检索结果-维普期刊中文期刊服务平台

基于Inception-BLSTM的滚动轴承故障诊断方法研究被引量：16: 1; 作者赵凯辉吴思成 +2 位作者李涛贺才春查国涛《振动与冲击》 EI CSCD 北大核心 2021年第17期290-297,共8页; 针对传统的滚动轴承故障诊断方法依赖大量先验知识以及容易人为引入误差等缺点,结合Inception模型的多尺度抽象特征提取能力与双向长短时记忆(BLSTM)神经网络序列建模的优势,提出一种基于Inception-BLSTM的滚动轴承故障诊断方法。首先,... 展开更多; 关键词滚动轴承故障诊断 Inception模型双向长短时记忆(blstm); 在线阅读下载PDF 职称材料

基于BLSTM-RNN的船舶轨迹修复方法被引量：5: 2; 作者王贵槐钟诚 +1 位作者初秀民张代勇《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第10期7-12,67,共7页; 针对内河干线船舶AIS轨迹数缺失问题,提出一种基于双向长短时记忆网络(BLSTM-RNN)模型的船舶轨迹数据修复方法。通过利用船舶轨迹上下文信息及其他回传特征作为模型输入,构建两层的双向循环神经网络(RNN)模型。在模型输入上,采用相关性... 展开更多; 关键词船舶工程双向长短时记忆网络(blstm) 循环神经网络(RNN) 船舶轨迹修复船舶自动驾驶; 在线阅读下载PDF 职称材料

用于短文本分类的BLSTM_MLPCNN模型被引量：11: 3; 作者郑诚洪彤彤薛满意《计算机科学》 CSCD 北大核心 2019年第6期206-211,共6页; 文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTM_MLPCNN神经网络模型。该模型首先将卷积神经网络(CNN)作用于字符以获取字符级向量,并将字符级向量联合词... 展开更多; 关键词字符级向量词向量卷积神经网络(CNN) 双向长短时记忆神经网络(blstm) 多层感知器(MLP) 多层感知器卷积网络(MLPCNN); 在线阅读下载PDF 职称材料

基于DTW的注意力机制BLSTM在线手写签名认证被引量：2: 4; 作者王乐乐栾方军 +1 位作者师金钢袁帅《小型微型计算机系统》 CSCD 北大核心 2023年第7期1529-1534,共6页; 为了提高在线手写签名认证的准确率,设计了一种挖掘签名稳定笔段用于认证的方法.本文提出对签名笔段计算累计差异值矩阵进行匹配;其次采用动态时间规划(DTW)算法计算笔段稳定度;在此基础上,通过以笔段的特征输入双向长短期记忆网络(BLS... 展开更多; 关键词签名认证签名分段双向长短期记忆网络(blstm) 注意力机制; 在线阅读下载PDF 职称材料

一种用于人体行为识别的CNN-BLSTM模型被引量：5: 5; 作者邹小武盛蒙蒙 +1 位作者毛家发盛伟国《小型微型计算机系统》 CSCD 北大核心 2019年第11期2313-2317,共5页; 基于加速度计等多传感器融合的人体行为识别研究一般是通过提取特征值并利用分类器完成行为识别,因此数据特征的提取和分类器选择是该领域主要问题.针对行为特征提取和分类问题,本文提出一种基于CNN-BLSTM模型的人体行为识别方法.首先... 展开更多; 关键词行为识别加速度卷积神经网络双向长短期记忆网络; 在线阅读下载PDF 职称材料

结合CNN与双向LSTM的心律失常分类被引量：10: 6; 作者李兴秀唐建军华晶《计算机科学与探索》 CSCD 北大核心 2021年第12期2353-2361,共9页; 心律失常是心血管疾病中常见的病症之一,实现心律失常的自动分类对心血管疾病的诊治具有重要意义。基于一维心电信号的心律失常分类方法以若干节拍作为输入,通过模型提取特征并用于分类。针对现有方法预处理时间成本高以及未按医疗仪器... 展开更多; 关键词心电信号心律失常卷积神经网络(CNN) 双向长短期记忆网络(blstm); 在线阅读下载PDF 职称材料

基于经验小波变换的鄱阳湖COD_(Mn)预测被引量：4: 7; 作者陈伟金柱成 +3 位作者俞真元王晓丽彭士涛魏燕杰《环境工程技术学报》 CAS CSCD 北大核心 2023年第1期180-187,共8页; 高锰酸盐指数(COD_(Mn))是衡量水质状况的最重要参数之一,能反映水体受还原性物质污染的程度。结合经验小波变换(EWT)和双向长短期记忆(BLSTM)神经网络,提出了一种先利用EWT将原始的COD_(Mn)时间序列分解成若干成分,然后利用BLSTM神经... 展开更多; 关键词水质预测 COD_(Mn) 经验小波变换(EWT) 双向长短期记忆(blstm) 机器学习数学模拟鄱阳湖; 在线阅读下载PDF 职称材料

基于分层注意力机制的神经网络垃圾评论检测模型被引量：3: 8; 作者刘雨心王莉张昊《计算机应用》 CSCD 北大核心 2018年第11期3063-3068,3074,共7页; 针对现有垃圾评论识别方法很难揭示用户评论的潜在语义信息这一问题,提出一种基于层次注意力的神经网络检测(HANN)模型。该模型主要由以下两部分组成:Word2Sent层,在词向量表示的基础上,采用卷积神经网络(CNN)生成连续的句子表示;Sent2... 展开更多; 关键词垃圾评论表示学习注意力机制卷积神经网络双向长短时记忆; 在线阅读下载PDF 职称材料

题名基于Inception-BLSTM的滚动轴承故障诊断方法研究被引量：16: 1; 作者赵凯辉吴思成李涛贺才春查国涛; 机构湖南工业大学电气与信息工程学院湖南工业大学交通工程学院中车株洲电力机车研究所有限公司株洲时代新材料科技股份有限公司; 出处《振动与冲击》 EI CSCD 北大核心 2021年第17期290-297,共8页; 基金国家自然科学基金(61773159) 湖南省自然科学基金(2020JJ6083,2020JJ6067,2019JJ40072) 湖南省研究生科研创新项目(CX20190861)。; 文摘针对传统的滚动轴承故障诊断方法依赖大量先验知识以及容易人为引入误差等缺点,结合Inception模型的多尺度抽象特征提取能力与双向长短时记忆(BLSTM)神经网络序列建模的优势,提出一种基于Inception-BLSTM的滚动轴承故障诊断方法。首先,设计Inception模型从滚动轴承振动信号中提取出多尺度抽象特征。其次,设计BLSTM进一步学习特征信息的时间依赖性。最后,通过全连接层将特征信息映射到对应的故障模式并得出诊断结果。实验结果表明,该方法在多负载场景下的轴承故障识别精度达到了99.6%,具有良好的负载适应性以及抗干扰能力。; 关键词滚动轴承故障诊断 Inception模型双向长短时记忆(blstm); Keywords rolling bearing fault diagnosis Inception model bidirectional long short-term memory(blstm); 分类号 TH133.33 [机械工程—机械制造及自动化] TH165.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于BLSTM-RNN的船舶轨迹修复方法被引量：5: 2; 作者王贵槐钟诚初秀民张代勇; 机构武汉交通职业学院武汉理工大学国家水运安全工程技术研究中心; 出处《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第10期7-12,67,共7页; 基金武汉市科技计划项目(2017010202010132) 武汉理工大学研究生自主创新基金项目(2017-YB-021); 文摘针对内河干线船舶AIS轨迹数缺失问题,提出一种基于双向长短时记忆网络(BLSTM-RNN)模型的船舶轨迹数据修复方法。通过利用船舶轨迹上下文信息及其他回传特征作为模型输入,构建两层的双向循环神经网络(RNN)模型。在模型输入上,采用相关性分析及序列自相关系数,确定船舶轨迹点相关变量及轨迹序列自相关滞后值;在模型结构上,以ACC率为指标对模型超参数值进行合理设置,以长江干线航道武汉段及重庆段船舶轨迹数据为样本,对模型进行实证验证。实验结果表明:与线性及其他机器学习方法相比BLSTM-RNN方法在精度上有一定提升;在武汉段顺直河段实验中,将修复误差控制在15 m量级内,远低于其他非线性方法的50 m量级;在重庆复杂河段内,可将修复误差控制在10 m量级;模型解决了传统方法在长距离丢失点上精度缺失的问题,在20个连续点丢失的情况上,将修复误差降低至50m量级。; 关键词船舶工程双向长短时记忆网络(blstm) 循环神经网络(RNN) 船舶轨迹修复船舶自动驾驶; Keywords marine engineering bidirectional long-term and short-term memory network(blstm) recurrent neural network(RNN) ship trajectory restoration ship autopilot; 分类号 U675.7 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名用于短文本分类的BLSTM_MLPCNN模型被引量：11: 3; 作者郑诚洪彤彤薛满意; 机构安徽大学计算机科学与技术学院; 出处《计算机科学》 CSCD 北大核心 2019年第6期206-211,共6页; 文摘文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTM_MLPCNN神经网络模型。该模型首先将卷积神经网络(CNN)作用于字符以获取字符级向量,并将字符级向量联合词向量作为预训练词嵌入向量,也即双向长短时记忆网(BLSTM)模型的输入;然后联合BLSTM模型的前向输出、词嵌入向量、后向输出构成文档特征图;最后利用多层感知器卷积神经网络(MLPCNN)进行特征提取。在相关数据集上的实验结果表明:相比于CNN,RNN以及CNN与RNN的组合模型,BLSTM_MLPCNN模型具有更优的分类性能。; 关键词字符级向量词向量卷积神经网络(CNN) 双向长短时记忆神经网络(blstm) 多层感知器(MLP) 多层感知器卷积网络(MLPCNN); Keywords Character-level vector Word vector Convolutional neural network(CNN) bidirectional long short-term memory network(blstm) Multi-layer perceptron(MLP) Multi-layer perceptron convolutional neural network(MLPCNN); 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DTW的注意力机制BLSTM在线手写签名认证被引量：2: 4; 作者王乐乐栾方军师金钢袁帅; 机构沈阳建筑大学信息与控制工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2023年第7期1529-1534,共6页; 基金国家自然科学基金面上项目(62073227)资助。; 文摘为了提高在线手写签名认证的准确率,设计了一种挖掘签名稳定笔段用于认证的方法.本文提出对签名笔段计算累计差异值矩阵进行匹配;其次采用动态时间规划(DTW)算法计算笔段稳定度;在此基础上,通过以笔段的特征输入双向长短期记忆网络(BLSTM)加注意机制进行处理,从而得到每个用户的稳定签名段集合;最后提取该集合的特征进行分类.该方法在svc2004数据库上进行验证并得到了97.08%的认证率,并在40个用户上取得了1.16%的等误率.该结果表明本文方法能够提高认证精度,并且验证了BLSTM与稳定笔段结合方法的有效性.; 关键词签名认证签名分段双向长短期记忆网络(blstm) 注意力机制; Keywords signature verification signature segment bidirectional Long Short-term memory Network(blstm) attentional mechanism; 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

题名一种用于人体行为识别的CNN-BLSTM模型被引量：5: 5; 作者邹小武盛蒙蒙毛家发盛伟国; 机构浙江工业大学计算机科学与技术学院杭州师范大学信息科学与工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2019年第11期2313-2317,共5页; 基金国家自然科学基金项目(61573316,61873082)资助公安信息化应用公安部重点实验室项目(2016DSJSYS004)资助; 文摘基于加速度计等多传感器融合的人体行为识别研究一般是通过提取特征值并利用分类器完成行为识别,因此数据特征的提取和分类器选择是该领域主要问题.针对行为特征提取和分类问题,本文提出一种基于CNN-BLSTM模型的人体行为识别方法.首先将加速度数据转换为张量形式,然后利用卷积神经网络(CNN)提取张量特征,接着将提取的特征输入双向长短期记忆网络(BLSTM)中,完成人体的行为识别.由于CNN在特征提取方面具有较好的性能,能够完整地提取特征,且行为动作在时间前后关联性较强,因此CNN-BLSTM模型具有较强的识别率.我们在WISDM数据集上进行了测试实验,结果显示所提方法对人体行为的平均识别率(多次独立重复实验的平均结果)达到了96. 95%.; 关键词行为识别加速度卷积神经网络双向长短期记忆网络; Keywords activity recognition acceleration convolutional neural network(CNN) bidirectional long short-term memory(blstm); 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

题名结合CNN与双向LSTM的心律失常分类被引量：10: 6; 作者李兴秀唐建军华晶; 机构江西农业大学计算机与信息工程学院江西农业大学软件学院; 出处《计算机科学与探索》 CSCD 北大核心 2021年第12期2353-2361,共9页; 基金国家自然科学基金(61861021,61863027) 江西省教育厅科技项目(190194)。; 文摘心律失常是心血管疾病中常见的病症之一,实现心律失常的自动分类对心血管疾病的诊治具有重要意义。基于一维心电信号的心律失常分类方法以若干节拍作为输入,通过模型提取特征并用于分类。针对现有方法预处理时间成本高以及未按医疗仪器促进协会(AAMI)标准分类等问题,提出了一种基于原始一维心电信号并按照AAMI推荐标准类别进行心律失常自动分类的方法。该方法首先利用卷积神经网络(CNN)学习心电信号的形态特征,之后通过双向长短期记忆网络(BLSTM)获取特征中的上下文依赖关系,最后借助softmax函数完成分类任务。方法采用mish函数作为激活函数,使得模型在训练中更为稳定。在公开数据库MIT-BIH上进行五折交叉验证,评估结果达到了99.11%的平均准确率,表明该模型可以有效地提取心电信号的特征,适用于监测系统中心律失常疾病的诊断。; 关键词心电信号心律失常卷积神经网络(CNN) 双向长短期记忆网络(blstm); Keywords ECG arrhythmia convolutional neural network(CNN) bidirectional long short-term memory(blstm)network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] R541.7 [医药卫生—心血管疾病]; 在线阅读下载PDF 职称材料

题名基于经验小波变换的鄱阳湖COD_(Mn)预测被引量：4: 7; 作者陈伟金柱成俞真元王晓丽彭士涛魏燕杰; 机构天津理工大学环境科学与安全工程学院朝鲜理科大学数学系交通运输部天津水运工程科学研究院; 出处《环境工程技术学报》 CAS CSCD 北大核心 2023年第1期180-187,共8页; 基金中央级公益性科研院所基本科研业务费专项(TKS190202,TKS20200405) 天津市科技计划项目(20JCQNJC00100)。; 文摘高锰酸盐指数(COD_(Mn))是衡量水质状况的最重要参数之一,能反映水体受还原性物质污染的程度。结合经验小波变换(EWT)和双向长短期记忆(BLSTM)神经网络,提出了一种先利用EWT将原始的COD_(Mn)时间序列分解成若干成分,然后利用BLSTM神经网络对分解出来的每个成分进行预测,最后将所有成分的预测结果重建获得最终COD_(Mn)预测值的新的混合模型EWT-BLSTM;并以2017年8月—2020年4月鄱阳湖COD_(Mn)监测数据为研究对象,进行模型性能验证。结果表明:EWTBLSTM模型具有良好的预测性能,预测未来1 d以后的COD_(Mn)时,EWT-BLSTM模型的平均绝对百分比误差为2.25%,与单一BLSTM神经网络模型相比降低了10.53%;预测未来7 d以后的COD_(Mn)时,EWT-BLSTM模型的平均绝对百分比误差为8.36%,与单一BLSTM神经网络模型相比降低了16.16%。在COD_(Mn)峰值处,该模型依然保持较高稳定的预测性能,说明在数据相对复杂、极端的情况下,该模型依然适用。; 关键词水质预测 COD_(Mn) 经验小波变换(EWT) 双向长短期记忆(blstm) 机器学习数学模拟鄱阳湖; Keywords water quality forecast COD_(Mn) empirical wavelet transform(EWT) bidirectional long short-term memory(blstm) machine learning mathematical modelling Poyang Lake; 分类号 X524 [环境科学与工程—环境工程]; 在线阅读下载PDF 职称材料

题名基于分层注意力机制的神经网络垃圾评论检测模型被引量：3: 8; 作者刘雨心王莉张昊; 机构太原理工大学信息与计算机学院太原理工大学大数据学院; 出处《计算机应用》 CSCD 北大核心 2018年第11期3063-3068,3074,共7页; 基金国家863计划项目(2014AA015204) 国家自然科学基金资助项目(61702356) +1 种基金中国科学院计算技术研究所网络数据科学重点实验室课题(CASNDST20140X)~~; 文摘针对现有垃圾评论识别方法很难揭示用户评论的潜在语义信息这一问题,提出一种基于层次注意力的神经网络检测(HANN)模型。该模型主要由以下两部分组成:Word2Sent层,在词向量表示的基础上,采用卷积神经网络(CNN)生成连续的句子表示;Sent2Doc层,基于上一层产生的句子表示,使用注意力池化的神经网络生成文档表示。生成的文档表示直接作为垃圾评论的最终特征,采用softmax分类器分类。此模型通过完整地保留评论的位置和强度特征,并从中提取重要的和综合的信息(文档任何位置的历史、未来和局部上下文),挖掘用户评论的潜在语义信息,从而提高垃圾评论检测准确率。实验结果表明,与仅基于神经网络的方法相比,该模型准确率平均提高5%,分类效果显著改善。; 关键词垃圾评论表示学习注意力机制卷积神经网络双向长短时记忆; Keywords spam review representation learning attention mechanism Convolutional Neural Network(CNN) bidirectional long-short term memory(blstm); 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	作者	出处	发文年	被引量	操作
1	基于Inception-BLSTM的滚动轴承故障诊断方法研究	赵凯辉吴思成李涛贺才春查国涛	《振动与冲击》 EI CSCD 北大核心	2021	16	在线阅读下载PDF 职称材料
2	基于BLSTM-RNN的船舶轨迹修复方法	王贵槐钟诚初秀民张代勇	《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
3	用于短文本分类的BLSTM_MLPCNN模型	郑诚洪彤彤薛满意	《计算机科学》 CSCD 北大核心	2019	11	在线阅读下载PDF 职称材料
4	基于DTW的注意力机制BLSTM在线手写签名认证	王乐乐栾方军师金钢袁帅	《小型微型计算机系统》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
5	一种用于人体行为识别的CNN-BLSTM模型	邹小武盛蒙蒙毛家发盛伟国	《小型微型计算机系统》 CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
6	结合CNN与双向LSTM的心律失常分类	李兴秀唐建军华晶	《计算机科学与探索》 CSCD 北大核心	2021	10	在线阅读下载PDF 职称材料
7	基于经验小波变换的鄱阳湖COD_(Mn)预测	陈伟金柱成俞真元王晓丽彭士涛魏燕杰	《环境工程技术学报》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
8	基于分层注意力机制的神经网络垃圾评论检测模型	刘雨心王莉张昊	《计算机应用》 CSCD 北大核心	2018	3	在线阅读下载PDF 职称材料