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896篇文章
< 1 2 … 45 >
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：
深度神经网络MRI影像组学预测胶质母细胞瘤MGMT启动子甲基化状态
1
作者 吕冲 夏林峰 +3 位作者 陈请水 郑广鑫 黄碧云 陈雷 《磁共振成像》 北大核心 2025年第10期35-40,共6页
目的探索基于多序列磁共振图像的深度神经网络模型在预测胶质母细胞瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase,MGMT)启动子甲基化状态中的价值。材料与方法回顾性分析262例胶质母细胞瘤患者(甲基化162... 目的探索基于多序列磁共振图像的深度神经网络模型在预测胶质母细胞瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase,MGMT)启动子甲基化状态中的价值。材料与方法回顾性分析262例胶质母细胞瘤患者(甲基化162例,未甲基化100例)的T1加权成像(T1 weighted imaging,T1WI)序列和对比增强T1WI(contrast-enhanced T1WI,CE-T1WI)序列资料。运用Mann-Whitney U检验、最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归分析,结合皮尔逊相关系数法,对特征进行筛选。基于筛选所得特征,借助深度神经网络算法构建预测模型。为评估该模型的预测效能,采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)衡量模型的预测准确性与可靠性。结果基于深度神经网络算法的T1WI模型(验证集中AUC=0.752,敏感度68.8%,特异度75.0%)、CE-T1WI模型(验证集中AUC=0.823,敏感度75.0%,特异度75.0%)以及多序列联合模型(验证集中AUC=0.847,敏感度81.3%,特异度80.0%)均可用于预测胶质母细胞瘤患者MGMT启动子甲基化状态,且与单序列模型相比,多序列联合模型有最高的诊断效能。结论基于深度神经网络算法的多序列MRI影像组学模型可以无创性预测胶质母细胞瘤患者的MGMT启动子甲基化特征。 展开更多
关键词 胶质母细胞瘤 多序列磁共振成像 影像组学 深度神经网络 O6-甲基鸟嘌呤-DNA甲基转移酶
在线阅读 下载PDF
基于GHz电化学阻抗谱的后向传播(BP)神经网络识别细胞溶液浓度方法研究
2
作者 张安 陶阿龙 +5 位作者 冉启航 刘夏移 王志龙 孙博 姚佳烽 赵桐 《生物化学与生物物理进展》 北大核心 2025年第5期1302-1312,共11页
目的GHz电化学阻抗谱(GHz electrochemical impedance spectroscopy,GHz-EIS)虽然可以实现对细胞溶液的快速、无标记检测,但在复杂样本的GHz电阻抗数据解析方面仍然面临诸多挑战,限制了该技术在细胞研究中的有效应用。为此,本研究提出... 目的GHz电化学阻抗谱(GHz electrochemical impedance spectroscopy,GHz-EIS)虽然可以实现对细胞溶液的快速、无标记检测,但在复杂样本的GHz电阻抗数据解析方面仍然面临诸多挑战,限制了该技术在细胞研究中的有效应用。为此,本研究提出了一种融合GHz电化学阻抗谱与深度学习算法的方法,旨在提升对细胞溶液浓度的精准识别与量化能力,从而为GHz电化学阻抗谱数据的解析提供一种高效且准确的全新解决方案。方法首先通过GHz-EIS细胞溶液介电特性提取方法,从实验得到的细胞溶液电化学阻抗谱(EIS)中获取不同浓度细胞溶液的介电特性数据,构建包含浓度标签的数据集,随后设计具有Relu、Lrelu等特定激活函数的后向传播(BP)神经网络模型,通过数据训练实现对细胞溶液介电特性的智能提取与分析,从而实现细胞溶液体积分数的精准识别。结果通过与传统的离心法结果对照,可以观察到细胞悬浊液的浓度识别值与离心法所得结果十分接近,细胞悬浊液浓度识别值的相对误差均小于5%。对于高浓度的样本,误差相对更小,表明本文提出的细胞悬浊液浓度自动识别方法可以准确快速地计算未知样本细胞悬浊液的浓度。结论结合GHz-EIS和BP神经网络算法可以实现对未知样本细胞悬浊液的浓度细胞浓度的准确高效识别,为构建便捷的在线细胞分析平台奠定了基础,展示出重要的应用前景。 展开更多
关键词 GHz电化学阻抗谱 后向传播神经网络 介电特性 细胞浓度
在线阅读 下载PDF
一类比例时滞细胞神经网络ω-周期解的全局多项式稳定性
3
作者 韩佳澎 周立群 《天津师范大学学报(自然科学版)》 北大核心 2025年第1期1-6,共6页
研究一类比例时滞细胞神经网络ω-周期解的全局多项式稳定性.首先通过M-矩阵理论并构造辅助函数建立微分不等式,然后利用该时滞微分不等式和压缩映射定理,得到了所研究系统ω-周期解的时滞独立和时滞依赖的全局多项式稳定的判定准则.当... 研究一类比例时滞细胞神经网络ω-周期解的全局多项式稳定性.首先通过M-矩阵理论并构造辅助函数建立微分不等式,然后利用该时滞微分不等式和压缩映射定理,得到了所研究系统ω-周期解的时滞独立和时滞依赖的全局多项式稳定的判定准则.当外部输入为常数时,得到了相应系统平衡点的全局多项式稳定的判定准则.最后通过2个数值算例及其仿真验证了所得结果的正确性. 展开更多
关键词 比例时滞 细胞神经网络 周期解 全局多项式稳定性
在线阅读 下载PDF
采用卷积神经网络的室内可见光定位方法 被引量：1
4
作者 王亮 孙海燕 《导航定位学报》 北大核心 2025年第1期128-136,共9页
针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神... 针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神经网络精度;然后,将接收信号强度向量集建立的指纹库传入神经网络进行训练,利用神经网络较强的三维空间结构表达能力拟合多径反射和系统噪声下的非线性指纹库。仿真结果表明,在7 m×7 m×3 m的室内环境下,所提方法的平均定位误差可达0.91 cm,其中90%样本的定位误差小于1.17 cm;此外,所提方法的平均定位误差较全连接神经网络和卷积神经网络可分别降低0.82 cm和0.56 cm,证明所提方法在多径反射与系统噪声环境下具有较好的定位性能。 展开更多
关键词 可见光通信系统 室内定位 物联网 卷积神经网络(cnn) 可见光定位
在线阅读 下载PDF
基于深度子领域适应卷积神经网络的结构损伤识别 被引量：1
5
作者 张健飞 曹雨 《振动与冲击》 北大核心 2025年第3期251-260,共10页
针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结... 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。 展开更多
关键词 结构损伤识别 子领域适应 局部最大均值差异 卷积神经网络(cnn)
在线阅读 下载PDF
基于一维卷积神经网络与自编码算法的松属物种鉴别机制
6
作者 陈冬英 翁伟雄 +1 位作者 陈培亮 魏建崇 《生态学报》 北大核心 2025年第5期2401-2411,共11页
松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并... 松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并结合一维连续型卷积神经网络(1D⁃CS⁃CNN)与自编码技术的松属物种检测机制。使用更高效率的连续型结构替代传统1D⁃CNN模型中隐含层结构,并针对松属NIRS数据适应性改进为1D⁃CS⁃CNN模型,使其可直接应用于一维NIRS数据。结合自编码器的重构误差设计一种考虑未知类别的松属物种鉴别方法,通过待测样本的自编码重构误差来解决卷积神经网络置信度过高的问题,将修正的置信度与预先设定的阈值进行比较,判断该样本是否为未知品种。实验结果表明,1D⁃CS⁃CNN训练集与测试集准确率均达到近100%,损失值收敛为0.015,改进后的1D⁃CS⁃CNN模型识别速度更快;同时,自编码模型对未知类别松属检测机制识别率为99%。实验结果证明,该模型可快速高效分类出不同松属物种,同时检测出松属新物种。 展开更多
关键词 松属物种 近红外光谱(NIRS) 自编码器 一维连续卷积神经网络(1D⁃CS⁃cnn) 鉴别
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：2
7
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(cnn) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹
在线阅读 下载PDF
基于TAGE与基于神经网络分支预测器的比较与分析
8
作者 郑伟巍 郑重 +1 位作者 陈微 陆洪毅 《计算机工程与科学》 北大核心 2025年第8期1364-1380,共17页
随着处理器性能需求的不断增长,超标量和深度流水线技术被广泛应用于现代微处理器中,从而提升指令执行的并行性。然而,程序中的条件分支指令对流水线的连续执行构成了挑战,限制了指令并行执行的能力。为解决这一控制冒险问题,分支预测... 随着处理器性能需求的不断增长,超标量和深度流水线技术被广泛应用于现代微处理器中,从而提升指令执行的并行性。然而,程序中的条件分支指令对流水线的连续执行构成了挑战,限制了指令并行执行的能力。为解决这一控制冒险问题,分支预测技术应运而生,其核心在于预先推测分支指令的跳转方向和地址,进而最小化因分支指令引起的流水线停顿延迟。基于统一的性能评估框架,对比分析了当前主流的基于TAGE的分支预测器和基于神经网络的分支预测器。实验结果表明,不同分支预测器对特定轨迹存在不同的偏好性,融合多种预测机制或可以进一步挖掘预测潜能。同时,执行任务上下文对分支预测性能的影响不容忽视,特别是在多进程环境中。此外,实验还发现当前CNN预测器在处理复杂分支时的性能不稳定,整体表现未能超越基准TAGE-SC-L预测器,仍需继续优化。 展开更多
关键词 分支预测 TAGE 神经网络 感知机 cnn模型
在线阅读 下载PDF
基于忆阻卷积神经网络的PCB缺陷检测模型
9
作者 李可 李锦屏 廉敬 《半导体技术》 北大核心 2025年第11期1183-1194,共12页
印刷电路板(PCB)作为电子设备的核心组件,存在图像像素分辨率低、尺度差异显著及背景对比度低等缺陷,给检测工作带来了严峻的挑战。为实现高效、轻量化的缺陷检测,提出一种基于忆阻卷积神经网络(CNN)的PCB缺陷检测模型。该模型采用轻量... 印刷电路板(PCB)作为电子设备的核心组件,存在图像像素分辨率低、尺度差异显著及背景对比度低等缺陷,给检测工作带来了严峻的挑战。为实现高效、轻量化的缺陷检测,提出一种基于忆阻卷积神经网络(CNN)的PCB缺陷检测模型。该模型采用轻量化卷积优化的混合图特征网络(HGNet)v2替代YOLOv8n的主干网络,引入轻量级跨尺度特征融合模块(CCFM),以增强尺度适应性,并通过动态检测头(DynamicHead)模块融合尺度、空间与任务感知注意力机制,提升检测性能。基于忆阻器神经网络模拟(MemTorch)平台构建忆阻器交叉阵列(MCA)映射方案,将CNN权重高精度映射至电压阈值自适应忆阻器(VTEAM)交叉结构中,实现存算一体的推理加速。在北京大学PKU-Market-PCB数据集上的实验结果显示,该模型精确率(P)为98.4%、多类别平均精度均值(mAP@0.5)为97.3%、召回率(R)为95.0%,模型参数量(Params)较YOLOv8n的减少了约34.2%。研究结果表明,该模型在检测精度与硬件部署效率方面综合优势显著,在实时PCB缺陷检测中表现出优异的性能与良好的应用前景。 展开更多
关键词 YOLO 卷积神经网络(cnn) 忆阻器 缺陷检测 存算一体
在线阅读 下载PDF
忆阻耦合异构忆阻细胞神经网络的多稳态与相位同步研究 被引量：2
10
作者 武花干 边逸轩 +1 位作者 陈墨 徐权 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第9期3818-3826,共9页
忆阻具有天然的可塑性,可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络,该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件... 忆阻具有天然的可塑性,可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络,该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集,可呈现出复杂的动力学演化。利用数值仿真方法,揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外,在忆阻突触的调控下,两个异构子网可达成相位同步。最后,基于STM32单片机硬件平台完成了电路实验验证。 展开更多
关键词 忆阻 细胞神经网络 异构网络 多稳态 相位同步
在线阅读 下载PDF
基于卷积神经网络与机器视觉的纸张尘埃度测量系统的设计与应用研究 被引量：1
11
作者 李欢 李亮 《中国造纸》 北大核心 2025年第8期157-163,共7页
本研究基于卷积神经网络(CNN)与机器视觉,设计了纸张尘埃度测量系统。该系统基于模型训练和检验2个模块构建,使用高分辨率扫描仪获取尘埃数据集和纸张样品图片,使用不同优化算法训练分类模型,并采用对角线测量算法,制作标准尘埃像素表... 本研究基于卷积神经网络(CNN)与机器视觉,设计了纸张尘埃度测量系统。该系统基于模型训练和检验2个模块构建,使用高分辨率扫描仪获取尘埃数据集和纸张样品图片,使用不同优化算法训练分类模型,并采用对角线测量算法,制作标准尘埃像素表用于定级和分类统计,进而计算尘埃度。结果表明,该系统的精度可达0.007 mm^(2),优于GB/T 1541—2013《纸和纸板尘埃度的测定》要求,分类准确度达95.89%,能够实现多类纸品的全量程测量,单样本重复性测量误差为0,相比人工检测系统单样本检测用时缩短了约97%,实现了纸类产品尘埃度的高效、精准检测。 展开更多
关键词 纸张尘埃度 卷积神经网络(cnn) 机器视觉 图像处理
在线阅读 下载PDF
基于Zynq的卷积神经网络加速器设计
12
作者 孟凡开 张峰 +1 位作者 李淼 张多利 《合肥工业大学学报(自然科学版)》 北大核心 2025年第7期904-909,共6页
针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数... 针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数按位分割,面向单bit权重设计卷积加速器,通过逐位实施达到处理速度和识别率的高效平衡;然后,采用查表选择法实现卷积算子的乘加运算,设计一款6×3×16的三维加速器计算阵列,可单周期完成288个卷积窗口计算;最后,在Xilinx Zynq UltraScale+MPSoC系列芯片上对设计的CNN加速器进行性能测试。实验结果表明,该CNN加速器在200 MHz频率下具有518.4 GOPS的算力,比现有的解决方案性能提高了约63%。 展开更多
关键词 卷积神经网络(cnn) Tiny-YOLOv3网络模型 硬件加速 流水阵列 并行运算
在线阅读 下载PDF
基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法
13
作者 贾克斌 吴岳珩 《北京工业大学学报》 北大核心 2025年第5期539-551,共13页
针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。... 针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。 展开更多
关键词 三维高效视频编码(three-dimensional high efficiency video coding 3D-HEVC) 深度图 卷积神经网络(convolutional neural networks cnn) 编码单元(coding unit CU)划分 帧内编码 双特征流
在线阅读 下载PDF
基于S谱能量曲线与卷积神经网络的天然地震与爆破事件分类识别
14
作者 孟娟 李亚南 高强 《地震学报》 北大核心 2025年第2期232-241,共10页
以震级为ML1.3—3.0的1万2936条人工爆破微震记录和1万3215条天然微震波形为研究对象,对其原始地震波形进行1—30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选。对处理后的地震波形数据进行S变换,... 以震级为ML1.3—3.0的1万2936条人工爆破微震记录和1万3215条天然微震波形为研究对象,对其原始地震波形进行1—30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选。对处理后的地震波形数据进行S变换,获取其S谱能量曲线,然后将S谱能量曲线图转换为32×32像素的灰度特征图,并将其作为卷积神经网络的输入进行训练,基于训练好的模型进行10折交叉测试验证。结果显示地震与爆破事件的分类识别准确率高达97.80%,表明利用S谱能量曲线能较好地识别天然地震与人工爆破。 展开更多
关键词 人工爆破 天然地震 卷积神经网络(cnn) S变换 分类识别
在线阅读 下载PDF
人工神经网络筛选类风湿关节炎的特征基因及免疫细胞浸润分析
15
作者 李斌华 熊伟 +1 位作者 程凌 陆华龙 《中国免疫学杂志》 CAS CSCD 北大核心 2024年第8期1607-1614,共8页
目的:运用人工神经网络确定类风湿关节炎(RA)的特征基因,并分析免疫细胞在RA相关微环境中的作用。方法:GSE1919和GSE77298芯片均来自GEO数据库。运用R语言将两芯片进行合并与批次矫正,得到一个新数据集,并进行差异分析。对差异表达基因(... 目的:运用人工神经网络确定类风湿关节炎(RA)的特征基因,并分析免疫细胞在RA相关微环境中的作用。方法:GSE1919和GSE77298芯片均来自GEO数据库。运用R语言将两芯片进行合并与批次矫正,得到一个新数据集,并进行差异分析。对差异表达基因(DEGs)进行Metascape富集分析和GO、KEGG富集分析。运用R软件“randomForest”包在随机森林(RF)算法下筛选RA特征基因,并依据基因评分构建人工神经网络模型。提取排名前4的基因(HubGene)进行后续分析。应用单样本基因集富集分析(ssGSEA)计算样品中免疫细胞丰度并进行相关性分析。结果:人工神经网络模型筛选出排名前15的基因作为RA特征基因:STAT1、RUNX3、AR、CDH11、LMO4、TIMP1、PLXNC1、CAP2、PRKAA2、VDR、SPP1、HCK、EPHB2、KCNAB1、ITGB7,其中STAT1、RUNX3、CDH11在RA滑膜组织中均上调,AR在RA滑膜组织中下调。免疫细胞浸润结果显示,RA与活化CD4 T细胞相关性最显著。与RUNX3存在显著相关性的免疫细胞最多。RUNX3与活化B细胞、活化CD4 T细胞、活化CD8 T细胞、中央记忆CD4+T细胞、效应性记忆CD8 T细胞、调节性T细胞、γδT细胞和巨噬细胞呈显著正相关,但与NK细胞呈显著负相关。结论:通过人工神经网络确定了与RA相关的15个特征基因,其中排名前4的基因为STAT1、RUNX3、AR、CDH11。强调了活化CD4 T细胞、调节性T细胞、γδT细胞、巨噬细胞、NK细胞、活化B细胞等免疫细胞在RA发病机制中的重要性,为RA诊断和免疫细胞分子机制研究提供了新见解。 展开更多
关键词 人工神经网络 类风湿关节炎 基因 免疫细胞
在线阅读 下载PDF
基于卷积神经网络和双向长短期记忆网络的微地震记录去噪方法
16
作者 王泰然 鲍逸非 《北京大学学报(自然科学版)》 北大核心 2025年第3期487-500,共14页
提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模... 提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模拟含噪声数据集.通过深度学习网络的训练,获得性能稳定且泛化能力强的去噪模型,该模型在验证集上也表现优异.与传统去噪方法相比,所提方法的去噪效果显著提升,能够更好地保留信号的细节特征和频谱特征.将该模型应用于自贡和内江地区的实际微震观测数据,结果表明能有效地去除实测数据中的噪声. 展开更多
关键词 微小地震 噪声去除 卷积神经网络(cnn) 双向长短期记忆网络(BiLSTM) 深度学习
在线阅读 下载PDF
深度神经网络在不规则弥漫大B细胞淋巴瘤时间序列数据分类预测中的应用 被引量：1
17
作者 李琼 张岩波 +8 位作者 余红梅 周洁 赵艳琳 李雪玲 王俊霞 张高源 乔宇 赵志强 罗艳虹 《中国卫生统计》 CSCD 北大核心 2024年第2期190-193,199,共5页
目的探讨深度神经网络在不规则时间序列数据中的分类效果,并对山西某医院2014-2020年362例弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者进行复发预测。方法回顾性地收集了确诊且治疗后达到完全缓解的362例DLBCL患者的... 目的探讨深度神经网络在不规则时间序列数据中的分类效果,并对山西某医院2014-2020年362例弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者进行复发预测。方法回顾性地收集了确诊且治疗后达到完全缓解的362例DLBCL患者的病例资料,并预测其两年内的复发。先利用LASSO回归进行变量的筛选,再构建基于GRU-ODE-Bayes(gated recurrent unirt-ordinary differential equation-Bayes)的不规则时间序列深度神经网络模型,并与传统模型及其他深度神经网络模型进行比较。结果在本文的所有模型中,传统模型的分类性能不及深度神经网络模型。其中GRU-ODE-Bayes模型最优,其AUC为0.85,灵敏度为0.84,特异度为0.71,G-means为0.77。结论关于不规则DLBCL时间序列数据,与本文其他模型相比,GRU-ODE-Bayes模型可以更精准地预测DLBCL患者的复发情况,可为患者个性化治疗和医生决策提供参考。 展开更多
关键词 弥漫大B细胞淋巴瘤 不规则时间序列数据 复发预测 深度神经网络
在线阅读 下载PDF
一类CNN细胞神经网络的稳定性 被引量：2
18
作者 贺勤斌 《科学技术与工程》 2008年第14期3765-3769,共5页
考虑CNN细胞神经网络方程的相应映射方程,利用矩阵谱半径性质及范数方法,得到了关于一类CNN细胞神经网络平衡点的全局渐近稳定的条件和结论。同时,给出了几个应用例子。
关键词 细胞神经网络(cnn) cnn基因模板 全局渐近稳定
在线阅读 下载PDF
基于卷积神经网络与Transformer的电能质量扰动分类方法 被引量：6
19
作者 金星 周凯翔 +2 位作者 于海洲 王盛慧 伍孟海 《科学技术与工程》 北大核心 2024年第16期6726-6733,共8页
复杂电能质量扰动(power quality disturbances, PQD)的智能分类对于智能电网发展具有重要意义。扰动特征的提取与定位、模式识别与分类是电能质量扰动分类方法研究的难点。采用深度学习算法,将具有关注全局信息的Transformer与善于提... 复杂电能质量扰动(power quality disturbances, PQD)的智能分类对于智能电网发展具有重要意义。扰动特征的提取与定位、模式识别与分类是电能质量扰动分类方法研究的难点。采用深度学习算法,将具有关注全局信息的Transformer与善于提取局部特征的卷积神经网络相融合,提出一种基于卷积神经网络(convolutional neural network, CNN)与Transformer的电能质量扰动分类方法,即CTranCBA。这种双深度学习模型分类方法主要是通过一维卷积神经网络提取电能质量扰动信号特征,利用Transformer自注意力机制引导模型关注序列中不同位置间的依赖关系,实现对扰动信号局部特征与全局特征的互补,克服了因感受野的限制而带来的识别不清、分类不准等问题。使用23种不同电能质量扰动信号,将CTranCBA与Deep-CNN、CNN-LSTM、CNN-CBAM方法进行比较。结果表明:该方法在分类准确率和抗噪性方面表现优异,可为电能质量扰动智能分类提供一种新的方法。 展开更多
关键词 电能质量扰动(PQD) 卷积神经网络(cnn) Transformer模型 卷积注意力机制
在线阅读 下载PDF
基于连续小波卷积神经网络的轴承智能故障诊断方法 被引量：1
20
作者 耿志强 陈威 +1 位作者 马波 韩永明 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第10期2069-2075,共7页
传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的... 传统故障诊断方法存在特征提取有限和故障检测不准确的问题,为此提出新的轴承智能故障诊断方法.构建连续小波卷积层取代卷积神经网络(CNN)中的初始卷积层,用于提取轴承数据的初级特征;使用增强ACON激活函数处理提取的振动信号;设计新的计算空间,提高CNN的整体自适应性.在凯斯西储大学轴承数据集上开展滚动轴承故障诊断方法对比实验.结果表明,与传统基于CNN、快速傅里叶变换-CNN、长短时记忆CNN故障诊断方法相比,所提方法的故障诊断精度分别提高了7.45、4.46和1.53个百分点,CNN的收敛速度更快.在不同工况的泛化任务中,所提方法的平均准确率为99.64%,准确性和泛化能力良好. 展开更多
关键词 卷积神经网络(cnn) 连续小波 自适应激活函数 轴承 故障诊断
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 … 45 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