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1,008篇文章
< 1 2 … 51 >
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CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测
1
作者 何为 岳留强 +3 位作者 唐智和 栾辉 陈昌照 王若尧 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期121-129,共9页
快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM... 快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM混合神经网络算法,建立炼化企业污水处理场COD排放浓度预测模型。结果表明,该模型既可发挥CNN较好刻画、提取局部特征信息的优势,又具有LSTM对连续时间序列数据较好继承性的特点,其均方根误差为22.3217、决定系数为0.8732,平均相对误差较LSTM网络构建的模型降低5.45%。 展开更多
关键词 炼化污水处理 混合神经网络(cnn-lstm) COD浓度 污染排放预测
在线阅读 下载PDF
基于混合神经网络参数优化的两相流流型识别方法
2
作者 王萌 张松 +2 位作者 施艳艳 杨珍 史水娥 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期121-127,共7页
针对气液两相流传感器测量数据的强非线性和非平稳性导致流型识别困难的问题,提出一种基于混合神经网络参数优化的流型识别方法.所提方法首先采用滑动窗口法将传感器测得的不同流型电导率数据分割为若干子序列,再利用变分模态分解算法... 针对气液两相流传感器测量数据的强非线性和非平稳性导致流型识别困难的问题,提出一种基于混合神经网络参数优化的流型识别方法.所提方法首先采用滑动窗口法将传感器测得的不同流型电导率数据分割为若干子序列,再利用变分模态分解算法获得各子序列的固有模态函数,通过提取固有模态函数的Hjorth特征数据集实现对各子序列非线性特征的描述.接着,将随机森林算法引入卷积神经网络的分类层,进而构建混合神经网络,并采用鲸鱼算法对混合神经网络中3个超参数进行优化.最后,采用优化后的混合神经网络对Hjorth参数特征向量数据集进行分类,进而实现流型识别.实验结果表明,所提方法对4种流型的平均辨识准确率达到98.52%. 展开更多
关键词 气液两相流 Hjorth参数 混合神经网络 随机森林
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
3
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
基于遗传算法优化BP神经网络的沥青混合料性能预测方法 被引量：2
4
作者 盛佳豪 柳力 +1 位作者 刘朝晖 潘博洋 《科学技术与工程》 北大核心 2025年第3期1214-1224,共11页
为实现沥青混合料性能的快速可靠预测,从材料组成设计角度出发,提出了一种基于遗传算法(genetic algorithm,GA)优化反向传播(back propagation,BP)神经网络的沥青混合料性能预测方法。首先运用灰关联分析方法对多维输入变量进行降维处理... 为实现沥青混合料性能的快速可靠预测,从材料组成设计角度出发,提出了一种基于遗传算法(genetic algorithm,GA)优化反向传播(back propagation,BP)神经网络的沥青混合料性能预测方法。首先运用灰关联分析方法对多维输入变量进行降维处理,确定了沥青混合料性能的核心影响因素,然后结合遗传算法(GA),构建了以核心影响因素为输入层、沥青混合料性能为输出层的GA-BP神经网络预测模型,再对模型进行训练验证分析与预测泛化应用,同时与BP神经网络的训练效果和预测精度进行对比,验证GA-BP神经网络模型的准确性。研究结果表明:空隙率、油石比、公称最大粒径、4.75 mm通过率、沥青种类、软化点、针入度、延度等8项性能特征的灰关联度r>0.6,对沥青混合料性能影响显著;相比于BP神经网络模型,经过GA优化后的BP神经网络模型的均方根误差(root mean square error,RMSE)降低了16%~31%,平均绝对误差(mean absolute error,MAE)降低了15%~24%,R^(2)值提升了0.01~0.27,说明其具有更好的学习拟合能力;在对沥青混合料动态模量、动稳定度、残留稳定度、劈裂抗拉强度比和极限弯拉应变的预测精度上分别提高了35.26%、47.78%、23.13%、31.92%、35.75%,说明GA-BP神经网络模型具有更强的泛化应用能力。研究成果为实现沥青混合料性能的快速预测、指导沥青混合料材料组成设计提供重要参考。 展开更多
关键词 道路工程 性能预测 GA-BP神经网络 沥青混合料 灰关联分析
在线阅读 下载PDF
基于卷积时空混合神经网络的剩余使用寿命预测 被引量：1
5
作者 刘澳龙 唐向红 +1 位作者 陆见光 王涛 《组合机床与自动化加工技术》 北大核心 2025年第4期1-7,共7页
针对当前剩余使用寿命(remaining useful life,RUL)预测方法侧重于捕捉数据的时间依赖,忽略多传感器间的空间关系问题,提出了一种卷积时空混合神经网络(convolutional spatio-temporal hybrid neural network,CSTHNN)用于提取多传感器... 针对当前剩余使用寿命(remaining useful life,RUL)预测方法侧重于捕捉数据的时间依赖,忽略多传感器间的空间关系问题,提出了一种卷积时空混合神经网络(convolutional spatio-temporal hybrid neural network,CSTHNN)用于提取多传感器时间序列数据的时空特征用于RUL预测。CSTHNN利用卷积神经网络的卷积层感知相邻特征间的空间关系并提取传感器间的空间特征。通过位置编码以记忆时间依赖信息,并使用多头自注意力机制提取时间特征。最后将提取到的时空特征进行非线性变换,映射为RUL预测结果。通过在C-MAPSS数据集上的实验对CSTHNN进行了全面的分析和验证,表明了在RUL预测上提取空间特征的重要性以及该方法优秀的性能。 展开更多
关键词 剩余使用寿命 时空特征 卷积神经网络 混合神经网络
在线阅读 下载PDF
基于优化广义S变换和混合输入神经网络的电能质量扰动识别 被引量：1
6
作者 刘海涛 武祥 +3 位作者 张淑清 刘大鹏 刘勇 穆勇 《计量学报》 北大核心 2025年第1期53-61,共9页
利用广义S变换时频矩阵中时间最大幅值曲线和频率最大幅值曲线与电能质量信号幅值和频谱包络线的相关性,提出优化广义S变换的方法对高斯窗函数参数进行自适应选取,充分保留了电能质量扰动的幅值和频率特征。然后提出一种混合输入神经网... 利用广义S变换时频矩阵中时间最大幅值曲线和频率最大幅值曲线与电能质量信号幅值和频谱包络线的相关性,提出优化广义S变换的方法对高斯窗函数参数进行自适应选取,充分保留了电能质量扰动的幅值和频率特征。然后提出一种混合输入神经网络框架,分别对原始时间序列和优化广义S变换得到的时频矩阵进行自动特征提取,最后将2种输入提取到的特征进行组合并利用全连接层来识别扰动类型。通过对包含26种电能质量扰动类型的仿真数据集进行训练和验证,结果表明所述方法对扰动识别准确率为99.77%;然后对2种实际电网扰动信号进行测试,对扰动识别准确率仍然能达到92.5%,高于传统单一输入神经网络。 展开更多
关键词 电学计量 电能质量 扰动识别 S变换 卷积神经网络 混合输入
在线阅读 下载PDF
考虑层敏感性的卷积神经网络混合精度量化方法
7
作者 刘海军 张晨曦 +3 位作者 王析羽 陈长林 陈军 李智炜 《国防科技大学学报》 北大核心 2025年第4期143-150,共8页
针对如何将神经网络保真映射到资源受限的嵌入式设备这一问题,提出基于层敏感性分析的卷积神经网络混合精度量化方法。通过计算Hessian矩阵平均迹衡量卷积层参数的敏感性,为位宽分配提供依据;使用逐层升降方法进行位宽分配,最终完成网... 针对如何将神经网络保真映射到资源受限的嵌入式设备这一问题,提出基于层敏感性分析的卷积神经网络混合精度量化方法。通过计算Hessian矩阵平均迹衡量卷积层参数的敏感性,为位宽分配提供依据;使用逐层升降方法进行位宽分配,最终完成网络模型的混合精度量化。实验结果表明,与DoReFa和LSQ+两种固定精度量化方法相比,所提出的混合精度量化方法在平均位宽为3 bit的情况下将识别准确率提高了10.2%和1.7%;与其他混合精度量化方法相比,所提方法识别准确率提高了1%以上。此外,加噪训练能够有效提高混合精度量化方法的鲁棒性,在噪声标准差为0.5的情况下,将识别准确率提高了16%。 展开更多
关键词 卷积神经网络 模型量化 人工智能 混合精度
在线阅读 下载PDF
基于神经网络的土石混合体CT图像分割及三维重建
8
作者 张新松 李长圣 +4 位作者 钟军 张丹 独莎莎 吴珍云 邹宗良 《工程地质学报》 北大核心 2025年第3期1230-1239,共10页
通过CT图像建立合理的土石混合体细观结构数值模型对研究其物理力学性质至关重要。然而,传统图像处理技术在重构细观结构时往往需要人工参与,导致效率较低且精度不足。为了解决上述问题,提出了一种基于改进UNet神经网络的黏质土石混合... 通过CT图像建立合理的土石混合体细观结构数值模型对研究其物理力学性质至关重要。然而,传统图像处理技术在重构细观结构时往往需要人工参与,导致效率较低且精度不足。为了解决上述问题,提出了一种基于改进UNet神经网络的黏质土石混合体图像分割方法,设计了边界加权损失函数,以精确分割典型黏质土石混合体试样的CT扫描图像。此外,还提出了一种土石混合体三维重建的方法,用于将分割后的图像重构成三维精细数值模型。结果表明:相较于传统图像处理技术,基于深度学习的方法显著提高了黏质土石混合体CT图像分割的效率和精度。UNet结合边界加权损失函数,能够更加关注目标边界的分割精度。同时,较高精度的分割图像使得重建出的三维模型更加精细与准确。这一研究结果使得在此基础上开展的数值模拟试验尽可能避免了人为因素干扰,可以保证数值模拟结果的准确性。 展开更多
关键词 神经网络 黏质土石混合体 CT 图像处理 三维重建
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
9
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
一种基于混合量子卷积神经网络的恶意代码检测方法
10
作者 熊其冰 苗启广 +2 位作者 杨天 袁本政 费洋扬 《计算机科学》 北大核心 2025年第3期385-390,共6页
量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。混合量子卷积神经网络结合了量子计算和经典卷积神经网络的双重优势,逐渐成为量子机器学习领域的研究热点之一。当前,恶意代码规模依然呈高速增长态势,检测... 量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。混合量子卷积神经网络结合了量子计算和经典卷积神经网络的双重优势,逐渐成为量子机器学习领域的研究热点之一。当前,恶意代码规模依然呈高速增长态势,检测模型越来越复杂,参数量越来越大,迫切需要一种高效轻量型的检测模型。为此,设计了一种混合量子卷积神经网络模型,将量子计算融入经典卷积神经网络,以提高模型的计算效率。该模型包含量子卷积层、池化层和经典全连接层。量子卷积层采用低深度强纠缠轻量型的参数化量子线路实现,仅使用两类量子门:量子旋转门Ry和受控非门CNOT(controlled-NOT),并仅使用两量子比特实现卷积计算。池化层基于经典计算和量子计算实现了3种池化方法。在Google TensorFlow Quantum上进行了模拟实验。实验结果显示,所提模型在恶意代码公开数据集DataCon2020和Ember的分类性能(accuracy,F1-score)分别达到了(97.75%,97.71%)和(94.65%,94.78%),均有明显提升。 展开更多
关键词 量子计算 量子机器学习 混合量子卷积神经网络 恶意代码检测
在线阅读 下载PDF
工业互联网中融入域适应的混合神经网络加密恶意流量检测
11
作者 张浩和 韩刚 +1 位作者 杨甜甜 黄睿 《信息安全研究》 北大核心 2025年第5期457-464,共8页
随着信息化技术在工控领域的快速发展,工业互联网逐渐成为网络攻击的重要目标,恶意流量检测显得尤为重要.然而,加密技术的普及使得攻击者可以轻松隐藏恶意通信内容,传统基于内容分析的流量检测方法已难以有效应对.提出一种基于混合神经... 随着信息化技术在工控领域的快速发展,工业互联网逐渐成为网络攻击的重要目标,恶意流量检测显得尤为重要.然而,加密技术的普及使得攻击者可以轻松隐藏恶意通信内容,传统基于内容分析的流量检测方法已难以有效应对.提出一种基于混合神经网络和域适应的加密恶意流量检测方案,融合ResNet网络、ResNext网络、DenseNet网络和相似度检测算法构建混合神经网络.在此基础上,加入域适应模块减少数据的偏差.通过对工业互联网公共数据集进行流预处理,在勿需解密流量的情况下从加密流量中提取深层次特征,使用混合神经网络输出一组充分利用各模型特长的更高维特征向量,随后采用域适应模块中的域分类器提升模型在不同的网络环境和时间段的稳定性和泛化能力.实验结果表明,提出的方案在加密恶意流量检测任务上表现出较好的性能和效率,提高了加密恶意流量检测的准确性. 展开更多
关键词 工业互联网 混合神经网络 加密恶意流量 相似度检测 域适应
在线阅读 下载PDF
基于神经网络的混合异步跳频信号参数盲估计
12
作者 王雅 袁帅 刘乃金 《中国空间科学技术(中英文)》 北大核心 2025年第3期143-153,共11页
由于优越的抗截获性能和固有的安全特性,跳频信号在卫星通信、卫星测控射频链路、卫星导航系统以及Link16数据链的广泛应用给天基电子侦察带来了极大挑战。在非合作场景中,单通道宽带接收条件下跳频信号检测、参数估计和网台分选是跳频... 由于优越的抗截获性能和固有的安全特性,跳频信号在卫星通信、卫星测控射频链路、卫星导航系统以及Link16数据链的广泛应用给天基电子侦察带来了极大挑战。在非合作场景中,单通道宽带接收条件下跳频信号检测、参数估计和网台分选是跳频通信侦察的关键技术。跳频图案包含了跳频信号的大部分参数,是参数估计的核心。为了提高宽带混合跳频信号跳频图案全盲预测的准确性和处理实时性,在任务分析的基础上,提出了一种融合时间域和功率域特征的跳频图案盲预测架构。首先以短时傅里叶变换生成的频谱图作为信号检测网络的输入,在多尺度特征图上检测信号,预测信号时频特征,定位信号区域估计相对功率密度特征,然后利用时频特征和相对功率密度特征识别分类信号并预测相应跳频图案。该框架的独特优势在于利用了异步跳频信号跳频周期不同的固有属性和信号相对功率密度差异,无需跳频信号网台先验信息和先验检测锚点,具有很强的泛化能力。所提框架在信号辐射源数量为2的混合强弱跳频信号上识别准确率可达98.77%。实验结果证明了所提框架在混合跳频信号全盲检测、识别、分选以及参数估计等方面的优越性。 展开更多
关键词 神经网络 多源特征融合 混合异步跳频信号 信号检测 参数盲估计
在线阅读 下载PDF
基于改进粒子群优化与混合卷积神经网络的受端电网直流闭锁频率紧急控制决策优化
13
作者 曹镇 庄俊 +3 位作者 薛金花 齐航 李华瑞 李常刚 《现代电力》 北大核心 2025年第4期711-721,共11页
针对直流闭锁事故后受端电网频率安全问题,提出一种基于改进粒子群优化和混合卷积神经网络的频率紧急控制决策优化方法。首先,协调考虑紧急切负荷和抽蓄切泵控制措施,对受端电网频率紧急控制优化问题进行数学建模。然后,使用粒子群优化... 针对直流闭锁事故后受端电网频率安全问题,提出一种基于改进粒子群优化和混合卷积神经网络的频率紧急控制决策优化方法。首先,协调考虑紧急切负荷和抽蓄切泵控制措施,对受端电网频率紧急控制优化问题进行数学建模。然后,使用粒子群优化算法求解最优控制策略,并基于对立学习机制和混沌Tent映射改进粒子群优化算法,在保证紧急控制策略动态安全可行性前提下提高全局收敛性。最后,在粒子群优化过程中基于混合CNN构建多任务动态安全评估模型,快速判断紧急控制策略是否满足系统动态安全约束,提高频率紧急控制决策优化效率,并以某多直流馈入受端系统为例,验证所提方法有效性。 展开更多
关键词 直流闭锁 受端电网 频率紧急控制 粒子群优化 混合卷积神经网络 多任务动态安全评估
在线阅读 下载PDF
基于物理信息神经网络的实时混合试验方法
14
作者 龚建勋 杨格 沈晗瑞 《地震工程与工程振动》 北大核心 2025年第3期158-167,共10页
实时混合试验是一种对含速度相关型构件的结构开展抗震性能研究的重要试验方法。然而,目前的实时混合试验面临着数值子结构计算效率难以满足实时性的挑战,限制了该方法在大型工程结构抗震试验中的应用。为了提高数值子结构的计算效率,... 实时混合试验是一种对含速度相关型构件的结构开展抗震性能研究的重要试验方法。然而,目前的实时混合试验面临着数值子结构计算效率难以满足实时性的挑战,限制了该方法在大型工程结构抗震试验中的应用。为了提高数值子结构的计算效率,提出了适用于实时混合试验的物理信息神经网络,实现了神经网络代理模型实时混合试验方法。首先,基于不同物理约束方程构建了神经网络模型;然后,通过有限元软件对2层含阻尼器框架结构进行了地震响应数值模拟,并利用这些模拟数据训练网络模型;最后,利用训练得到的物理信息神经网络开展了实时混合试验仿真。仿真结果表明,物理信息神经网络具备较高的预测精度,其中以恢复力作为损失函数的物理信息神经网络精度最高,基于物理信息神经网络代理模型的实时混合试验方法具备可行性。 展开更多
关键词 实时混合试验 物理信息神经网络 损失函数 代理模型 子结构
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
15
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
16
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
17
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
基于混合神经网络的多维视觉传感信号模式分类
18
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
基于混合神经网络和注意力机制的生物医学事件触发词识别方法
19
作者 任永功 林禹竹 +2 位作者 唐玉洁 于博 何馨宇 《电子学报》 EI CAS CSCD 北大核心 2024年第9期3206-3216,共11页
生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导... 生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导致耗费人工成本.另外,由于生物医学文献的特殊性—长文本语句多,导致长距离依赖问题比较明显.为了解决这些问题,我们提出了一种混合结构,由残差卷积神经网络和双向长短期神经网络、混合神经网络和多头注意力机制组成.该模型利用残差卷积神经网络提取单词级特征并利用双向长短期神经网络提取上下文语义信息.此外,本文通过空间域滑动窗口将长句划分为等长短句,在不破坏上下文信息的前提下,避免了长距离依赖.实验结果表明,本文提出的方法在生物医学事件抽取通用语料MLEE(Multi-Level Event Extraction)上取得了较好的效果,F值达到81.15%. 展开更多
关键词 生物医学事件抽取 触发词识别 ReCNN-BiLSTM 空间域滑动窗口 MUH-Attention机制 混合神经网络
在线阅读 下载PDF
基于混合优化算法和深度神经网络模型结合的致密砂岩气藏裂缝参数优化 被引量：1
20
作者 罗山贵 赵玉龙 +4 位作者 肖红林 陈伟华 贺戈 张烈辉 杜诚 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期140-151,共12页
水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且... 水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且依靠现场工程师经验和正交实验等传统方法难以获得最佳的裂缝参数设计。为此,建立了一种新的基于混合优化算法和自适应深度神经网络(DNN)结合的致密气藏裂缝参数优化方法。首先,混合优化算法采用遗传算法(GA)和贝叶斯自适应直接搜索(BADS)之间循环迭代的混合策略。在自适应学习过程中,提出了以“最大平均距离点”作为最不确定解,同时辅以最有希望解和少量拉丁超立方采样解共同更新优化过程中的DNN代理模型。随后,将建立的优化方法用于非均质致密砂岩气藏裂缝参数优化。研究结果表明:(1)在标准测试函数和低维裂缝参数优化问题上,GA+BADS混合优化算法表现出了显著优于GA的寻优速度;(2)针对高维裂缝参数优化问题,GA+BADS混合优化算法在约1/2的GA总数值模拟次数下提高了131万元的经济净现值(NPV),收敛速度和寻优精度都明显增加;(3)相比于GA+BADS混合优化算法,在获得相同NPV时,自适应DNN代理加速优化可再减少24.54%的数值模拟运算次数。结论认为,该优化方法显著提升了优化效率,为解决非常规油气藏中水力压裂裂缝参数设计问题提供了一套可行且高效的智能优化方法,将有力促进非常规油气的规模效益开发。 展开更多
关键词 致密气 沙溪庙组 裂缝参数优化 混合优化算法 深度神经网络 自适应学习 代理模型
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 … 51 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