期刊文献+
共找到162篇文章
< 1 2 9 >
每页显示 20 50 100
编码-解码方案下具有网络不确定的离散多智能体系统的均方一致性
1
作者 张浩洋 彭世国 张添乐 《陕西科技大学学报》 北大核心 2025年第3期202-209,共8页
为提高通信带宽的利用率,本文设计了一个编码-解码控制方案,并在此方案下进一步研究了一类具有网络不确定的离散多智能体系统的均方一致性.所设计的编码-解码控制方案引入了新的辅助变量,但同时也为其最大量化程度的估计带来了挑战.另... 为提高通信带宽的利用率,本文设计了一个编码-解码控制方案,并在此方案下进一步研究了一类具有网络不确定的离散多智能体系统的均方一致性.所设计的编码-解码控制方案引入了新的辅助变量,但同时也为其最大量化程度的估计带来了挑战.另一方面,本文考虑了可模拟网络攻击等现象的网络不确定,使所考虑的模型更具一般性.本文基于参量代数黎卡提方程与李雅普诺夫稳定性理论,得到了系统实现均方一致性的充分性条件.同时,估计了量化器的最大量化程度.最后,通过数值仿真验证了本文结果的有效性. 展开更多
关键词 编码-解码控制方案 离散系统 多智能体系统 不确定性 均方一致性
在线阅读 下载PDF
基于振幅一致性残差卷积编码-解码器的不规则缺失数据重建
2
作者 王志勇 刘国昌 +2 位作者 王梓旭 郭严粮 秦晨 《吉林大学学报(地球科学版)》 北大核心 2025年第4期1336-1350,共15页
地震数据重建方法是地震信号处理中提高采样密度和获取完整波场信息的重要途径。野外勘探采集数据受到地表条件以及成本控制的限制,往往是不完整的或采样不规则的,因此研究不规则地震信号重建方法具有重要意义。本文基于不规则地震数据... 地震数据重建方法是地震信号处理中提高采样密度和获取完整波场信息的重要途径。野外勘探采集数据受到地表条件以及成本控制的限制,往往是不完整的或采样不规则的,因此研究不规则地震信号重建方法具有重要意义。本文基于不规则地震数据可以看作是规则完整数据的随机稀疏、两者在数据区间内数学统计分布高度一致、在稀疏域的表现具有极高相似性的假设,提出通过残差卷积编码-解码器将数据降维到稀疏域再升维的方法实现数据重建。进一步地,针对地震衰减导致的振幅深浅层不一致问题,以及不同数据间数学统计分布差异过大现象严重影响神经网络的训练和泛化问题,对网络的输入数据进行振幅一致性校正处理,平衡能量。合成数据算例证明了提出方法比传统二维预测误差滤波器和残差网络插值方法精度更高,比传统三维预测误差滤波器插值方法效率更快。不同的野外陆地和海洋数据算例都取得了较好的重建结果,证明该方法极大地增大了网络的泛化能力,降低了网络的训练难度。 展开更多
关键词 残差卷积编码-解码 振幅一致性 不规则采样 数据重建 地震信号处理
在线阅读 下载PDF
基于编码-解码网络的大容量鲁棒图像隐写方案 被引量:2
3
作者 董炜娜 刘佳 +2 位作者 潘晓中 陈立峰 孙文权 《计算机应用》 CSCD 北大核心 2024年第3期772-779,共8页
针对基于编码-解码网络的大容量隐写模型存在鲁棒性弱、无法抵抗噪声攻击和信道压缩的问题,提出一种基于编码-解码网络的大容量鲁棒图像隐写方案。首先,设计了基于密集连接卷积网络(DenseNet)的编码器、解码器和判别器,编码器将秘密信... 针对基于编码-解码网络的大容量隐写模型存在鲁棒性弱、无法抵抗噪声攻击和信道压缩的问题,提出一种基于编码-解码网络的大容量鲁棒图像隐写方案。首先,设计了基于密集连接卷积网络(DenseNet)的编码器、解码器和判别器,编码器将秘密信息和载体图像联合编码成隐写图像,解码器提取秘密信息,判别器用于区分载体图像和隐写图像。在编码器和解码器中间加入噪声层,采用Dropout、JPEG压缩、高斯模糊、高斯噪声和椒盐噪声模拟真实环境下的各类噪声攻击,编码器输出的隐写图像经过不同种类的噪声处理,再由解码器解码;通过训练模型,解码器能够对噪声处理后的隐写图像提取秘密信息,以抵抗噪声攻击。实验结果表明,所提方案在360×360像素的图像上隐写容量达到0.45~0.95 bpp,与次优的鲁棒隐写方案相比,相对嵌入容量提升了2.04倍;解码准确率可达0.72~0.97;与未添加噪声层的隐写方案相比,平均解码准确率提高了44个百分点。所提方案在保证高嵌入量、高编码图片质量的同时具有更强的抗噪声攻击能力。 展开更多
关键词 深度学习 信息隐藏 图像隐写 大容量 鲁棒性 编码-解码网络 对抗性训练
在线阅读 下载PDF
编码-解码多尺度卷积神经网络人群计数方法 被引量:9
4
作者 孟月波 纪拓 +2 位作者 刘光辉 徐胜军 李彤月 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第5期149-157,共9页
针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感... 针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感受野并减少参数量,保留尺度特征和图像的上下文信息;解码器对编码器输出进行上采样,实现高层语义信息和编码器前端低层特征信息有效融合,从而提升了密度图的输出质量。为增强网络对计数的敏感性,在以往像素空间损失的基础上考虑了计数误差,提出了一种新型损失函数。采用Shanghai Tech、Mall以及自建数据集进行了对比实验,结果表明:与之前最优方法相比,所提方法在Shanghai Tech数据集Part_A部分的平均绝对误差和均方误差分别降低了8.3%和21.3%,Part_B部分分别降低了12.9%和12.0%,Mall数据集分别降低了15.1%和23.8%,自建数据集分别降低了13.5%和7.1%;在不同人群场景下,所提方法的人群计数准确性和鲁棒性均优于其他对比方法的。 展开更多
关键词 人群计数 编码-解码结构 多尺度 空洞空间金字塔池化 计数误差 损失函数
在线阅读 下载PDF
基于全嵌套编码-解码网络的异常检测模型 被引量:2
5
作者 张学武 《西安理工大学学报》 CAS 北大核心 2022年第1期89-95,共7页
工程应用中往往异常样本匮乏,监督学习方法无法应用。针对这一问题,本文提出了一种只需要正常样本就可进行训练的深度网络模型——基于全嵌套编码-解码器的异常图像检测模型。该模型由一个生成器和一个判别器构成。生成器包含嵌入残差... 工程应用中往往异常样本匮乏,监督学习方法无法应用。针对这一问题,本文提出了一种只需要正常样本就可进行训练的深度网络模型——基于全嵌套编码-解码器的异常图像检测模型。该模型由一个生成器和一个判别器构成。生成器包含嵌入残差结构的编码-解码网络,具有很好的特征表达和图像重构能力。判别器是一个分类网络,用以鉴别输入是否为真实的正常样本。本文在标准数据集CIFAR-10和工业设备部件数据集上进行了对比实验,实验结果表明本文提出的异常检测模型具有更高的检测精度。 展开更多
关键词 异常检测 编码-解码 残差网络 生成-对抗网络
在线阅读 下载PDF
改进编码-解码框架下的跨站脚本检测 被引量:2
6
作者 程琪芩 万良 《计算机工程与设计》 北大核心 2021年第1期44-50,共7页
为解决传统机器学习方法特征提取工作艰难导致对跨站脚本检测性能有限的问题,提出应用注意力机制改进编码-解码框架的方法并以此建立模型检测跨站脚本。由卷积神经网络和双向门控循环单元网络并行构成编码器,既考虑输入数据上下文信息,... 为解决传统机器学习方法特征提取工作艰难导致对跨站脚本检测性能有限的问题,提出应用注意力机制改进编码-解码框架的方法并以此建立模型检测跨站脚本。由卷积神经网络和双向门控循环单元网络并行构成编码器,既考虑输入数据上下文信息,又充分提取有效特征;使用注意力机制解决传统编码-解码框架的“分心问题”;使用门控循环单元网络构成解码器,使用分类器进行分类检测。在收集到的数据集上进行仿真实验,验证了模型的有效性和性能优势。 展开更多
关键词 跨站脚本 编码-解码框架 卷积神经网络 门控循环单元网络 注意力机制
在线阅读 下载PDF
基于深度编码-解码器的图像模糊核估计 被引量:1
7
作者 余孝源 谢巍 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第4期731-738,共8页
在图像去模糊问题中,显著边缘结构对图像的模糊核估计具有重要的作用.本文提出一种基于深度编码-解码器的图像模糊核估计算法.首先,通过构建训练数据集对深度编码-解码器进行训练,进而自适应地获得模糊图像的显著边缘结构;接着,结合显... 在图像去模糊问题中,显著边缘结构对图像的模糊核估计具有重要的作用.本文提出一种基于深度编码-解码器的图像模糊核估计算法.首先,通过构建训练数据集对深度编码-解码器进行训练,进而自适应地获得模糊图像的显著边缘结构;接着,结合显著边缘结构和模糊图像,利用L2范数正则化对模糊核进行估计;最后,利用超拉普拉斯先验和所估计的模糊核对清晰图像进行估计.与传统的方法相比,所提出的方法不需要多尺度迭代框架.实验结果表明,所提出的算法在获得较好的显著边缘结构以及清晰图像的同时,能够减少算法计算的时间. 展开更多
关键词 图像去模糊 编码-解码 显著边缘结构 模糊卷积核估计
在线阅读 下载PDF
基于双注意力编码-解码器架构的视网膜血管分割 被引量:5
8
作者 李天培 陈黎 《计算机科学》 CSCD 北大核心 2020年第5期166-171,共6页
眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-... 眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-解码器卷积神经网络的每个卷积层添加空间和通道注意力模块,加强模型对图像特征的空间信息和通道信息(如血管的大小、形态和连通性等特点)的利用,从而改善视网膜血管的分割效果。其中,空间注意力模块关注于血管的拓扑结构特性,而通道注意力模块关注于血管像素点的正确分类。此外,在训练过程中采用Dice损失函数解决了视网膜血管图像正负样本不均衡的问题。在3个公开的眼底图像数据库DRIVE,STARE和CHASE_DB1上进行了实验,实验数据表明,所提算法的准确率、灵敏度、特异性和AUC值均优于已有的视网膜血管分割方法,其AUC值分别为0.9889,0.9812和0.9831。实验证明,所提算法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管。 展开更多
关键词 视网膜血管分割 通道注意力 空间注意力 编码-解码器结构 特征可视化
在线阅读 下载PDF
基于编码-解码器架构的光场深度估计方法
9
作者 晏旭 马帅 +4 位作者 曾凤娇 郭正华 伍俊龙 杨平 许冰 《计算机科学》 CSCD 北大核心 2021年第10期212-219,共8页
针对现有光场深度估计方法存在的计算时间长和精度低的问题,提出了一种融合光场结构特征的基于编码-解码器架构的光场深度估计方法。该方法基于卷积神经网络,采用端到端的方式进行计算,一次输入光场图像就可获得场景视差信息,计算量远... 针对现有光场深度估计方法存在的计算时间长和精度低的问题,提出了一种融合光场结构特征的基于编码-解码器架构的光场深度估计方法。该方法基于卷积神经网络,采用端到端的方式进行计算,一次输入光场图像就可获得场景视差信息,计算量远低于传统方法,大大缩短了计算时间。为提高计算精确度,网络模型以光场图像的多方向极平面图堆叠体(Epipolar Plane Image Volume,EPI-volume)为输入,先利用多路编码模块对输入的光场图像进行特征提取,再使用带跳跃连接的编码-解码器架构进行特征聚合,使网络在逐像素视差估计时能够融合目标像素点邻域的上下文信息。此外,模型采取不同深度的卷积块从中心视角图中提取场景的结构特征,并将该结构特征引入对应的跳跃连接中,为视差图预测提供了额外的边缘特征参考,进一步提高了计算精确度。对HCI-4D光场基准测试集的实验结果表明,所提方法的坏像素率(BadPix)指标比对比方法降低了31.2%,均方误差(MSE)指标比对比方法降低了54.6%。对于基准测试集中的光场图像,深度估计的平均计算时间为1.2 s,计算速度远超对比方法。 展开更多
关键词 光场 深度估计 极平面图 编码-解码器结构 上下文信息
在线阅读 下载PDF
DeepOCSR:一种用于光学化学结构识别的深度编码-解码网络
10
作者 杨赵朋 李建华 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第1期135-143,共9页
从科学出版物中识别光学化学结构是重新发现化学结构性质的重要组成部分,对于药物研发和天然产物研究方面具有重要意义。现有的光学化学结构识别方法存在识别率较低等问题,为了有效地提高光学化学结构识别任务的识别性能,本文提出了一... 从科学出版物中识别光学化学结构是重新发现化学结构性质的重要组成部分,对于药物研发和天然产物研究方面具有重要意义。现有的光学化学结构识别方法存在识别率较低等问题,为了有效地提高光学化学结构识别任务的识别性能,本文提出了一种用于光学化学结构识别的深度学习方法(DeepOCSR)。该方法基于编码器-解码器架构,引入了Transformer和ResNeSt模型,将出版物中的化学结构图像转换为SMILES序列。构建了两种新的化学结构数据集,其中一个包含了化学文献中常见的取代基。将本文方法与现有的其他方法进行对比实验,结果表明本文方法在相似度和有效性等关键指标上均优于对比方法。 展开更多
关键词 深度学习 化学结构识别 编码-解码 SMILES 取代基
在线阅读 下载PDF
编码器-解码器结构的刀具磨损状态预测研究
11
作者 刘本刚 吴文江 +2 位作者 赵丹 王裴岩 彭春杨 《小型微型计算机系统》 北大核心 2025年第6期1530-1536,共7页
针对航空钛合金加工中刀具磨损状态监测难题,提出了面向刀具磨损状态预测的编码器-解码器网络结构,构建了Transformer、BiLSTM、BiGRU等72种组合模型,通过在航空钛合金高效加工实测数据样本集上验证发现:以Transformer为编码器的模型性... 针对航空钛合金加工中刀具磨损状态监测难题,提出了面向刀具磨损状态预测的编码器-解码器网络结构,构建了Transformer、BiLSTM、BiGRU等72种组合模型,通过在航空钛合金高效加工实测数据样本集上验证发现:以Transformer为编码器的模型性能最优,其中Transformer-BiGRU组合模型F1值达69.61%,显著优于GS-XGBoost(58.01%)、Attention-CNN(57.65%)等方法,研究表明基于编码器-解码器的刀具状态预测模型在航空钛合金复杂切削工况下具有显著优势,未来可通过模型优化和扩充样本数据进一步提升其性能. 展开更多
关键词 编码-解码器结构 刀具磨损状态预测 TRANSFORMER 双向循环神经网络 航空钛合金高效加工
在线阅读 下载PDF
一种基于改进编码器-解码器的阵列稳健波束形成方法
12
作者 刘子雄 徐艳红 +2 位作者 崔灿 王安义 范旭慧 《空军工程大学学报》 北大核心 2025年第1期50-58,共9页
针对实际场景中不可避免存在的阵列误差所带来的阵列天线旁瓣电平抬高、零点移位甚至方向图畸变等问题,提出了一种基于改进编码器-解码器的阵列稳健波束形成方法。该方法基于一维卷积神经网络(1D-CNN)和人工神经网络(ANN)分别设计了编... 针对实际场景中不可避免存在的阵列误差所带来的阵列天线旁瓣电平抬高、零点移位甚至方向图畸变等问题,提出了一种基于改进编码器-解码器的阵列稳健波束形成方法。该方法基于一维卷积神经网络(1D-CNN)和人工神经网络(ANN)分别设计了编码器和解码器,其中编码器和解码器分别起到阵列综合和阵列分析的功能。首先训练解码器,通过在该训练过程中考虑阵列误差,建立实际阵列的激励权矢量与阵列方向图之间的映射关系;然后训练编码器,建立期望方向图与产生该方向图所需激励权矢量的映射关系,该过程需联合已训练好的解码器,不断迭代,最终求得最优激励权矢量。为验证该方法的有效性,开展了存在阵列误差情况下16阵元的波束综合,实现了-20 dB低旁瓣下的-45 dB单零点和-40 dB多零点综合,实验结果均证明了该方法的有效性。 展开更多
关键词 波束形成 编码-解码 低旁瓣 神经网络 阵列误差
在线阅读 下载PDF
面向交通流预测的时空编码器-解码器模型
13
作者 张锦 皮煜 +3 位作者 孙程 魏叶华 余飞 姚卫 《国防科技大学学报》 北大核心 2025年第3期173-182,共10页
为了解决许多交通流预测研究方法不能全面地挖掘交通数据中的动态隐藏相关性的问题,研究了动态时空变化特征,提出了一个基于编码器-解码器的交通预测模型。在模型中,编码器和解码器都主要由多头时空注意力机制组成,在两者中间加入了连... 为了解决许多交通流预测研究方法不能全面地挖掘交通数据中的动态隐藏相关性的问题,研究了动态时空变化特征,提出了一个基于编码器-解码器的交通预测模型。在模型中,编码器和解码器都主要由多头时空注意力机制组成,在两者中间加入了连接注意力机制,以分析路网时空相关性。模型还使用时空嵌入编码与自适应图卷积结合构成的动态嵌入模块来分析节点的动态和静态信息。在两个真实数据集上的实验,证明了该时空模型在长短期流量预测的效果优于其他方法。因此,时空编码器-解码器模型能有效处理复杂的时空序列,提升交通流预测的准确性。 展开更多
关键词 交通流预测 图卷积神经网络 注意力机制 编码-解码
在线阅读 下载PDF
SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型 被引量:9
14
作者 谢娟英 张凯云 《电子学报》 EI CAS CSCD 北大核心 2024年第3期824-837,共14页
非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network). 展开更多
关键词 小目标分割 非小细胞肺癌 非对称编码-解码 结构细化 轴向取反注意力 CT图像 深度学习 卷积
在线阅读 下载PDF
基于双模编码器-解码器框架的联机手写数学公式识别 被引量:4
15
作者 付鹏斌 李树军 杨惠荣 《北京工业大学学报》 CAS CSCD 北大核心 2024年第1期50-60,共11页
为了充分利用联机手写数学公式的笔迹特征和全局二维结构特征,将联机模式和脱机模式联合,设计了一种基于编码器-解码器框架的双模识别模型。该模型可接受一维坐标点序列和二维静态图像形式的手写数学公式数据,通过联机编码器从输入的坐... 为了充分利用联机手写数学公式的笔迹特征和全局二维结构特征,将联机模式和脱机模式联合,设计了一种基于编码器-解码器框架的双模识别模型。该模型可接受一维坐标点序列和二维静态图像形式的手写数学公式数据,通过联机编码器从输入的坐标点序列中提取笔迹特征信息,并通过脱机编码器从静态图像中提取二维结构特征信息,进而充分保留手写笔迹特征和全局二维结构特征。在编码器阶段,针对联机模式提出正弦编码,对输入的坐标点序列进行编码,补充笔画级别的信息,能够有效避免笔画间隔模糊导致的笔画信息丢失的问题;针对脱机模式提出平滑注意力机制,通过引入平滑窗口的方式,实现特征图中每个像素特征的感受野的自适应调整,在一定程度上解决了普通的注意力机制无法同时对尺寸相差较大的手写符号筛选有效特征信息的问题,有效提升了注意力机制捕捉有效手写区域的能力。实验结果表明,该模型的公式识别准确率可达58.76%,并且与相同领域内其他的识别模型相比,其可将公式识别准确率提升1.56%~4.71%,达到较高水平。 展开更多
关键词 编码-解码 联机 脱机 双模 数学公式识别 注意力机制
在线阅读 下载PDF
日交通流预测的编码器-解码器深度学习模型研究 被引量:5
16
作者 曹阳 茅一波 施佺 《计算机工程与应用》 CSCD 北大核心 2022年第22期284-290,共7页
精准的日交通流预测是智能交通领域的重要研究内容之一。目前已有的日交通流预测模型大多在短期预测模型的基础上通过多步预测或者多目标预测的方式改进而来。这两种改进方案中,前者对误差的传播更为敏感,而后者则忽视了预测结果的时序... 精准的日交通流预测是智能交通领域的重要研究内容之一。目前已有的日交通流预测模型大多在短期预测模型的基础上通过多步预测或者多目标预测的方式改进而来。这两种改进方案中,前者对误差的传播更为敏感,而后者则忽视了预测结果的时序关系,导致预测模型精度偏低。提出了一种用于日交通流预测的编码器-解码器深度学习模型,首先将长短时记忆网络(long short-term memory,LSTM)作为编码器-解码器模型的基本单元以提高模型捕捉长期依赖关系的能力,其次引入注意力机制调节编码向量的权重以进一步提高模型的预测精度。新的模型是一种典型的序列到序列预测模型,与传统的序列到点的模型相比更加契合日交通流预测的需求。为验证模型的有效性,取美国5号州际公路西雅图段的实际交通流数据进行实验,实验结果表明,提出的预测模型在平均车流密度大于40辆/km的时间段中,其预测结果的平均绝对百分比误差(mean absolute percentage error,MAPE)与LSTM、门控循环单元(gated recurrent unit,GRU)、反向传播(back propagation,BP)神经网络、卷积神经网络(convolutional neural network,CNN)、图卷积网络(graph convolution network,GCN)传统预测模型相比,分别减小了19%、20%、25%、16%、25%。 展开更多
关键词 日交通流预测 编码-解码 深度学习 长短时记忆网络(LSTM) 注意力机制
在线阅读 下载PDF
基于集合经验模态分解和编码器-解码器的风电功率多步预测 被引量:10
17
作者 张思毅 刘明波 +2 位作者 雷振兴 林舜江 谢敏 《南方电网技术》 CSCD 北大核心 2023年第4期16-24,共9页
准确的风电功率预测对于推动风电大规模并网具有积极意义,现有的研究多集中于超短期范围内的单步预测。为了实现更加贴近工程应用实际的风电功率多步预测,提出了一种基于集合经验模态分解和编码器-解码器的风电功率多步预测方法。首先采... 准确的风电功率预测对于推动风电大规模并网具有积极意义,现有的研究多集中于超短期范围内的单步预测。为了实现更加贴近工程应用实际的风电功率多步预测,提出了一种基于集合经验模态分解和编码器-解码器的风电功率多步预测方法。首先采用k均值聚类算法对风电机组进行聚类,然后引入集合经验模态分解算法对机组群功率序列进行分解,从而提取风电场功率的时空分布特征,通过预先搭建的基于门控循环单元的编码器-解码器预测网络实现风电功率的超前多步预测,最后将各预测值重构获得风电场总功率的预测值。利用某风电场的真实数据进行算例分析,结果表明所提算法在超前1~6 h不同应用场景下的预测性能均优于其他传统模型,预测准确度提升了6.45%~13.56%。 展开更多
关键词 风电功率预测 编码-解码 门控循环单元 集合经验模态分解 多步预测
在线阅读 下载PDF
编码器-解码器模型合成汉英语码转换文本 被引量:1
18
作者 黄哲莹 刘作桢 +1 位作者 徐及 赵庆卫 《信号处理》 CSCD 北大核心 2022年第10期2074-2081,共8页
为了解决汉英语码转换文本数据稀缺的问题,本文提出了基于编码器-解码器模型合成语码转换文本的方法,从有限的语码转换文本与大量单语种平行语料中学习语码转换语言学规则与语种内部的语言学规则,来合成语码转换文本。但是该模型合成的... 为了解决汉英语码转换文本数据稀缺的问题,本文提出了基于编码器-解码器模型合成语码转换文本的方法,从有限的语码转换文本与大量单语种平行语料中学习语码转换语言学规则与语种内部的语言学规则,来合成语码转换文本。但是该模型合成的语码转换文本自然度低,因此本文又提出基于带复制机制的编码器-解码器模型合成语码转换文本的方法,在编码器-解码器的基础上,增加了一个门控,用来决定从编码器的预测结果还是从编码器的输入源文本中产生下一个词。最终,该方法使语言模型在SEAME测试集上的困惑度降低了绝对13.96。由此可得出结论,本文提出的方法可大规模地合成自然度高的语码转换文本,缓解语码转换文本数据的稀缺性。 展开更多
关键词 语码转换 编码-解码 合成文本 语言模型 语音识别
在线阅读 下载PDF
基于注意力机制编码器-解码器的手写数学公式识别模型 被引量:3
19
作者 陈路 陈道喜 +1 位作者 陆一鸣 陆卫忠 《计算机应用》 CSCD 北大核心 2023年第4期1297-1302,共6页
针对现有的手写数学公式识别(HMER)方法经过卷积神经网络(CNN)多次池化后,图像分辨率降低、特征信息丢失,从而引起解析错误的问题,提出基于注意力机制编码器-解码器的HMER模型。首先,采用稠密卷积网络(DenseNet)作为编码器,使用稠密连... 针对现有的手写数学公式识别(HMER)方法经过卷积神经网络(CNN)多次池化后,图像分辨率降低、特征信息丢失,从而引起解析错误的问题,提出基于注意力机制编码器-解码器的HMER模型。首先,采用稠密卷积网络(DenseNet)作为编码器,使用稠密连接加强特征提取,促进梯度传播,并缓解梯度消失;其次,采用门控循环单元(GRU)作为解码器,并引入注意力机制,将注意力分配到图像的不同区域,从而准确地实现符号识别和结构分析;最后,对手写数学公式图像进行编码,将编码结果解码为LaTeX序列。在在线手写数学公式识别竞赛(CROHME)数据集上的实验结果表明,所提模型的识别率提升到40.39%,而在3个级别的允许误差范围内,识别率分别提升到52.74%、58.82%和62.98%。相较于双向长短期记忆(BLSTM)网络模型,所提模型的识别率提高了3.17个百分点;而在3个级别的允许误差范围内,识别率分别提高了8.52、11.56和12.78个百分点。可见,所提模型能够准确地解析手写数学公式图像,生成LaTeX序列,提升识别率。 展开更多
关键词 手写数学公式识别 编码-解码 稠密卷积网络 门控循环单元 注意力机制
在线阅读 下载PDF
RNN编码器-解码器在维汉机器翻译中的应用 被引量:9
20
作者 帕丽旦.木合塔尔 吾守尔.斯拉木 +1 位作者 买买提阿依甫 努尔麦麦提.尤鲁瓦斯 《计算机工程与应用》 CSCD 北大核心 2018年第15期235-240,共6页
将RNN编码器-解码器作为传统的基于短语的PSMT系统的一部分,在传统统计机器翻译基础上,集成RNN解码器-编码器,兼容PSMT创建了新联合模型(RNN+PSMT)。新的模型不仅在维-汉、汉-英机器翻译的应用中取得了成效,而且能够捕捉到语言的规律,... 将RNN编码器-解码器作为传统的基于短语的PSMT系统的一部分,在传统统计机器翻译基础上,集成RNN解码器-编码器,兼容PSMT创建了新联合模型(RNN+PSMT)。新的模型不仅在维-汉、汉-英机器翻译的应用中取得了成效,而且能够捕捉到语言的规律,使得机器翻译中的一个重要评价指标的BLEU值得到了显著提高。实验结果表明,系统的整体性能超过了传统统计机器翻译。 展开更多
关键词 统计机器翻译 神经网络 RNN编码-解码 长短时记忆 维吾尔语
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部