检索结果-维普期刊中文期刊服务平台

基于贝叶斯卷积神经网络的渗透系数反演与不确定性分析被引量：1: 1; 作者季俣哲查元源《中国农村水利水电》北大核心 2024年第4期50-57,66,共9页; 地下水资源的科学管理及决策高度依赖于精确的地下水模型,其中渗透系数这一水文地质参数发挥着至关重要的作用。为了全面理解和有效利用地下水,不仅需要准确估计渗透系数空间分布,还需对参数的不确定性进行量化,以评价其可信度。研究利... 展开更多; 关键词渗透系数参数反演不确定分析贝叶斯卷积神经网络; 在线阅读下载PDF 职称材料

基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法被引量：8: 2; 作者涂豫《探测与控制学报》 CSCD 北大核心 2020年第6期43-48,共6页; 针对合成孔径雷达(SAR)图像目标分类中扩展操作条件的重难点问题,提出了基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法。该方法采用贝叶斯卷积神经网络获得更为可靠的分类网络,通过数据增强可为网络训练提供更为充足的样本数... 展开更多; 关键词合成孔径雷达目标分类贝叶斯卷积神经网络数据增强; 在线阅读下载PDF 职称材料

基于频响特征图的稳健有限元模型修正: 3; 作者王震宇何成 +3 位作者陈卫婷张相南王占一何欢《力学学报》 EI CAS CSCD 北大核心 2024年第12期3577-3590,共14页; 航空航天工程领域对飞机的性能指标和技术要求越来越苛刻,传统方法在处理大规模及多工况的有限元模型修正问题时面临诸多挑战,当前深度学习技术的快速发展为有限元模型修正提供了新的思路.频响函数囊括了结构的所有动态特性信息,基于频... 展开更多; 关键词频响函数模型修正贝叶斯卷积神经网络频响特征图抗噪性; 在线阅读下载PDF 职称材料

基于最优汇集时间间隔的城市间断交通流预测被引量：1: 4; 作者王殿海谢瑞蔡正义《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第8期1607-1617,共11页; 针对城市交通流受信号控制的影响而呈现出间断性、周期性和随机性的特点,提出基于最优汇集时间间隔的城市间断交流预测方法.该方法首先基于傅里叶变换和自相关分析获取城市间断交通流的信号控制周期,再利用交叉验证均方差模型确定最优... 展开更多; 关键词城市间断流最优汇集时间间隔信号控制周期短时交通流预测贝叶斯卷积神经网络; 在线阅读下载PDF 职称材料

题名基于贝叶斯卷积神经网络的渗透系数反演与不确定性分析被引量：1: 1; 作者季俣哲查元源; 机构武汉大学水资源工程与调度全国重点实验室; 出处《中国农村水利水电》北大核心 2024年第4期50-57,66,共9页; 基金国家自然科学基金项目(52279042) 广西科技计划项目(桂科AB23026021)。; 文摘地下水资源的科学管理及决策高度依赖于精确的地下水模型,其中渗透系数这一水文地质参数发挥着至关重要的作用。为了全面理解和有效利用地下水,不仅需要准确估计渗透系数空间分布,还需对参数的不确定性进行量化,以评价其可信度。研究利用贝叶斯卷积神经网络(BCNN)探讨了渗透系数的参数反演和不确定性分析问题。为了检验该方法的有效性,进行了二维稳态水力层析抽水试验的虚拟数值实验。基准模型是具有编码-解码器结构的卷积神经网络,通过建立一个逆向映射模型,能够直接从空间插值得到的水头场中估计出参数场。在这个确定性模型的基础上,训练了贝叶斯卷积神经网络。结果表明,BCNN在不同训练数据规模下,都比确定性模型精度更高,特别是在数据量较少时,优势更加突出。通过对测试集样本进行分析,发现模型对不同区域的估计值有不同的可信度。训练良好的BCNN能够可靠地捕捉渗透系数分布的大致模式。此外,与生成式模型相比,BCNN在估计更加具挑战性的多峰非高斯对数渗透系数场时也有良好表现,这证明了BCNN在不同地质介质条件下的广泛适用性。贝叶斯卷积神经网络的使用能准确反演渗透系数并评估不确定性,为后续的地下水流模拟等物理过程提供了坚实的基础。; 关键词渗透系数参数反演不确定分析贝叶斯卷积神经网络; Keywords hydraulic conductivity parameter inversion uncertainty analysis Bayesian Convolutional Neural Network; 分类号 TV11 [水利工程—水文学及水资源]; 在线阅读下载PDF 职称材料

题名基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法被引量：8: 2; 作者涂豫; 机构河南工业职业技术学院华中科技大学; 出处《探测与控制学报》 CSCD 北大核心 2020年第6期43-48,共6页; 文摘针对合成孔径雷达(SAR)图像目标分类中扩展操作条件的重难点问题,提出了基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法。该方法采用贝叶斯卷积神经网络获得更为可靠的分类网络,通过数据增强可为网络训练提供更为充足的样本数据,覆盖噪声干扰及部分遮挡等情形。实验结果表明,该方法在标准操作条件、噪声干扰及部分遮挡条件下,相比现有几类方法具有更强的有效性和稳健性。; 关键词合成孔径雷达目标分类贝叶斯卷积神经网络数据增强; Keywords synthetic aperture radar target classification Bayesian convolutional neural network data augmentation; 分类号 TN957 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于频响特征图的稳健有限元模型修正: 3; 作者王震宇何成陈卫婷张相南王占一何欢; 机构南京航空航天大学航空航天结构力学及控制全国重点实验室南京航空航天大学振动工程研究所中国科学院大学南京学院航空工业沈阳飞机设计研究所; 出处《力学学报》 EI CAS CSCD 北大核心 2024年第12期3577-3590,共14页; 基金国家自然科学基金资助项目(12072153)。; 文摘航空航天工程领域对飞机的性能指标和技术要求越来越苛刻,传统方法在处理大规模及多工况的有限元模型修正问题时面临诸多挑战,当前深度学习技术的快速发展为有限元模型修正提供了新的思路.频响函数囊括了结构的所有动态特性信息,基于频响函数的方法是当前有限元模型修正研究的热点问题.传统的基于频响函数的模型修正方法存在频率点选择、灵敏度矩阵数值异常、抗噪性差和耦合模态难以处理等问题,为此提出一种基于频响特征图的稳健模型修正方法.该方法借助贝叶斯卷积神经网络(Bayesian concolational neural network,BCNN),将模型修正转化为正问题进行研究.BCNN的输入为若干条频响函数经处理和整合形成的频响特征图,其输出为需要修正的模型参数.贝叶斯框架能够减少神经网络在小数据集上的过拟合现象,使训练具有更强的鲁棒性,进而增强了频响特征图和模型参数之间复杂映射关系的拟合准确性.基于频响特征图的方法不仅具备传统基于频响函数的方法的优点,如无需模态识别和模态匹配,可同时修正结构参数和阻尼等,还显著地提升了修正效率和抗噪性.文章首先以数值仿真为例,证明了该方法相较于经典的基于频响的迭代方法具有更准确的修正精度和更强的抗噪性,且对于多钟不同工况的修正更具有效率.然后以包含6根加强肋的钛合金壁板为例对该方法进行实验验证,证明了该方法在工程复杂结构中的有效性.; 关键词频响函数模型修正贝叶斯卷积神经网络频响特征图抗噪性; Keywords frequency response functions model updating Bayesian convolutional neural network feature map of frequency response functions noise resistance; 分类号 V219 [航空宇航科学与技术—航空宇航推进理论与工程] V214.5 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

题名基于最优汇集时间间隔的城市间断交通流预测被引量：1: 4; 作者王殿海谢瑞蔡正义; 机构浙江大学智能交通研究所; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第8期1607-1617,共11页; 基金国家自然科学基金资助项目(52131202,71901193,52072340) 浙江省"尖兵""领雁"研发攻关计划资助项目(2023C01240,2023C03155)。; 文摘针对城市交通流受信号控制的影响而呈现出间断性、周期性和随机性的特点,提出基于最优汇集时间间隔的城市间断交流预测方法.该方法首先基于傅里叶变换和自相关分析获取城市间断交通流的信号控制周期,再利用交叉验证均方差模型确定最优汇集时间间隔与信号周期的关系,在此基础上提出融合贝叶斯神经网络和深度学习模型的LSTM-BConv预测模型.基于实测数据的实验结果表明:1)基于最优汇集时间间隔统计交通流数据能有效提升城市间断交通流预测模型的预测精度;2)城市间断交通流数据的最优汇集时间间隔为交通信号控制周期的倍数;3)对比试验结果表明,LSTM-BConv预测模型优于常见的预测模型,平均绝对百分比误差提升了4.57%.预测结果可以为信号控制方案的优化提供参考依据.; 关键词城市间断流最优汇集时间间隔信号控制周期短时交通流预测贝叶斯卷积神经网络; Keywords urban interrupted flow optimal convergence time interval signal control cycle short term traffic flow prediction Bayesian convolutional neural network; 分类号 U491 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于贝叶斯卷积神经网络的渗透系数反演与不确定性分析	季俣哲查元源	《中国农村水利水电》北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法	涂豫	《探测与控制学报》 CSCD 北大核心	2020	8	在线阅读下载PDF 职称材料
3	基于频响特征图的稳健有限元模型修正	王震宇何成陈卫婷张相南王占一何欢	《力学学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于最优汇集时间间隔的城市间断交通流预测	王殿海谢瑞蔡正义	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料