检索结果-维普期刊中文期刊服务平台

融合高效卷积注意力的时域卷积网络短期负荷预测模型: 1; 作者孙东磊李文升 +1 位作者梁露张智晟《山东科技大学学报(自然科学版)》北大核心 2025年第5期83-90,共8页; 为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象,进一步提升预测模型对重要负荷特征的提取能力,本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计... 展开更多; 关键词短期负荷预测时域卷积网络混合膨胀卷积高效卷积注意力模块; 在线阅读下载PDF 职称材料

改进多阶段渐进式的受电弓碳滑板图像去模糊: 2; 作者刘伟民张梦准 +2 位作者郑爱云刘晋郑直《电子测量技术》北大核心 2024年第5期85-93,共9页; 针对高铁运行速度过快,容易导致受电弓碳滑板的监测图像出现运动模糊问题,提出了一种改进多阶段渐进式网络的图像去模糊方法。首先,引入混合膨胀卷积作为特征提取网络,在不改变计算量和特征图分辨率前提下,可以增大局部感受野,进而可获... 展开更多; 关键词图像去模糊卷积神经网络混合膨胀卷积像素点注意力混合损失函数; 在线阅读下载PDF 职称材料

采用TCN-HS的滚动轴承剩余使用寿命预测被引量：3: 3; 作者王体春吴广胜 +1 位作者咸玉贝胡玉峰《重庆理工大学学报（自然科学）》北大核心 2023年第6期204-211,共8页; 滚动轴承作为旋转机械中的关键部件,对其剩余使用寿命RUL(remained useful life)的准确预测可以帮助维修人员及时制定维修计划,延长设备工作时间,保证安全。由于利用数学建模精确建立轴承退化过程的模型涉及到复杂的物理过程,所以以深... 展开更多; 关键词剩余寿命预测时间卷积神经网络混合膨胀卷积自适应斜率软阈值函数; 在线阅读下载PDF 职称材料

融合边缘监督的改进Deeplabv3+水下鱼类分割方法被引量：7: 4; 作者田志新廖薇 +3 位作者茅健吴建民袁泉徐震《电子测量与仪器学报》 CSCD 北大核心 2022年第10期208-216,共9页; 水下环境鱼类分割是实现体长测量、体重估算和群体计数等智能化测量的关键技术,为了提高分割的准确性,提出一种融合边缘监督的改进Deeplabv3+鱼类分割方法。编码部分采用更少的下采样次数,浅层增加卷积块注意力机制(convolutional block... 展开更多; 关键词鱼类分割边缘监督 Deeplabv3+ CBAM注意力机制混合膨胀卷积; 在线阅读下载PDF 职称材料

题名融合高效卷积注意力的时域卷积网络短期负荷预测模型: 1; 作者孙东磊李文升梁露张智晟; 机构国网山东省电力公司经济技术研究院青岛大学电气工程学院; 出处《山东科技大学学报(自然科学版)》北大核心 2025年第5期83-90,共8页; 基金国网山东省电力公司科技项目(520625220001)。; 文摘为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象,进一步提升预测模型对重要负荷特征的提取能力,本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计算能力的时域卷积网络为基础学习负荷数据特征,通过构建混合膨胀卷积层改进时域卷积网络残差块,利用不同膨胀系数的卷积自适应地捕获不同距离下全部负荷数据,避免信息不连续;同时,引入能够自适应调整卷积核大小的一维卷积改进传统卷积注意力模块,高效捕获负荷数据空间和通道两个维度的重要信息。基于实际电网负荷数据仿真实验表明,在短期负荷预测任务中,所提出的ECBAM-HTCN模型具有较高的预测精度和较好的稳定性。; 关键词短期负荷预测时域卷积网络混合膨胀卷积高效卷积注意力模块; Keywords short-term load forecasting temporal convolutional network hybrid dilation convolution efficient convolutional block attention module; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名改进多阶段渐进式的受电弓碳滑板图像去模糊: 2; 作者刘伟民张梦准郑爱云刘晋郑直; 机构华北理工大学机械工程学院中车唐山机车车辆有限公司; 出处《电子测量技术》北大核心 2024年第5期85-93,共9页; 基金河北省科技重大专项(22282203Z) 河北省自然科学基金(E2022209086)项目资助。; 文摘针对高铁运行速度过快,容易导致受电弓碳滑板的监测图像出现运动模糊问题,提出了一种改进多阶段渐进式网络的图像去模糊方法。首先,引入混合膨胀卷积作为特征提取网络,在不改变计算量和特征图分辨率前提下,可以增大局部感受野,进而可获取高质量的图像纹理和细节信息;其次,引入像素点注意力机制,自适应地选择每个像素点的权重值,增强模型去模糊质量;再次,引入混合损失函数,提高模型对不同类型模糊的鲁棒性;最后,制作1600对受电弓碳滑板监测图像合成数据集以供模型进行训练和测试。为了评估所提网络的去模糊效果,将训练所得模型在上述数据集上进行了测试,实验结果表明峰值信噪比达到了38.82 dB、结构相似性达到了0.9723,在视觉上较另外7种经典方法能更好地复原图像的边缘轮廓和纹理细节信息。有效地提升了模型的鲁棒性。; 关键词图像去模糊卷积神经网络混合膨胀卷积像素点注意力混合损失函数; Keywords image deblurring convolutional neural network hybrid dilated convolution pixel attention hybrid loss function; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名采用TCN-HS的滚动轴承剩余使用寿命预测被引量：3: 3; 作者王体春吴广胜咸玉贝胡玉峰; 机构南京航空航天大学机电学院中国民用航空华东地区管理局; 出处《重庆理工大学学报（自然科学）》北大核心 2023年第6期204-211,共8页; 基金江苏省自然科学基金面上项目(BK20221481) 国家自然科学基金项目(51775272) 华东空管局科技项目。; 文摘滚动轴承作为旋转机械中的关键部件,对其剩余使用寿命RUL(remained useful life)的准确预测可以帮助维修人员及时制定维修计划,延长设备工作时间,保证安全。由于利用数学建模精确建立轴承退化过程的模型涉及到复杂的物理过程,所以以深度学习为基础的基于数据驱动的方法已经成为主流方法。提出了一种融合混合膨胀卷积与自适应斜率软阈值函数的时间卷积神经网络TCN-HS(temporal convolutional network with hybrid dilated convolution and self-adaptive slope thresholding)用于滚动轴承寿命预测。模型使用混合膨胀卷积HDC(hybrid dilated convolution)解决了栅格效应问题,并利用自适应斜率软阈值函数(self-adaptive slope thresholding)进一步筛选特征。为了验证TCN-HS模型的有效性,基于PHM2012轴承数据集进行了实验,结果表明:改进方法提升了模型的性能,预测结果准确。; 关键词剩余寿命预测时间卷积神经网络混合膨胀卷积自适应斜率软阈值函数; Keywords remaining useful life(RUL) temporal convolutional network(TCN) hybrid dilated convolution(HDC) self-adaptive slope thresholding function; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名融合边缘监督的改进Deeplabv3+水下鱼类分割方法被引量：7: 4; 作者田志新廖薇茅健吴建民袁泉徐震; 机构上海工程技术大学机械与汽车工程学院上海工程技术大学电子电气学院上海市农业科学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2022年第10期208-216,共9页; 基金国家农业环境奉贤观测实验站项目(NAES035AE03) 上海市科技兴农项目(2022-02-08-00-12-F01186) 国家自然科学基金青年基金项目(62001282)资助; 文摘水下环境鱼类分割是实现体长测量、体重估算和群体计数等智能化测量的关键技术,为了提高分割的准确性,提出一种融合边缘监督的改进Deeplabv3+鱼类分割方法。编码部分采用更少的下采样次数,浅层增加卷积块注意力机制(convolutional block attention module,CBAM),以减少信息丢失并增强浅层语义信息;通过设计混合膨胀卷积(hybrid dilated convolution,HDC)改进空洞空间卷积池化金字塔(atrous spatial pyramid pooling,ASPP)模块,提取深层特征;在解码输出部分结合Canny边缘检测算子引入边缘监督,通过边缘损失函数来获得边缘预测和边缘标签的误差以更好地学习边缘特征;最后根据不同类像素比率引入优化的损失函数,进一步提升模型的语义分割性能。该方法在VOC2012数据集上mIoU达到84.56%,较Deeplabv3+方法提升了3.27%,验证了其泛化能力。在DeepFish数据集上做消融实验,mIoU高达93.66%,均高于Deeplabv3+、Unet和PSPNet等常见方法。该研究提升了水下环境鱼类分割的精度,可为水产养殖智能化提供支持。; 关键词鱼类分割边缘监督 Deeplabv3+ CBAM注意力机制混合膨胀卷积; Keywords fish segmentation edge supervision Deeplabv3+ CBAM attention mechanism hybrid dilated convolution; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S951.2 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合高效卷积注意力的时域卷积网络短期负荷预测模型	孙东磊李文升梁露张智晟	《山东科技大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	改进多阶段渐进式的受电弓碳滑板图像去模糊	刘伟民张梦准郑爱云刘晋郑直	《电子测量技术》北大核心	2024	0	在线阅读下载PDF 职称材料
3	采用TCN-HS的滚动轴承剩余使用寿命预测	王体春吴广胜咸玉贝胡玉峰	《重庆理工大学学报（自然科学）》北大核心	2023	3	在线阅读下载PDF 职称材料
4	融合边缘监督的改进Deeplabv3+水下鱼类分割方法	田志新廖薇茅健吴建民袁泉徐震	《电子测量与仪器学报》 CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料