wavelet Attention Based Multi-scale Phase Extraction Network,WA-MSPNet),旨在提升结构光相位提取的准确性与效率。基于小波域的混合注意力机制,通过离散小波变换提取... 提出了一种基于离散小波注意力机制的结构光多尺度相位提取网络(Wavelet Attention Based Multi-scale Phase Extraction Network,WA-MSPNet),旨在提升结构光相位提取的准确性与效率。基于小波域的混合注意力机制,通过离散小波变换提取低频分量,并在小波域融合通道信息与空间信息,进而增强了有效特征的表达能力;其次,提出一种改进的多尺度增强预测策略,通过自下而上的多层级特征融合输出,提高了预测的准确性和鲁棒性;并且,优化的网络结构,在提升性能的同时能够显著减少参数量和计算量,与经典UNet相比,参数量减少约58%,计算量减少约32%。最后,借助152组测试数据集进行了对比实验,实验结果表明,文中的相位提取网络WA-MSPNet在平均绝对误差、均方根误差以及峰值信噪比等指标方面均优于经典UNet、加入注意力门控的Att-UNet以及结合Swin Transformer和UNet的混合架构模型Swin-UNet,证明了该网络在相位预测的优越性能和良好的泛化能力。 展开更多
关键词 相位提取 深度神经网络 小波变换 条纹投影 条纹图分析
在线阅读 下载PDF
深度度量注意力混合模型表情识别方法
7
作者 姚丽莎 《计算机工程与应用》 北大核心 2025年第7期245-254,共10页
深度学习网络在人脸表情识别中已广泛采用,但因表情图像复杂多变,受光照、个体差异等各个因素的影响,现有方法的识别效果有待提高。为了提高深度学习网络的表达能力,在深度学习网络中,结合面部关键区域的位置特征,提出融合位置信息的深... 深度学习网络在人脸表情识别中已广泛采用,但因表情图像复杂多变,受光照、个体差异等各个因素的影响,现有方法的识别效果有待提高。为了提高深度学习网络的表达能力,在深度学习网络中,结合面部关键区域的位置特征,提出融合位置信息的深层注意力反馈机制卷积神经网络模型。同时,由于表情特征的类间差异小,为了提高分类器的分类学习能力,引入度量学习方法增强特征的判别性,使同类之间的距离减小,异类之间的距离加大。通过度量学习将面部表情图像的特征映射到具有表情判别性的新的特征空间中,由此判断各表情样本的表情类别。对原图进行人脸检测,确定人脸裁剪出人脸关键区域,去除头发、背景等因素的干扰;通过深层注意力反馈机制的CNN模型对人脸关键区域进行特征学习,学习获得面部表情深度特征,之后引入判别性度量学习方法,通过度量矩阵将特征向量映射为新的学习后的特征向量;将提取的样本表情特征送入全连接层并通过Softmax分类器识别划分到预先定义好的7种基本表情。在CK+和RAF-DB数据库的实验表明,该方法取得了98.69%和87.68%的平均识别率,提高了分类器的分类学习能力。 展开更多
关键词 深度注意力 表情识别 卷积神经网络 度量学习
在线阅读 下载PDF
基于轻量级注意力残差网络的面部表情识别方法
8
作者 郜高飞 邵党国 +1 位作者 马磊 易三莉 《吉林大学学报(理学版)》 北大核心 2025年第2期437-444,共8页
针对卷积神经网络参数量大、训练时间长的问题,提出一种基于轻量级注意力残差网络的面部表情识别方法.首先,以残差网络为骨架重新搭建模型,通过减少层数并改进残差模块提高模型性能;其次,引入深度可分离卷积减少模型的参数量和计算工作... 针对卷积神经网络参数量大、训练时间长的问题,提出一种基于轻量级注意力残差网络的面部表情识别方法.首先,以残差网络为骨架重新搭建模型,通过减少层数并改进残差模块提高模型性能;其次,引入深度可分离卷积减少模型的参数量和计算工作量;最后,采用Mish函数替代ReLU函数的挤压激励模块自适应地调整通道权重.该模型在两个公共数据集CK+和JAFFE上采用经典的十折交叉验证方式进行验证,分别获得了98.16%和96.67%的准确率.实验结果表明,该方法在模型识别精度和复杂度之间进行了较好权衡. 展开更多
关键词 面部表情识别 轻量级 残差网络 深度可分离卷积 注意力机制
在线阅读 下载PDF
基于多尺度图注意力网络的电力系统暂态稳定评估
9
作者 傅太国屹 杜友田 +2 位作者 吕昊 李宗翰 刘俊 《电力系统自动化》 北大核心 2025年第3期60-70,共11页
已有基于图深度学习的暂态稳定评估方法考虑了电网的拓扑结构特征,但对电网拓扑结构图中多尺度子图间的信息传递特性没有进行有效建模,导致判稳模型对电网局部与全局动态耦合关系的捕捉不足,降低了模型在复杂扰动下的判稳精度。因此,提... 已有基于图深度学习的暂态稳定评估方法考虑了电网的拓扑结构特征,但对电网拓扑结构图中多尺度子图间的信息传递特性没有进行有效建模,导致判稳模型对电网局部与全局动态耦合关系的捕捉不足,降低了模型在复杂扰动下的判稳精度。因此,提出了一种融合多尺度子图信息传递过程的功角暂态稳定评估方法。首先,提出并构建了一种k阶图注意力网络,以不同尺度的电网拓扑子图作为图深度学习中特征提取的基本单元。然后,通过注意力机制为特征聚合分配自适应权重,以挖掘实际电网中不同细粒度区域之间的特性。最后,通过CEPRI-TAS-173系统验证了所提方法的可行性和有效性。 展开更多
关键词 暂态稳定评估 深度学习 多尺度子图 特征提取 图注意力网络
在线阅读 下载PDF
基于多残差注意力深度收缩网络的超微光图像增强方法
10
作者 刘宁 蔡闻超 +5 位作者 陈颜皓 刘尧振 许吉 章文欣 宋仁轩 祝福 《南京邮电大学学报（自然科学版）》 北大核心 2024年第2期69-82,共14页
超微光成像可在极度黑暗的环境中给观察者提供近乎白昼的视觉体验,在许多民用和军事应用中起着至关重要的作用。超微光环境下拍摄的图像和视频通常存在亮度与对比度极低、噪声水平高、场景细节和色彩严重缺失等固有缺陷,近年来,深度学... 超微光成像可在极度黑暗的环境中给观察者提供近乎白昼的视觉体验,在许多民用和军事应用中起着至关重要的作用。超微光环境下拍摄的图像和视频通常存在亮度与对比度极低、噪声水平高、场景细节和色彩严重缺失等固有缺陷,近年来,深度学习为超微光成像的研究带来了新的机遇。文中采集并提供了一组实用性更强的超微光训练数据集,提出了一种多残差注意力深度收缩网络(Multi Residual Attention Shrinkage Network),以此实现了一种新的超微光成像方法。通过成功研制的小型化样机证实了该方法的工业量产前景。实现了基于通道注意力和空间注意力的残差内注意力机制,以及基于深度软阈值收缩的外注意力机制,不仅可以有效提取并还原极低照度环境下的图像细节信息,恢复场景真实色彩,而且可以有效去除此类环境下由成像设备感光不足带来的巨量噪声。实测效果显示该方法可对极低照度环境进行有效的增强且实时性高。通过与多种业界最新方法比较,文中方法在主观视觉体验以及客观参数两方面均表现更好。 展开更多
关键词 深度学习神经网络 超微光成像 内外注意力 多残差注意力 软阈值收缩
在线阅读 下载PDF
基于注意力机制的MWCNN网络的海洋自由表面多次波压制研究
11
作者 胡嘉晨 童思友 +5 位作者 尚新民 孙朋朋 王忠成 王士雨 魏皓 辛成庆 《中国海洋大学学报(自然科学版)》 北大核心 2025年第2期89-102,共14页
本文提出了一种基于注意力机制的多级小波变换驱动的卷积神经网络(Multi-level wavelet CNN, MWCNN)来压制海洋地震资料中的自由表面多次波。该方法通过小波变换实现数据特征尺寸的压缩,从而避免传统下采样带来的信息缺失问题。此外,它... 本文提出了一种基于注意力机制的多级小波变换驱动的卷积神经网络(Multi-level wavelet CNN, MWCNN)来压制海洋地震资料中的自由表面多次波。该方法通过小波变换实现数据特征尺寸的压缩,从而避免传统下采样带来的信息缺失问题。此外,它还引入了注意力机制来扩大感受野,提高训练的保真效果。用本文算法与DnCNN网络、U-Net网络分别对不同观测系统下的模拟数据和实际数据进行对比测试,实验结果表明基于注意力机制的MWCNN网络能较好地分离一次波和自由表面多次波,对有效信号的保护比其它两种网络更优秀,具有较强的泛化能力和压制效率。 展开更多
关键词 海洋地震资料 自由表面多次波 多级小波变换驱动的卷积神经网络(MWCNN) 注意力机制
在线阅读 下载PDF
门限注意力引导的遥感图像语义分割网络
12
作者 王诗瑞 杜康宁 +1 位作者 田澍 曹林 《遥感信息》 北大核心 2025年第3期164-171,共8页
针对多数混合网络因注意力机制的密集点积操作不可避免地产生一定的背景噪声,且在融合卷积神经网络(convolutional neural network,CNN)以及注意力机制所提取的特征信息时常出现特征冗余和不匹配的现象,提出了一种门限注意力引导的混合... 针对多数混合网络因注意力机制的密集点积操作不可避免地产生一定的背景噪声,且在融合卷积神经网络(convolutional neural network,CNN)以及注意力机制所提取的特征信息时常出现特征冗余和不匹配的现象,提出了一种门限注意力引导的混合网络(threshold attention guided network,TAGNet),旨在发挥注意力机制和CNN之间互补的优势。首先,引入了门限注意力机制(threshold attention mechanism,TAM)以捕获全局上下文依赖关系并滤除部分由注意力产生的噪声。此外,针对特征信息之间类型差异的问题,设计了特征指示融合机制(feature lead fusion mechanism,FLFM)以生成一组权重来校准输入特征并指引后续融合过程。该算法在Vaihingen和Potsdam公共数据集上的mIoU得分分别达至80.02%和82.54%。 展开更多
关键词 语义分割 深度学习 注意力机制 门限 混合网络
在线阅读 下载PDF
基于残差密集网络与注意力机制的图像降噪
13
作者 马荣恒 喻春雨 童亦新 《科学技术与工程》 北大核心 2025年第9期3795-3805,共11页
针对基于卷积神经网络图像降噪模型采用简单编码器-解码器结构而导致图像降噪性能差的问题,提出一种基于残差密集网络与注意力机制的残差密集图像降噪网络(residual dense image denoising network,RDIDNet)。首先,利用全局残差块增强... 针对基于卷积神经网络图像降噪模型采用简单编码器-解码器结构而导致图像降噪性能差的问题,提出一种基于残差密集网络与注意力机制的残差密集图像降噪网络(residual dense image denoising network,RDIDNet)。首先,利用全局残差块增强网络模型的非线性映射能力;其次,引入双元素卷积注意力模块以实现RDIDNet模型解码过程中的自适应特征融合;最后,将RDIDNet降噪模型和14种代表性降噪方法进行对比,并进行消融实验,验证在基准模型上使用RDU Sub-Network、DE-CAM、PSNRLoss进行网络优化的有效性。实验结果表明,在Set12数据集、BSD68数据集中,RDIDNet在峰值信噪比(peak signal to noise ratio,PSNR)、结构相似性(structural similarity,SSIM)指标上相比传统经典方法BM3D分别平均提高1.03 dB和0.0275;比基于Vision Transformers架构的SwinIR分别平均提高0.03 dB和0.0014;比基于CNN的最新降噪方法NHNet分别平均提高0.22 dB和0.0089。RDIDNet降噪网络更关注低频信息、模型训练更稳定,在有效消除图像噪声的同时能有效保留图像细节纹理,具有较好的表现。 展开更多
关键词 图像降噪 深度学习 残差网络 注意力机制
在线阅读 下载PDF
面向多变量时间序列异常检测的双图注意力网络模型
14
作者 李汉章 严宣辉 +2 位作者 李镇力 严雨薇 王廷银 《计算机科学与探索》 北大核心 2025年第4期1048-1064,共17页
时间序列异常检测在时序任务中属于经典研究领域,并已在学术界和工业界取得了一系列研究成果。针对多变量时间序列数据中蕴含的多角度深层特征和内在复杂依赖关系,提出一种融合时空特征的异常检测模型。该模型采用图注意力网络结构,由... 时间序列异常检测在时序任务中属于经典研究领域,并已在学术界和工业界取得了一系列研究成果。针对多变量时间序列数据中蕴含的多角度深层特征和内在复杂依赖关系,提出一种融合时空特征的异常检测模型。该模型采用图注意力网络结构,由时间图模块(T-GAT)和空间图模块(F-GAT)组成。T-GAT构建一种单向加权图,图的边表示时间依赖特性,以此来模拟时间图结构的先验信息并融入图网络中获取时间依赖关系。F-GAT将时间序列转换为以幅值表示的频域序列,通过建立全局双向加权图来模拟多变量之间的关联关系,并通过正则化来维护邻居节点的稀疏性,以此来保证对空间关系的准确捕捉。同时模型引入多维注意力机制确保对不同特征的深层信息进行有效挖掘和利用。由门控循环单元进一步处理时空信息并融合为全面特征,并通过预测值与观测值的差异来判定异常。实验结果表明,该模型以4个公共数据集上优异的F1分数在12个对比模型中实现先进的性能,并在消融实验中证实了同时建模时空关系的先验双图结构模式和注意力机制有效提升了异常检测精度,可以有效地识别时间序列数据中的异常情况。 展开更多
关键词 多变量时间序列 异常检测 深度学习 时空信息 图注意力网络
在线阅读 下载PDF
基于自注意力和曲率的点云生成对抗网络
15
作者 申超凡 熊风光 +2 位作者 孔煜 张志强 胡明月 《计算机工程与设计》 北大核心 2025年第7期1890-1897,共8页
为生成更精细的三维点云数据,提高模型的训练效率,研究生成对抗网络在三维领域的应用,提出一种基于自注意力和曲率的点云生成对抗网络。该模型能够更好捕捉点云数据的全局和局部特征,提高生成器生成真实点云数据的能力。通过对比实验验... 为生成更精细的三维点云数据,提高模型的训练效率,研究生成对抗网络在三维领域的应用,提出一种基于自注意力和曲率的点云生成对抗网络。该模型能够更好捕捉点云数据的全局和局部特征,提高生成器生成真实点云数据的能力。通过对比实验验证了提出方法的有效性,相比目前最优的几个GAN模型,JSD、MMD和COV这3类指标均得到了改善。实验结果表明,所提方法在点云生成任务中取得了明显改进,为点云数据生成领域的研究和应用提供了一种思路和方法。 展开更多
关键词 三维点云 深度学习 生成对抗网络 生成模型 注意力机制 曲率 概率分布
在线阅读 下载PDF
基于近红外光谱的连续小波变换与卷积注意力模块建立秦艽的定性分析模型
16
作者 周玉 李四海 +1 位作者 李坤鹏 王泽朋 《理化检验(化学分册)》 北大核心 2025年第4期436-442,共7页
针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取,为了更加全面地挖掘光谱数据中的信息,提高分类模型的建模效果,提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一... 针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取,为了更加全面地挖掘光谱数据中的信息,提高分类模型的建模效果,提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一维的信号转换为二维图像表现形式,以得到的小波时频图作为光谱特征,建立具有注意力机制的秦艽近红外光谱的卷积神经网络定性分析模型Att-GoogleNet,并通过翻转、对比度增强以及加入高斯噪声来扩充数据集实现数据增强,提高模型的泛化能力。结果表明:对207个秦艽样品的产地进行分析,Att-GooogleNet模型的分类准确率为99.6%,准确率、精确率、召回率、特异度、F1分数均优于传统机器学习模型。 展开更多
关键词 近红外光谱 连续小波变换 卷积神经网络 注意力机制 模型 秦艽
在线阅读 下载PDF
融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法 被引量：1
17
作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页
近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积
在线阅读 下载PDF
基于混合注意力生成对抗网络的遥感图像去雾方法
18
作者 马六 毛克彪 郭中华 《智慧农业(中英文)》 2025年第2期172-182,共11页
[目的/意义]近年来,深度学习在遥感图像去雾领域取得了显著进展,尤其是在引入注意力机制以提升特征学习方面。然而,传统的注意力机制大多依赖全局平均池化,导致模型对特定影响点的敏感性过高,难以有效应对遥感图像中的去雾问题。为了提... [目的/意义]近年来,深度学习在遥感图像去雾领域取得了显著进展,尤其是在引入注意力机制以提升特征学习方面。然而,传统的注意力机制大多依赖全局平均池化,导致模型对特定影响点的敏感性过高,难以有效应对遥感图像中的去雾问题。为了提高去雾技术的效果,满足农业、城市规划等领域对图像质量日益增长的需求,现有方法亟需改进。[方法]本研究提出了一种混合注意力生成对抗网络(Hybrid Attention-Based Generative Adversarial Network,HAB-GAN)。该模型通过结合高效通道注意力模块与空间注意力模块,嵌入生成对抗网络架构中,实现了对遥感图像去雾效果的显著提升。高效通道注意力模块通过降低全局特征聚合中的冗余信息,既保留了性能,又减少了模型复杂度;空间注意力模块则从局部到全局对遥感图像中的雾化区域进行识别和聚焦,增强了对这些区域的恢复能力。这种方法能够更加有效地应对遥感图像中复杂多变的景观,尤其适用于农业等需要高质量遥感数据的领域。[结果与讨论]在RESISC(Remote Sensing Image Scene Classification)45数据集上,与现有的其他注意力机制去雾模型,如SpA GAN和HyA-GAN进行比较,HAB-GAN模型去雾效果更优,其中峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)分别增加了2.64和1.14 dB,结构相似度(Structural Similarity Index,SSIM)分别增加了0.0122和0.0019。此外,消融实验验证了混合注意力机制的有效性,去除HAB模块后,HAB-GAN模型的PSNR下降了3.87 dB,SSIM下降了0.0334。[结论]提出的HAB-GAN模型显著提升了遥感图像的去雾效果,使生成的图像更加接近无雾图像,特别是对于复杂的农业、环境监测等场景具有重要应用价值。HAB模块在提升模型性能方面发挥了关键作用,为未来的遥感图像处理和相关领域提供了有力的技术支持。 展开更多
关键词 遥感图像 深度学习 生成对抗网络 高效通道注意力模块 空间注意力模块 去雾
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
19
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
融合多注意力深度神经网络的可解释光伏功率区间预测 被引量：10
20
作者 武宇翔 韩肖清 +3 位作者 牛哲文 闫博阳 赵津蔓 杨晶 《电网技术》 EI CSCD 北大核心 2024年第7期2928-2939,I0080-I0086,共19页
现有光伏出力预测研究对复杂时空相关性的影响考虑不足,且深度学习自身的黑箱性质使其预测结果的可解释性差。为提高多时空尺度下光伏功率预测精度并增强模型可解释能力,提出融合时空注意力深度神经网络的光伏出力预测模型及其可解释性... 现有光伏出力预测研究对复杂时空相关性的影响考虑不足,且深度学习自身的黑箱性质使其预测结果的可解释性差。为提高多时空尺度下光伏功率预测精度并增强模型可解释能力,提出融合时空注意力深度神经网络的光伏出力预测模型及其可解释性分析方法。首先,建立了时间-空间-特征的多维注意力机制,结合深度神经网络和分位数回归模型构建光伏区间预测模型,并以注意因子为导向指导模型优化。然后,提出了面向深度学习模型预测过程和预测结果的可解释性体系,基于神经元电导梯度法从模型结构上解释其预测机制,进一步结合注意力权重挖掘影响模型功率预测的核心时空特征。为验证解释结果的可靠性,通过沙普利加性原理量化考虑时间差异性的特征全局边际贡献,并结合实例样本溯因模型的预测依据。最后,在中国某省分布式光伏电站数据中进行验证,结果表明,所提模型相比传统预测模型具有更高的预测精度,可以挖掘光伏出力的时空规律性并合理解释模型预测机制。 展开更多
关键词 光伏功率区间预测 多时空维度注意力 深度神经网络 可解释性
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 … 63 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