检索结果-维普期刊中文期刊服务平台

一种结合有监督分类器和MEWMA的控制图: 1; 作者周茂袁邱静 +1 位作者周茂凯钱琨《应用概率统计》北大核心 2025年第1期28-42,共15页; 在过程监控中,使用现代工业系统中的变量进行准确有效的监控诊断仍然是一个具有挑战性的任务.本文以多元指数加权移动平均(MEWMA)策略结合一种有监督分类器(“one plus epsilon”,简称OPE分类器),提出OPE-MEWMA控制图.在考虑不同模型、... 展开更多; 关键词统计过程控制多元指数加权移动平均控制图交叉熵损失蒙特卡洛模拟; 在线阅读下载PDF 职称材料

基于自监督预训练模型和NWCE的口吃语音分类: 2; 作者殷志鹏徐新洲《中北大学学报(自然科学版)》 2025年第1期19-26,共8页; 口吃语音分类旨在利用语音信号对不同口吃类别进行分类识别,而现有相关研究没有充分考虑自监督预训练模型表示嵌入的时序特性,且只简单地表征了口吃语音数据的类别不平衡性。为此,本文提出一种基于自监督预训练模型和非线性加权交叉熵(N... 展开更多; 关键词计算副语言口吃语音分类自监督预训练模型非线性加权交叉熵损失; 在线阅读下载PDF 职称材料

基于UNet++卷积神经网络的断层识别被引量：5: 3; 作者安志伟刘玉敏 +1 位作者袁硕魏海军《吉林大学学报（信息科学版）》 CAS 2024年第1期100-110,共11页; 针对传统相干体属性和机器学习在复杂断裂识别能力差的问题,提出一种基于UNet++卷积神经网络的断层识别方法。该方法采用加权交叉熵损失函数做目标函数,使网络模型训练过程中避免了数据样本不平衡的问题,引入注意力机制和密集卷积块,以... 展开更多; 关键词断层识别 UNet++网络模型加权交叉熵损失函数注意力机制特征融合; 在线阅读下载PDF 职称材料

基于迁移学习的矿用主扇风机滚动轴承故障诊断方法: 4; 作者崔巍孟国营万星炜《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第S01期280-287,共8页; 矿用主扇风机滚动轴承的状态监测与故障诊断研究对煤矿生产安全具有重要意义。现有的滚动轴承故障诊断方法在实际工况中进行直接应用时存在训练不足、故障诊断准确率不足的问题,且矿用主扇风机滚动轴承长期处于正常运行状态,正常样本的... 展开更多; 关键词矿用主扇风机滚动轴承故障诊断迁移学习加权交叉熵损失; 在线阅读下载PDF 职称材料

融合多种网络的半监督分层睡眠分期算法被引量：1: 5; 作者王琪仝爽《无线电工程》北大核心 2023年第4期925-935,共11页; 当前的睡眠阶段时空特征提取依赖于给定数据集标签的监督学习,在一定程度上受到限制。提出一种基于脑电信号的半监督睡眠分期算法,利用由改进卷积编码-解码器和生成对抗网络构建的浅层特征提取网络提取浅层时空特征,采用Hard swish激活... 展开更多; 关键词脑电信号自动睡眠分期双向门控循环单元混合神经网络加权交叉熵损失函数; 在线阅读下载PDF 职称材料

题名一种结合有监督分类器和MEWMA的控制图: 1; 作者周茂袁邱静周茂凯钱琨; 机构中国民航大学理学院四川省成都铁路中学校立人分校青岛市即墨区城建勘察测绘有限公司; 出处《应用概率统计》北大核心 2025年第1期28-42,共15页; 基金国家社会科学基金项目(批准号:19BTJ033)资助.; 文摘在过程监控中,使用现代工业系统中的变量进行准确有效的监控诊断仍然是一个具有挑战性的任务.本文以多元指数加权移动平均(MEWMA)策略结合一种有监督分类器(“one plus epsilon”,简称OPE分类器),提出OPE-MEWMA控制图.在考虑不同模型、偏移模式和偏移大小的情况下,探究了控制图对均值偏移的检测能力,通过比较平均运行长度等多个指标衡量控制图的性能表现.仿真结果表明,所开发的OPE-MEWMA控制图能够快速检测到均值偏移,灵敏度较高.; 关键词统计过程控制多元指数加权移动平均控制图交叉熵损失蒙特卡洛模拟; Keywords statistical process control MEWMA cross entropy loss Monte Carlo method; 分类号 O213.1 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名基于自监督预训练模型和NWCE的口吃语音分类: 2; 作者殷志鹏徐新洲; 机构南京邮电大学物联网学院; 出处《中北大学学报(自然科学版)》 2025年第1期19-26,共8页; 基金中国博士后科学基金面上项目(2022M711693) 国家自然科学基金面上项目(62071242,62172235) 南京邮电大学校级自然科学基金(NY222158)。; 文摘口吃语音分类旨在利用语音信号对不同口吃类别进行分类识别,而现有相关研究没有充分考虑自监督预训练模型表示嵌入的时序特性,且只简单地表征了口吃语音数据的类别不平衡性。为此,本文提出一种基于自监督预训练模型和非线性加权交叉熵(NWCE)损失的口吃语音分类方法。该方法首先利用自监督预训练模型提取副语言表示嵌入,然后通过带自注意力机制的双向长短期记忆网络模型,捕捉嵌入中显著的时序特征和上下文信息,最后利用非线性加权交叉熵损失来关注样本较少的口吃语音类别。在口吃语音分类数据集上的实验结果表明,本文方法通过学习语音中自监督预训练模型多层表示嵌入的时序信息,并且通过NWCE充分描述了各口吃类别数据间的关系,取得了比现有方法更好的口吃语音分类性能。; 关键词计算副语言口吃语音分类自监督预训练模型非线性加权交叉熵损失; Keywords computational paralinguistics stuttering speech classification self-supervised pre-trained model nonlinear weighted cross-entropy loss; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于UNet++卷积神经网络的断层识别被引量：5: 3; 作者安志伟刘玉敏袁硕魏海军; 机构东北石油大学电气信息工程学院重庆科技学院电气工程学院; 出处《吉林大学学报（信息科学版）》 CAS 2024年第1期100-110,共11页; 基金黑龙江省自然科学基金资助项目(TD2019D001)。; 文摘针对传统相干体属性和机器学习在复杂断裂识别能力差的问题,提出一种基于UNet++卷积神经网络的断层识别方法。该方法采用加权交叉熵损失函数做目标函数,使网络模型训练过程中避免了数据样本不平衡的问题,引入注意力机制和密集卷积块,以及更多的跳跃连接,更好地实现深层次断层语义信息和浅层次断层空间信息之间的特征融合,进而可以使UNet++网络模型更好地实现断层识别。实验结果表明,该网络模型将F1值提高到了92.38%, loss降低到0.012 0,可以更好地学习断层特征信息。将该模型应用于西南庄断层的识别中,结果表明,该方法可以更准确预测断层位置,在识别连续断层的准确率上有所提高,有效防止了地下噪音对于断层识别的不利影响,从而验证了UNet++网络模型在断层识别上具有一定的研究价值。; 关键词断层识别 UNet++网络模型加权交叉熵损失函数注意力机制特征融合; Keywords fault identification UNet++network model weighted cross entropy loss function attention mechanism feature fusion; 分类号 TP391 [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

题名基于迁移学习的矿用主扇风机滚动轴承故障诊断方法: 4; 作者崔巍孟国营万星炜; 机构中国矿业大学(北京)机电与信息工程学院; 出处《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第S01期280-287,共8页; 基金国家重点研发计划资助项目(2016YFC0600900)。; 文摘矿用主扇风机滚动轴承的状态监测与故障诊断研究对煤矿生产安全具有重要意义。现有的滚动轴承故障诊断方法在实际工况中进行直接应用时存在训练不足、故障诊断准确率不足的问题,且矿用主扇风机滚动轴承长期处于正常运行状态,正常样本的数量远多于故障样本,即存在样本不平衡问题。因此,提出一种基于迁移学习的矿用主扇风机滚动轴承故障诊断方法(TLCNN+加权交叉熵损失)。该方法将常规滚动轴承数据作为源域数据,将矿用主扇风机滚动轴承数据作为目标域数据。首先利用对称极坐标(SDP)方法将振动信号转换为SDP图像;然后利用充足的源域图像样本对常规滚动轴承故障诊断模型进行训练,训练完成后将诊断模型的参数迁移至矿用主扇风机滚动轴承故障诊断模型中;其次迁移过程中对低层网络进行锁定并通过目标域图像样本对模型的高层网络进行微调,便可得到参数权重优化后的矿用主扇风机滚动轴承故障诊断模型。最后,为了解决样本不平衡问题,在模型中添加了加权交叉熵损失函数进行训练,使诊断模型对作为少数类的故障样本赋予更高的权重并在诊断过程中更加关注故障样本,从而提高诊断准确率。为了验证提出方法的有效性,通过常规滚动轴承故障试验台与实际工况中的矿用主扇风机滚动轴承数据进行了试验验证。结果表明所提方法可以对矿用主扇风机滚动轴承的运行状态进行准确识别分类,准确率达99.28%。; 关键词矿用主扇风机滚动轴承故障诊断迁移学习加权交叉熵损失; Keywords mining main fan rolling bearing fault diagnosis transfer learning weighted cross-entropy loss; 分类号 TD441 [矿业工程—矿山机电] TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名融合多种网络的半监督分层睡眠分期算法被引量：1: 5; 作者王琪仝爽; 机构南京信息工程大学电子与信息工程学院; 出处《无线电工程》北大核心 2023年第4期925-935,共11页; 基金南京信息工程大学无锡校区研究生创新实践项目(WXCX202011)。; 文摘当前的睡眠阶段时空特征提取依赖于给定数据集标签的监督学习,在一定程度上受到限制。提出一种基于脑电信号的半监督睡眠分期算法,利用由改进卷积编码-解码器和生成对抗网络构建的浅层特征提取网络提取浅层时空特征,采用Hard swish激活函数来加速模型收敛。为充分提取脑电信号高质量的深层时序依赖特征,模型的深层特征提取网络将传统的长短时记忆网络改进为参数较少的双向门控循环单元。在特征融合后使用加权交叉熵损失函数训练以提高模型的分类准确性。实验使用Sleep-EDF数据集在Fpz-Cz通道上对模型进行20折交叉验证,得到模型总体准确率和MF1值分别为86.3%和81.2%,相比于卷积循环网络分别提高了3.1%和3.3%。; 关键词脑电信号自动睡眠分期双向门控循环单元混合神经网络加权交叉熵损失函数; Keywords electroencephalogram automatic sleep staging bidirectional gated recurrent unit hybrid neural network weighted cross entropy loss function; 分类号 TN911 [电子电信—通信与信息系统]; 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	一种结合有监督分类器和MEWMA的控制图	周茂袁邱静周茂凯钱琨	《应用概率统计》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于自监督预训练模型和NWCE的口吃语音分类	殷志鹏徐新洲	《中北大学学报(自然科学版)》	2025	0	在线阅读下载PDF 职称材料
3	基于UNet++卷积神经网络的断层识别	安志伟刘玉敏袁硕魏海军	《吉林大学学报（信息科学版）》 CAS	2024	5	在线阅读下载PDF 职称材料
4	基于迁移学习的矿用主扇风机滚动轴承故障诊断方法	崔巍孟国营万星炜	《煤炭科学技术》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	融合多种网络的半监督分层睡眠分期算法	王琪仝爽	《无线电工程》北大核心	2023	1	在线阅读下载PDF 职称材料