期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,069篇文章
< 1 2 … 54 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
小样本下基于改进麻雀算法优化卷积神经网络的飞轮储能系统损耗 被引量：4
1
作者 魏乐 李承霖 +1 位作者 房方 刘渝斌 《电网技术》 北大核心 2025年第1期366-372,I0113-I0115,共10页
飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵... 飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵武电厂的飞轮运行数据进行预处理,并使用对抗生成网络进行小样本扩充;然后基于卷积神经网络建立损耗模型,使用改进的麻雀算法对模型超参数进行优化,并通过对比验证了该模型的优越性;最后通过仿真实验证明了该模型能够优化飞轮储能系统的出力,降低飞轮损耗。 展开更多
关键词 飞轮储能系统损耗 小样本学习 卷积神经网络 麻雀搜索算法 LOGISTIC混沌映射
在线阅读 下载PDF
基于一维卷积神经网络与自编码算法的松属物种鉴别机制
2
作者 陈冬英 翁伟雄 +1 位作者 陈培亮 魏建崇 《生态学报》 北大核心 2025年第5期2401-2411,共11页
松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并... 松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并结合一维连续型卷积神经网络(1D⁃CS⁃CNN)与自编码技术的松属物种检测机制。使用更高效率的连续型结构替代传统1D⁃CNN模型中隐含层结构,并针对松属NIRS数据适应性改进为1D⁃CS⁃CNN模型,使其可直接应用于一维NIRS数据。结合自编码器的重构误差设计一种考虑未知类别的松属物种鉴别方法,通过待测样本的自编码重构误差来解决卷积神经网络置信度过高的问题,将修正的置信度与预先设定的阈值进行比较,判断该样本是否为未知品种。实验结果表明,1D⁃CS⁃CNN训练集与测试集准确率均达到近100%,损失值收敛为0.015,改进后的1D⁃CS⁃CNN模型识别速度更快;同时,自编码模型对未知类别松属检测机制识别率为99%。实验结果证明,该模型可快速高效分类出不同松属物种,同时检测出松属新物种。 展开更多
关键词 松属物种 近红外光谱(NIRS) 自编码器 一维连续卷积神经网络(1D⁃CS⁃cnn) 鉴别
在线阅读 下载PDF
利用非支配排序遗传算法优化卷积神经网络研究节点地震仪RFID测距
3
作者 庞聪 林春晓 +3 位作者 李忠亚 江勇 陈国庆 宋莹莹 《大地测量与地球动力学》 北大核心 2025年第10期1079-1084,共6页
针对无线型节点地震仪在野外复杂勘探环境下无法准确定位和可能丢失的问题,研究超高频RFID高精度测距定位具有重要意义。首先利用接收信号强度指示器(RSSI)近似计算公式筛除误差较大的采样值;然后设计第3代非支配排序遗传算法(NSGA-Ⅲ)... 针对无线型节点地震仪在野外复杂勘探环境下无法准确定位和可能丢失的问题,研究超高频RFID高精度测距定位具有重要意义。首先利用接收信号强度指示器(RSSI)近似计算公式筛除误差较大的采样值;然后设计第3代非支配排序遗传算法(NSGA-Ⅲ)的2个优化目标函数,其自变量统一为学习率下降因子、初始学习率、批大小等一维卷积神经网络(1D-CNN)超参数,因变量分别为网络预测结果与理论值的决定系数(R^(2))和平均偏差误差(MBE);最后以最佳超参数值构成NSGAⅢ-1D-CNN新模型,以提高RFID测距模型的稳定性和精确度。实验结果表明,新模型在100轮循环实验下的节点地震仪RFID测距误差较小,在R^(2)、均方根误差(RMSE)、平均绝对误差(MAE)、MBE等多个指标上均表现优异,均值分别为0.9779、0.0586 m、0.0472 m、-0.0013 m,相对于其他模型具有更高的测距定位精度,在野外物探中具有一定应用价值。 展开更多
关键词 节点地震仪 RFID测距 一维卷积神经网络 超参数优化 非支配排序遗传算法 多目标优化
在线阅读 下载PDF
基于粒子群优化算法的量子卷积神经网络 被引量：1
4
作者 张嘉雯 蔡彬彬 林崧 《量子电子学报》 北大核心 2025年第1期123-135,共13页
针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在... 针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在图像分类任务上表现优异的电路结构。基于Fashion MNIST和MNIST标准数据集的仿真实验表明,该模型具有较强的学习能力和良好的泛化性能,准确率分别可达94.7%和99.05%。相较于现有量子卷积神经网络模型,平均分类精度最高分别提升了4.14%和1.43%。 展开更多
关键词 量子光学 量子卷积神经网络 粒子群优化算法 量子机器学习 参数化量子电路
在线阅读 下载PDF
Nadam算法优化卷积神经网络的滚动轴承多故障耦合诊断
5
作者 唐蒙 张义民 张凯 《机械设计与制造》 北大核心 2025年第3期23-26,39,共5页
针对滚动轴承在变载荷,变转速环境和多故障耦合工况下,传统故障诊断方法存在诊断准确率低,泛化能力差的问题,提出了一种基于Nadam算法优化的卷积神经网络模型。其优点是加深卷积神经网络模型的结构,进一步加强网络对特征的表达能力。利... 针对滚动轴承在变载荷,变转速环境和多故障耦合工况下,传统故障诊断方法存在诊断准确率低,泛化能力差的问题,提出了一种基于Nadam算法优化的卷积神经网络模型。其优点是加深卷积神经网络模型的结构,进一步加强网络对特征的表达能力。利用Nadam算法提高所建立网络模型的收敛速度和学习质量,利用新的网络模型实现滚动轴承故障诊断。为验证提出方法的有效性,通过对BL2060实验平台上变载荷、变转速的19类多故障耦合的实验数据集进行实验分析,并与目前常用网络模型进行对比,结果表明该模型对多故障耦合的轴承故障分类可达到100%的准确率,优于其他网络模型。该方法的诊断准确率高,收敛速度快,适用于多故障类型耦合的滚动轴承的故障诊断。 展开更多
关键词 滚动轴承 多故障耦合 卷积神经网络 Nadam算法 变载荷 变转速 故障诊断
在线阅读 下载PDF
基于瞪羚算法优化卷积神经网络的光储构网型逆变器优化控制技术 被引量：1
6
作者 庞秀岚 李晓峰 +3 位作者 杨祺 李宪 李雪红 靳文星 《可再生能源》 北大核心 2025年第5期687-695,共9页
随着光伏、储能等清洁能源大规模接入电网,构网型控制技术在处理缺乏同步性的新能源电力系统电压稳定问题时具有明显优势。然而,如何自适应控制构网型光储逆变器参数,使得电网阻抗发生变化时电压仍然保持稳定是当前亟须解决的一个问题... 随着光伏、储能等清洁能源大规模接入电网,构网型控制技术在处理缺乏同步性的新能源电力系统电压稳定问题时具有明显优势。然而,如何自适应控制构网型光储逆变器参数,使得电网阻抗发生变化时电压仍然保持稳定是当前亟须解决的一个问题。基于此,文章提出一种基于瞪羚算法优化卷积神经网络的光储构网型逆变器优化控制方法。首先,搭建构网型逆变器控制模型,对输出电压稳定性进行分析;其次,基于卷积神经网络建立逆变器参数控制模型,利用瞪羚优化算法寻优能力强、搜索速度快的特点优化卷积神经网络超参数,提升模型特征学习能力,输出逆变器控制参数;最后,选取某光储发电地区进行仿真验证。仿真结果表明,所提构网型光储逆变器控制方法能够根据电网阻抗实时变化自适应优化控制参数,实现电压稳定输出,具有较强的实际工程意义。 展开更多
关键词 清洁能源 构网型控制 光储逆变器 瞪羚算法 卷积神经网络
在线阅读 下载PDF
基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法
7
作者 贾克斌 吴岳珩 《北京工业大学学报》 北大核心 2025年第5期539-551,共13页
针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。... 针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。 展开更多
关键词 三维高效视频编码(three-dimensional high efficiency video coding 3D-HEVC) 深度图 卷积神经网络(convolutional neural networks cnn) 编码单元(coding unit CU)划分 帧内编码 双特征流
在线阅读 下载PDF
基于深度神经网络的遗传算法对抗攻击 被引量：1
8
作者 范海菊 马锦程 李名 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期82-90,I0007,共10页
深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个... 深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个基于卷积神经网络图像分类器的成功攻击.实验结果表明在对3个分类模型进行单像素攻击时,67.92%的CIFAR-10数据集中的自然图像可以被扰动到至少一个目标类,平均置信度为79.57%,攻击效果会随着修改像素的增加进一步提升.此外,相比于LSA和FGSM方法,攻击效果有着显著提升. 展开更多
关键词 卷积神经网络 遗传算法 对抗攻击 图像分类 信息安全
在线阅读 下载PDF
融合改进卷积神经网络和层次SVM的鸡蛋外观检测 被引量：1
9
作者 姚万鹏 张凌晓 +1 位作者 赵肖峰 王飞成 《食品与机械》 北大核心 2025年第1期158-164,共7页
[目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2... [目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2)设计改进的浣熊优化算法(coati optimization algorithm,COA)和FCM聚类算法,在此基础上对卷积神经网络(convolutional neural network,CNN)模型结构和超参数进行优化,以提升CNN泛化能力。运用优化后的CNN深度学习鸡蛋图像数据库,从而实现鸡蛋外观图像特征的有效提取。(3)建立层次支持向量机鸡蛋外观分类工具,最终实现对鸡蛋外观的准确检测分类。[结果]所提鸡蛋外观检测方案的检测准确率提高了1.74%~4.31%,检测时间降低了21.68%~53.51%。[结论]所提方法能够有效实现对鸡蛋的在线实时精细化分类。 展开更多
关键词 鸡蛋外观 卷积神经网络 浣熊优化算法 支持向量机 特征提取
在线阅读 下载PDF
基于深度子领域适应卷积神经网络的结构损伤识别 被引量：1
10
作者 张健飞 曹雨 《振动与冲击》 北大核心 2025年第3期251-260,共10页
针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结... 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。 展开更多
关键词 结构损伤识别 子领域适应 局部最大均值差异 卷积神经网络(cnn)
在线阅读 下载PDF
采用卷积神经网络的室内可见光定位方法
11
作者 王亮 孙海燕 《导航定位学报》 北大核心 2025年第1期128-136,共9页
针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神... 针对多径反射与系统噪声导致室内可见光定位精度下降的问题,提出一种基于扩张卷积网络的室内可见光三维定位方法:基于皮尔森相关性系数对采集的接收信号强度向量进行过滤,删除系统噪声引起的非线性失真接收信号强度向量,以提高训练的神经网络精度;然后,将接收信号强度向量集建立的指纹库传入神经网络进行训练,利用神经网络较强的三维空间结构表达能力拟合多径反射和系统噪声下的非线性指纹库。仿真结果表明,在7 m×7 m×3 m的室内环境下,所提方法的平均定位误差可达0.91 cm,其中90%样本的定位误差小于1.17 cm;此外,所提方法的平均定位误差较全连接神经网络和卷积神经网络可分别降低0.82 cm和0.56 cm,证明所提方法在多径反射与系统噪声环境下具有较好的定位性能。 展开更多
关键词 可见光通信系统 室内定位 物联网 卷积神经网络(cnn) 可见光定位
在线阅读 下载PDF
基于参数优化VMD与宽卷积神经网络的齿轮箱故障诊断 被引量：1
12
作者 万佳诚 曾宪文 李靖超 《电子测量技术》 北大核心 2025年第10期25-32,共8页
针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题,提出一种基于改进的黑翅鸢优化算法(GBKA)优化变分模态分解(VMD)和宽卷积神经网络(WDCNN)的故障诊断方法。首先,针对黑翅鸢算法(BKA)易陷入局部最优和过早收敛的缺陷,引入... 针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题,提出一种基于改进的黑翅鸢优化算法(GBKA)优化变分模态分解(VMD)和宽卷积神经网络(WDCNN)的故障诊断方法。首先,针对黑翅鸢算法(BKA)易陷入局部最优和过早收敛的缺陷,引入遗传算法的基因交叉重组与变异操作对BKA进行改进;其次,利用改进后的GBKA对VMD参数寻优,通过相关系数筛选模态分量并重构信号;最后,将重构信号输入WDCNN模型,实现故障分类。结果表明,在测试函数上,GBKA相比BKA具有更优的寻优性能;在两种工况下,该方法的平均故障分类准确率分别达到99.645%和99.978%,优于其他对比方法,并且在噪声实验中受到噪声的影响较小,验证了所提模型的有效性和稳定性,为齿轮箱故障诊断提供了一种可靠的解决方案。 展开更多
关键词 行星齿轮 故障诊断 宽卷积神经网络 VMD GBKA算法
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：2
13
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(cnn) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹
在线阅读 下载PDF
基于卷积神经网络的窄线宽光谱结构参数优化
14
作者 富小鸥 王原丽 +1 位作者 杜庆国 付琴 《江苏大学学报(自然科学版)》 北大核心 2025年第4期438-443,共6页
为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题,提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象,利用时域有限差分方法仿真生成4096组数据集,构建并训练正... 为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题,提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象,利用时域有限差分方法仿真生成4096组数据集,构建并训练正向预测网络;进一步将训练好的网络与遗传算法相结合,实现超表面结构参数优化.仿真结果表明:训练好的预测网络在测试集上的损失值仅为5.6×10^(-4),且结合优化算法寻优得到的结果比原始数据集中最小半高全宽减小了0.040 nm.新方法相较于传统方法提升了复杂超表面结构的优化效率和效果. 展开更多
关键词 超表面 微纳结构设计 Fano共振 深度学习 卷积神经网络 优化算法
在线阅读 下载PDF
融合卷积神经网络的城轨列车运行计划优化
15
作者 叶建斌 李超 +2 位作者 肖琼 唐金金 王忠有 《科学技术与工程》 北大核心 2025年第27期11793-11799,共7页
城市轨道交通作为重要的公共交通方式,需在满足乘客出行需求的同时,降低能源消耗成本。为同时满足乘客出行效率与企业能源成本控制的双重目标,综合考虑列车发车间隔、载客定员及客流量等约束条件,构建了基于乘客需求与企业利益的列车运... 城市轨道交通作为重要的公共交通方式,需在满足乘客出行需求的同时,降低能源消耗成本。为同时满足乘客出行效率与企业能源成本控制的双重目标,综合考虑列车发车间隔、载客定员及客流量等约束条件,构建了基于乘客需求与企业利益的列车运行优化模型。针对该优化模型,提出了一种卷积神经网络增强遗传算法。案例的计算结果表明卷积神经网络增强遗传算法比传统的遗传算法求解速度更快,且更不容易陷入局部最优。利用本文提出的模型和算法优化后的出行时间减少了10.21%,能耗降低了5.13%。研究结果为城市轨道交通时刻表优化提供了有效的理论依据,能够在降低企业能耗成本和减少乘客出行时间方面发挥作用,在提升交通运输系统效率和节约资源消耗方面具有重要意义。 展开更多
关键词 城市轨道交通 节能 时刻表优化 卷积神经网络增强遗传算法
在线阅读 下载PDF
基于Zynq的卷积神经网络加速器设计
16
作者 孟凡开 张峰 +1 位作者 李淼 张多利 《合肥工业大学学报(自然科学版)》 北大核心 2025年第7期904-909,共6页
针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数... 针对卷积神经网络(convolutional neural network,CNN)嵌入式部署资源开销大、运行速度慢等问题,文章提出一种以Tiny-YOLOv3作为算法模型的CNN硬件加速器。首先,基于Tiny-YOLOv3网络各层的特性和要求设计CNN加速器实现方案,将权重系数按位分割,面向单bit权重设计卷积加速器,通过逐位实施达到处理速度和识别率的高效平衡;然后,采用查表选择法实现卷积算子的乘加运算,设计一款6×3×16的三维加速器计算阵列,可单周期完成288个卷积窗口计算;最后,在Xilinx Zynq UltraScale+MPSoC系列芯片上对设计的CNN加速器进行性能测试。实验结果表明,该CNN加速器在200 MHz频率下具有518.4 GOPS的算力,比现有的解决方案性能提高了约63%。 展开更多
关键词 卷积神经网络(cnn) Tiny-YOLOv3网络模型 硬件加速 流水阵列 并行运算
在线阅读 下载PDF
基于集成学习和卷积神经网络的电网客服短期话务量预测
17
作者 覃浩 苏立伟 +5 位作者 伍广斌 蒋崇颖 徐智鹏 康峰 谭火超 张勇军 《上海交通大学学报》 北大核心 2025年第2期266-273,共8页
现代供电服务体系对用电客户服务的服务质量提出更高要求,精准的供电服务话务量预测不仅可以提高用电客户服务质量,还能有效降低客服人员成本.为此,基于集成学习和卷积神经网络提出一种电网短期话务量预测方法.首先,采用孤立森林算法进... 现代供电服务体系对用电客户服务的服务质量提出更高要求,精准的供电服务话务量预测不仅可以提高用电客户服务质量,还能有效降低客服人员成本.为此,基于集成学习和卷积神经网络提出一种电网短期话务量预测方法.首先,采用孤立森林算法进行异常数据识别,建立拉格朗日插值函数对异常数据或缺失数据进行修补;其次,利用层次分析法量化用户信息、气象信息和停电信息,采用灰色关联法分析话务量的影响因子,将影响因子作为话务量预测模型输入;然后,构建自适应增强(Adaboost)算法集成多个卷积神经网络(CNN)模型,提出一种Adaboost-CNN的话务量预测模型;最后,考虑供电服务系统增值服务,对预测结果进行修正,得到最终的话务量预测值.算例分析表明,所提预测模型较单一预测模型误差平均减少11.05个百分点、较组合预测模型误差平均减少5.32个百分点,具有更好的预测精度. 展开更多
关键词 现代供电服务体系 话务量预测 ADABOOST算法 卷积神经网络 孤立森林算法 增值服务
在线阅读 下载PDF
基于XRF与一维卷积神经网络的汽车保险杠分类与识别
18
作者 姜红 施磊 鞠晨阳 《工程塑料应用》 北大核心 2025年第6期134-139,共6页
为建立一种简便快速、准确可靠且无损的汽车保险杠分类方法,利用能量色散型X射线荧光光谱(XRF),在电压40 kV、电流60 mA、测试时间90 s时,对60个不同厂家、不同车型的汽车保险杠样品进行检测与分析。首先,对XRF检测出的保险杠9种主要元... 为建立一种简便快速、准确可靠且无损的汽车保险杠分类方法,利用能量色散型X射线荧光光谱(XRF),在电压40 kV、电流60 mA、测试时间90 s时,对60个不同厂家、不同车型的汽车保险杠样品进行检测与分析。首先,对XRF检测出的保险杠9种主要元素进行主成分分析降维和标准化处理,然后用K均值(K-means)聚类算法将60个样品分为4类,并采用高斯混合模型聚类算法探究聚类结果的准确性。同时,基于聚类结果构建一维卷积神经网络判别模型,在卷积层后插入了简易通道注意力模块,并增加全局池化压缩特征,提升模型判别预测能力,选用交叉熵损失评估模型的收敛性和训练效果。通过500轮的循环,发现损失函数逐渐下降并趋于稳定,该模型预测判别的综合准确率可达95.83%。建立的汽车保险杠分类方法简单快速、准确可靠且对样品无损伤,可以实现对汽车保险杠的快速识别和分类,有助于侦查人员追溯汽车保险杠的来源和流通渠道,也可为此类物证的检验鉴定提供技术支持。 展开更多
关键词 X射线荧光光谱 汽车保险杠 聚类算法 卷积神经网络 分类
在线阅读 下载PDF
基于SSA-BiGRU-CNN神经网络和波动数据修正的电动汽车短期负荷预测模型 被引量：1
19
作者 张钰声 曹敏 +1 位作者 雷宇 李龙 《电网与清洁能源》 北大核心 2025年第2期67-74,共8页
为提高区域级电动汽车负荷预测精度,考虑了历史负荷数据自身的内在联系以及天气因素所带来的波动影响,提出一种基于麻雀搜索算法的双向门控循环单元(bidirectional gaterecurrentunit,BiGRU)-卷积神经网络(convolutional neural network... 为提高区域级电动汽车负荷预测精度,考虑了历史负荷数据自身的内在联系以及天气因素所带来的波动影响,提出一种基于麻雀搜索算法的双向门控循环单元(bidirectional gaterecurrentunit,BiGRU)-卷积神经网络(convolutional neural network,CNN)的电动汽车短期负荷预测模型。构建BiGRU-CNN模型,并应用麻雀搜索算法(sparrowsearch algorithm,SSA)对BiGRU神经网络参数进行优化;利用BiGRU神经网络充分学习历史负荷数据的前、后向联系,采用CNN对历史负荷数据进行局部优化,并通过全连接层进行预测;考虑到天气数据内部规律性不强,采用BiGRU-CNN神经网络对天气数据所带来的负荷波动进行误差预测和修正。以陕西某区域电动汽车充电站为例,分别预测预见期为4 h和24 h的电动汽车负荷,实验结果表明,所提模型无论在工作日还是双休日都具有很高的预测精度,验证了所提方法的有效性。 展开更多
关键词 电动汽车 负荷预测 双向门控循环单元 卷积神经网络 麻雀搜索算法
在线阅读 下载PDF
基于S谱能量曲线与卷积神经网络的天然地震与爆破事件分类识别
20
作者 孟娟 李亚南 高强 《地震学报》 北大核心 2025年第2期232-241,共10页
以震级为ML1.3—3.0的1万2936条人工爆破微震记录和1万3215条天然微震波形为研究对象,对其原始地震波形进行1—30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选。对处理后的地震波形数据进行S变换,... 以震级为ML1.3—3.0的1万2936条人工爆破微震记录和1万3215条天然微震波形为研究对象,对其原始地震波形进行1—30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选。对处理后的地震波形数据进行S变换,获取其S谱能量曲线,然后将S谱能量曲线图转换为32×32像素的灰度特征图,并将其作为卷积神经网络的输入进行训练,基于训练好的模型进行10折交叉测试验证。结果显示地震与爆破事件的分类识别准确率高达97.80%,表明利用S谱能量曲线能较好地识别天然地震与人工爆破。 展开更多
关键词 人工爆破 天然地震 卷积神经网络(cnn) S变换 分类识别
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 54 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部