基于双向门控式宽度学习系统的监测数据结构变形预测 被引量：1

1

作者 罗向龙 王亚飞 +1 位作者 王彦博 王立新 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第4期729-736,共8页

监测数据深度学习预测模型运算量大、实时性差,为此结合宽度学习系统(BLS)和双向长短时记忆(Bi-LSTM)模型的优势,提出基于双向门控式宽度学习系统(Bi-G-BLS)的结构变形预测模型.对BLS的特征节点增加循环反馈和遗忘门结构,提高当前节点... 监测数据深度学习预测模型运算量大、实时性差,为此结合宽度学习系统(BLS)和双向长短时记忆(Bi-LSTM)模型的优势,提出基于双向门控式宽度学习系统(Bi-G-BLS)的结构变形预测模型.对BLS的特征节点增加循环反馈和遗忘门结构,提高当前节点对前一节点的依赖关系,分别从正向和反向提取时间序列的内部特征,充分挖掘数据的双向特征,在提高模型预测精确度的同时减少模型预测时间.基于实测的地铁基坑沉降监测数据的测试结果显示,所提预测模型与门控循环单元(GRU)、BLS、Bi-LSTM、G-BLS模型相比,均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)平均分别降低了21.04%、12.81%、24.41%;在预测精度相近的情况下,所提模型的预测时间比Bi-LSTM模型降低了99.59%.结果表明,所提模型在预测速度和精确度上较对比模型有明显提升. 展开更多

关键词 结构变形 预测模型 深度学习 门控循环单元(GRU) 宽度学习系统(BLS)

在线阅读 下载PDF 职称材料

基于门控循环单元的蛛网形FBG传感网络设计 被引量：1

2

作者 邵向鑫 马子筱 +2 位作者 路天麒 李冬 江虹 《光子学报》 EI CAS CSCD 北大核心 2022年第3期206-214,共9页

针对大型结构健康监测对于光纤光栅传感网络的复用容量和维护成本的较高要求,设计了一种蛛网形拓扑结构的传感网络。该结构网络利用波分复用来增加网络的复用容量,并优化了基于门控循环单元的模型来对重叠波长进行解调。设计的新型传感... 针对大型结构健康监测对于光纤光栅传感网络的复用容量和维护成本的较高要求,设计了一种蛛网形拓扑结构的传感网络。该结构网络利用波分复用来增加网络的复用容量,并优化了基于门控循环单元的模型来对重叠波长进行解调。设计的新型传感网络具有较高的网络可靠性和网络复用容量,截取蛛网形网络的部分结构进行实验,设计了四种故障情况进行对比,证明了蛛网形网络具有较高的可靠性。通过改进解调模型的网络结构增加模型识别精度,采用训练良好的模型对不同重叠程度光谱解调,在89.9%情况下其均方根小于1 pm,证明改进模型可有效地对重叠光谱进行解调,大大增加了网络的复用容量。设计的新型传感网络可有效地增加网络的可靠性和复用容量。 展开更多

关键词 光纤布拉格光栅 拓扑结构 门控循环单元 波分复用 深度学习 可靠性

在线阅读 下载PDF 职称材料

基于关键n-grams和门控循环神经网络的文本分类模型 被引量：3

3

作者 赵倩 吴悦 刘宗田 《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第3期544-552,共9页

提出一种基于关键n-grams和门控循环神经网络的文本分类模型.模型采用更为简单高效的池化层替代传统的卷积层来提取关键的n-grams作为重要语义特征,同时构建双向门控循环单元(gated recurrent unit,GRU)获取输入文本的全局依赖特征,最... 提出一种基于关键n-grams和门控循环神经网络的文本分类模型.模型采用更为简单高效的池化层替代传统的卷积层来提取关键的n-grams作为重要语义特征,同时构建双向门控循环单元(gated recurrent unit,GRU)获取输入文本的全局依赖特征,最后将两种特征的融合模型应用于文本分类任务.在多个公开数据集上评估模型的质量,包括情感分类和主题分类.与传统模型的实验对比结果表明:所提出的文本分类模型可有效改进文本分类的性能,在语料库20newsgroup上准确率提高约1.95%,在语料库Rotton Tomatoes上准确率提高约1.55%. 展开更多

关键词 文本分类 门控循环单元(gated recurrent unit GRU) N-GRAMS 自然语言处理

在线阅读 下载PDF 职称材料

基于门控循环图卷积网络的交通流预测 被引量：5

4

作者 汪鸣 彭舰 黄飞虎 《计算机应用研究》 CSCD 北大核心 2022年第8期2301-2305,共5页

交通流预测在智能交通系统的建设中起着关键性的作用,然而现有预测方法无法准确地挖掘其潜在的时空相关性,而且大多采用全连接网络进行单步预测。为了进一步挖掘数据的时空特性以及提升长短期预测的精度,提出了一种门控循环图卷积网络(G... 交通流预测在智能交通系统的建设中起着关键性的作用,然而现有预测方法无法准确地挖掘其潜在的时空相关性,而且大多采用全连接网络进行单步预测。为了进一步挖掘数据的时空特性以及提升长短期预测的精度,提出了一种门控循环图卷积网络(GR-GCN)模型。首先,利用频域上的图卷积结合门控循环单元(GRU)构建一个时空组件(STC)以同时捕获节点的时空相关性,充分地提取数据的时空特征;然后,利用该时空组件构成编码器单元,并将时间序列数据和路网结构数据输入其中;最后,使用门控循环单元作为解码器单元,并按照时间顺序将两者组成一个编码器-解码器(encoder-decoder)结构,依次解码出每个时刻的预测结果。在加利福尼亚交通局(Caltrans)性能评估系统中高速公路数据集PeMSD4和PeMSD8进行了实验。结果表明,所提模型GR-GCN在预测未来15 min、30 min、45 min和60 min的交通流量方面优于大多数现有基准模型,尤其是在长期预测方面。 展开更多

关键词 交通流量预测 图卷积网络 门控循环单元 编码解码结构

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

5

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Inception-GRU模型的泄洪建筑物结构安全状态智能识别

6

作者 刘昉 陈浩东 +1 位作者 梁超 庞博慧 《人民黄河》 CAS 北大核心 2022年第12期101-105,111,共6页

为保障水利枢纽的泄洪安全,以Inception模块为主体结构,结合门控循环单元(GRU)和高效通道注意力(ECA)机制,提出了Inception-GRU深度神经网络模型,通过采集的多测点泄洪振动数据,智能识别泄洪建筑物的结构安全状态。用工程数据进行测试,... 为保障水利枢纽的泄洪安全,以Inception模块为主体结构,结合门控循环单元(GRU)和高效通道注意力(ECA)机制,提出了Inception-GRU深度神经网络模型,通过采集的多测点泄洪振动数据,智能识别泄洪建筑物的结构安全状态。用工程数据进行测试,结果表明,该模型能以97.15%的准确率完成结构安全智能识别任务,准确率较Inception模型、CNN-GRU模型、Inception-LSTM模型分别提高6.90、5.69、2.03个百分点。对泄洪振动数据进行数据预处理后,以三维矩阵的形式输入网络,可以有效降低模型参数量,提高模型效率。 展开更多

关键词 深度神经网络 结构安全 智能识别 Inception模型 门控循环单元

在线阅读 下载PDF 职称材料

桥梁结构挠度-温度-车辆荷载监测数据相关性模型 被引量：3

7

作者 鞠翰文 邓扬 李爱群 《振动与冲击》 EI CSCD 北大核心 2023年第6期79-89,共11页

运营状态下桥梁结构挠度、车载和温度的相关性复杂,高精度的车载、温度与挠度相关性模型对桥梁结构健康监测具有重要意义。为此,提出了基于门控循环单元(gated recurrent unit,GRU)神经网络的桥梁挠度监测数据建模方法。为解决车辆荷载... 运营状态下桥梁结构挠度、车载和温度的相关性复杂,高精度的车载、温度与挠度相关性模型对桥梁结构健康监测具有重要意义。为此,提出了基于门控循环单元(gated recurrent unit,GRU)神经网络的桥梁挠度监测数据建模方法。为解决车辆荷载监测数据在时域内离散分布的问题,提出了基于挠度影响线的车载影响参数计算方法;在此基础上建立了基于GRU神经网络的车载影响参数、环境温度和桥梁挠度相关性模型。以一座悬索桥为例,分别建立了短时段、中长时段的相关性模型,考察了相关性模型对加劲梁挠度的预测能力,并利用相关性模型提出了一种温度和车载挠度分量的分离方法。悬索桥实例研究表明:短时段相关性模型的挠度预测值与实时监测数据基本吻合,而中长时段相关性模型则对一定时间窗口内的挠度极值具有精确的预测能力;采用相关性模型计算得到的温度与车载挠度分量与小波分解结果具有良好的一致性。 展开更多

关键词 结构健康监测 门控循环单元(GRU)神经网络 相关性模型 挠度 车辆荷载 环境温度

在线阅读 下载PDF 职称材料

基于编码器-解码器结构的路面平整度预测 被引量：2

8

作者 呙润华 于向前 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第8期1182-1190,共9页

提出了基于编码器‒解码器结构的路面平整度预测模型。对比分析了不同网络层的表现,并比较了网络层个数、隐藏节点数、数据时间窗口对模型精度的影响。在美国交通部公开的LTPP(long-term pavement performance)数据库的基础上构建了国际... 提出了基于编码器‒解码器结构的路面平整度预测模型。对比分析了不同网络层的表现,并比较了网络层个数、隐藏节点数、数据时间窗口对模型精度的影响。在美国交通部公开的LTPP(long-term pavement performance)数据库的基础上构建了国际平整度指数(IRI)数据集,并对模型进行了训练和评估。结果表明:采用门控循环单元(GRU)网络层的编码器‒解码器结构的预测性能最好,优于经典的机器学习模型XGBoost和单独长短期记忆(LSTM)网络。通过特征随机打乱的方式对不同输入特征的重要性进行了评估,结果显示路面结构和温度对于路面平整度预测比较重要,在数据库建设时应注意对这些数据的收集。 展开更多

关键词 路面平整度预测 编码器‒解码器结构 长短期记忆(LSTM)网络 门控循环单元(GRU) 注意力机制

在线阅读 下载PDF 职称材料

基于GRU-DRSN的双通道人体活动识别 被引量：1

9

作者 邵小强 原泽文 +3 位作者 杨永德 刘士博 李鑫 韩泽辉 《科学技术与工程》 北大核心 2024年第2期676-683,共8页

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attentio... 人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。 展开更多

关键词 人体活动识别(human activity recognizition HAR) 门控循环结构(gated recurrent unit GRU) 深度残差收缩网络(deep residual shrinkage network DRSN) CBAM 双通道并行

在线阅读 下载PDF 职称材料

基于贝叶斯优化的GRU网络轴承剩余使用寿命预测方法 被引量：2

10

作者 孟琳书 张音旋 +1 位作者 张起 王豪 《机电工程》 北大核心 2024年第1期130-136,共7页

传统的滚动轴承剩余使用寿命预测模型存在参数优化的困难。针对这一问题,笔者提出了一种基于贝叶斯优化的GRU网络滚动轴承剩余使用寿命预测方法,并进行了实验验证,即以PHM2012数据集为例,结合贝叶斯优化算法对基于Encoder-Decoder结构... 传统的滚动轴承剩余使用寿命预测模型存在参数优化的困难。针对这一问题,笔者提出了一种基于贝叶斯优化的GRU网络滚动轴承剩余使用寿命预测方法,并进行了实验验证,即以PHM2012数据集为例,结合贝叶斯优化算法对基于Encoder-Decoder结构的门控循环单元(GRU)预测模型的多个超参数进行了优化。首先,对包含噪声的原始数据进行了小波包处理,从滚动轴承的振动机理和故障特征出发提取了时域特征,针对该时域特征进行了优化、筛选,并将其输入到模型中的编码器部分,进一步提取了更深层次的时序特征;其次,结合注意力机制与Encoder-Decoder结构,构造了双向GRU神经网络模型,在模型的高维超参数空间中采用贝叶斯优化方法搜索超参数,得到了最优的超参数组合,并在解码器中融入了线性变换,得到了滚动轴承的寿命预测值;最后,封装了全部模型构建、训练与使用过程,建立了基于贝叶斯优化的GRU网络滚动轴承寿命预测流程,并对方法的有效性进行了对比实验验证。研究结果表明:采用基于贝叶斯优化的GRU网络可以有效预测滚动轴承的剩余使用寿命,相比于其他3种方法的最优结果,基于贝叶斯优化的GRU网络的平均预测得分提高了8.01%;基于贝叶斯优化的GRU网络对于真实寿命较短的轴承预测结果较为准确,而对于真实寿命较长的轴承则没有出现预测值大于真实值的情况,可以作为轴承临近失效阶段剩余使用寿命估计的参考。 展开更多

关键词 参数优化 剩余使用寿命 门控循环单元 贝叶斯优化 超参数调整 注意力机制 Encoder-Decoder结构

在线阅读 下载PDF 职称材料

基于遮挡关系推理的输电线路图像金具检测 被引量：4

11

作者 戚银城 赵席彬 +3 位作者 耿劭锋 张薇 赵振兵 吕斌 《智能系统学报》 CSCD 北大核心 2022年第6期1154-1162,共9页

实现输电线路图像典型金具的精准检测是进行其缺陷检测的前提。针对通用目标检测模型对密集分布、遮挡严重的金具检测精度较低、易出现漏检等问题,提出了一种结合金具间遮挡结构信息和场景关联信息的典型金具检测方法。基于经典的Faster... 实现输电线路图像典型金具的精准检测是进行其缺陷检测的前提。针对通用目标检测模型对密集分布、遮挡严重的金具检测精度较低、易出现漏检等问题,提出了一种结合金具间遮挡结构信息和场景关联信息的典型金具检测方法。基于经典的FasterR-CNN模型提取金具特征作为节点,提取整张图像特征作为金具场景关联信息,学习金具标注框间相交区域信息作为金具遮挡关系信息,并采用图同时建模金具特征、场景关联信息和遮挡关系信息,通过门控循环单元信息传递机制构建结构推理模块完成金具类别和位置的联合推理检测。为了验证所提方法的有效性,选取了8类存在遮挡连接关系的金具进行实验,其中,原始Faster R-CNN模型的mAP值为81.30%,改进模型的mAP值为84.15%。实验结果表明,本文方法一定程度上提高了遮挡严重金具的检测精度,为后续的金具故障诊断奠定良好的基础。 展开更多

关键词 输电线路 金具 遮挡关系描述 结构推理 超快速区域卷积神经网络 目标检测 门控循环单元 图

在线阅读 下载PDF 职称材料