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505篇文章
< 1 2 … 26 >
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：
基于拉曼光谱和时空注意力网络的牛奶掺假检测方法
1
作者 刘延梅 赵宝峰 马慧莲 《食品与机械》 北大核心 2025年第5期71-76,共6页
[目的]提高牛奶掺假检测的准确率。[方法]提出一种结合拉曼光谱和时空注意力网络的牛奶掺假检测方法,通过拉曼光谱提取分子特征,利用拉曼光谱和时空注意力网络模型提取时序和空间特征,并通过自注意力机制加权重要信息。[结果]与现有方... [目的]提高牛奶掺假检测的准确率。[方法]提出一种结合拉曼光谱和时空注意力网络的牛奶掺假检测方法,通过拉曼光谱提取分子特征,利用拉曼光谱和时空注意力网络模型提取时序和空间特征,并通过自注意力机制加权重要信息。[结果]与现有方法相比,试验方法的牛奶掺假检测准确率平均提升了4.5%,精确度平均提升了约5.8%,召回率平均提升了4.9%,F1分数平均提升了5.4%。[结论]试验方法对牛奶掺假检测具有高精度、高鲁棒性、实时检测潜力和可推广性,能够应用于牛奶生产及监管过程中的在线质量监控,并可拓展至其他食品的掺假检测中。 展开更多
关键词 牛奶掺假 拉曼光谱 时空注意力网络 在线检测 食品安全
在线阅读 下载PDF
基于时空图注意力网络的车辆多模态轨迹预测模型
2
作者 陈文强 王东丹 +2 位作者 朱文英 汪勇杰 王涛 《浙江大学学报(工学版)》 北大核心 2025年第3期443-450,共8页
针对人工驾驶车辆轨迹的预测难题及对自动驾驶决策的影响,建立基于时空图注意力网络的车辆多模态轨迹预测模型(STGAMT).模型基于车辆的历史信息,对车辆时间和空间维度的特征进行建模.利用二维卷积神经网络识别车辆的横纵向的变道状态信... 针对人工驾驶车辆轨迹的预测难题及对自动驾驶决策的影响,建立基于时空图注意力网络的车辆多模态轨迹预测模型(STGAMT).模型基于车辆的历史信息,对车辆时间和空间维度的特征进行建模.利用二维卷积神经网络识别车辆的横纵向的变道状态信息,将横纵向变道状态信息分别与时空动态交互模块输出信息桥连为横纵向运动特征,采用Softmax函数识别车辆的驾驶意图.利用基于高斯条件分布的GRU网络对轨迹进行多模态轨迹输出.实验结果表明,在短期预测范围内,STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了63.8%和41.0%;在长期预测范围内,STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了62.5%和19.1%.STGAMT模型可以有效提高人工驾驶车辆轨迹预测精度. 展开更多
关键词 自动驾驶 车辆轨迹预测 驾驶意图识别 多模态轨迹 图注意力网络
在线阅读 下载PDF
基于快速特征逼近谱图注意力网络的滚动轴承半监督智能故障诊断研究
3
作者 宁少慧 杜越 周利东 《机床与液压》 北大核心 2025年第6期33-39,共7页
基于图注意力网络的诊断模型在故障诊断全监督任务中有较好的表现,但在半监督任务中表现欠佳。针对此问题,构建一种基于快速特征逼近谱图注意力网络的半监督滚动轴承智能故障诊断模型。通过K近邻图方法将振动信号转为可用于诊断的图数据... 基于图注意力网络的诊断模型在故障诊断全监督任务中有较好的表现,但在半监督任务中表现欠佳。针对此问题,构建一种基于快速特征逼近谱图注意力网络的半监督滚动轴承智能故障诊断模型。通过K近邻图方法将振动信号转为可用于诊断的图数据,丰富了数据特征;将图数据输入到构建的诊断模型中,学习故障信息特征,并分析不同的标签比例训练集的诊断结果。同时,分析了Sum、Mean、Max 3种池化方式和超参数对诊断模型的影响;最后,分别在两组实验轴承数据集上进行验证。结果表明:所提模型可以有效地捕获图的全局模式,降低计算复杂度,在全监督诊断任务中其诊断准确率可以保持在99%以上;在标签比例为10%的半监督任务中,其诊断准确率仍能保持在93.5%,所提诊断模型在半监督任务中有良好表现。 展开更多
关键词 轴承 故障诊断 快速特征逼近谱图注意力网络 K近邻图算法
在线阅读 下载PDF
基于分级注意力网络和多层对比学习的社交推荐
4
作者 张丽杰 王绍卿 +1 位作者 张尧 孙福振 《广西师范大学学报(自然科学版)》 北大核心 2025年第2期133-148,共16页
将社交关系融入推荐系统中,能有效提高推荐质量。然而现实世界中用户的交互数据是稀疏和复杂的,如何更好地利用社交信息是关键问题。现有社交推荐模型没有充分探索高阶好友的影响,而且忽略了用户间的关系强度和不同种类的关系对用户的影... 将社交关系融入推荐系统中,能有效提高推荐质量。然而现实世界中用户的交互数据是稀疏和复杂的,如何更好地利用社交信息是关键问题。现有社交推荐模型没有充分探索高阶好友的影响,而且忽略了用户间的关系强度和不同种类的关系对用户的影响,导致推荐性能不佳。为了解决上述问题,本文提出一个基于分级注意力网络和层次化对比学习的社交推荐模型。具体来说,首先,依据用户间不同关系构建用户级超图,扩大节点聚合的感知范围,加深模型深度。然后,设计多级注意力网络更好地捕捉用户交互数据之间的关系和重要性,其中,视图级自注意力机制捕获好友对用户的影响以及项目间的关联程度,通道级注意力自适应地调整不同种类的关系对用户的影响。同时,引入层次化对比学习对数据进行增强,包括视图间和跨视图的第一层对比学习和针对高阶关系的第二层对比学习,多维度捕获数据的细微差距和高层次的抽象特征。最后,将所提出的模型在4个公开基准数据集上进行评估,结果表明本文模型Precision、Recall、NDCG较其他最优基线模型分别提升7.61%、11.05%、10.69%,验证了本文模型的有效性。 展开更多
关键词 社交推荐 注意力网络 超图学习 对比学习 推荐系统
在线阅读 下载PDF
基于多台输入的图注意力网络震级估计研究
5
作者 余仲黎 朱景宝 +1 位作者 李山有 宋晋东 《地震工程与工程振动》 北大核心 2025年第2期22-32,共11页
震级估计是地震预警中的重要任务之一。准确的震级估计对于地震影响范围的快速判断和地震预警信息的及时发布至关重要。现有的方法通常基于单个台站的加速度时程提取特征信息进行震级估计,再通过多台平均的方法得到结果。文中利用多台... 震级估计是地震预警中的重要任务之一。准确的震级估计对于地震影响范围的快速判断和地震预警信息的及时发布至关重要。现有的方法通常基于单个台站的加速度时程提取特征信息进行震级估计,再通过多台平均的方法得到结果。文中利用多台输入的图注意力网络算法构建端到端的震级估计模型(GAT_M),作为GAT_M模型输入的是首台P波触发后3 s内的多台站地震加速度时程。本研究利用日本防灾科学技术研究所K-NET强震观测台网的强震资料进行模型训练和测试实验。研究结果表明:在首台P波触发后3 s,震级估计的平均误差和标准差分别为-0.077和0.40,R2为0.72。本研究还分析了震级、时间窗和台站数量对GAT_M模型性能的影响。同时,在首台P波触发后3 s,与传统Pd方法相比,GAT_M模型有更小的震级估计误差,在复杂样本数据的情况下,GAT_M模型有较大的优势且能够更好地应用于地震预警震级估计中。 展开更多
关键词 图注意力网络 地震监测预警 震级 多台输入
在线阅读 下载PDF
基于特征组合的异构图注意力网络关系抽取
6
作者 闫家鑫 陈艳平 +2 位作者 杨卫哲 黄瑞章 秦永彬 《计算机应用》 北大核心 2025年第8期2470-2476,共7页
关系抽取旨在从句子中提取2个实体之间的预定义语义关系。传统基于图神经网络的关系抽取方法一般通过依赖树构建句子的图表示结构;然而,使用依赖树构建出的图结构表达能力单一,且无法完整捕捉到目标实体丰富的语法结构信息。针对这些问... 关系抽取旨在从句子中提取2个实体之间的预定义语义关系。传统基于图神经网络的关系抽取方法一般通过依赖树构建句子的图表示结构;然而,使用依赖树构建出的图结构表达能力单一,且无法完整捕捉到目标实体丰富的语法结构信息。针对这些问题,提出基于特征组合的异构图注意力网络(HGAT)关系抽取方法。首先,抽取句子中的原子特征,并通过组合这些原子特征得到句子的组合特征;其次,把组合特征和关系标签表示为异构图上的两种节点以构建“特征-关系二部图”;最后,使用图注意力网络动态地更新节点,进而实现关系抽取。所提方法能有效利用组合特征和句子中的语法结构信息,进而提升关系抽取的性能。在ACE05英文数据集和SemEval-2010 task 8数据集上的实验结果表明,所提方法分别达到了84.11%和90.67%的F1值,证明了所提方法的有效性。 展开更多
关键词 关系抽取 原子特征 特征组合 异构图 图注意力网络
在线阅读 下载PDF
基于图注意力网络和门控网络的轻量级单通道语音分离方法
7
作者 余传旗 郭海燕 +2 位作者 王婷婷 王景润 杨震 《信号处理》 北大核心 2025年第4期706-717,共12页
语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题... 语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题,本文综合考虑模型效率与分离性能,提出一种基于图注意力网络(Graph Attention Network,GAT)和门控网络(Gated Network,GN)的轻量级语音分离模型(称为GGN-Papez)。该方法基于轻量级、高效的基线模型Papez,引入GAT处理听觉记忆块内存储的全局信息,并使用GN生成掩码,来提升基线模型Papez的性能。具体地,假定所有记忆令牌之间均存在连接,利用GAT计算令牌间的注意力得分,并采用阈值过滤策略裁剪掉得分较低的边,生成新的邻接矩阵。再利用此邻接矩阵聚合记忆令牌所存储的全局信息,以提取出更有效的上下文信息,提高模型对全局特征的理解能力。在此基础上,考虑到Papez使用的掩码生成模块为表达能力有限的双层全连接前馈神经网络,本文提出使用具备更强特征选择能力的GN替代原有模块,以生成更符合源语音特征的掩码。所提模型GGN-Papez在基准数据集WSJ0-2Mix和Libri2Mix上进行了实验,实验结果表明所提方法在增加很少参数量的情况下,显著提升了分离语音的尺度不变信噪比(Scale Invariant Signal-to-Noise Ratio,SI-SNR)。此外,本文还设计了消融实验验证GAT和GN对整体模型性能的影响,并从推理时间和语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)得分等方面综合地对所提模型的性能进行了分析。 展开更多
关键词 语音分离 轻量级模型 图神经网络 图注意力网络 门控机制
在线阅读 下载PDF
基于多尺度图注意力网络的电力系统暂态稳定评估
8
作者 傅太国屹 杜友田 +2 位作者 吕昊 李宗翰 刘俊 《电力系统自动化》 北大核心 2025年第3期60-70,共11页
已有基于图深度学习的暂态稳定评估方法考虑了电网的拓扑结构特征,但对电网拓扑结构图中多尺度子图间的信息传递特性没有进行有效建模,导致判稳模型对电网局部与全局动态耦合关系的捕捉不足,降低了模型在复杂扰动下的判稳精度。因此,提... 已有基于图深度学习的暂态稳定评估方法考虑了电网的拓扑结构特征,但对电网拓扑结构图中多尺度子图间的信息传递特性没有进行有效建模,导致判稳模型对电网局部与全局动态耦合关系的捕捉不足,降低了模型在复杂扰动下的判稳精度。因此,提出了一种融合多尺度子图信息传递过程的功角暂态稳定评估方法。首先,提出并构建了一种k阶图注意力网络,以不同尺度的电网拓扑子图作为图深度学习中特征提取的基本单元。然后,通过注意力机制为特征聚合分配自适应权重,以挖掘实际电网中不同细粒度区域之间的特性。最后,通过CEPRI-TAS-173系统验证了所提方法的可行性和有效性。 展开更多
关键词 暂态稳定评估 深度学习 多尺度子图 特征提取 图注意力网络
在线阅读 下载PDF
基于图注意力网络的加密恶意流量检测
9
作者 王祥淇 杨文军 莫秀良 《计算机工程与设计》 北大核心 2025年第7期1944-1950,共7页
为高效检测恶意加密流量在真实环境下的分类效果,提出一种基于图注意力网络(GAT)的加密恶意流量检测模型。将流量数据转换为图结构输入到图注意力网络中进行特征学习,引入注意力机制捕捉流量之间的相关性,进一步强化同类之间的关系,提... 为高效检测恶意加密流量在真实环境下的分类效果,提出一种基于图注意力网络(GAT)的加密恶意流量检测模型。将流量数据转换为图结构输入到图注意力网络中进行特征学习,引入注意力机制捕捉流量之间的相关性,进一步强化同类之间的关系,提升模型分类效果。采用XGBoost作为模型分类器,进一步提升模型的分类和泛化能力。在真实的加密网络流量中进行加密恶意流量检测,取得了优异的表现,准确率超过了97%,与现有多种方法相比,具有更好的检测效果。 展开更多
关键词 流量分类 加密恶意流量 图注意力网络 极端梯度提升 特征提取 图神经网络 图模型
在线阅读 下载PDF
图推理嵌入动态自注意力网络的文档级关系抽取
10
作者 李云洁 王丹阳 +2 位作者 刘海涛 汪华东 汪培庄 《智能系统学报》 北大核心 2025年第1期52-63,共12页
文档级关系抽取是指从文档中抽取所有具有语义关系的实体对并判断其关系类别,与句子级关系抽取不同,这里实体关系的确定需要根据文档中多个句子推理得到。现有方法主要采用自注意力进行文档级关系抽取,但是运用自注意力进行文档级关系... 文档级关系抽取是指从文档中抽取所有具有语义关系的实体对并判断其关系类别,与句子级关系抽取不同,这里实体关系的确定需要根据文档中多个句子推理得到。现有方法主要采用自注意力进行文档级关系抽取,但是运用自注意力进行文档级关系抽取需要面临两个技术挑战:即长文本语义编码存在的高计算复杂度和关系预测需要的复杂推理建模,故提出一种图推理嵌入动态自注意力网络(graph reasoning embedded dynamic self-attention network,GSAN)模型。该模型借助门限词选择机制动态选择重要词计算自注意力实现对长文本语义依赖的高效建模,同时考虑以选择词为全局语义背景与实体候选、文档节点一起构建文档图,将文档图的图推理聚合信息嵌入到动态自注意力模块中,实现模型对复杂推理建模的能力。在公开的文档级关系数据集CDR和DocRED上的实验结果表明,文中提出的模型较其他基线模型有显著提升。 展开更多
关键词 文档级关系抽取 图推理 动态自注意力网络 自注意力机制 门限词选择机制 文档图 图注意力网络 关键词
在线阅读 下载PDF
基于窗口自注意力网络与YOLOv5融合的输电线路通道异物检测 被引量：2
11
作者 薛昂 姜恩宇 +2 位作者 张文涛 林顺富 米阳 《上海交通大学学报》 北大核心 2025年第3期413-423,共11页
针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的... 针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的能力.其次,改进自适应空间特征融合(ASFF)模块,增强多尺度特征融合能力.最后,考虑到真实框与预测框不匹配的问题,引入结构相似性交并比(SIoU),优化边界误差,提高小目标定位准确性.实验结果表明,本文模型对线路通道多目标入侵检测精度达到90.2%,且提升了小目标检测效果;与主流目标检测算法相比,可以更好地满足输电线路通道中的异物检测需求. 展开更多
关键词 智能化巡检 输电线路通道 目标检测 窗口自注意力网络 自适应空间特征融合
在线阅读 下载PDF
基于多核图注意力网络的有源配电网故障定位方法
12
作者 梁伟宸 王亚娟 +3 位作者 周放歌 刘博 李烜 肖仕武 《现代电力》 北大核心 2025年第4期788-798,共11页
基于人工智能的配电网故障定位技术高度依赖训练数据,一旦配电网拓扑结构发生改变,故障定位模型的定位准确度就会显著下降。为解决上述问题,提出了一种基于多核图注意力网络的配电网故障定位方法,将配电网的电气节点和线路映射为图注意... 基于人工智能的配电网故障定位技术高度依赖训练数据,一旦配电网拓扑结构发生改变,故障定位模型的定位准确度就会显著下降。为解决上述问题,提出了一种基于多核图注意力网络的配电网故障定位方法,将配电网的电气节点和线路映射为图注意力网络中图的顶点和边,根据相邻顶点之间故障特征的相似度计算注意力系数,根据节点与周边节点的连接关系构成图多核注意力网络,计算得到各节点状态,确定故障位置。该方法把顶点特征之间的相关性更好地融入到故障定位模型中,提高了故障定位模型对配电网拓扑变化的适应能力。最后,搭建了IEEE33节点配电网系统来进行验证,仿真结果表明,所提的故障定位模型具有定位准确率高、鲁棒性好的优点,并且当配电网的拓扑结构发生改变时,该模型依然能够保持较高的故障定位准确率。 展开更多
关键词 有源配电网 故障定位 核函数 图注意力网络
在线阅读 下载PDF
面向多变量时间序列异常检测的双图注意力网络模型
13
作者 李汉章 严宣辉 +2 位作者 李镇力 严雨薇 王廷银 《计算机科学与探索》 北大核心 2025年第4期1048-1064,共17页
时间序列异常检测在时序任务中属于经典研究领域,并已在学术界和工业界取得了一系列研究成果。针对多变量时间序列数据中蕴含的多角度深层特征和内在复杂依赖关系,提出一种融合时空特征的异常检测模型。该模型采用图注意力网络结构,由... 时间序列异常检测在时序任务中属于经典研究领域,并已在学术界和工业界取得了一系列研究成果。针对多变量时间序列数据中蕴含的多角度深层特征和内在复杂依赖关系,提出一种融合时空特征的异常检测模型。该模型采用图注意力网络结构,由时间图模块(T-GAT)和空间图模块(F-GAT)组成。T-GAT构建一种单向加权图,图的边表示时间依赖特性,以此来模拟时间图结构的先验信息并融入图网络中获取时间依赖关系。F-GAT将时间序列转换为以幅值表示的频域序列,通过建立全局双向加权图来模拟多变量之间的关联关系,并通过正则化来维护邻居节点的稀疏性,以此来保证对空间关系的准确捕捉。同时模型引入多维注意力机制确保对不同特征的深层信息进行有效挖掘和利用。由门控循环单元进一步处理时空信息并融合为全面特征,并通过预测值与观测值的差异来判定异常。实验结果表明,该模型以4个公共数据集上优异的F1分数在12个对比模型中实现先进的性能,并在消融实验中证实了同时建模时空关系的先验双图结构模式和注意力机制有效提升了异常检测精度,可以有效地识别时间序列数据中的异常情况。 展开更多
关键词 多变量时间序列 异常检测 深度学习 时空信息 图注意力网络
在线阅读 下载PDF
基于图注意力网络的配电网故障行波定位方法
14
作者 舒佳蕾 陈依林 +6 位作者 曹虹 王书扬 刘佳琪 贺椿程 丁熙 张雨桐 邓丰 《电力科学与技术学报》 北大核心 2025年第1期85-91,共7页
拓扑变化会改变故障信号特征,传统配电网行波故障定位方法基于固定拓扑设计,通过时域或频域等单一特征信息判断故障位置,拓扑变化条件下定位准确率低,为此,提出基于图注意力网络的故障定位方法。首先,定量分析故障行波在时域与频域中的... 拓扑变化会改变故障信号特征,传统配电网行波故障定位方法基于固定拓扑设计,通过时域或频域等单一特征信息判断故障位置,拓扑变化条件下定位准确率低,为此,提出基于图注意力网络的故障定位方法。首先,定量分析故障行波在时域与频域中的分布特性,发现单一时域或频域信息难以有效区分不同故障位置,故提出基于小波变换的故障行波全景信息表现形式;随后,将测点和架空线作为图的节点与边,以行波全景信息为节点特征,构建图数据,建立基于图注意力网络的故障定位方法,通过挖掘节点特征、网络拓扑结构信息与故障位置之间的关联关系,实现配电网故障定位,提升方法对拓扑变化的适应能力。仿真结果表明:所提方法定位准确率高达98.8%,不受过渡电阻、噪声等因素影响,对拓扑变化具有较强的适应能力。 展开更多
关键词 配电网 故障定位 行波全景波形 图注意力网络 拓扑变化
在线阅读 下载PDF
基于程序流程图和图注意力网络的跨语言代码抄袭检测方法 被引量：1
15
作者 张峰 韦友良 秦玉成 《小型微型计算机系统》 北大核心 2025年第1期249-256,共8页
跨语言代码抄袭检测在软件知识产权保护和计算机程序设计类课程教学等领域有广泛的应用.然而,不同编程语言的语法差异降低了代码之间的相似度,导致抄袭检测的准确率较低.因此,本文提出一种基于程序流程图和图注意力网络的跨语言代码抄... 跨语言代码抄袭检测在软件知识产权保护和计算机程序设计类课程教学等领域有广泛的应用.然而,不同编程语言的语法差异降低了代码之间的相似度,导致抄袭检测的准确率较低.因此,本文提出一种基于程序流程图和图注意力网络的跨语言代码抄袭检测方法.首先,将代码转换为程序流程图,并利用图注意力网络提取程序流程图的特征作为代码的表示;其次,采用交叉匹配方法逐行对比代码的表示,以获得代码的相似特征向量;最后,拼接待检测代码的相似特征向量,并通过全连接神经网络计算抄袭的概率.实验结果表明,与现有的跨语言代码抄袭检测方法相比,本文提出的方法在查准率、查全率和F1值方面均有提高.其中,与基于属性计数的CLCDSA方法、基于抽象语法树的ASTLearner方法相比,F1值分别提高了11%和16%. 展开更多
关键词 代码抄袭检测 跨编程语言 程序流程图 图注意力网络
在线阅读 下载PDF
基于自适应差异化图卷积的图注意力网络表示学习算法
16
作者 吴誉兰 舒建文 《现代电子技术》 北大核心 2025年第2期51-54,共4页
为解决传统图卷积网络在处理节点间复杂关系时存在的局限性,提出一种基于自适应差异化图卷积的图注意力网络表示学习算法。采用差异化图卷积网络,依据每个节点自身特征和邻居信息进行差异化采样,捕捉节点间的复杂关系;再结合二阶段关键... 为解决传统图卷积网络在处理节点间复杂关系时存在的局限性,提出一种基于自适应差异化图卷积的图注意力网络表示学习算法。采用差异化图卷积网络,依据每个节点自身特征和邻居信息进行差异化采样,捕捉节点间的复杂关系;再结合二阶段关键相邻采样方式优先挖掘重要节点并保留随机性,完成关键邻居节点的采样;然后结合图注意力网络,通过局部关注和自适应学习权重分配将关键邻居节点特征聚合到自身节点上,增强节点的特征表示;最后经网络训练,进一步增强网络表示学习能力。实验结果表明,所提出的算法优化了节点聚合程度和边界清晰度,提高了节点分类的准确性和可视化效果,并且通过关注二阶邻居和使用双头注意力,在网络表示学习上也展现出了优越性能。 展开更多
关键词 网络表示学习 图卷积网络 自适应差异化机制 节点采样 特征聚合 网络训练 图注意力网络
在线阅读 下载PDF
基于自注意力神经网络的低信噪比光谱干涉膜厚测量
17
作者 王晨 王子政 +2 位作者 刘曌燃 姚程源 胡春光 《光学精密工程》 北大核心 2025年第9期1341-1352,共12页
为了提高薄膜厚度测量对低信噪比光谱数据的稳定性,提出了一种基于自注意力神经网络(Self-Attention-based Neural Network,SANN)的测量方法。由于传统傅里叶变换方法在信噪比降低时噪声成分可能掩盖主要干涉频率,难以准确提取厚度信息... 为了提高薄膜厚度测量对低信噪比光谱数据的稳定性,提出了一种基于自注意力神经网络(Self-Attention-based Neural Network,SANN)的测量方法。由于传统傅里叶变换方法在信噪比降低时噪声成分可能掩盖主要干涉频率,难以准确提取厚度信息,因此构建了一种以光谱数据为输入,薄膜厚度为输出的自注意力神经网络模型,利用自适应注意力机制对不同波长的光谱点赋予动态权重,以增强对低信噪比光谱数据的解析能力。采用光谱干涉膜厚测量系统采集实验数据,并通过波长偏移和光强归一化动态调整策略进行数据增强,用以扩充训练集并提高模型的泛化能力。该系统优化了基于自注意力机制的编码器层数及隐藏节点数,最终选定包含8层编码器、每层128个隐藏节点的模型。以晶圆为例进行验证,测试含有异常值的光谱数据集合,结果显示该模型在低信噪比测试集上的最大相对厚度测量误差为3.62%,证明该方法能有效抑制噪声影响,避免傅里叶变换方法中常见的异常值偏差,显著提升测量稳定性。所提方法可扩展至更广泛的薄膜测量应用中。 展开更多
关键词 干涉测量 晶圆厚度 光谱干涉式 自注意力神经网络 抗噪声能力 测量稳定性
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
18
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
基于异质图注意力网络的文旅产业融合预测
19
作者 王晓东 王志楠 张智霖 《学习与探索》 北大核心 2025年第3期105-115,共11页
产业融合是催生新产业的关键动力,也是发展新质生产力的重要途径。有效地预测产业融合可以揭示未来经济发展的方向与趋势。同质网络的产业融合链路预测无法揭示不同类型节点之间的交互作用,在应对多主体复杂性产业融合研究时表现出较大... 产业融合是催生新产业的关键动力,也是发展新质生产力的重要途径。有效地预测产业融合可以揭示未来经济发展的方向与趋势。同质网络的产业融合链路预测无法揭示不同类型节点之间的交互作用,在应对多主体复杂性产业融合研究时表现出较大的局限性。本文将产业融合预测问题转化为企业与技术分类号(International Patent Classification,简称IPC)之间异质网络的链路预测问题,提出基于图注意力网络的H-GAP(Heterogeneous Graph Attention Predictor)模型,捕捉两种类型节点间语义相似关系与局部特征,预测产业间“企业与企业”“企业与技术分类号”以及“技术分类号与技术分类号”的三类融合路径下的链接情况。相比已有的产业融合预测方法,本研究扩充了产业融合的内涵界定,并利用企业年报信息与IPC的英文释义丰富了异质网络的输入特征信息,提升了融合预测的有效性和可解释性。文旅产业融合具有多主体复杂性产业融合特点。将模型应用于文旅产业融合,实验表明方法性能良好,达到了提升产业融合预测准确性和有效性的目标。预测结果显示,文旅产业融合愈加注重用户体验,未来会通过智能化与绿色化实现可持续发展。 展开更多
关键词 产业融合 异质网络 图注意力网络 链路预测 文旅产业
在线阅读 下载PDF
基于动态增强图注意力网络的突发事件预测
20
作者 仲兆满 崔心如 +2 位作者 张渝 吕慧慧 樊继冬 《南京大学学报(自然科学版)》 北大核心 2025年第1期94-104,共11页
图神经网络在处理事件图的节点特征时会出现过平滑性的问题,导致较难获取全面的事件特征;同时,由于事件发展是动态的,网络在处理过程中会忽略短时间切片之间的数据变化,难以捕捉事件的全局时间特征.针对以上问题,提出基于动态增强图注... 图神经网络在处理事件图的节点特征时会出现过平滑性的问题,导致较难获取全面的事件特征;同时,由于事件发展是动态的,网络在处理过程中会忽略短时间切片之间的数据变化,难以捕捉事件的全局时间特征.针对以上问题,提出基于动态增强图注意力网络的突发事件预测模型(Dynamic Enhanced Graph Attention Network,DEGAT),通过构建使用高斯扰动增强的图注意力网络(Enhanced Graph Attention Network,EGAT)来获取历史事件图全面的事件特征.将初始事件向量和EGAT输出的事件向量分别输入线性层进行融合,得到时间特征,再将多个不同历史时间特征序列输入多头注意力机制与LSTM相结合的时间编码层,获得全局时间特征.最后,将全局时间特征输入EGAT,经过非线性变换后输出预测结果.在四个社会突发事件数据集上的实验结果表明,提出的模型与DynamicGCN的方法相比,准确率和精确率分别提高了3.88%和4.12%. 展开更多
关键词 事件预测 图注意力网络 特征增强 时间序列 多头注意力机制
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 … 26 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