不平衡数据下基于改进门控卷积网络的轴承故障诊断

1

作者 郗昌盛 梁小夏 +3 位作者 田少宁 杨杰 冯国金 甄冬 《噪声与振动控制》 CSCD 北大核心 2024年第4期153-160,共8页

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方... 深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方法,用于数据不平衡条件下的故障诊断。首先,提出改进门控卷积层以增强特征提取能力,通过批量归一化技术提高模型的泛化能力。然后,使用标签分布感知边界(Label-distribution-aware Margin,LDAM)损失函数提高模型对少数类的敏感度,减小数据不平衡对模型的影响。将所提算法应用在两组故障轴承数据上,在数据不平衡率为20:1的情况下,所提算法仍然可达到92.71%和94.47%的故障识别率,而对比的其他主流深度学习模型在该情况下只有60%~72%的准确率,表明所提方法在数据集严重不平衡情况下具有很强的诊断能力和鲁棒性。 展开更多

关键词 故障诊断 数据不平衡 改进门控卷积神经网络 标签分布感知边界损失函数 滚动轴承

在线阅读 下载PDF 职称材料

基于残差网络和门控卷积网络的语音识别研究 被引量：11

2

作者 朱学超 张飞 +2 位作者 高鹭 任晓颖 郝斌 《计算机工程与应用》 CSCD 北大核心 2022年第7期185-191,共7页

由于传统循环神经网络具有复杂的结构,需要大量的数据才能在连续语音识别中进行正确训练,并且训练需要耗费大量的时间,对硬件性能要求很大。针对以上问题,提出了基于残差网络和门控卷积神经网络的算法,并结合联结时序分类算法,构建端到... 由于传统循环神经网络具有复杂的结构,需要大量的数据才能在连续语音识别中进行正确训练,并且训练需要耗费大量的时间,对硬件性能要求很大。针对以上问题,提出了基于残差网络和门控卷积神经网络的算法,并结合联结时序分类算法,构建端到端中文语音识别模型。该模型将语谱图作为输入,通过残差网络提取高层抽象特征,然后通过堆叠门控卷积神经网络捕获有效的长时间记忆,摆脱了传统循环神经网络对上下文相关性建模的依赖,加快了模型的训练速度。对残差网络进行了优化,并在门控卷积神经网络中加入了前馈神经网络,极大提高了模型的性能。实验结果表明,在Aishell-1中文数据集上,该模型的字错误率降低至11.43%;并且在-5 dB低信噪比环境下,字错误率达到了19.77%。 展开更多

关键词 残差网络 门控卷积神经网络 联结时序分类 Swish激活函数

在线阅读 下载PDF 职称材料

基于多头注意力门控卷积网络的特定目标情感分析 被引量：1

3

作者 李浩 樊建聪 《山东科技大学学报（自然科学版）》 CAS 北大核心 2022年第2期99-107,共9页

在特定目标情感分析中,现有的循环神经网络模型存在训练时间长且获取目标相关信息困难的问题。针对该问题,利用注意力机制,提出一种带有位置嵌入的多头注意力门控卷积网络(PE-MAGCN)。首先,模型使用多头注意力层获取目标词与上下文词之... 在特定目标情感分析中,现有的循环神经网络模型存在训练时间长且获取目标相关信息困难的问题。针对该问题,利用注意力机制,提出一种带有位置嵌入的多头注意力门控卷积网络(PE-MAGCN)。首先,模型使用多头注意力层获取目标词与上下文词之间的信息,并额外加入文本和目标词的相对位置嵌入信息,然后采用带有门控机制的卷积神经网络提取与目标词有关的情感特征,最后通过Softmax分类器来识别情感极性倾向。使用SemEval 2014数据集与目前主要用于目标情感识别的模型进行实验对比,结果表明本模型的准确率和F1值较高,可以较好地完成特定目标情感分析任务。 展开更多

关键词 目标情感分析 门控卷积神经网络 多头注意力机制 位置嵌入

在线阅读 下载PDF 职称材料

基于动态自适应门控图卷积网络的交通拥堵预测

4

作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页

随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多

关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络

在线阅读 下载PDF 职称材料

基于改进卷积-门控网络及Informer的两种中长期风电功率预测方法

5

作者 任鑫 王一妹 +3 位作者 王华 周利 葛畅 韩爽 《现代电力》 北大核心 2025年第3期542-549,共8页

为解决常规时序预测方法在长序列预测场景下表现较差的问题,从时间分辨率降维以及加强序列长期依赖特征挖掘的角度出发,提出两种中长期功率预测模型建模方法,实现了跨度10天、时间分辨率为15min的功率预测。一方面,提出改进卷积神经网络... 为解决常规时序预测方法在长序列预测场景下表现较差的问题,从时间分辨率降维以及加强序列长期依赖特征挖掘的角度出发,提出两种中长期功率预测模型建模方法,实现了跨度10天、时间分辨率为15min的功率预测。一方面,提出改进卷积神经网络-门控循环单元(convolutional neural network-gate recurrent unit,CNN-GRU)的时间尺度降维模型,通过CNN模块及GRU模块分别实现了长时间序列的融合和还原,以及降维后时间序列的预测;另一方面,基于Informer网络的多头注意力机制实现了序列长期依赖特征的挖掘。算例结果表明,两种方法在不同的场景下有着不同的适应性,在第10日的准确率和合格率分别达到74.21%/73.47%、71.81%/74.48%,与常规GRU、CNN、时间卷积网络模型相比,预测精度提升明显,预测效果良好。 展开更多

关键词 中长期功率预测 长序列预测 卷积神经网络-门控循环单元 INFORMER 多头注意力

在线阅读 下载PDF 职称材料

基于卷积门控循环神经网络的刀具磨损状态监测 被引量：10

6

作者 吴凤和 钟浩 +2 位作者 章钦 郭保苏 孙迎兵 《计量学报》 CSCD 北大核心 2021年第8期1034-1040,共7页

针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提... 针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。 展开更多

关键词 计量学 刀具磨损 切削力 卷积门控神经网络 在线监测

在线阅读 下载PDF 职称材料

基于门控双卷积神经网络的机动车发动机故障检测 被引量：2

7

作者 鲍文霞 刘杨 +1 位作者 杨先军 梁栋 《安徽大学学报（自然科学版）》 CAS 北大核心 2022年第2期39-45,共7页

采集并构建一个包含正常和故障机动车发动机的声信号数据集,提出基于门控双卷积神经网络的机动车发动机故障检测方法.在门控卷积神经网络基础上设计门控双卷积神经网络.对比不同方法的实验结果可知:支持向量机(support vector machine,... 采集并构建一个包含正常和故障机动车发动机的声信号数据集,提出基于门控双卷积神经网络的机动车发动机故障检测方法.在门控卷积神经网络基础上设计门控双卷积神经网络.对比不同方法的实验结果可知:支持向量机(support vector machine,简称SVM)方法的检测准确率最低,该文方法的检测准确率最高;对声信号进行加噪和调音时,该文方法表现出好的鲁棒性. 展开更多

关键词 机动车发动机 故障检测 门控双卷积神经网络

在线阅读 下载PDF 职称材料

基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究 被引量：18

8

作者 程建刚 毕凤荣 +3 位作者 张立鹏 李鑫 杨晓 汤代杰 《内燃机工程》 CAS CSCD 北大核心 2021年第4期77-83,92,共8页

为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断... 为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断方法。首先将原始时域数据输入卷积神经网络(convolutional meural networks,CNN)进行初步特征提取并降维,然后将结果重组输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU),可以有效地解决BiGRU对于过长序列数据处理困难的问题。采用美国凯斯西储大学开源轴承数据集进行训练,确定了最佳卷积层数和最佳样本长度约减比例分别为2和1/8。同时,通过在CNN和BiGRU中分别加入卷积注意力模块(convolutional block attention module,CBAM)和序列注意力模块(sequence attention module,SAM),进一步加强了模型对于关键信息的提取能力。最后实测柴油机故障振动信号试验表明:MA-CNN-BiGRU模型可以实现端到端的故障诊断,与变分模态分解(variational mode decomposition,VMD)核模糊C均值聚类算法(VMD-kernel fuzzy C-means clustering,VMD-KFCM)、VMD-反向传播神经网络(back propagation neural network,BPNN)和一维CNN等方法进行对比,MA-CNN-BiGRU模型的故障诊断性能更优。 展开更多

关键词 注意力 故障诊断 多重注意力卷积神经网络双向门控循环单元(MA-CNN-BiGRU) 端到端

在线阅读 下载PDF 职称材料

基于多分支门控残差卷积神经网络的短期电力负荷预测 被引量：15

9

作者 樊江川 于昊正 +2 位作者 刘慧婷 杨丽君 安佳坤 《中国电力》 CSCD 北大核心 2022年第11期155-162,174,共9页

短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预... 短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预测模型。该模型首先采用多分支门控残差卷积神经网络对历史负荷的周周期特征、日周期特征、近邻特征进行深度特征提取;其次为增加模型的非线性拟合能力,采用注意力机制对权重进一步合理分配;最后通过归一化指数函数计算后输出负荷预测结果。使用2016年某电力竞赛数据进行实验,通过与4种常用模型对比,该模型预测结果的平均绝对百分误差(MAPE)评价指标下降了0.02%~0.70%,验证了该模型提高负荷预测精度的有效性。 展开更多

关键词 短期负荷预测 多分支神经网络 门控残差卷积神经网络 注意力机制 特征提取

在线阅读 下载PDF 职称材料

基于轻量级卷积门控循环神经网络的语声增强方法 被引量：3

10

作者 王玫 李江和 +1 位作者 宋浠瑜 刘小娟 《应用声学》 CSCD 北大核心 2023年第3期652-658,共7页

针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时... 针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时频结构特征,并且参数数量庞大,不利于网络的训练。对此,该文采用卷积核替代门控循环神经网络中的全连接结构,在对语声信号时间相关性建模的同时保留了语声信号的时频结构特征,同时降低了网络的参数数量。为充分利用先前帧的特征信息,该网络单元当前时刻的输入融合了上一时刻的输入与输出。针对网络训练过程中容易产生过拟合的问题,该文采用了线性门控机制来控制信息的传输,这缓解了网络训练过程中的过拟合问题,提高了网络的语声增强性能。实验结果表明,该文所提出的网络结构在增强后的语声感知质量、语声短时客观可懂度、分段信噪比等指标上均优于传统的网络结构。 展开更多

关键词 卷积门控循环神经网络 固定时延 因果式语声增强 语声质量 语声可懂度

在线阅读 下载PDF 职称材料

基于神经网络和稳健估计的风电机组状态监测

11

作者 岳子桐 李艳婷 赵宇 《中国机械工程》 北大核心 2025年第8期1842-1852,共11页

在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度... 在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度慢的问题,采用卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的网络结构,并引入一种新颖的优化算法——长鼻浣熊优化算法(COA),以改善温度预测模型的训练效果。此外,考虑到实际操作环境中传统控制图存在较高的假警报率这一问题,提出了一种结合中位数估计(MED)与最小正则化加权协方差行列式估计(MRWCD)的策略,用于残差向量的稳健性监测。基于上述改进,建立了一个多元指数加权移动平均控制图。在华东地区某一风电场的应用案例表明,相较于传统的监测手段,所提方法能够显著减少误报的情况,并且在风电机组的状态监测过程中,可靠性与稳定性更高。 展开更多

关键词 风电机组状态监测 卷积神经网络-双向门控循环单元 长鼻浣熊优化算法 稳健检验统计量

在线阅读 下载PDF 职称材料

基于时序生成对抗网络的居民用户非侵入式负荷分解 被引量：3

12

作者 罗平 朱振宇 +3 位作者 樊星驰 孙博宇 张帆 吕强 《电力系统自动化》 EI CSCD 北大核心 2024年第2期71-81,共11页

现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度,但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此,构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。... 现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度,但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此,构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。利用降维网络对所有电器有功功率序列组成的高维向量进行降维以降低计算的复杂度,通过复原网络将结果还原为高维向量。基于电器运行状态和深度学习的非侵入式分解方法,运用卷积神经网络-双向门控循环单元构建状态复杂电器的负荷分解回归模型,对状态简单电器利用深度神经网络构建负荷识别分类模型。通过对比其他数据生成方法,以及改变典型公开数据集中生成数据比例所得的负荷分解结果验证了所提方法的有效性。 展开更多

关键词 非侵入式负荷分解 对抗生成网络 降维网络 卷积神经网络-双向门控循环单元 深度神经网络

在线阅读 下载PDF 职称材料

基于门控网络的军事装备控制指令语音识别研究 被引量：6

13

作者 柏财通 高志强 +1 位作者 李爱 崔翛龙 《计算机工程》 CAS CSCD 北大核心 2021年第7期301-306,共6页

军事装备无感控制是军事装备智能化建设进程中的一个重要研究方向,其中语音控制技术作为无人装备无感控制手段的关键组成部分,受到了越来越多的重视。为完成军事装备语音控制任务,设计一种基于门控网络的中文语音识别网络,并构建军事装... 军事装备无感控制是军事装备智能化建设进程中的一个重要研究方向,其中语音控制技术作为无人装备无感控制手段的关键组成部分,受到了越来越多的重视。为完成军事装备语音控制任务,设计一种基于门控网络的中文语音识别网络,并构建军事装备控制指令数据集,实现基于控制指令语音识别技术的军事装备控制。在传统卷积神经网络的结构基础上引入深度残差门控卷积网络,提高识别网络的准确性,同时通过多途径构建军事装备控制指令数据集,设计一套针对军事装备无感控制的语音识别方案。实验结果表明,该语音识别网络军事语音控制指令识别率可达87%,外接语言模型后可达92%,语音识别准确率高、误差率低,可完成军事装备的语音控制任务。 展开更多

关键词 语音识别 门控卷积神经网络 装备无感控制 长短时记忆网络 残差网络

在线阅读 下载PDF 职称材料

基于CNN-GRU并联网络的海上风电支撑结构损伤识别 被引量：3

14

作者 李行健 刁延松 +1 位作者 吕建达 侯敬儒 《振动与冲击》 EI CSCD 北大核心 2024年第20期229-237,共9页

利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU... 利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU)神经网络并联网络的结构损伤识别新方法。首先,对响应信号进行广义S变换(generalized S-transform,GST)得到其时频图像。然后,分别利用CNN和GRU从时频图像和响应信号中提取时频域特征和时序特征,并将时频域特征和时序特征拼接后输入全连接层和Softmax分类器中进行结构损伤识别。位移激励下的海上风电支撑结构模型试验数据验证结果表明,该方法仅需要一个测点的响应信号,与其他同类方法相比具有更高的识别准确率和效率。 展开更多

关键词 卷积神经网络-门控循环单元(CNN-GRU)并联网络 结构损伤识别 深度学习 海上风电支撑结构 广义S变换(GST)

在线阅读 下载PDF 职称材料

基于模态分解与CatBoost-GTCN-DGM的锂电池RUL预测方法

15

作者 胡胜 李莹莹 +2 位作者 何怡婷 李景琦 张凡 《电源技术》 北大核心 2025年第8期1681-1690,共10页

针对电池剩余使用寿命(RUL)预测过程中存在数据噪声,影响预测精度的问题,提出一种结合自适应白噪声完全集成经验模态分解(CEEMDAN)、CatBoost算法、门控时间卷积网络(GTCN)和双高斯模型(DGM)的RUL预测方法。首先采用CEEMDAN分解容量信号... 针对电池剩余使用寿命(RUL)预测过程中存在数据噪声,影响预测精度的问题,提出一种结合自适应白噪声完全集成经验模态分解(CEEMDAN)、CatBoost算法、门控时间卷积网络(GTCN)和双高斯模型(DGM)的RUL预测方法。首先采用CEEMDAN分解容量信号,得到若干高频分量和低频分量。然后使用CatBoost算法量化每个分量对于原始容量数据的贡献率,并将其作为权重,以此剔除噪声对预测结果的干扰。利用GTCN和DGM建立预测子模型,最后将子模型的预测结果结合每个分量的权重进行加权融合,得到最终的RUL预测结果。以NASA锂电池数据集为实验对象,实验结果显示,所提方法的均方根误差、平均绝对误差、平均绝对百分比误差和绝对误差最小值分别为0.0135、0.0086、0.0056和1个循环,有效提升了RUL预测精度。 展开更多

关键词 锂离子电池 剩余使用寿命 CatBoost算法 门控时间卷积网络 双高斯模型

在线阅读 下载PDF 职称材料

考虑空间关联的超短期、短期多区域电力负荷单步和多步预测

16

作者 耿贞伟 李申章 于凤荣 《计算机工程》 北大核心 2025年第10期392-400,共9页

准确的超短期、短期多区域电力负荷预测是实现电力系统快速响应和实时调度的关键。基于电网不同区域负荷的时空相关性,提出考虑空间关联的多区域电力负荷超短期、短期的单步和多步预测模型。该模型集成门控多头时间卷积网络(GMTCN)、双... 准确的超短期、短期多区域电力负荷预测是实现电力系统快速响应和实时调度的关键。基于电网不同区域负荷的时空相关性,提出考虑空间关联的多区域电力负荷超短期、短期的单步和多步预测模型。该模型集成门控多头时间卷积网络(GMTCN)、双向长短期记忆(BiLSTM)网络和注意力机制(Attention),记为GMTCN-BiLSTM-Attention。首先,采用Spearman相关系数分析不同区域电力负荷空间关联,将15个区域的负荷序列组成多元时间序列作为输入。然后,采用GMTCN和BiLSTM获取不同负荷序列的时序特征和时空依赖,并通过Attention机制赋予重要特征更高的权重,忽略不重要的信息,以提高模型的鲁棒性。在2个数据集上的实验结果表明,不同区域变压器的负荷之间存在时空相关性,提出的模型能够有效获取负荷序列以及负荷序列之间的时空依赖,同时实现对多区域的超短期和短期负荷进行单步和多步预测。与其他深度学习模型相比,具有更优的预测性能、更强的鲁棒性和泛化性。 展开更多

关键词 多区域电力负荷预测 深度学习 门控多头时间卷积网络 双向长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于多维复向特征融合与CNN-GRU的转子不平衡量识别方法

17

作者 王坚坚 廖与禾 +1 位作者 杨磊 薛久涛 《中国机械工程》 北大核心 2025年第9期1905-1915,共11页

现有的无试重不平衡量识别算法采用优化算法框架,通过大量迭代运算以逐步逼近最优解,这类策略普遍收敛速度迟缓且易陷入局部极值。为此,利用神经网络直接学习并解析不平衡振动响应与不平衡量之间的复杂映射关系,进而实现不平衡量的高精... 现有的无试重不平衡量识别算法采用优化算法框架,通过大量迭代运算以逐步逼近最优解,这类策略普遍收敛速度迟缓且易陷入局部极值。为此,利用神经网络直接学习并解析不平衡振动响应与不平衡量之间的复杂映射关系,进而实现不平衡量的高精度识别。通过转子动力学模型进行仿真,构建了带标签的足量不平衡振动数据集。针对不平衡数据的多维复向特性,设计了一种特征融合机制。核心算法层面,结合卷积神经网络(CNN)与门控循环单元(GRU)构建了CNN-GRU混合模型,其中,CNN部分负责从振动数据中提取局部空间特征,GRU负责捕捉振动数据中的时序依赖关系,通过整合空间与时间域的信息,显著增强了模型的泛化能力和识别精度。测试集数据和实验台实验的不平衡量识别结果表明,所提方法可以准确预估识别转子的不平衡量,为无试重现场动平衡提供迅速准确的指导。 展开更多

关键词 转子 无试重 不平衡量识别 卷积神经网络-门控循环单元 多维复向特征融合

在线阅读 下载PDF 职称材料

基于混合神经网络的实体和事件联合抽取方法 被引量：20

18

作者 吴文涛 李培峰 朱巧明 《中文信息学报》 CSCD 北大核心 2019年第8期77-83,共7页

实体和事件抽取旨在从文本中识别出实体和事件信息并以结构化形式予以呈现。现有工作通常将实体抽取和事件抽取作为两个单独任务,忽略了这两个任务之间的紧密关系。实际上,事件和实体密切相关,实体往往在事件中充当参与者。该文提出了... 实体和事件抽取旨在从文本中识别出实体和事件信息并以结构化形式予以呈现。现有工作通常将实体抽取和事件抽取作为两个单独任务,忽略了这两个任务之间的紧密关系。实际上,事件和实体密切相关,实体往往在事件中充当参与者。该文提出了一种混合神经网络模型,同时对实体和事件进行抽取,挖掘两者之间的依赖关系。模型采用双向LSTM识别实体,并将在双向LSTM中获得的实体上下文信息进一步传递到结合了自注意力和门控卷积的神经网络来抽取事件。在英文ACE 2005语料库上的实验结果证明了该文方法优于目前最好的基准系统。 展开更多

关键词 事件抽取 实体抽取 自注意力 门控卷积神经网络

在线阅读 下载PDF 职称材料

基于CNN-GRU神经网络的测井曲线预测方法 被引量：18

19

作者 王锦涛 文晓涛 +2 位作者 何易龙 兰昀霖 张超铭 《石油物探》 CSCD 北大核心 2022年第2期276-285,共10页

目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题。为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井... 目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题。为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法。以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时序序列的特征向量,再利用GRU网络进行训练,最后输出测井曲线预测值。该方法综合了卷积神经网络局部特性感知和门控循环单元网络长期记忆的特性,考虑了测井曲线的深度趋势和局部形状,具有较高的预测精度。将该方法应用于四川某地区A、B两个井区3口井的测井曲线预测,并将预测结果与其它3种人工智能预测方法的预测结果进行对比分析,结果显示,基于CNN-GRU神经网络的测井曲线预测方法应用效果显著,能有效提取数据特征,为测井曲线预测提供了一种新思路。 展开更多

关键词 测井曲线预测 卷积门控循环单元网络 深度学习 局部特性 长期记忆

在线阅读 下载PDF 职称材料

针对说话人识别对抗样本生成方法研究

20

作者 马栋林 宋佳佳 +1 位作者 赵宏 陈伟杰 《电子测量技术》 北大核心 2024年第22期49-57,共9页

针对基于生成式的对抗样本生成方法生成的对抗样本真实性较低和攻击效果欠佳的问题,提出一种基于AdvGAN和CGAN的对抗样本生成方法ACGAN。首先,针对特定目标进行攻击,ACGAN通过在训练和攻击阶段引入额外的目标标签,生成具有针对性的频域... 针对基于生成式的对抗样本生成方法生成的对抗样本真实性较低和攻击效果欠佳的问题,提出一种基于AdvGAN和CGAN的对抗样本生成方法ACGAN。首先,针对特定目标进行攻击,ACGAN通过在训练和攻击阶段引入额外的目标标签,生成具有针对性的频域上的对抗样本。其次,在生成器和鉴别器中引入门控卷积神经网络,帮助ACGAN模型捕捉到更精确的数据特征,从而提高攻击成功率。最后,引入感知损失函数,最小化模型输出与目标输出在语音特征表示上的差异,提高生成样本的听觉质量。实验结果表明,在有目标攻击中相较于现有方法,ASR提高了1.5%,SNR和PESQ分别提高了10.5%和11.1%,证明了ACGAN在对抗样本生成领域的有效性和潜力。 展开更多

关键词 对抗样本 生成器 鉴别器 门控卷积神经网络 感知损失

在线阅读 下载PDF 职称材料