期刊文献+
共找到98篇文章
< 1 2 5 >
每页显示 20 50 100
基于循环神经网络的棒束通道流动参数实时计算方法研究
1
作者 李翔宇 解衡 《原子能科学技术》 北大核心 2025年第7期1386-1396,共11页
针对深度学习求解物理场方程时存在的算法不可解释性,训练模型时所需数据量大、训练时间长,且不能随意修改模型边界条件等问题,本文设计了一个可用于实时计算棒束通道内流速分布的循环神经网络(recurrent neural network,RNN)。该算法以... 针对深度学习求解物理场方程时存在的算法不可解释性,训练模型时所需数据量大、训练时间长,且不能随意修改模型边界条件等问题,本文设计了一个可用于实时计算棒束通道内流速分布的循环神经网络(recurrent neural network,RNN)。该算法以RNN作为基本结构,利用多松弛时间-格子玻尔兹曼方法(multiple relaxation time-lattice Boltzmann method,MRT-LBM)构造RNN的计算单元,利用浸入法和特征线法确定神经元的结构和数量,并利用顶盖驱动流模型、5×5棒束通道仿真计算和PIV测量结果验证算法的有效性。计算结果表明,RNN在计算上述两个模型的无量纲化流速分布时,与MRT-LBM和商业CFD软件相比,残差约为0.1,残差较模型入口处的流速小1个数量级。RNN在计算棒束通道截面的无量纲化流速时,消耗的计算时间约为0.005~0.03 s,仅为MRT-LBM的1/6~1/3,且计算结果基本与PIV的测量结果相符合。同时RNN所有的计算过程都有物理方程对应,因此RNN可以在保证计算精度的前提下极大提升计算速度,且具有可解释性。RNN可为反应堆数字孪生系统提供实时模拟流动参数的计算方法,进一步提升数字孪生系统对现实环境的模拟能力。 展开更多
关键词 反应堆数字孪生系统 棒束通道 深度学习 循环神经网络 多松弛时间-格子玻尔兹曼方法
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
2
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
基于并行混合神经网络的碾米机故障诊断方法
3
作者 孙秋 蔡华锋 《中国农机化学报》 北大核心 2025年第6期221-227,共7页
为能够对碾米机故障进行快速诊断,提出一种基于并行混合神经网络的碾米机故障诊断方法。搭建碾米机故障采集系统,主要由供电端、故障端、数据采集端和数据处理端4个部分组成,其中数据采集端用于采集碾米机故障信号,数据处理端则主要负... 为能够对碾米机故障进行快速诊断,提出一种基于并行混合神经网络的碾米机故障诊断方法。搭建碾米机故障采集系统,主要由供电端、故障端、数据采集端和数据处理端4个部分组成,其中数据采集端用于采集碾米机故障信号,数据处理端则主要负责接收并处理碾米机的故障数据,将故障数据集带入具有全局均值池化(GAP)的并行混合神经网络中进行特征提取和故障分类,获取故障诊断结果,并与其他最新的故障诊断模型进行比较。试验结果表明,该方法能够将碾米机的故障诊断精度提升至90.72%,与其他模型相比诊断性能更加优越,对碾米机故障实现快速诊断具有重要意义。 展开更多
关键词 碾米机 故障诊断 门控循环单元 并行混合神经网络 全局均值池化
在线阅读 下载PDF
基于JEC-FDTD等效循环神经网络的电磁建模和等离子体参数反演 被引量:1
4
作者 覃一澜 马嘉禹 +1 位作者 付海洋 徐丰 《电波科学学报》 CSCD 北大核心 2024年第3期552-560,共9页
磁化等离子体中的电磁波传播是重要的研究课题,针对特定场景下的电磁等离子耦合问题,进行有效且准确的方程建模与参数求解具有极强的研究价值和挑战性,这是探究电磁波与等离子体复杂非线性相互作用机制的关键。文中设计了一种可用于电... 磁化等离子体中的电磁波传播是重要的研究课题,针对特定场景下的电磁等离子耦合问题,进行有效且准确的方程建模与参数求解具有极强的研究价值和挑战性,这是探究电磁波与等离子体复杂非线性相互作用机制的关键。文中设计了一种可用于电磁等离子体正逆向建模的循环神经网络(recurrent neural network,RNN),该网络正向传播过程等价于任意磁倾角情况下的电流密度卷积时域有限差分(current density convolution finite-difference time-domain,JEC-FDTD)方法,因此可以求解给定的电磁建模问题,并易于大规模并行计算。通过构建前向可微模拟过程,JEC-FDTD方法可以使用自动微分技术准确且高效地计算梯度,然后通过训练网络来解决反问题。因此,该方法可以有效利用观测到的时域散射场信号反演重要的等离子体参数。JEC-FDTD方法和RNN相结合,形成了较强的协同效应,使得模型具有可解释性和高效的计算效率,受益于深度学习提供的优化策略和专用硬件支持,可以适用于不同仿真场景下的电磁建模和等离子体参数反演。 展开更多
关键词 电流密度卷积时域有限差分(JEC-FDTD)方法 磁化等离子体 循环神经网络(RNN) 物理启发的机器学习算法 参数反演
在线阅读 下载PDF
基于混合神经网络的多维视觉传感信号模式分类
5
作者 陈威 蔡奕侨 《传感技术学报》 CAS CSCD 北大核心 2024年第6期1035-1040,共6页
传感器采集的数字信号分类精度差,导致关键信息的丢失。为了提高传感数据的可靠性和有效性,提出基于混合神经网络的多维视觉传感信号模式分类方法。结合卷积神经网络(CNN)、循环神经网络(RNN)构建混合神经网络,以更有效地表示多维视觉... 传感器采集的数字信号分类精度差,导致关键信息的丢失。为了提高传感数据的可靠性和有效性,提出基于混合神经网络的多维视觉传感信号模式分类方法。结合卷积神经网络(CNN)、循环神经网络(RNN)构建混合神经网络,以更有效地表示多维视觉数据中的特征;其中,卷积神经网络负责对多维的空间信号进行去噪处理并提取特征;循环神经网络负责对时域和频域信号进行特征提取;混合神经网络通过联合训练CNN和RNN各自的参数,以调整其权重,并且结合两者从不同层级提取的特征来实现多维视觉传感信号模式的分类。仿真结果表明,使用所提方法进行分类时,信号光滑度保持在0.9以上,传感信号分类结果与实际结果拟合度较高,有效实现多维视觉传感信号模式分类。 展开更多
关键词 传感器信号处理 信号模式分类 混合神经网络 视觉传感信号 卷积神经网络 循环神经网络 贝塞尔曲线
在线阅读 下载PDF
基于混合双层自组织径向基函数神经网络的优化学习算法
6
作者 杨彦霞 王普 +2 位作者 高学金 高慧慧 齐泽洋 《北京工业大学学报》 CAS CSCD 北大核心 2024年第1期38-49,共12页
针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,H... 针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。 展开更多
关键词 径向基函数神经网络(radial basis function neural network RBFNN) 自组织 列文伯格-马夸尔特(Levenberg Marquardt LM)算法 混合双层 优化学习 泛化性能
在线阅读 下载PDF
基于α阶逆神经网络解耦的循环流化床锅炉燃烧-汽水系统PSO-PID控制 被引量:7
7
作者 董泽 孙剑 +1 位作者 张媛媛 韩璞 《动力工程》 CSCD 北大核心 2009年第6期549-553,564,共6页
提出了利用α阶逆系统解耦原理构造神经网络α阶逆系统,并对循环流化床(CFB)锅炉的床温定值扰动和主蒸汽压力的定值扰动进行了仿真.结果表明:利用神经网络构造的α阶积分逆系统有效解决了CFB锅炉的燃烧-汽水系统的解耦问题,神经网络逼... 提出了利用α阶逆系统解耦原理构造神经网络α阶逆系统,并对循环流化床(CFB)锅炉的床温定值扰动和主蒸汽压力的定值扰动进行了仿真.结果表明:利用神经网络构造的α阶积分逆系统有效解决了CFB锅炉的燃烧-汽水系统的解耦问题,神经网络逼近非线性函数,积分微分环节表征动态特性,分工明确,结构简单,所需原系统先验知识少,具有工程应用价值. 展开更多
关键词 循环流化床 燃烧-汽水系统 解耦 逆系统 神经网络 粒子群 PID
在线阅读 下载PDF
基于深度混合密度网络的住宅负荷概率预测
8
作者 张威 张晓丽 +2 位作者 刘影 彭鑫霞 王慧楠 《计算机应用与软件》 北大核心 2025年第6期127-135,209,共10页
为了解决住宅负荷预测中的不确定性问题,提升预测精度,提出一种基于深度混合密度网络的住宅负荷概率预测。设计一种端到端卷积神经网络和门控递归单元相结合的概率居民负荷预测复合模型;重新构造了一个损失函数,从而防止由间接结构传播... 为了解决住宅负荷预测中的不确定性问题,提升预测精度,提出一种基于深度混合密度网络的住宅负荷概率预测。设计一种端到端卷积神经网络和门控递归单元相结合的概率居民负荷预测复合模型;重新构造了一个损失函数,从而防止由间接结构传播产生较大误差,并提高计算效率,进一步将所设计的深度模型合并到混合密度网络中,直接预测概率密度函数。实验结果表明,相比于其他方法,该方法在居民负荷概率预测中具有一定优势。 展开更多
关键词 深度混合密度网络 住宅负荷 概率密度 门控循环单元
在线阅读 下载PDF
基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估 被引量:3
9
作者 陆旭 张理寅 +2 位作者 李更丰 别朝红 段超 《电力系统自动化》 EI CSCD 北大核心 2024年第9期107-119,共13页
针对现有数据驱动的电力系统暂态评估方法依赖大规模数据集且可解释性不足的问题,文中将物理知识嵌入传统数据驱动方法,提出一种基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估方法。该方法考虑大规模风电并网的电力系统,将电力... 针对现有数据驱动的电力系统暂态评估方法依赖大规模数据集且可解释性不足的问题,文中将物理知识嵌入传统数据驱动方法,提出一种基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估方法。该方法考虑大规模风电并网的电力系统,将电力系统暂态稳定物理方程内嵌至神经网络损失函数,通过神经网络直接逼近物理过程,使输出结果满足物理规律,提高暂态稳定评估的可靠性与可解释性。通过数据与知识双驱动,所提方法不依赖大规模训练数据集,依然具有较好的鲁棒性与泛化能力。此外,所提方法通过卷积神经网络进行特征提取与降维,解决拓扑数据无法直接作为神经网络输入的难题。在含风机的IEEE 9节点和IEEE 39节点测试系统上的实验结果表明,所提方法在准确率、计算效率、泛化能力等方面相较现有方法有显著提升。 展开更多
关键词 内嵌物理知识卷积神经网络 知识-数据混合驱动 功角 暂态稳定性 机器学习 可解释性
在线阅读 下载PDF
全卷积网络结合改进的条件随机场-循环神经网络用于SAR图像场景分类 被引量:8
10
作者 汤浩 何楚 《计算机应用》 CSCD 北大核心 2016年第12期3436-3441,共6页
传统合成孔径雷达(SAR)图像基于粗分割像素块提取相关特征,后接支持向量机(SVM)和马尔可夫随机场(MRF)或条件随机场(CRF)进行分类,该方法存在同一像素块内部不同类别像素的误差,而且只考虑邻近区域未充分用到全局信息和结构信息。故考... 传统合成孔径雷达(SAR)图像基于粗分割像素块提取相关特征,后接支持向量机(SVM)和马尔可夫随机场(MRF)或条件随机场(CRF)进行分类,该方法存在同一像素块内部不同类别像素的误差,而且只考虑邻近区域未充分用到全局信息和结构信息。故考虑基于像素点引入全卷积网络(FCN),以ESAR卫星图像为样本,基于像素点级别构建卷积网络进行训练,得到各像素的初始类别分类概率。为了考虑全局像素类别的影响后接CRF-循环神经网络(CRF-RNN),利用FCN得到的初始概率,结合CRF结构得到全局像素类别转移结果,之后进行RNN的迭代进一步优化实验结果。由于基于像素点和考虑了全局信息与结构信息,克服了传统分类的部分缺点,使正确率较传统SVM或CRF方法平均提高了约6.5个百分点。由于CRF-RNN的距离权重是用高斯核人为拟合的,不能随实际训练样本来改变和确定,故存在一定误差,针对该问题提出可训练的全图距离权重卷积网络来改进CRF-RNN,最终实验结果表明改进后方法的正确率较未改进的CRF-RNN又提高了1.04个百分点。 展开更多
关键词 全卷积网络 条件随机场-循环神经网络 全局信息 全图距离权重
在线阅读 下载PDF
基于GA-BP神经网络的超临界二氧化碳折射率及密度预测 被引量:10
11
作者 孙辉 章立新 +2 位作者 杨其国 高明 刘婧楠 《热力发电》 CAS 北大核心 2020年第10期59-64,共6页
基本光学性质折射率是研究物质物理性质的重要参数。本文以超临界二氧化碳(S-CO2)为对象,整合各文献在不同温度、压力下对S-CO2折射率的测量数据,使用遗传算法(GA)优化后的BP神经网络建立了预测S-CO2折射率的模型,并基于S-CO2密度与波... 基本光学性质折射率是研究物质物理性质的重要参数。本文以超临界二氧化碳(S-CO2)为对象,整合各文献在不同温度、压力下对S-CO2折射率的测量数据,使用遗传算法(GA)优化后的BP神经网络建立了预测S-CO2折射率的模型,并基于S-CO2密度与波长、折射率内在联系的洛伦兹-洛伦兹关系式,对S-CO2的密度进行反演。结果表明:该模型预测S-CO2折射率的最大相对误差仅为0.844%;反演的S-CO2密度值同REFPROP软件结果相比,平均误差不超过3.65%;在亚临界和超临界区,通过实验测量折射率来研究CO2物性是可行的;在近临界区,由于CO2物性变化剧烈,对折射率变化规律的测量及折射率与CO2物性的关系尚需进一步研究。 展开更多
关键词 超临界二氧化碳 折射率 洛伦兹-洛伦兹关系式 GA-BP神经网络 密度
在线阅读 下载PDF
基于视觉的神经网络三维动态手势识别方法综述 被引量:2
12
作者 王瑞平 吴士泓 +1 位作者 张美航 王小平 《计算机科学》 CSCD 北大核心 2024年第4期193-208,共16页
动态手势识别作为一种重要的人机交互手段而受到广泛关注,其中基于视觉的识别方式因其使用便利性和低成本的优势成为新一代人机交互的首选技术。以人工神经网络为中心,综述了基于视觉的手势识别方法研究进展,分析了不同类型人工神经网... 动态手势识别作为一种重要的人机交互手段而受到广泛关注,其中基于视觉的识别方式因其使用便利性和低成本的优势成为新一代人机交互的首选技术。以人工神经网络为中心,综述了基于视觉的手势识别方法研究进展,分析了不同类型人工神经网络在手势识别中的发展现状,调研并归纳总结了待识别数据和训练数据集的类型及特点;此外,通过开展性能对比实验,客观评估了不同类型的人工神经网络,并对结果进行了分析。最后,对调研内容进行了总结,对该领域面临的挑战和存在的问题进行了阐述,对动态手势识别技术的发展趋势进行了展望。 展开更多
关键词 动态手势识别 人机交互 人工神经网络 卷积神经网络 循环神经网络 注意力机制 混合神经网络
在线阅读 下载PDF
基于混合量子-经典神经网络模型的股价预测 被引量:6
13
作者 张晓旭 高振涛 +2 位作者 吴磊 李鑫 卢明静 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第1期16-23,共8页
股票预测本质上是数据挖掘的问题,大盘走势是一个很好的股票买卖时机抉择信号。在量化分析中,常用深度学习技术对大盘历史数据进行拟合与特征提取,为股票投资提供决策参考。该文首先训练了一个经典深度神经网络对沪深300的日K量价数据... 股票预测本质上是数据挖掘的问题,大盘走势是一个很好的股票买卖时机抉择信号。在量化分析中,常用深度学习技术对大盘历史数据进行拟合与特征提取,为股票投资提供决策参考。该文首先训练了一个经典深度神经网络对沪深300的日K量价数据进行监督学习,实现了一个输出"涨跌"概率的二分类预测器,并以此制定策略进行模拟交易,利用测试集数据计算累积收益率,从而评估投资策略的优劣。此外,还构造了一种混合量子-经典神经网络模型,充分利用量子计算的线路模型特点,构造参数化变分量子线路,实现了量子前馈神经网络。在量子线路学习框架中,将股票的特征因子编码到量子态的振幅上,通过训练量子神经网络U的参数θ,迭代得到一个最优的分类器。量子算法的运行时间比经典算法少了7.7%,预测准确率更高,回报率高出3%,因此证明了量子算法的表达力强、鲁棒性高的特点。 展开更多
关键词 深度学习 混合量子-经典神经网络 量子金融 股价预测 技术面因子
在线阅读 下载PDF
基于卷积-循环神经网络的回转窑工况识别 被引量:5
14
作者 马文科 张茜 周晓杰 《控制工程》 CSCD 北大核心 2020年第8期1310-1316,共7页
论文提出了一种基于火焰视频序列采用卷积-循环神经网络分析回转窑烧结工况的新方法。现方法以单帧静态火焰图像为输入,易受噪声影响,识别准确率低,而视频序列蕴含的信息更加全面,能够更准确的反映工况变化。该方法首先针对图像序列数... 论文提出了一种基于火焰视频序列采用卷积-循环神经网络分析回转窑烧结工况的新方法。现方法以单帧静态火焰图像为输入,易受噪声影响,识别准确率低,而视频序列蕴含的信息更加全面,能够更准确的反映工况变化。该方法首先针对图像序列数据处理和主成分分析法(Principal Component Analysis,PCA)初步特征提取,之后应用卷积-循环神经网络的集成网络进一步学习图像空间和时间维的特征表达,并得到识别结果。利用随机搜索对网络进行超参数优化,进而获得最优的神经网络模型。最后,对卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)和CNN-RNN(Convolutional-Recurrent Neural Network,CNN-RNN)网络在两种数据集下的效果进行了比较,实验结果表明所提出的卷积-循环神经网络集成网络提高了回转窑烧结工况识别率。 展开更多
关键词 水泥回转窑 时间序列 卷积-循环神经网络 超参数优化
在线阅读 下载PDF
基于人工神经网络模型的三元混合物溶液物性预测 被引量:4
15
作者 曹益林 吕庆章 杨书廷 《化工学报》 EI CAS CSCD 北大核心 1996年第3期371-375,共5页
Artificial neural network models were used to investigate the density,viscosity and excess molar volume of a ternary mixture.The results were satisfactory when compared with the experimental values.This method was eas... Artificial neural network models were used to investigate the density,viscosity and excess molar volume of a ternary mixture.The results were satisfactory when compared with the experimental values.This method was easy in operation and rapid in prediction comparing with the traditional thermodynamical methods based on empirical or semiempirical equations.It can be used as a unified method for the property prediction of multicomponent mixture. 展开更多
关键词 神经网络 混合物溶液 密度 粘度 过量体积
在线阅读 下载PDF
基于混合神经网络的脑电时空特征情感分类 被引量:11
16
作者 陈景霞 郝为 +2 位作者 张鹏伟 闵重丹 李玥辰 《软件学报》 EI CSCD 北大核心 2021年第12期3869-3883,共15页
提出一种脑电图(electroencephalograph,简称EEG)数据表示方法,将一维链式EEG向量序列转换成二维网状矩阵序列,使矩阵结构与EEG电极位置的脑区分布相对应,以此来更好地表示物理上多个相邻电极EEG信号之间的空间相关性.再应用滑动窗将二... 提出一种脑电图(electroencephalograph,简称EEG)数据表示方法,将一维链式EEG向量序列转换成二维网状矩阵序列,使矩阵结构与EEG电极位置的脑区分布相对应,以此来更好地表示物理上多个相邻电极EEG信号之间的空间相关性.再应用滑动窗将二维矩阵序列分成一个个等长的时间片段,作为新的融合了EEG时空相关性的数据表示.还提出了级联卷积-循环神经网络(CASC_CNN_LSTM)与级联卷积-卷积神经网络(CASC_CNN_CNN)这两种混合深度学习模型,二者都通过CNN卷积神经网络从转换的二维网状EEG数据表示中捕获物理上相邻脑电信号之间的空间相关性,而前者通过LSTM循环神经网络学习EEG数据流在时序上的依赖关系,后者则通过CNN卷积神经网络挖掘局部时间与空间更深层的相关判别性特征,从而精确识别脑电信号中包含的情感类别.在大规模脑电数据集DEAP上进行被试内效价维度上两类情感分类实验,结果显示,所提出的CASC_CNN_LSTM和CASC_CNN_CNN网络在二维网状EEG时空特征上的平均分类准确率分别达到93.15%和92.37%,均高于基准模型和现有最新方法的性能,表明该模型有效提高了EEG情感识别的准确率和鲁棒性,可以有效地应用到基于EEG的情感分类与识别相关应用中. 展开更多
关键词 脑电图 情感识别 二维网状 时空特征 卷积循环神经网络 混合模型
在线阅读 下载PDF
混合神经网络模型在人体活动识别中的研究 被引量:8
17
作者 吴海涛 陆志平 胡晨骏 《计算机应用与软件》 北大核心 2021年第8期187-193,219,共8页
针对人体活动识别问题与其在实际情况中的应用,综合考量卷积神经网络与作为循环神经网络变体的门控循环单元,设计能自动提取传感器数据特征和记忆时序性活动数据的CNN-GRU混合神经网络模型,并予以改良。使用该模型在公开的数据集上进行... 针对人体活动识别问题与其在实际情况中的应用,综合考量卷积神经网络与作为循环神经网络变体的门控循环单元,设计能自动提取传感器数据特征和记忆时序性活动数据的CNN-GRU混合神经网络模型,并予以改良。使用该模型在公开的数据集上进行实验,较其他的模型效果更加理想。在人体活动识别的处理中,CNN-GRU模型能达到预期的高准确率。在数据集时序性依赖较强的情况下,CNN-GRU模型能拥有更好的准确度和稳定性。 展开更多
关键词 卷积神经网络 门控循环单元 混合神经网络 人体活动识别
在线阅读 下载PDF
基于混合神经网络的汽车运动状态估计 被引量:6
18
作者 高振海 温文昊 +2 位作者 唐明弘 张建 陈国迎 《汽车工程》 EI CSCD 北大核心 2022年第10期1527-1536,共10页
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN... 针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计。基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证。结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性。 展开更多
关键词 车辆状态估计 深度学习 门控循环单元 多层感知机 混合神经网络
在线阅读 下载PDF
基于过程神经网络的木材生长轮密度预测 被引量:3
19
作者 葛利 陈广胜 《林业科学》 EI CAS CSCD 北大核心 2008年第1期124-127,共4页
提出一种基于过程神经网络的木材生长轮密度长期预测方法。本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程... 提出一种基于过程神经网络的木材生长轮密度长期预测方法。本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法。 展开更多
关键词 生长轮密度 长期预测 混合遗传算法 过程神经网络
在线阅读 下载PDF
基于云-边协同变分自编码神经网络的设备故障检测方法 被引量:9
20
作者 刘阳 粟航 +2 位作者 何倩 申普 刘鹏 《计算机工程与科学》 CSCD 北大核心 2023年第7期1188-1196,共9页
针对机电设备故障数据整体趋势和多阈值点实际应用,提出了一种基于云-边协同的变分自编码门控循环神经网络VAE-GRU的设备故障检测方法。构建了基于云-边协同的机电设备故障检测系统架构,终端设备层、边缘节点层、云中心层,云中心和边缘... 针对机电设备故障数据整体趋势和多阈值点实际应用,提出了一种基于云-边协同的变分自编码门控循环神经网络VAE-GRU的设备故障检测方法。构建了基于云-边协同的机电设备故障检测系统架构,终端设备层、边缘节点层、云中心层,云中心和边缘节点之间通过协同的方式对机电设备进行故障检测。设计了VAE-GRU模型,通过VAE编码器对输入数据进行采样,利用GRU捕捉时序数据的长期相关性。设计了动态阈值选择算法确定故障检测阈值,针对不同数据集可自动选择最优阈值,提高故障检测精度。实验结果表明,提出的基于云-边协同VAE-GRU设备故障检测方法提高了设备故障检测准确性,降低了处理时延,能保证机电设备稳定运行。 展开更多
关键词 -边协同 故障检测 变分自编码 门控循环神经网络 机电设备运维
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部