检索结果-维普期刊中文期刊服务平台

基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法被引量：11: 1; 作者孟先艳崔荣一 +1 位作者赵亚慧方明洙《计算机应用研究》 CSCD 北大核心 2020年第9期2669-2673,共5页; 针对日渐丰富的多语种文本数据,为了实现对同一类别体系下不同语种的文本分类,充分发挥多语种文本信息的价值,提出一种结合双向长短时记忆单元和卷积神经网络的多语种文本分类模型BiLSTM-CNN模型。针对每个语种,利用双向长短时记忆神经... 展开更多; 关键词多语种文本分类长短时记忆单元卷积神经网络; 在线阅读下载PDF 职称材料

基于判别性特征增强网络的单幅图像去雨模型: 2; 作者包玉刚贾皓翔赵旦峰《哈尔滨工程大学学报》北大核心 2025年第5期1005-1013,共9页; 针对单幅图像去雨网络在提取判别性特征方面的能力较弱,导致模型精度不高,难以在实际场景中得到很好的应用的问题,本文提出一种判别性特征增强网络。该模型通过多尺度分组卷积设计了一种多分支特征聚合模块,以提高网络提取判别性特征的... 展开更多; 关键词深度学习单幅图像去雨多尺度判别性特征特征蒸馏分组卷积长短时记忆单元特征交互; 在线阅读下载PDF 职称材料

融合深度误差反馈学习和注意力机制的短期风电功率预测被引量：12: 3; 作者胡宇晗朱利鹏 +4 位作者李佳勇李杨曾杨郑李梦千帅智康《电力系统保护与控制》 EI CSCD 北大核心 2024年第4期100-108,共9页; 为提高风电功率预测精度,提出了一种有机融合深度反馈学习与注意力机制的短期风电功率预测方法。首先,以风电场数值天气预报(numerical weather prediction,NWP)为原始输入,基于双层长短期记忆网络(long short-term memory,LSTM)模型对... 展开更多; 关键词风电功率预测深度学习反馈学习长短时记忆单元注意力机制; 在线阅读下载PDF 职称材料

基于循环神经网络的半监督动态软测量建模方法被引量：20: 4; 作者邵伟明葛志强 +1 位作者李浩宋执环《电子测量与仪器学报》 CSCD 北大核心 2019年第11期7-13,共7页; 数据驱动的软测量技术被广泛应用于难测关键变量的在线实时预报。然而,在工业过程中,有标签样本通常十分稀少,且动态特性显著,导致传统有监督、静态的软测量建模方法性能不佳。为此,提出一种基于循环神经网络的建模方法,首先将传统带有... 展开更多; 关键词软测量动态特性半监督循环神经网络长短时记忆单元注意力机制; 在线阅读下载PDF 职称材料

基于视触觉与深度学习的猕猴桃无损硬度检测方法被引量：6: 5; 作者林家豪张元泽 +3 位作者梁千月陈耀晖朱明李善军《农业机械学报》 EI CAS CSCD 北大核心 2023年第10期390-398,共9页; 硬度是确定猕猴桃成熟度的重要指标之一,对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题,提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法,通过分析柔性触觉... 展开更多; 关键词猕猴桃硬度视触觉无损检测深度学习卷积神经网络-长短时记忆单元; 在线阅读下载PDF 职称材料

航空涡扇引擎剩余使用寿命预测算法研究被引量：3: 6; 作者吴锐马洁丁恺林《南京理工大学学报》 EI CAS CSCD 北大核心 2019年第6期708-714,共7页; 为改进故障预测技术,提出了全特征输入长短时记忆单元(AF-LSTM)算法。根据底层原始传感器数据自动学习更高级的抽象表示,并利用这些表示导出传感器数据,估计剩余使用寿命(RUL)。该文方法不依赖任何退化趋势假设,对噪声健壮,并能处理缺... 展开更多; 关键词航空涡扇引擎剩余使用寿命预测全特征输入长短时记忆单元; 在线阅读下载PDF 职称材料

基于DBM-LSTM的多特征语音情感识别被引量：11: 7; 作者高帆张雪英 +1 位作者黄丽霞李宝芸《计算机工程与设计》北大核心 2020年第2期465-470,共6页; 为增强不同情感特征的融合程度和语音情感识别模型的鲁棒性,提出一种神经网络结构DBM-LSTM用于语音情感识别。利用深度受限玻尔兹曼机的特征重构原理将不同的情感特征进行融合;利用长短时记忆单元对短时特征进行长时建模,增强语音情感... 展开更多; 关键词语音情感识别深度受限玻尔兹曼机长短时记忆单元柏林情感语音数据库多特征; 在线阅读下载PDF 职称材料

基于主辅网络特征融合的语音情感识别被引量：9: 8; 作者胡德生张雪英 +1 位作者张静李宝芸《太原理工大学学报》 CAS 北大核心 2021年第5期769-774,共6页; 为了有效特征提取与融合提高语音情感识别率,提出了一种使用主辅网络进行深度特征融合的语音情感识别算法。首先将段特征输入BLSTM-Attention网络作为主网络,其中注意力机制能够关注语音信号中的情感信息;然后,把Mel语谱图输入CNN-GAP... 展开更多; 关键词语音情感识别主辅网络长短时记忆单元卷积神经网络; 在线阅读下载PDF 职称材料

题名基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法被引量：11: 1; 作者孟先艳崔荣一赵亚慧方明洙; 机构延边大学计算机科学与技术学科智能信息处理研究室延边朝鲜族自治州科技信息服务中心; 出处《计算机应用研究》 CSCD 北大核心 2020年第9期2669-2673,共5页; 基金国家语委“十三五”科研规划项目(YB135-76) 延边大学外国语言文学世界一流学科建设科研项目(18YLPY13)。; 文摘针对日渐丰富的多语种文本数据,为了实现对同一类别体系下不同语种的文本分类,充分发挥多语种文本信息的价值,提出一种结合双向长短时记忆单元和卷积神经网络的多语种文本分类模型BiLSTM-CNN模型。针对每个语种,利用双向长短时记忆神经网络提取文本特征,并引入卷积神经网络进行特征优化,获得各语种更深层次的文本表示,最后将各语种的文本表示级联输入到softmax函数预测类别。在中英朝科技文献平行数据集上进行了实验验证,结果表明,该方法相比于基准方法分类正确率提高了4%,且对任一语种文本均能正确分类,具有良好的扩展性。; 关键词多语种文本分类长短时记忆单元卷积神经网络; Keywords multilingual text categorization long short-term memory convolutional neural network; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于判别性特征增强网络的单幅图像去雨模型: 2; 作者包玉刚贾皓翔赵旦峰; 机构哈尔滨工程大学信息与通信工程学院; 出处《哈尔滨工程大学学报》北大核心 2025年第5期1005-1013,共9页; 基金中国电子科技集团公司第五十四研究所校企合作项目(KY10800210062); 文摘针对单幅图像去雨网络在提取判别性特征方面的能力较弱,导致模型精度不高,难以在实际场景中得到很好的应用的问题,本文提出一种判别性特征增强网络。该模型通过多尺度分组卷积设计了一种多分支特征聚合模块,以提高网络提取判别性特征的能力。还设计了一种回顾式特征蒸馏策略,有效改善了特征从局部到整体的聚合作用。还提出一种时空域长短时记忆单元,以强化回顾式特征蒸馏策略所生成的逐阶段特征间的交互作用,进一步提高了模型的性能。实验结果表明,本文提出的判别性特征增强网络在公开的基准数据集上取得了当前最优的性能表现,较好解决了当前算法精度不足的问题。; 关键词深度学习单幅图像去雨多尺度判别性特征特征蒸馏分组卷积长短时记忆单元特征交互; Keywords deep learning single-image de-raining multiscale discriminative feature feature distillation group convolution long short-term memory unit feature interaction; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名融合深度误差反馈学习和注意力机制的短期风电功率预测被引量：12: 3; 作者胡宇晗朱利鹏李佳勇李杨曾杨郑李梦千帅智康; 机构湖南大学电气与信息工程学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2024年第4期100-108,共9页; 基金国家自然科学基金项目资助(52207094,52377095) 博士后创新型人才计划项目资助(BX20220100)。; 文摘为提高风电功率预测精度,提出了一种有机融合深度反馈学习与注意力机制的短期风电功率预测方法。首先,以风电场数值天气预报(numerical weather prediction,NWP)为原始输入,基于双层长短期记忆网络(long short-term memory,LSTM)模型对风电功率进行初步预测。其次,利用极端梯度提升(eXtreme gradient boosting,XGBoost)算法构建误差估计模型,以便在给定未来一段时间内NWP数据的情况下对初步预测误差进行快速估计。然后,利用自适应白噪声完备集成经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将初步预测误差分解为不同频段的误差序列,并将其作为附加性反馈输入,对风电功率进行二次预测。进一步在二次预测模型中引入注意力机制,为风电功率预测序列与误差序列动态分配权重,由此引导预测模型在学习过程中充分挖掘学习与误差相关的关键特征。最后,仿真结果表明所提方法可显著提高短期风电功率预测的可靠性。; 关键词风电功率预测深度学习反馈学习长短时记忆单元注意力机制; Keywords wind power forecasting deep learning feedback learning LSTM attention mechanism; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于循环神经网络的半监督动态软测量建模方法被引量：20: 4; 作者邵伟明葛志强李浩宋执环; 机构浙江大学控制科学与工程学院工业控制技术国家重点实验室; 出处《电子测量与仪器学报》 CSCD 北大核心 2019年第11期7-13,共7页; 基金国家自然科学基金(67103367) 中国博士后科学基金(2017M621929,2019T120516)资助项目; 文摘数据驱动的软测量技术被广泛应用于难测关键变量的在线实时预报。然而,在工业过程中,有标签样本通常十分稀少,且动态特性显著,导致传统有监督、静态的软测量建模方法性能不佳。为此,提出一种基于循环神经网络的建模方法,首先将传统带有长短时记忆单元(LSTM)的循环神经网络(RNN)扩展为半监督模式,然后针对LSTM的不足,进一步提出一种基于注意力机制的改进方案。通过一个实际工业案例验证半监督LSTM-RNN在软测量应用中的有效性,以及所提出的改进方案的有效性。; 关键词软测量动态特性半监督循环神经网络长短时记忆单元注意力机制; Keywords soft sensing dynamics semisupervised learning recurrent neural network long-short time memory attention; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于视触觉与深度学习的猕猴桃无损硬度检测方法被引量：6: 5; 作者林家豪张元泽梁千月陈耀晖朱明李善军; 机构华中农业大学工学院农业农村部长江中下游农业装备重点实验室华中农业大学信息学院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2023年第10期390-398,共9页; 基金国家柑橘产业技术体系项目(CARS-Citrus) 国家重点研发计划项目(2021YFD1400802-4、2020YFD1000101) +1 种基金柑橘全程机械化科研基地建设项目(农计发[2017]19号)。; 文摘硬度是确定猕猴桃成熟度的重要指标之一,对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题,提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法,通过分析柔性触觉传感层与猕猴桃接触时的形变,获取猕猴桃的动态触觉信息,并据此推断其硬度。以树莓派开发板为机电控制平台,制作了猕猴桃视触觉序列图像采集装置,并对装置按压猕猴桃间隔3 h后接触面果肉与非接触面果肉的CIELAB颜色分量平均数进行差异显著性检验,随后采集了猕猴桃视触觉序列图像数据集600组,分别搭建了CNN网络、CNN-LSTM迁移学习网络、CNN-LSTM联合学习网络对视触觉序列图像进行分析及硬度预测。研究结果表明,接触面果肉与非接触面果肉颜色L^(*)、a^(*)、b^(*)三通道分量下平均值无显著差异;深度学习模型LSTM引入长时和短时信息可以动态关联CNN提取的单帧图像特征,从而有效推断猕猴桃硬度,其中CNN-LSTM联合学习模型预测效果最优,其均方根误差(RMSE)、平均绝对误差(MAE)、决定系数R2分别为1.611 N、1.360 N、0.856,优于现阶段光谱技术检测猕猴桃硬度的结果,随后将模型嵌入树莓派中制作了猕猴桃硬度自动检测装置,可实现短时间内猕猴桃硬度的较为准确检测。因此,结合视触觉传感方法与联合学习模型可以实现对单个猕猴桃硬度的准确无损测量。; 关键词猕猴桃硬度视触觉无损检测深度学习卷积神经网络-长短时记忆单元; Keywords kiwifruit firmness vision-based tactile sensor non-destructive testing deep learning CNN-LSTM; 分类号 S24 [农业科学—农业电气化与自动化]; 在线阅读下载PDF 职称材料

题名航空涡扇引擎剩余使用寿命预测算法研究被引量：3: 6; 作者吴锐马洁丁恺林; 机构北京信息科技大学自动化学院; 出处《南京理工大学学报》 EI CAS CSCD 北大核心 2019年第6期708-714,共7页; 基金国家自然科学基金(61973041); 文摘为改进故障预测技术,提出了全特征输入长短时记忆单元(AF-LSTM)算法。根据底层原始传感器数据自动学习更高级的抽象表示,并利用这些表示导出传感器数据,估计剩余使用寿命(RUL)。该文方法不依赖任何退化趋势假设,对噪声健壮,并能处理缺失值。在公开航空涡扇汽轮机引擎仿真数据集上的实验结果表明:该文方法的均方误差(MSE)指标明显优于多层感知器(MLP)模型,其时间分数(Score)指标优于带指数假设的线性回归(LR-EXP)模型。; 关键词航空涡扇引擎剩余使用寿命预测全特征输入长短时记忆单元; Keywords aviation turbofan engine remaining useful life prediction full features input long-short term memory; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于DBM-LSTM的多特征语音情感识别被引量：11: 7; 作者高帆张雪英黄丽霞李宝芸; 机构太原理工大学信息与计算机学院; 出处《计算机工程与设计》北大核心 2020年第2期465-470,共6页; 基金国家自然科学基金项目（61371193）山西省研究生教育创新基金项目（2018SY023）; 文摘为增强不同情感特征的融合程度和语音情感识别模型的鲁棒性,提出一种神经网络结构DBM-LSTM用于语音情感识别。利用深度受限玻尔兹曼机的特征重构原理将不同的情感特征进行融合;利用长短时记忆单元对短时特征进行长时建模,增强语音情感识别模型的鲁棒性;在柏林情感语音数据库上进行分类实验。研究结果表明,与传统识别模型相比,DBM-LSTM网络结构更适用于多特征语音情感识别任务,最优识别结果提升11%。; 关键词语音情感识别深度受限玻尔兹曼机长短时记忆单元柏林情感语音数据库多特征; Keywords speech emotion recognition DBM LSTM EMO-DB multi-feature; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于主辅网络特征融合的语音情感识别被引量：9: 8; 作者胡德生张雪英张静李宝芸; 机构太原理工大学信息与计算机学院; 出处《太原理工大学学报》 CAS 北大核心 2021年第5期769-774,共6页; 基金国家自然科学基金资助项目(61371193) 山西省回国留学人员科研资助项目(HGKY2019025) 山西省研究生教育创新计划项目(2020BY130)。; 文摘为了有效特征提取与融合提高语音情感识别率,提出了一种使用主辅网络进行深度特征融合的语音情感识别算法。首先将段特征输入BLSTM-Attention网络作为主网络,其中注意力机制能够关注语音信号中的情感信息;然后,把Mel语谱图输入CNN-GAP网络作为辅助网络,GAP可以减轻全连接层带来的过拟合;最后,将两个网络提取的深度特征以主辅网络方式进行特征融合,解决不同类型特征直接融合带来的识别结果不理想的问题。在IEMOCAP数据集上对比4种模型的实验结果表明,使用主辅网络深度特征融合的WA和UA均有不同程度的提高。; 关键词语音情感识别主辅网络长短时记忆单元卷积神经网络; Keywords speech emotion recognition main-auxiliary network long-short term memory convolutional neural network; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TP399 [自动化与计算机技术—计算机应用技术]; 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	基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法	孟先艳崔荣一赵亚慧方明洙	《计算机应用研究》 CSCD 北大核心	2020	11	在线阅读下载PDF 职称材料
2	基于判别性特征增强网络的单幅图像去雨模型	包玉刚贾皓翔赵旦峰	《哈尔滨工程大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	融合深度误差反馈学习和注意力机制的短期风电功率预测	胡宇晗朱利鹏李佳勇李杨曾杨郑李梦千帅智康	《电力系统保护与控制》 EI CSCD 北大核心	2024	12	在线阅读下载PDF 职称材料
4	基于循环神经网络的半监督动态软测量建模方法	邵伟明葛志强李浩宋执环	《电子测量与仪器学报》 CSCD 北大核心	2019	20	在线阅读下载PDF 职称材料
5	基于视触觉与深度学习的猕猴桃无损硬度检测方法	林家豪张元泽梁千月陈耀晖朱明李善军	《农业机械学报》 EI CAS CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
6	航空涡扇引擎剩余使用寿命预测算法研究	吴锐马洁丁恺林	《南京理工大学学报》 EI CAS CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
7	基于DBM-LSTM的多特征语音情感识别	高帆张雪英黄丽霞李宝芸	《计算机工程与设计》北大核心	2020	11	在线阅读下载PDF 职称材料
8	基于主辅网络特征融合的语音情感识别	胡德生张雪英张静李宝芸	《太原理工大学学报》 CAS 北大核心	2021	9	在线阅读下载PDF 职称材料