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13,865篇文章
< 1 2 … 250 >
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：
基于点积自注意力卷积神经网络的歌声检测 被引量：1
1
作者 桂文明 曾岳 臧娴 《信号处理》 CSCD 北大核心 2021年第10期1899-1906,共8页
传统的歌声检测过程往往包含了复杂的特征工程,而基于深度神经网络统一框架的算法则可以利用其强大的学习能力学习到特征,从而忽略特征工程。但是,这些学习到的特征通常得不到重要性区分,在网络中所占权重相同。针对这一问题,提出在卷... 传统的歌声检测过程往往包含了复杂的特征工程,而基于深度神经网络统一框架的算法则可以利用其强大的学习能力学习到特征,从而忽略特征工程。但是,这些学习到的特征通常得不到重要性区分,在网络中所占权重相同。针对这一问题,提出在卷积神经网络中嵌入点积自注意力模块的算法,该算法通过学习得到各个特征的注意力分布,调整注意力权重,使得卷积神经元在"观察"这些特征时能区分轻重,从而提升网络的整体性能。在实验部分,通过在两个公开数据集下测试,并和基准模型进行对比,准确率分别提升1.96%和1.76%,证明了该算法对提升歌声检测水平切实有效。 展开更多
关键词 歌声检测 卷积神经网络 余弦注意力 点积自注意力
在线阅读 下载PDF
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量：1
2
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
在线阅读 下载PDF
基于注意力时间卷积神经网络的光伏功率概率预测 被引量：1
3
作者 李青 《太阳能学报》 北大核心 2025年第2期326-332,共7页
针对确定性光伏功率预测无法计算预测结果概率和波动范围的问题,采用改进时间卷积神经网络(TCNN)开展光伏功率概率预测。TCNN已用于各种时序预测任务,但其在输入序列很长情况下需增加卷积层来提升预测性能。在TCNN中引入稀疏注意力机制... 针对确定性光伏功率预测无法计算预测结果概率和波动范围的问题,采用改进时间卷积神经网络(TCNN)开展光伏功率概率预测。TCNN已用于各种时序预测任务,但其在输入序列很长情况下需增加卷积层来提升预测性能。在TCNN中引入稀疏注意力机制,构建注意力时间卷积神经网络(ATCNN),通过分层卷积结构提取时间依赖关系,利用稀疏注意力关注重要的时间步,构建的稀疏注意力层无需更深的架构即可扩展感受野,并使预测结果更具可解释性。在两个光伏数据集上的功率概率预测结果表明,ATCNN的预测准确性优于TCNN、时间融合解码器(TFT)等先进深度学习模型,同时对于感受野的扩展,ATCNN比TCNN需要的卷积层更少、训练速度更快,并能可视化预测过程中最重要的时间步。同卷积层情况下,ATCNN比TCNN的点预测损失小15.7%,概率预测损失小15.9%。 展开更多
关键词 光伏功率 预测 时间卷积网络 稀疏注意力机制 可解释性
在线阅读 下载PDF
基于多尺度通道注意力卷积神经网络的轴向柱塞泵故障诊断研究
4
作者 刘增光 张帅迪 +3 位作者 周焱 魏列江 岳大灵 冯珂 《机床与液压》 北大核心 2025年第14期124-130,共7页
针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑... 针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑靴磨损、松靴故障、中心弹簧失效),采集6种工作状态(正常状态及5种典型故障)下的z轴振动信号。以小波变换为信号预处理模块,将加速度传感器采集的一维振动信号转化为时频图并作为诊断模型的输入信号,采用不同尺度的卷积核对时频图进行特征提取。通过通道注意力为每个通道赋予不同的权重值,使模型能够集中学习与通道密切相关的特征信息,从而提高轴向柱塞泵的故障分类能力和诊断的效率。搭建轴向柱塞泵故障诊断实验平台,验证所提方法的有效性。结果表明:该模型对6种工作状态的诊断准确率达到99.65%,相比传统多尺度卷积神经网络模型提高了3.16%,验证了MSCA-CNN模型在轴向柱塞泵故障诊断中的优越性。 展开更多
关键词 故障诊断 卷积神经网络 通道注意力 多尺度特征 柱塞泵
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
5
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
基于可信多尺度二次注意力卷积神经网络的轴承故障识别
6
作者 唐宇恒 张超勇 +2 位作者 张道德 吴剑钊 薛敬宇 《计算机集成制造系统》 北大核心 2025年第8期3021-3032,共12页
为提高机械装备的可靠性与安全性,对轴承进行故障识别势在必行。然而当训练样本量缺乏时,现有故障识别模型的精度会大幅下降,同时轴承运行过程中的噪声干扰和负载变动,使其故障识别面临显著困难与挑战。针对上述问题本文提出了一种可信... 为提高机械装备的可靠性与安全性,对轴承进行故障识别势在必行。然而当训练样本量缺乏时,现有故障识别模型的精度会大幅下降,同时轴承运行过程中的噪声干扰和负载变动,使其故障识别面临显著困难与挑战。针对上述问题本文提出了一种可信多尺度二次注意力卷积神经网络模型,该模型在充分考虑特征金字塔的思想上,首先采用适用于轴承振动信号的多尺度宽卷积核,其次在后续特征提取阶段采用小卷积核,并在此阶段引入了包含注意力机制的二次神经元,最后在多尺度特征融合阶段通过将模型的输出转化为狄利克雷分布,再利用DS证据理论进行融合,达到可信分类。实验结果表明该模型具有优异的泛化能力和鲁棒性,在各种样本缺乏时的复杂工况下,其故障识别性能均优于其他对比模型,表现出极具竞争力的故障识别结果。 展开更多
关键词 轴承故障识别 二次注意力卷积 多尺度学习 可信分类
在线阅读 下载PDF
融合特征空间注意力的卷积神经网络用于酒石酸近红外在线检测
7
作者 李志豪 肖金凤 +5 位作者 张洪明 吕波 尹相辉 李晓星 赵明 马飞 《光谱学与光谱分析》 北大核心 2025年第12期3358-3365,共8页
酒石酸作为一种重要的有机酸,广泛存在于葡萄酒、果汁、碳酸饮料及部分糖果等食品中,其浓度直接影响产品的酸甜平衡、口感稳定性。在相关食品生产过程中,酒石酸浓度会因原料差异及配方调整而波动,因此建立能够实时在线监测酒石酸浓度的... 酒石酸作为一种重要的有机酸,广泛存在于葡萄酒、果汁、碳酸饮料及部分糖果等食品中,其浓度直接影响产品的酸甜平衡、口感稳定性。在相关食品生产过程中,酒石酸浓度会因原料差异及配方调整而波动,因此建立能够实时在线监测酒石酸浓度的方法对保障产品质量与生产一致性至关重要。然而,现有检测方法(如滴定法、HPLC)存在响应迟滞问题,难以实现实时在线监测。鉴于工业生产过程的多变量、非线性和动态特性,建立精确的浓度预测模型对方法学提出了更高要求。为此,融合一维卷积神经网络(1D-CNN)与特征空间注意力机制(FSA),构建CNN-FSA混合模型,采集近红外光谱以驱动酒石酸溶液浓度检测实验,探索模型在提升检测速度与鲁棒性方面的潜力,为溶液化学过程的浓度实时在线监测提供创新参考方法。光谱数据先经主成分分析(PCA)结合马氏距离剔除异常,采用标准正态变量变换(SNV)以消除散射与基线漂移,再使用提出的CNN-FSA模型和PLSR模型对数据集进行训练和评估。模型性能通过决定系数(R 2)、均方根误差(RMSE)和平均绝对误差(MAE)进行综合评估。设计了六轮实验,每轮实验初始底料为500 g(水、酒精、葡萄糖、苹果酸,柠檬酸)混合液体,补料为500 g(475 g水+25 g酒石酸)。前四轮实验数据按7∶3比例随机划分为训练集和测试集,后两轮实验数据作为独立预测集以严格评估模型泛化能力。在独立预测集上,CNN-FSA模型取得了优异的性能:R 2=0.9896,RMSE=0.000702,MAE=0.000580。相比之下,PLSR模型的性能为:R 2=0.9688,RMSE=0.001214,MAE=0.001059。相较于PLSR,CNN-FSA在独立预测集上的RMSE显著降低了42.17%,MAE降低了45.23%。结果表明:CNN-FSA在酒石酸浓度预测建模中显著优于PLSR,在预测集上展现出更强泛化性与稳健性。 展开更多
关键词 近红外光谱 PLSR 卷积神经网络 酒石酸 在线检测
在线阅读 下载PDF
基于全局注意力卷积神经网络的刀具磨损预测
8
作者 金坚 卢文壮 +1 位作者 吴超逸 徐洛 《工具技术》 北大核心 2025年第7期134-138,共5页
刀具磨损状态的精准预测对于提高加工质量和加工效率有着重要意义,基于传统CNN的刀具磨损预测模型未考虑特征信息之间的交互汇聚,预测精度存在局限。针对此问题,本文提出一种基于全局注意力卷积神经网络(GAM-CNN)的刀具磨损预测模型。... 刀具磨损状态的精准预测对于提高加工质量和加工效率有着重要意义,基于传统CNN的刀具磨损预测模型未考虑特征信息之间的交互汇聚,预测精度存在局限。针对此问题,本文提出一种基于全局注意力卷积神经网络(GAM-CNN)的刀具磨损预测模型。该刀具磨损预测模型在卷积神经网络基础上添加全局注意力机制,该机制通过通道和空间双注意力将卷积神经网络提取到的特征进行加权汇聚,更好地突出重要特征并与预测值进行关联。预测实验结果表明,该预测模型的MAE为13.83μm、RMSE为17.33μm、MAPE为12.58%,均优于对比的未含全局注意力机制的CNN、CAM-CNN以及PSO-SVR模型。 展开更多
关键词 刀具磨损 预测 全局注意力机制 卷积神经网络
在线阅读 下载PDF
面向稀土矿区高光谱精细分类的多层注意力卷积神经网络模型
9
作者 范晓勇 李恒凯 +3 位作者 刘锟铭 王秀丽 于阳 李潇雨 《光谱学与光谱分析》 北大核心 2025年第9期2666-2675,共10页
离子吸附型稀土矿是重要的战略资源,长期的粗放式开采导致矿区地表覆盖遭到严重破坏,生态环境面临严重挑战。准确精细的土地利用信息是矿区生态恢复和过程监管的重要基础,利用高光谱影像获取土地利用信息被认为是准确监测大范围矿区的... 离子吸附型稀土矿是重要的战略资源,长期的粗放式开采导致矿区地表覆盖遭到严重破坏,生态环境面临严重挑战。准确精细的土地利用信息是矿区生态恢复和过程监管的重要基础,利用高光谱影像获取土地利用信息被认为是准确监测大范围矿区的有效手段。然而,稀土矿区的地物复杂性和高光谱图像的信息冗余给其精细分类带来了挑战。本研究构建了一种基于面向对象思想和多层注意力卷积神经网络的稀土矿区精细分类方法。首先利用尺度参数估计模型定量分析了稀土矿区影像的多层次最优分割尺度,并获取了分割影像中的光谱、指数、纹理、几何4类影像特征,然后基于距离可分性分析得到了最优特征组合,在此基础上应用多层注意力卷积神经网络(OCTC)模型完成分类,该模型由一维卷积神经网络(1D-CNN)改进而来,通过引进Transformer和CBAM提升模型的特征提取能力和整体分类精度。为验证方法的有效性,以“珠海一号”高光谱遥感影像作为数据源,以江西赣南岭北稀土矿区作为研究区域进行实际验证,并与KNN、RF和1D-CNN分类方法进行精度对比分析。结果表明,该分类方法有效避免了椒盐现象的出现,分类整体性好,并且改进后的多层注意力卷积神经网络模型获得了最佳的分类精度,其总体精度可达88.11%,较其他分类方法提高1.22%~8.84%,Kappa系数提高了0.0159~0.1090。该方法能为稀土矿区的土地利用精细化分类与生产监测、环境保护管理提供方法借鉴与科学参考。 展开更多
关键词 面向对象-卷积神经网络 珠海一号 高光谱遥感 离子型稀土 土地利用
在线阅读 下载PDF
结合卷积增强窗口注意力的双分支语音增强神经网络
10
作者 张晨辉 原之安 钱宇华 《计算机研究与发展》 北大核心 2025年第4期852-862,共11页
在复杂环境以及突发背景噪音条件下,语音增强任务具有极大的困难和挑战.主要原因是现有的语音增强方法未能有效捕获语谱图特征,尤其是局部信息.在过去的研究中,Transformer模型更专注于音频的全局信息,而忽略了局部信息的重要性.在音频... 在复杂环境以及突发背景噪音条件下,语音增强任务具有极大的困难和挑战.主要原因是现有的语音增强方法未能有效捕获语谱图特征,尤其是局部信息.在过去的研究中,Transformer模型更专注于音频的全局信息,而忽略了局部信息的重要性.在音频经过短时傅里叶变换(STFT)处理后,多数模型仅使用幅值信息,而忽略了相位信息,导致它们未能有效捕获语谱图特征,从而影响了语音增强的效果.基于此设计出一个带有卷积增强窗口注意力的双分支语音增强神经网络.该模型采用U-NET架构,通过双分支结构对音频的幅值和相位信息同时建模;在2个分支之间引入复值计算模块以实现信息交互;在编码器层和解码器层之间的跳跃连接部分采用卷积增强窗口注意力模块,该模块执行基于非重叠窗口的自注意力操作,在捕获局部上下文信息的同时显著降低了语音增强模型的计算复杂度.该模型在公开的Voicebank-Demand数据集上进行测试,与基线模型DCUNET 16和DCUNET20相比,在客观语音质量评估指标PESQ(perceptual evaluation of speech quality)分别提高了0.51和0.47.除了PESQ指标外,其他指标也都有显著的提升.相较于现有的各类语音增强模型,该模型在各项指标上均处于领先水平,尤其是在PESQ得分方面的提升更为显著. 展开更多
关键词 语音增强 双分支网络 语谱图特征 卷积增强窗口注意力 全局信息 局部信息
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
11
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
基于双注意力图神经网络的链路预测 被引量：2
12
作者 杨真真 林泽龙 杨永鹏 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期106-114,共9页
链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1... 链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。 展开更多
关键词 链路预测 图神经网络 注意力机制 压缩-激励模块 频率自适应
在线阅读 下载PDF
多注意力残差脉冲神经网络的接地网故障诊断 被引量：2
13
作者 闫孝姮 丁一凡 +1 位作者 陈伟华 张雪 《电子测量与仪器学报》 北大核心 2025年第3期77-91,共15页
针对目前接地网故障诊断方法效果单一与非智能化的问题,提出了一种多注意力残差脉冲神经网络(MAR-SNN)的接地网故障诊断方法。首先,创建用于训练的接地网数据集,通过对电阻抗成像技术(EIT)网格大小的重新剖分,提高成像速度,并利用局部... 针对目前接地网故障诊断方法效果单一与非智能化的问题,提出了一种多注意力残差脉冲神经网络(MAR-SNN)的接地网故障诊断方法。首先,创建用于训练的接地网数据集,通过对电阻抗成像技术(EIT)网格大小的重新剖分,提高成像速度,并利用局部自适应对比度增强方法,增强不同故障等级间的图像特征;其次,利用所提出的多注意力脉冲残差块,构建MAR-SNN模型,实现对接地网故障等级的识别任务,该残差模块通过在两次脉冲神经元后进行身份映射,同时引入多注意力机制,并采用参数-泄露-积分-触发脉冲神经元与批归一化层,分别提升模型识别准确率;最后,利用EIT与训练好的MAR-SNN模型,建立对接地网故障的智能诊断模型。模型对比分析结果表明,MAR-SNN在接地网智能故障诊断中的效果优于现有先进模型,在测试集中准确率可达96.31%,其中在轻、中腐蚀程度下的准确率可达100%、97.20%;同时实验结果证明,所提方法可以完成对接地网故障检测与等级识别的综合诊断任务,实现对接地网的智能故障诊断,验证了该方法的有效性与可行性。 展开更多
关键词 接地网智能故障诊断 多注意力残差 脉冲神经网络 电阻抗成像技术 对比度增强
在线阅读 下载PDF
基于注意力卷积神经网络的水轮机健康状态评估研究
14
作者 谭啸 劳鹏飞 李立 《水电能源科学》 北大核心 2025年第5期178-181,共4页
水轮机健康状态评估对保障水电站的安全稳定运行具有重要意义。针对水轮机故障诊断过程中信号时序特征信息利用不足的问题,提出了一种数据驱动的水轮机健康状态评估方法。首先将传感器采集到的原始振动信号通过Morlet连续小波变换算法... 水轮机健康状态评估对保障水电站的安全稳定运行具有重要意义。针对水轮机故障诊断过程中信号时序特征信息利用不足的问题,提出了一种数据驱动的水轮机健康状态评估方法。首先将传感器采集到的原始振动信号通过Morlet连续小波变换算法转换为二维时频图像,然后将其输入到卷积神经网络中进行故障诊断。为提升模型的准确度,将Inception网络结构和卷积注意力模块引入到卷积神经网络中,实现多尺度的特征提取及自适应的特征权重调整。试验结果表明,所提出的模型在识别精度方面显著优于传统方法,能够辅助对水轮机的健康状态进行监测和分析,可为水轮机的预防性维修提供决策支持。 展开更多
关键词 健康状态评估 卷积神经网络 注意力机制 水轮机
在线阅读 下载PDF
基于双注意力时空图卷积神经网络的4D轨迹预测方法
15
作者 匡育衡 王正宁 +2 位作者 王正 石镇瑜 张毓丁 《电子科技大学学报》 北大核心 2025年第5期641-651,共11页
近年来,4D轨迹预测在空中交通管理系统中的重要性正在逐渐增加,以其为核心技术的冲突检测和解决、飞机异常行为监测、密集飞行区域管控等任务的智能化需求也在逐年上升。机场终端区和密集空域的状况错综复杂且不断变化,现有的方法无法... 近年来,4D轨迹预测在空中交通管理系统中的重要性正在逐渐增加,以其为核心技术的冲突检测和解决、飞机异常行为监测、密集飞行区域管控等任务的智能化需求也在逐年上升。机场终端区和密集空域的状况错综复杂且不断变化,现有的方法无法充分捕捉这两个场景下飞机之间的相互作用关系。为了应对这些挑战,提出了基于双注意力的时空图卷积神经网络模型来充分提取飞机之间的潜在时空相关性。该模型利用自注意力机制对邻接矩阵进行重构以便更好地捕捉图节点之间的相关性,并通过图注意力计算提取节点之间的时空特征,最终生成预测轨迹的概率分布。实验结果表明,与现有主流算法相比,利用自注意力机制重构的邻接矩阵和图注意力网络可以随着网络训练不断地优化,从而更好地反应节点之间的潜在关联,提升了4D轨迹预测结果的准确率。 展开更多
关键词 4D轨迹预测 时空图卷积神经网络 自注意力机制 深度学习
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
16
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
基于注意力机制与可变卷积神经网络的卫星视频运动目标检测
17
作者 马洲俊 陈锦铭 +1 位作者 刘浩林 张卡 《南京师大学报(自然科学版)》 北大核心 2025年第4期78-86,共9页
视频卫星能获得高空间分辨率的视频信息,为运动目标的检测和分析提供有效数据支撑.然而,由于卫星视频图像中目标像素比例低、纹理细节不清晰、背景复杂等缺点,从卫星视频中检测运动目标存在很大困难.为此,本文以YOLOv8为骨干网络,提出... 视频卫星能获得高空间分辨率的视频信息,为运动目标的检测和分析提供有效数据支撑.然而,由于卫星视频图像中目标像素比例低、纹理细节不清晰、背景复杂等缺点,从卫星视频中检测运动目标存在很大困难.为此,本文以YOLOv8为骨干网络,提出了一种基于注意力机制与可变卷积神经网络的卫星视频运动目标检测算法.首先,设计C2f-DCN模块替换原模型骨干网络中的C2f模块,以提高模型对不同尺度目标的特征提取能力.其次,在检测头前添加Shuffle Attention轻量级注意力机制,在保证模型计算速度的前提下增强重要特征,加强通道间信息沟通提高模型特征融合能力.最后,为了提高模型的学习能力和推理效率,采用Inner-CIoU损失函数,并引入辅助边界框概念来解决卫星视频图像中目标像素比例小的问题.利用SAT-MTB卫星视频影像数据集进行对比实验,实验结果表明本文算法的精确度、召回率、mAP50:95和F1分数分别为75.3%、62.8%、34.9%和68.48,相较于原始YOLOv8n网络,上述指标分别提高了11.6%、4.2%、3.0%和7.44,验证了本文方法的有效性和优越性. 展开更多
关键词 卫星视频 YOLOv8 轻量级注意力机制 可变形卷积 辅助边框回归
在线阅读 下载PDF
基于循环神经网络与注意力机制的波动预测模型
18
作者 李希今 王祥任 刘金石 《吉林大学学报(理学版)》 北大核心 2025年第5期1397-1403,共7页
针对经典机器学习算法(如决策树、随机森林)在建模复杂隐式交互关系时预测准确率较低的问题,提出一个基于循环神经网络与注意力机制的波动预测模型.首先通过注意力机制计算各影响因素之间复杂的交互关系,然后采用循环神经网络学习表示... 针对经典机器学习算法(如决策树、随机森林)在建模复杂隐式交互关系时预测准确率较低的问题,提出一个基于循环神经网络与注意力机制的波动预测模型.首先通过注意力机制计算各影响因素之间复杂的交互关系,然后采用循环神经网络学习表示模型的隐变量,从而实现精准预测.与多个经典预测模型进行仿真对比实验的结果表明,该模型的预测准确率显著高于其他机器学习模型,从而为波动预测领域提供了一种更高效、精准的解决方案. 展开更多
关键词 循环神经网络 注意力机制 机器学习 预测模型
在线阅读 下载PDF
融合图神经网络和注意力机制的矿山无人运输车辆路径规划
19
作者 王桃 王霞 米宏军 《金属矿山》 北大核心 2025年第10期159-165,共7页
针对矿山无人运输车辆在复杂动态环境下路径规划效率低、实时性差、安全性不足等问题,提出了一种融合图神经网络(GNN)和注意力机制的路径规划方法。首先构建了基于道路拓扑的动态图结构,利用GNN对路网特征进行深度提取;其次,设计多头注... 针对矿山无人运输车辆在复杂动态环境下路径规划效率低、实时性差、安全性不足等问题,提出了一种融合图神经网络(GNN)和注意力机制的路径规划方法。首先构建了基于道路拓扑的动态图结构,利用GNN对路网特征进行深度提取;其次,设计多头注意力机制捕获路段间的长程依赖关系,并引入时空注意力模块处理动态环境信息;最后,基于强化学习框架实现路径规划的端到端训练。仿真试验表明:与传统A^(∗)算法相比,所提方法计算耗时减少45.3%,路径长度缩短12.7%;与Transformer方法相比,规划成功率提升19.1%,避障准确率提高14.4%。在实际矿区测试中,该方法能够有效应对复杂地形和动态障碍物,平均规划时间仅需0.3 s,为矿山无人运输车辆的安全高效运行提供了参考。 展开更多
关键词 矿山无人运输车辆 路径规划 图神经网络 注意力机制 强化学习
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量：1
20
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
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 … 250 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