基于上下文感知自适应卷积网络的实验室文本分类 被引量：1

1

作者 郑文丽 熊贝贝 +3 位作者 林燕奎 蔡伊娜 包先雨 王歆 《现代电子技术》 2023年第13期85-90,共6页

当前卷积神经网络模型运用在实验室长文本分类时,存在着特征提取不恰当、语义信息表示不完全而导致的分类不准确的问题。为了解决这一问题,文中通过构建上下文感知自适应卷积网络(CACN),采用多尺度卷积核对潜在特征进行融合,从而更好地... 当前卷积神经网络模型运用在实验室长文本分类时,存在着特征提取不恰当、语义信息表示不完全而导致的分类不准确的问题。为了解决这一问题,文中通过构建上下文感知自适应卷积网络(CACN),采用多尺度卷积核对潜在特征进行融合,从而更好地提取单词特征的上下文信息。为验证该方法的有效性,在三个公开长文本数据集上对改进后的CACN文本分类方法进行了性能评估,在AG News、Yelp_F、Yelp_P三个长文本数据集上分类准确率分别达到了92.6%、65.5%、95.8%。 展开更多

关键词 文本分类 上下文感知 自适应卷积网络 特征融合 信息提取 性能评估

在线阅读 下载PDF 职称材料

一种自适应残差卷积自编码网络及其故障诊断应用

2

作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页

针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多

关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取

在线阅读 下载PDF 职称材料

自适应卷积注意力与掩码结构协同的显著目标检测

3

作者 朱磊 袁金垚 +1 位作者 王文武 蔡小嫚 《电子与信息学报》 北大核心 2025年第1期260-270,共11页

显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络(CNN)或Transformer的模型不断刷新该领域方法的性能,但较少研究关注以下两个问题:(1)此领域多数方法常采用逐像素点... 显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络(CNN)或Transformer的模型不断刷新该领域方法的性能,但较少研究关注以下两个问题:(1)此领域多数方法常采用逐像素点的密集预测方式以获取像素显著值,然而该方式不符合基于人类视觉系统的场景解析机制,即人眼通常对语义区域进行整体分析而非关注像素级信息;(2)增强上下文信息关联在SOD任务中受到广泛关注,但通过Transformer主干结构获取长程关联特征不一定具有优势。SOD应更关注目标在适当区域内其中心-邻域差异性而非全局长程依赖。针对上述问题,该文提出一种新的显著目标检测模型,将CNN形式的自适应注意力和掩码注意力集成到网络中,以提高显著目标检测的性能。该算法设计了基于掩码感知的解码模块,通过将交叉注意力限制在预测的掩码区域来感知图像特征,有助于网络更好地聚焦于显著目标的整体区域。同时,该文设计了基于卷积注意力的上下文特征增强模块,与Transformer逐层建立长程关系不同,该模块仅捕获最高层特征中的适当上下文关联,避免引入无关的全局信息。该文在4个广泛使用的数据集上进行了实验评估,结果表明,该文提出的方法在不同场景下均取得了显著的性能提升,具有良好的泛化能力和稳定性。 展开更多

关键词 显著目标检测 卷积神经网络形式的自适应注意力 掩码注意力 特征增强

在线阅读 下载PDF 职称材料

采用机器视觉与自适应卷积神经网络检测花生仁品质 被引量：30

4

作者 张思雨 张秋菊 李可 《农业工程学报》 EI CAS CSCD 北大核心 2020年第4期269-277,共9页

该文以花生质量自动化检测为研究目标,提出了一种基于机器视觉与自适应卷积神经网络的花生质量检测方法。构建花生图像数据库用于识别花生的常见缺陷,包括霉变、破碎、干瘪等;然后建立卷积神经网络自动提取花生图像特征。为避免深层网... 该文以花生质量自动化检测为研究目标,提出了一种基于机器视觉与自适应卷积神经网络的花生质量检测方法。构建花生图像数据库用于识别花生的常见缺陷,包括霉变、破碎、干瘪等;然后建立卷积神经网络自动提取花生图像特征。为避免深层网络训练时间过长,分别将二次函数与正态分布模型引入网络损失中,同时从网络的损失与权值2方面提出自适应学习率,并分别结合梯度下降与梯度上升法更新网络。为提高模型的泛化能力,引进迁移学习算法,分别在网络的特征层与分类层后加入领域自适应,实现跨领域与跨任务的检测。试验结果表明,该方法对花生常见缺陷的平均识别率达99.7%,与传统的深度网络相比实现了更高的收敛速度与识别精度。 展开更多

关键词 农产品 机器视觉 无损检测 自适应卷积神经网络 自适应学习率 迁移学习 领域自适应

在线阅读 下载PDF 职称材料

基于多尺度自适应残差卷积神经网络的新能源配电网故障定位技术 被引量：6

5

作者 杨鹏杰 徐宇 郑晨一 《水利水电技术(中英文)》 北大核心 2023年第S02期439-446,共8页

随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配... 随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配电网故障定位方法。首先,对故障电流使用变分模态分解,得到一系列征模态函数;然后,使用多尺度自适应卷积动态调整卷积核尺寸、残差卷积提升网络学习能力的方式构建多尺度自适应残差卷积神经网络模型,特征学习输入的故障电流本征模态函数;最后,经过Softmax分类器实现故障区段分类,完成故障定位。仿真结果表明,所提方法面对新能源接入的配电网能够实现不同故障的准确定位,并且对高阻接地故障仍然具有较高的准确率。和常见的卷积神经网络、支持向量机相比,配电网故障定位准确率分别提升了5.63%、9.31%,验证了该方法的有效性。 展开更多

关键词 新型电力系统 新能源 配电网 故障定位 多尺度自适应残差卷积神经网络

在线阅读 下载PDF 职称材料

基于多尺度自适应时空图卷积网络与BERT模型的多节点短期负荷预测

6

作者 吴兴扬 戴剑丰 《电网技术》 2025年第9期3756-3766,I0072-I0075,共15页

“双碳”目标旨在推动能源转型与减排,新型电力系统作为关键,促进清洁能源接入与利用,减碳效果显著。但其多元化负荷结构增大了预测难度。为应对“双碳”要求,解决新型电力系统中多节点负荷预测的复杂时空依赖性和非线性问题,文章提出... “双碳”目标旨在推动能源转型与减排,新型电力系统作为关键,促进清洁能源接入与利用,减碳效果显著。但其多元化负荷结构增大了预测难度。为应对“双碳”要求,解决新型电力系统中多节点负荷预测的复杂时空依赖性和非线性问题,文章提出了一种基于多尺度自适应时空图卷积网络(adaptive spatio-temporal graph convolutional network,ASTGCN)与基于Transformer的双边编码器表示(bidirectional encoder representations from transformers,BERT)模型的多节点短期负荷预测方法。首先,采用Prophet算法对负荷数据进行拟合分解,获取不同尺度下的负荷数据分量,并与强相关的天气数据共同构建多元数据集;其次,引入可膨胀的滑动时空窗口和时空图卷积算子构建ASTGCN,同时捕捉空间和时间上的复杂依赖关系,并引入BERT模型对时间序列数据进行编码,利用其强大的处理能力来捕捉负荷数据中的长期依赖性;最后,用门控融合网络对两个模型进行融合。基于美国纽约州的公开数据集进行测试,单日和单周的测试结果均表明所提模型不仅能有效挖掘节点的耦合特性,还能补充挖掘中长期时序特征,并显著提升预测精度,降低预测误差。 展开更多

关键词 Prophet算法 自适应时空图卷积网络 BERT 门控融合网络 多节点负荷预测

在线阅读 下载PDF 职称材料

基于GSA-VMD和自适应CNN的滚动轴承故障诊断 被引量：9

7

作者 王亚辉 刘德平 王宇 《组合机床与自动化加工技术》 北大核心 2022年第7期85-89,共5页

针对轴承故障诊断中,变分模态分解(VMD)的参数选择与卷积神经网络架构难以确定的问题,研究一种GSA-VMD和自适应CNN的滚动轴承故障诊断方法。首先,采用引力搜索算法(GSA)优化VMD的参数,接着利用优化的VMD分解轴承的振动信号得到若干模态... 针对轴承故障诊断中,变分模态分解(VMD)的参数选择与卷积神经网络架构难以确定的问题,研究一种GSA-VMD和自适应CNN的滚动轴承故障诊断方法。首先,采用引力搜索算法(GSA)优化VMD的参数,接着利用优化的VMD分解轴承的振动信号得到若干模态分量;然后,将模态分量与振动信号结合构建特征矩阵,作为自适应CNN的输入;最后,自适应CNN采用粒子群算法(PSO)解决CNN架构难以确定的问题,适应性地构建CNN故障诊断模型,判断轴承的故障类型。实验结果表明:与ANN、CNN-SVM、WDCNN、GA-CNN诊断方法对比,所提方法 准确率更高、稳定性好、适应性强。 展开更多

关键词 故障诊断 引力搜索算法 变分模态分解 粒子群算法 自适应卷积神经网络

在线阅读 下载PDF 职称材料

基于改进深度置信网络的木板表面缺陷检测模型 被引量：3

8

作者 李馥颖 杨大为 黄海 《南京理工大学学报》 CAS CSCD 北大核心 2022年第6期728-734,共7页

为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DB... 为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明:选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^(-2),是最优结果,Adaboost-CNN算法次之,CNN算法最差。 展开更多

关键词 深度置信网络 木板表面 缺陷检测 受限玻尔兹曼机 人工蜂群算法 卷积神经网络 快速区域卷积神经网络 自适应增强卷积神经网络

在线阅读 下载PDF 职称材料

基于细粒度多层次特征分离的轴承寿命预测

9

作者 李春龙 刘扬 +4 位作者 辛鑫 秦红燕 吕明康 卫冲 赵振 《机电工程》 北大核心 2025年第8期1479-1489,共11页

在多源域迁移学习中强行共享源域和目标域私有特征会引起噪声干扰从而降低预测性能,在特征对齐过程中未考虑统筹全局和局部的特征,会造成跨工况轴承剩余使用寿命(RUL)预测精确性缺乏的问题。为此,提出了一种基于细粒度多层次特征分离(FG... 在多源域迁移学习中强行共享源域和目标域私有特征会引起噪声干扰从而降低预测性能,在特征对齐过程中未考虑统筹全局和局部的特征,会造成跨工况轴承剩余使用寿命(RUL)预测精确性缺乏的问题。为此,提出了一种基于细粒度多层次特征分离(FGMLFS)的多工况滚动轴承RUL预测方法。首先,设计了特定领域学习模块用于学习每个域的特定表示,去除了领域特定的私有特征,保留了域间可迁移的通用特征,并利用独立成分分析和相对熵有效分离域不变和域特定表示,确保了域间特征的一致性;然后,构建了多层次细粒度对齐模块,依据最大均值差异(MMD)和局部加权MMD策略,对域级和类别级特征进行了对齐,减少了源域与目标域的分布差异;最后,引入了辅助分类器模块,设计了动态加权最小类混淆损失优化特征空间对齐质量,增强了模型的预测准确性,采用滚动轴承PHM2012数据集对提出的FGMLFS方法进行了实验验证。研究结果表明:FGMLFS方法与改进的残差卷积域自适应网络(ERCDAN)相比,预测得分提升了0.14,且平均绝对误差和均方根误差降低了0.11和0.12。该结果验证了FGMLFS方法在轴承寿命预测中的有效性。 展开更多

关键词 剩余使用寿命预测 特征分离 子域自适应 迁移学习 最大均值差异 相对熵 改进的残差卷积域自适应网络 细粒度多层次特征分离

在线阅读 下载PDF 职称材料

基于多通道融合多尺度自适应残差学习的行星齿轮箱故障诊断研究 被引量：2

10

作者 陈奇 陈长征 安文杰 《机电工程》 CAS 北大核心 2023年第7期1031-1038,共8页

针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态... 针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态调整,自适应提取了单通道数据的局部和全局特征;其次,通过将MSDAC与残差学习结合,提升了模型的学习能力;最后,采用MC-MSDAR将多通道数据的多尺度特征进行了融合,输入到SoftMax层,实现了故障识别与分类。研究结果表明:基于MC-MSDAR的方法进行行星齿轮箱故障诊断的准确率为97%,验证了该方法的有效性;通过与其他深度学习方法进行对比,该方法具有更好的泛化能力。 展开更多

关键词 故障诊断 风电机组 行星齿轮箱 残差学习 多尺度学习 多尺度动态自适应卷积神经网络

在线阅读 下载PDF 职称材料

相似青梅品级半监督智能反馈认知方法研究 被引量：2

11

作者 李帷韬 吴四茜 +4 位作者 陶海 陈克琼 王建平 焦点 韩慧慧 《电子测量与仪器学报》 CSCD 北大核心 2018年第9期187-194,共8页

相似水果的大量存在和标注困难是导致误识的主要原因。仿人认知模式提出了一种基于深度集成学习的相似青梅品级智能反馈认知方法。首先基于半监督学习标注无标签样本以扩充训练样本集;基于具有充分可分性的自适应架构卷积神经网络,从信... 相似水果的大量存在和标注困难是导致误识的主要原因。仿人认知模式提出了一种基于深度集成学习的相似青梅品级智能反馈认知方法。首先基于半监督学习标注无标签样本以扩充训练样本集;基于具有充分可分性的自适应架构卷积神经网络,从信息论角度建立认知智能决策信息系统,将约简的多层面局部差异特征空间送入集成分类器;基于语义熵测度指标实时评测相似青梅品级的不确定认知结果,自寻优交替调节认知精度、网络层级和中和因子。3 000幅相似青梅图像的平均识别率为98. 26%,表明方法可以有效认知相似青梅品级,为后续在线分拣系统提供理论支持。 展开更多

关键词 相似青梅品级 基于图的半监督 集成学习 自适应架构卷积神经网络 语义熵测度

在线阅读 下载PDF 职称材料

基于深度学习的青梅品级半监督智能认知方法 被引量：1

12

作者 李帷韬 陶海 +2 位作者 吴四茜 王建平 徐晓冰 《计算机应用与软件》 北大核心 2018年第11期245-252,共8页

针对水果品级监督学习认知方法中样本获取困难、特征空间充分性表征和分类器能力不足的缺陷,模仿人反复推敲比对的信息交互模式,提出一种基于深度学习的青梅品级半监督智能认知方法。基于半监督学习扩充训练样本库,从信息论角度建立多... 针对水果品级监督学习认知方法中样本获取困难、特征空间充分性表征和分类器能力不足的缺陷,模仿人反复推敲比对的信息交互模式,提出一种基于深度学习的青梅品级半监督智能认知方法。基于半监督学习扩充训练样本库,从信息论角度建立多层面特征充分表征的青梅品级认知智能决策信息系统;基于具有充分表征性的自适应架构卷积神经网络和随机配置网络,建立青梅图像由全局到局部多层面充分表征特征空间和具有万局逼近能力的分类准则;基于广义熵理论,建立青梅图像认知结果的语义熵测度评价指标;构建基于不确定认知结果熵测度指标约束的特征空间和样本信度自寻优反馈调节机制。仿真实验表明,该方法青梅品级平均识别率为98. 2%。 展开更多

关键词 青梅品级 半监督学习 自适应架构卷积神经网络 万局逼近能力 潜在语义熵测度

在线阅读 下载PDF 职称材料

AFDCNN方法及其在齿轮故障定量诊断中的应用 被引量：10

13

作者 罗鹏 杨宇 程军圣 《电子测量与仪器学报》 CSCD 北大核心 2018年第1期33-39,共7页

传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工... 传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工具,DCNN无法适应于小样本数据的故障诊断。在Fisher准则深度卷积神经网络识别算法(fisher-based deep convolutional neural network,FDCNN)的基础上提出了一种自适应Fisher准则的深度卷积神经网络(adaptive fisher-based deep convolutional neural network,AFDCNN)方法。在DCNN的基础上引入类内和类间约束的能量函数模型并采用优化算法得到最优能量函数模型参数,能够直接从原始时域信号中自动提取故障特征,实现智能诊断。对齿轮故障实验信号的分析结果表明,所提出的方法可以有效地实现小样本下的齿轮故障智能定量诊断。 展开更多

关键词 自适应特征提取 小样本 能量模型函数参数优化 自适应Fisher准则的深度卷积神经网络 齿轮 故障诊断

在线阅读 下载PDF 职称材料

基于多源信息融合和ADCNN的离心鼓风机故障诊断 被引量：2

14

作者 张友 李聪波 +1 位作者 林利红 王睿 《重庆大学学报》 CAS CSCD 北大核心 2022年第10期86-96,共11页

针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关... 针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法。 展开更多

关键词 故障诊断 多源信息融合 自适应深度卷积神经网络 离心鼓风机

在线阅读 下载PDF 职称材料

海上风电场维护任务动态调度策略 被引量：8

15

作者 符杨 张耀楠 +2 位作者 刘璐洁 魏书荣 任浩瀚 《电力系统自动化》 EI CSCD 北大核心 2021年第21期48-56,共9页

在海上风浪、载荷等因素的耦合作用下,风机状态数据波动迅速,时变工况下风机状态特征的敏感性导致维护需求的动态变化,增加了风电场维护任务精准调度的难度。文中提出了海上时变工况下考虑风机状态风险态势的风电场维护任务动态调度方... 在海上风浪、载荷等因素的耦合作用下,风机状态数据波动迅速,时变工况下风机状态特征的敏感性导致维护需求的动态变化,增加了风电场维护任务精准调度的难度。文中提出了海上时变工况下考虑风机状态风险态势的风电场维护任务动态调度方法。首先,利用模糊C均值聚类算法划分风机时变工况,通过采用改进联合领域自适应卷积神经网络最小化特征分布差异,实现时变工况下风机状态特征自适应提取。然后,根据部件状态序列利用马尔可夫模型描述各部件的初始状态转移矩阵,考虑到不完全维护对机组部件性能的影响,引入部件性能退化过程,建立了考虑风机自适应状态评估的风险态势预测模型。同时,提出以维护船只、人员、工作时长等条件为约束,以单位电量调度维护成本最小为目标的海上风电场维护任务动态调度方法,实现了时变工况下海上风电场维护任务的动态调度。最后,以某海上风电场为例,验证了所提方法的有效性和经济性。 展开更多

关键词 海上风电场 动态调度 自适应卷积神经网络 风险态势预测

在线阅读 下载PDF 职称材料