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223篇文章
< 1 2 … 12 >
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：
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量：1
1
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
在线阅读 下载PDF
多注意力残差脉冲神经网络的接地网故障诊断
2
作者 闫孝姮 丁一凡 +1 位作者 陈伟华 张雪 《电子测量与仪器学报》 北大核心 2025年第3期77-91,共15页
针对目前接地网故障诊断方法效果单一与非智能化的问题,提出了一种多注意力残差脉冲神经网络(MAR-SNN)的接地网故障诊断方法。首先,创建用于训练的接地网数据集,通过对电阻抗成像技术(EIT)网格大小的重新剖分,提高成像速度,并利用局部... 针对目前接地网故障诊断方法效果单一与非智能化的问题,提出了一种多注意力残差脉冲神经网络(MAR-SNN)的接地网故障诊断方法。首先,创建用于训练的接地网数据集,通过对电阻抗成像技术(EIT)网格大小的重新剖分,提高成像速度,并利用局部自适应对比度增强方法,增强不同故障等级间的图像特征;其次,利用所提出的多注意力脉冲残差块,构建MAR-SNN模型,实现对接地网故障等级的识别任务,该残差模块通过在两次脉冲神经元后进行身份映射,同时引入多注意力机制,并采用参数-泄露-积分-触发脉冲神经元与批归一化层,分别提升模型识别准确率;最后,利用EIT与训练好的MAR-SNN模型,建立对接地网故障的智能诊断模型。模型对比分析结果表明,MAR-SNN在接地网智能故障诊断中的效果优于现有先进模型,在测试集中准确率可达96.31%,其中在轻、中腐蚀程度下的准确率可达100%、97.20%;同时实验结果证明,所提方法可以完成对接地网故障检测与等级识别的综合诊断任务,实现对接地网的智能故障诊断,验证了该方法的有效性与可行性。 展开更多
关键词 接地网智能故障诊断 多注意力残差 脉冲神经网络 电阻抗成像技术 对比度增强
在线阅读 下载PDF
基于残差神经网络和注意力机制的加工表面粗糙度识别
3
作者 范立想 朱钰浩 +2 位作者 陈书涵 姚继开 唐伟东 《机床与液压》 北大核心 2025年第11期126-132,共7页
表面粗糙度是衡量表面质量的重要指标之一,因此,开发能够快速、准确测量和识别表面粗糙度的技术具有广泛的应用前景。基于此,提出一种基于残差神经网络和注意力机制的电火花加工表面粗糙度检测技术。该技术首先对输入图像进行预处理,使... 表面粗糙度是衡量表面质量的重要指标之一,因此,开发能够快速、准确测量和识别表面粗糙度的技术具有广泛的应用前景。基于此,提出一种基于残差神经网络和注意力机制的电火花加工表面粗糙度检测技术。该技术首先对输入图像进行预处理,使用图像灰度处理降低原始信号的输入量。通过图像分块、噪声、旋转和翻转等方式进行数据增强,将增强后的数据输入深度学习模型中进行训练。深度学习模型利用残差神经网络和注意力机制,自动提取经电火花加工后的H13钢材料表面粗糙度的特征。实验结果表明:所提出的基于残差神经网络和注意力机制的表面粗糙度检测技术能够进行高效率的表面粗糙度检测;在12组粗糙度分类识别实验中,该深度学习模型相较于卷积神经网络(CNN),卷积神经网络和注意力机制(CNN-Attention)以及残差神经网络(ResNet)的准确率分别提高了9.10%、3.73%、4.11%;通过对加工后表面粗糙度图像进行4组分类,所提出模型验证准确率在95%以上,可用于工业生产及其他相关领域表面质量的快速检测。 展开更多
关键词 表面粗糙度识别 残差神经网络 注意力机制 电火花加工技术
在线阅读 下载PDF
结合图同构和混合阶残差门控图神经网络的会话推荐
4
作者 王永贵 于琦 《计算机科学与探索》 北大核心 2025年第2期502-512,共11页
基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的... 基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。 展开更多
关键词 会话推荐 图同构网络 混合阶残差门控图神经网络 对比学习
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
5
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
融合自注意力与残差神经网络的3D打印激光在机测量误差修正方法
6
作者 刘清涛 王子俊 +4 位作者 张玉隆 张义超 赵斌 尹恩怀 吕景祥 《电子测量与仪器学报》 CSCD 北大核心 2024年第4期27-36,共10页
激光测量能够实现高效地非接触实时测量,被广泛应用于3D打印领域,但激光测量容易受测量条件、外部环境等多种因素的干扰,这些因素错综复杂,难以量化分析。为此,结合直射式激光三角测量原理,在分析测量精度影响因素的基础上,提出了一种... 激光测量能够实现高效地非接触实时测量,被广泛应用于3D打印领域,但激光测量容易受测量条件、外部环境等多种因素的干扰,这些因素错综复杂,难以量化分析。为此,结合直射式激光三角测量原理,在分析测量精度影响因素的基础上,提出了一种基于融合自注意力和残差神经网络的3D打印在机测量误差修正方法。首先,将影响测量精度的因素作为输入变量,采集激光测量值,得到样本数据集;然后利用残差网络提取出样本数据的深层次特征,并引入自注意力机制建立影响因素之间的联系,得到带权重的提取特征;再通过全连接网络对带权重特征进行学习,得到测量误差的预测值,基于该预测值完成对测量误差的修正。自主搭建了一套激光在机测量系统,采用红、绿、紫3种同材质彩色卡纸进行实验验证。结果表明,所提的方法与卷积神经网络和自注意力神经网络相比,均方误差、均方根误差和平均绝对误差均最小,稳定性最好,修正结果最接近真实值;对激光测量结果进行校正后,使其误差由原来的±28μm减小到±9μm以下,显著提高了3D打印激光在机测量的精度和稳定性。 展开更多
关键词 3D打印 激光在机测量 残差神经网络 自注意力机制 误差修正
在线阅读 下载PDF
采用三输入和混合注意力机制的残差颌骨囊肿分类网络
7
作者 周克伟 王远军 刘玉 《小型微型计算机系统》 北大核心 2025年第8期2000-2006,共7页
锥形束CT(Cone Beam CT,CBCT)对诊断成釉细胞瘤与牙源性角化囊肿至关重要,两种疾病在影像学上的表现较为相似,在鉴别诊断上非常困难.针对这一问题,本文提出了一种基于三通道输入和混合注意力机制的残差颌骨囊肿分类网络(THRNet).该方法... 锥形束CT(Cone Beam CT,CBCT)对诊断成釉细胞瘤与牙源性角化囊肿至关重要,两种疾病在影像学上的表现较为相似,在鉴别诊断上非常困难.针对这一问题,本文提出了一种基于三通道输入和混合注意力机制的残差颌骨囊肿分类网络(THRNet).该方法以ResNet50作为基线网络,结合迁移学习策略使模型在小数量数据集上能有更好的表现;通过采用三输入结构以充分利用CBCT影像数据的上下文信息;引入混合注意力机制以加强模型对局部特征信息的学习能力.最后,在4314张三通道数据中,所提出的模型的平均准确率、特异性、灵敏度和F1指数分别为82.42%、84.03%、82.70%、和83.59%,相较于基线网络,分别提升了6.45%、3.88%、9.07%、4.43%.实验结果表明,所提出模型可以有效实现成釉细胞瘤与牙源性角化囊肿的分类. 展开更多
关键词 卷积神经网络 混合注意力 迁移学习 CBCT
在线阅读 下载PDF
融入频域增强自注意力机制的BTBFA混合神经网络情感分类模型
8
作者 苏妍嫄 韩翠娟 张亚明 《现代情报》 CSSCI 北大核心 2024年第12期52-63,共12页
[目的/意义]智媒时代基于神经网络模型实现用户情感精准分类,进而深入挖掘海量文本信息潜在价值具有重要意义。[方法/过程]针对现有混合模型层间依赖性强、输出特征重要性差异体现不足等导致的情感分类效果受限问题,基于Stacking集成思... [目的/意义]智媒时代基于神经网络模型实现用户情感精准分类,进而深入挖掘海量文本信息潜在价值具有重要意义。[方法/过程]针对现有混合模型层间依赖性强、输出特征重要性差异体现不足等导致的情感分类效果受限问题,基于Stacking集成思想,提出一种融入频域增强自注意力机制的混合神经网络情感分类模型,通过构建由Bert、TextCNN、BiLSTM组成的并行式特征提取基学习器层与融入频域增强自注意力机制的元学习器层,并与词嵌入层和全连接层相融合,系统挖掘文本深层次语义信息以及局部、全局特征,进而通过权重分配以及离散傅里叶变换提升情感分类效果。[结果/结论]酒店评论数据集上的对比实验与消融实验结果均表明,所提模型情感分类性能与其他模型相比具有显著优势,准确率、召回率、F1值分别达到91.7%、95.3%和93.9%,且随Epoch训练轮数增加,模型情感分类准确性不断提升,损失值不断降低,呈现较强的泛化能力。 展开更多
关键词 情感分类 混合神经网络 Bert-TextCNN-BiLSTM-FAttention Stacking算法 自注意力机制 离散傅里叶变换
在线阅读 下载PDF
针对X线图像超分辨率重建的轻量残差注意力网络
9
作者 杨昆 齐晁仪 +4 位作者 刘天军 艾尚璞 闫森广 刘秀玲 薛林雁 《河北大学学报(自然科学版)》 北大核心 2025年第4期419-430,共12页
针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证... 针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证参数量不增加的条件下,通过增设卷积层来提取更为丰富的图像特征.为进一步提高卷积层间的信息传递效率,设计了一种新颖的残差级联方案IRSC(improved residual skip concatenation).同时,为应对医学影像中信噪比低的问题,构建了多维混合注意力机制模块CSPMA(channel-spatial-pixel mixed attention),该模块分别从通道、空间和像素3个维度筛选信息,从而显著增强了网络对关键图像特征的捕捉能力.实验结果表明,LDRAN在X线医学图像数据集Chest X-ray上的PSNR为36.81 dB,SSIM为0.8966,均取得了最优.并且能够更好地重建X线图像的细节和纹理.此外,LDRAN在3个自然图像数据集上的重建效果比多数具有代表性的算法更好. 展开更多
关键词 超分辨重建 轻量化 深度残差块 混合多维度注意力模块 残差级联
在线阅读 下载PDF
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
10
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
基于残差注意力密集网络的协作频谱感知方法
11
作者 王安义 朱涛 龚健超 《电信科学》 北大核心 2025年第2期84-94,共11页
针对基于卷积神经网络(convolutional neural network,CNN)的协作频谱感知算法存在的网络结构简单、特征提取能力不足和感知性能下降等问题,提出了一种基于残差注意力密集网络(residual attention dense network,RADN)的协作频谱感知算... 针对基于卷积神经网络(convolutional neural network,CNN)的协作频谱感知算法存在的网络结构简单、特征提取能力不足和感知性能下降等问题,提出了一种基于残差注意力密集网络(residual attention dense network,RADN)的协作频谱感知算法。该算法通过改进基础残差块,从感受野、通道和空间3个维度引入注意力机制,结合残差连接和密集连接,构建了强大的深层特征提取结构——密集残差(residual in dense,RID),显著提升了网络的特征提取能力和频谱感知性能。实验结果表明,相较于传统深度学习方法,RADN算法在低信噪比(signal-to-noise ratio,SNR)条件下表现出显著的性能提升。该方法不仅能够适应多种调制方式,还具备较高的检测概率和良好的鲁棒性。 展开更多
关键词 协作频谱感知 卷积神经网络 注意力机制 密集连接 残差连接
在线阅读 下载PDF
基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型 被引量：19
12
作者 乔思波 庞善臣 +3 位作者 王敏 翟雪 于世行 丁桐 《电子学报》 EI CAS CSCD 北大核心 2021年第5期984-991,共8页
针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组... 针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组织在CT图像中的位置和内容信息;此外,本文设计了全局平均池化层,简化了模型的复杂度,并在其后引入Dropout机制,缓解了过拟合.在训练阶段,该模型建立了标签平滑交叉熵损失函数,使模型在样本数量有限的情况下仍有较强的泛化能力.系列实验证明了改进后的ResNet-10网络模型在分类脑部CT图像时达到97.47%的分类精度. 展开更多
关键词 残差混合注意力模块 标签平滑 脑部CT 卷积神经网络
在线阅读 下载PDF
基于监督对比学习和混合注意力残差网络的隔膜泵单向阀故障诊断 被引量：1
13
作者 任洪兵 彭宇明 黄海波 《机电工程》 CAS 北大核心 2024年第4期594-603,共10页
由于工业生产环境中的强噪声和其他环境激励,隔膜泵单向阀不同故障的特征呈现一定的相似性,导致传统深度学习方法对单向阀的故障状态难以准确识别。为解决这一问题,提出了一种结合监督对比学习和混合注意力残差神经网络(HA-ResNet)的隔... 由于工业生产环境中的强噪声和其他环境激励,隔膜泵单向阀不同故障的特征呈现一定的相似性,导致传统深度学习方法对单向阀的故障状态难以准确识别。为解决这一问题,提出了一种结合监督对比学习和混合注意力残差神经网络(HA-ResNet)的隔膜泵单向阀故障诊断方法。首先,将注意力机制引入了残差神经网络以提升网络的学习能力,自适应调节了重要但微弱特征权重,并以恒等变换减少了有效信息被抑制现象;其次,提出了加权“监督对比损失(SCL)+交叉熵(CE)损失”,调节单向阀不同故障状态数据之间的距离,明确了单向阀不同故障状态的分类边界与降低噪声或环境激励的干扰;最后,通过工程实测数据,对监督对比学习和HA-ResNet融合方法的有效性和稳定性进行了验证。研究结果表明:监督对比学习和HA-ResNet融合方法在隔膜泵单向阀验证集上的平均准确率达到了99.3%;与其他故障诊断方法相比,其在诊断精度和稳定性上都具有一定的优势,验证了该方法在噪声干扰条件下故障诊断的可靠性。 展开更多
关键词 隔膜泵 单向阀 故障诊断 监督对比损失 混合注意力残差神经网络 特征相似性 深度学习方法
在线阅读 下载PDF
基于聚类SABO-VMD和组合神经网络的短期光伏发电功率预测 被引量：4
14
作者 冯建铭 希望·阿不都瓦依提 蔺红 《太阳能学报》 北大核心 2025年第2期357-366,共10页
针对光伏发电预测单一模型处于不同天气状况时预测精度不高等问题,建立以卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)为基础的组合神经网络模型。提出一种基于鱼鹰优化算法(OOA),用以优化组合神经网络参数。此外引入注意力机制(Atte... 针对光伏发电预测单一模型处于不同天气状况时预测精度不高等问题,建立以卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)为基础的组合神经网络模型。提出一种基于鱼鹰优化算法(OOA),用以优化组合神经网络参数。此外引入注意力机制(Attention)突出强相关性因素的影响。采用高斯混合模型聚类(GMM)划分历史光伏数据为数个天气类型,并提出基于减法平均的优化算法(SABO)优化变分模态分解(VMD)参数,实现对各天气类型数据的分解。实验结果表明:基于SABO-VMD优化数据分解参数能有效提高预测精度;经实验对比分析,该文所提模型精度明显更高。 展开更多
关键词 光伏功率 变分模态分解 神经网络 功率预测 注意力机制 高斯混合模型聚类
在线阅读 下载PDF
用于脑肿瘤分割的N形神经网络
15
作者 迟孟贤 安虹 +2 位作者 金旭 许延杰 聂振国 《小型微型计算机系统》 北大核心 2025年第2期365-372,共8页
传统的U型神经网络网络在脑肿瘤分割任务中存在高层信息表征能力不足和分割标签不平衡等问题.本文提出了一种新型脑肿瘤分割模型N-Net,能够有效融合多尺度信息,综合考虑全局语义与局部细节,提高了对不同大小肿瘤的分割性能.模型引入特... 传统的U型神经网络网络在脑肿瘤分割任务中存在高层信息表征能力不足和分割标签不平衡等问题.本文提出了一种新型脑肿瘤分割模型N-Net,能够有效融合多尺度信息,综合考虑全局语义与局部细节,提高了对不同大小肿瘤的分割性能.模型引入特征金字塔进行多尺度语义特征的传递,并且采用通道空间融合注意力机制自适应地关注与肿瘤相关区域,此外,本文增加了模型层级并利用残差卷积模块解决梯度消失问题.最后,本文采用改进的混合损失函数应对标签不平衡问题,提高了分割结果的准确性和鲁棒性.在MSD数据集上的实验结果表明,本文提出的方法在多个评估指标上显著优于其他先进模型,展示了其在脑肿瘤分割任务上的有效性. 展开更多
关键词 脑肿瘤分割 特征金字塔 注意力机制 混合损失函数 N形神经网络
在线阅读 下载PDF
基于一维卷积神经网络的雷达个体识别算法
16
作者 杨孟璋 农丽萍 +1 位作者 李然 王俊义 《计算机工程与设计》 北大核心 2025年第5期1281-1288,共8页
为解决利用长序列雷达信号对雷达辐射源个体进行分类识别的问题,提出一种融合注意力机制和残差的一维卷积深度神经网络(1CDNN)模型,利用一维卷积从原始长序列雷达信号中直接提取特征,减少模型的参数量。引入注意力机制帮助模型学习利用... 为解决利用长序列雷达信号对雷达辐射源个体进行分类识别的问题,提出一种融合注意力机制和残差的一维卷积深度神经网络(1CDNN)模型,利用一维卷积从原始长序列雷达信号中直接提取特征,减少模型的参数量。引入注意力机制帮助模型学习利用全局信息选择关键特征,提高模型的分类识别精度。引入残差使得模型在缓解梯度消失的同时更容易进行优化和训练。实验结果表明,所提模型在实际采集数据集上具有结构简单、训练难度低、分类识别精度高和收敛速度快的优点。 展开更多
关键词 雷达辐射源识别 长序列雷达信号 深度学习 端到端 一维卷积神经网络 注意力机制 残差学习
在线阅读 下载PDF
双注意力密集残差收缩网络的图像去雨算法
17
作者 王震 牛晓伟 《电光与控制》 北大核心 2025年第3期88-93,共6页
针对现有算法对雨纹的清除不彻底并存在背景信息丢失的问题,提出一种双注意力密集残差收缩网络的图像去雨算法。该网络首先通过混合特征补偿模块收集多种尺度信息;在编码阶段使用双注意力密集残差收缩块作为编码器基础编码块,利用软阈... 针对现有算法对雨纹的清除不彻底并存在背景信息丢失的问题,提出一种双注意力密集残差收缩网络的图像去雨算法。该网络首先通过混合特征补偿模块收集多种尺度信息;在编码阶段使用双注意力密集残差收缩块作为编码器基础编码块,利用软阈值网络将收集的特征信息中的无用信息置零并添加空间,利用通道双注意力标注雨纹的位置信息;在解码阶段将前面不同阶段的特征信息进行聚合,通过scSE注意力机制进行空间、通道两方面激励,压缩特征信息传入解码器进行解码,最终输出去雨图像。在公开数据集Rain100H、Rain100L、Rain800和Rain12上进行实验,以Rain100H为例与其他算法相比,峰值信噪比(PSNR)提高了1.07~7.45 dB,结构相似度提高了0.021~0.139。 展开更多
关键词 图像去雨 混合特征补偿 注意力机制 双注意力密集残差收缩网络
在线阅读 下载PDF
残差混合注意力与自适应特征融合的脑肿瘤分割
18
作者 吴进旭 吴云 《计算机应用研究》 北大核心 2025年第8期2525-2531,共7页
脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题,提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法(residual adaptive convolution-Net,R... 脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题,提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法(residual adaptive convolution-Net,RAC-Net)。首先,使用双动态卷积增强(dual dynamic convolution enhancement,DDCE)模块以实现更灵活的特征提取和增强模型的适应能力;然后,引入残差混合注意力(residual mixed attention,RMA)模块,以充分提取图像的全局与局部特征;最后,在解码路径中使用自适应特征融合(adaptive feature fusion module,AF2M)模块来对深层与浅层特征进行融合,以获取更丰富的特征信息。在公共数据集BraTS2019与BraTS2021上进行实验,并使用数据集BraTS2023进行跨数据集验证,结果显示RAC-Net的大部分指标均优于现有主流分割方法,说明该分割方法对临床相关脑肿瘤疾病的辅助诊断具有一定的应用价值。 展开更多
关键词 脑肿瘤分割 自适应特征融合 残差混合注意力 双动态卷积增强
在线阅读 下载PDF
基于卷积神经网络和混合注意力机制的书标检测算法 被引量：2
19
作者 张岩 赵蒙蒙 +1 位作者 孙英伟 常艳康 《山东科技大学学报（自然科学版）》 CAS 北大核心 2023年第3期94-102,共9页
为实现图书馆中机器人智能排架,提出一种基于卷积神经网络和混合注意力机制的书标检测模型。将DenseNet121引入YOLOv4以提高特征和梯度之间的传递效率,利用SPDC模块实现局部和全局特征融合,进而通过通道和空间混合注意力提高模型的特征... 为实现图书馆中机器人智能排架,提出一种基于卷积神经网络和混合注意力机制的书标检测模型。将DenseNet121引入YOLOv4以提高特征和梯度之间的传递效率,利用SPDC模块实现局部和全局特征融合,进而通过通道和空间混合注意力提高模型的特征表征能力。实验结果表明,模型的平均准确率、整体性能、参数量和模型大小均优于对比方法,且易于部署到嵌入式设备中实现在线检测,从而提高图书乱架治理的智能化水平。 展开更多
关键词 卷积神经网络 混合注意力机制 书标 目标检测 智慧图书馆
在线阅读 下载PDF
基于混合神经网络和注意力机制的卒中后抑郁早期筛查分类方法研究
20
作者 于洪丽 安丽佳 +2 位作者 王春方 徐桂芝 郭磊 《电子测量技术》 北大核心 2023年第12期178-186,共9页
脑卒中后抑郁症(PSD)是卒中后常见的并发症之一,严重威胁着脑卒中患者的健康。目前PSD的诊断主要依据病人的临床表现及各种量表,这类方法存在一定的主观性。脑电图(EEG)结合深度学习技术有可能为PSD诊断提供客观标准。本研究采集28名脑... 脑卒中后抑郁症(PSD)是卒中后常见的并发症之一,严重威胁着脑卒中患者的健康。目前PSD的诊断主要依据病人的临床表现及各种量表,这类方法存在一定的主观性。脑电图(EEG)结合深度学习技术有可能为PSD诊断提供客观标准。本研究采集28名脑卒中后无抑郁受试者(PSND)和38名脑卒中后轻度抑郁患者(PSMD)的EEG信号,提出了一种基于注意力机制的长短时记忆网络(LSTM)和卷积神经网络(EEGNet)特征融合的端到端的PSD诊断框架。采用LSTM模型来学习EEG信号在时序上的依赖关系,引入的注意力机制对LSTM模型中时域信息进行权重分配来提高有用信息的利用率,最终通过EEGNet模块来提取EEG信号中更具表征的深层特征。通过10折交叉验证得出准确度、精确度、召回率、F1-Score和Kappa系数,分别为95.90%、95.75%、96%、95.82%和91.60%。与基础的深度学习模型相比,本文的方法能保持稳定的模型性能,对PSD的诊断具有较高的准确性,为PSD的筛查和诊断提供了一定的参考。 展开更多
关键词 脑卒中后抑郁症 长短时记忆网络 卷积神经网络 注意力机制 混合神经网络
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 … 12 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