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2,422篇文章
< 1 2 … 122 >
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：
基于CNN-LSTM融合神经网络的CRTSⅡ型轨道板温度预测方法 被引量：3
1
作者 王得道 王森荣 +1 位作者 林超 李顺龙 《铁道学报》 EI CAS CSCD 北大核心 2023年第2期108-115,共8页
准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警,减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律,提出基于卷积神经网络(CNN)与长短期记... 准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警,减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律,提出基于卷积神经网络(CNN)与长短期记忆网络(LSTM)融合模型的板温预测方法。先通过CNN在时间轴上对气温与轨温进行卷积提取出过去一段时间内外界气象条件对当前时刻板温的影响,再将CNN在各个时间点上的输出作为LSTM的输入特征利用轨道板自身的传热规律对板温进行预测。结果表明:过去12 h内的外界气象条件对当前时刻的板温有较大影响,利用训练好的CNN-LSTM在测试集上对未来40 min的板温进行预测,其预测误差绝对值的数学期望为0.925℃。 展开更多
关键词 轨道板 温度预测 卷积神经网络 长短期记忆网络 cnn-lstm融合神经网络
在线阅读 下载PDF
基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断
2
作者 孙丽玲 唐李昱 许伯强 《电机与控制学报》 北大核心 2025年第5期12-18,共7页
为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频... 为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频域信号;然后,将每一个频率视为一个结点,对应的振动和电流信号视为节点特征,根据K近邻图构造法,将振动信号和电流信号融合成图结构数据;进而,将图数据输入通过添加初始残差连接模块而改进的图卷积神经网络进行训练,从而得到诊断结果。在帕德博恩数据集上,将所提方法和多种模型进行电机轴承故障诊断对比实验,实验结果表明,所提模型的故障识别准确率能达到98.6%,优于对比方法,证明所提数据融合方法与改进图卷积神经网络是有效的。 展开更多
关键词 深度学习 故障诊断 图卷积神经网络 电机轴承 快速傅里叶变换 数据融合 电流数据
在线阅读 下载PDF
基于多尺度融合神经网络的同频同调制单通道盲源分离算法
3
作者 付卫红 张鑫钰 刘乃安 《系统工程与电子技术》 北大核心 2025年第2期641-649,共9页
针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。... 针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。首先,编码模块提取出混合通信信号的编码特征;然后,分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;最后,解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明,所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以高效面对复杂通信环境的挑战。 展开更多
关键词 单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理
在线阅读 下载PDF
基于融合特征和残差神经网络的10 kV高压断路器机械故障声纹识别方法 被引量：4
4
作者 段梵 李先允 +2 位作者 单光瑞 陈兰杭 杨凯 《高压电器》 北大核心 2025年第3期205-213,共9页
针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先,以(ZN63)12/630A型高压户内真空断路器为研究对象,设置常见的8种机械故障... 针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先,以(ZN63)12/630A型高压户内真空断路器为研究对象,设置常见的8种机械故障,采集其分合闸时的声音作为检测信号;其次,将采集的故障声纹信号进行预处理,提取故障声纹信号的梅尔倒频谱系数(MFCC)特征、色度特征(chroma features)以及一维平均能量和频谱质心,并利用Fisher比舍弃贡献率低的分量,构成融合特征;最后以提取的融合特征作为诊断依据,构建基于残差神经网络的10 kV断路器机械故障诊断模型。结果表明文中方法对10 kV高压断路器常见的8种机械故障诊断识别准确率为99.99%。可作为当前检测手段的有效补充,提高高压断路器综合检测和潜伏性缺陷识别能力。 展开更多
关键词 10 kV高压断路器 声纹识别 融合特征 残差神经网络 故障诊断
在线阅读 下载PDF
基于特征融合变维卷积神经网络的高铁轮轨不良状态识别方法 被引量：1
5
作者 彭佳宁 池茂儒 +3 位作者 梁树林 许文天 崔利通 戴成昊 《铁道标准设计》 北大核心 2025年第9期223-233,共11页
高速列车轮轨状态对车辆服役安全性影响较大,轮轨状态不良会加剧轮轨间相互作用,不仅影响车辆运营安全,而且对乘客乘坐舒适性产生影响。在轮轨不良状态中,车轮多边形和钢轨波磨问题尤为突出,传统车载轮轨监测方法诊断精度较低、结果反... 高速列车轮轨状态对车辆服役安全性影响较大,轮轨状态不良会加剧轮轨间相互作用,不仅影响车辆运营安全,而且对乘客乘坐舒适性产生影响。在轮轨不良状态中,车轮多边形和钢轨波磨问题尤为突出,传统车载轮轨监测方法诊断精度较低、结果反馈不及时,易导致轮轨状态持续恶化,所以轮轨状态的高质量快速诊断问题亟待解决。建立某型高速动车组刚柔耦合模型,制作了干扰性较强的轮轨不良状态数据集,仿真获得不同工况下的轴箱垂向振动加速度,提出一种基于轴箱垂向振动加速度的时、频域特征融合变维卷积神经网络对轮轨状态进行识别,实现了对列车轮轨状态快速、准确识别,解决了时频分析、主成分分析方法以及现有车载轮轨状态监测系统在复杂工况下轮轨状态判别困难的问题。该诊断模型在一维卷积神经网络对振动时间序列和对应频谱序列进行快速降维的基础上,将时、频特征融合并升维重排形成时频特征图,采用二维卷积神经网络对小尺寸时频特征图进行特征提取和轮轨状态判别。结果表明,该模型在无需进行复杂信号处理和信号主成分分析的情况下,仿真测试集准确率达到95%以上,实测数据集准确率较高且响应时间较短,研究成果对轮轨健康在线监测具有一定的理论意义。 展开更多
关键词 高速列车 车轮多边形 钢轨波磨 特征融合 变维卷积神经网络
在线阅读 下载PDF
基于多特征融合神经网络的发光连接故障识别技术
6
作者 杨鹏涛 吕亮 +2 位作者 朱恺 汲胜昌 徐阳 《消防科学与技术》 北大核心 2025年第10期1530-1539,共10页
电气线路中因接触不良引起的发光连接故障极易诱发电气火灾,但发生发光连接故障的位置常常是未知的。为了解决检测困扰,搭建了发光连接试验平台,将检测重点聚焦为发光连接试验回路的回路电流,提取其时域、频域及时频域特征。针对实际场... 电气线路中因接触不良引起的发光连接故障极易诱发电气火灾,但发生发光连接故障的位置常常是未知的。为了解决检测困扰,搭建了发光连接试验平台,将检测重点聚焦为发光连接试验回路的回路电流,提取其时域、频域及时频域特征。针对实际场景中样本量少、数据不平衡问题,建立基于Wasserstein梯度惩罚生成对抗网络,用于数据增强。最后搭建一维卷积神经网络,对实验室得到的新样本进行识别。试验结果表明:发光连接故障与正常状态的回路电流在5~15 kHz特征频段可以进行区分。所搭建的发光连接故障识别模型训练准确率达99.93%,成功实现了实验室得到的15组回路状态的故障识别。 展开更多
关键词 电气火灾 发光连接 神经网络 多特征融合 故障识别 电弧
在线阅读 下载PDF
融合图神经网络的多模态微视频推荐算法
7
作者 王子文 游进国 +1 位作者 胡荣笙 贾连印 《小型微型计算机系统》 北大核心 2025年第4期825-832,共8页
现有多模态图神经网络推荐算法在进行多模态融合时,普遍使用图神经网络提取的节点特征进行融合,而未考虑到全局图结构信息和模态信息对融合的影响;并且现有的多模态融合方法大多只考虑模态间的差异,而忽视了模态内部的情况.对此,本文提... 现有多模态图神经网络推荐算法在进行多模态融合时,普遍使用图神经网络提取的节点特征进行融合,而未考虑到全局图结构信息和模态信息对融合的影响;并且现有的多模态融合方法大多只考虑模态间的差异,而忽视了模态内部的情况.对此,本文提出一种融合图神经网络的多模态微视频推荐算法(MCCF,Multi-modal Contrast-Conflict Fusion).该算法利用一种感知模态信息的注意力机制,将节点级特征转化为表征不同模态的图级特征;同时,分别使用节点级和图级特征表示,计算模态内“对比性”和模态间“冲突性”,客观评价了不同模态的重要性,实现了多模态融合.在Movielens和Tiktok两个微视频公开数据集上进行的实验表明,本文提出的算法在推荐性能上较基线方法有明显提升. 展开更多
关键词 多模态推荐系统 多模态融合 图卷积神经网络 对比冲突融合
在线阅读 下载PDF
基于CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测 被引量：1
8
作者 何为 岳留强 +3 位作者 唐智和 栾辉 陈昌照 王若尧 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期121-129,共9页
快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM... 快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM混合神经网络算法,建立炼化企业污水处理场COD排放浓度预测模型。结果表明,该模型既可发挥CNN较好刻画、提取局部特征信息的优势,又具有LSTM对连续时间序列数据较好继承性的特点,其均方根误差为22.3217、决定系数为0.8732,平均相对误差较LSTM网络构建的模型降低5.45%。 展开更多
关键词 炼化污水处理 混合神经网络(cnn-lstm) COD浓度 污染排放预测
在线阅读 下载PDF
基于多感知双阶融合神经网络的GIS绝缘缺陷诊断技术
9
作者 闫泽玉 刘云鹏 +2 位作者 范晓舟 肖海 范澜珊 《中国电机工程学报》 北大核心 2025年第16期6535-6548,I0033,共15页
为综合多传感多模态局部放电数据,提升微小偶发缺陷的诊断精度,提出多感知双阶融合神经网络(multi-perception dual-order fusion neural network,MPDOFNN)进行气体绝缘组合电器(gas insulated switchgear,GIS)绝缘缺陷诊断。MPDOFNN基... 为综合多传感多模态局部放电数据,提升微小偶发缺陷的诊断精度,提出多感知双阶融合神经网络(multi-perception dual-order fusion neural network,MPDOFNN)进行气体绝缘组合电器(gas insulated switchgear,GIS)绝缘缺陷诊断。MPDOFNN基于多模态神经网络(multimodal neural network,MMNN)搭建,并嵌入双阶融合框架。一阶融合进行各传感器同构信息的融合,通过多注意融合模块,自适应计算各通道的信息贡献,依据信息权重对各通道同构信息进行信息无损的变权融合。二阶融合在一阶融合的基础上,利用Maxout串联层,进行局部放电相位分布图(phase resolved partial discharge,PRPD)、脉冲序列相位分布图(phase resolved pulse sequence,PRPS)、经验特征的异构信息融合。该串联层通过信息竞争,只保留各模态数据的优势特征,从而滤除局放同源异构数据的冗余信息,降低模型训练规模和难度。试验结果表明,MPDOFNN能够更加有效地整合局部放电多传感多模态数据,在单样本50、100、500、1000脉冲数量下诊断性能均优于其他诊断方法,更适应局部放电脉冲数量少、噪声干扰强的现场检测条件。 展开更多
关键词 气体绝缘组合电器 局部放电 多传感融合 多模态神经网络 多头注意力
在线阅读 下载PDF
可解释性融合神经网络在巢湖总磷浓度预测中的应用
10
作者 肖裕锋 张代青 《中国农村水利水电》 北大核心 2025年第7期44-51,共8页
总磷浓度超标是导致巢湖不同区域出现不同程度富营养化的原因之一,准确地预测总磷浓度变化对流域污染治理意义重大。为了精准预测巢湖总磷浓度,提出一种基于XGboost特征筛选的VMD-TCN-BiLSTM模型,此模型结合了变分模态分解(VMD)、时间... 总磷浓度超标是导致巢湖不同区域出现不同程度富营养化的原因之一,准确地预测总磷浓度变化对流域污染治理意义重大。为了精准预测巢湖总磷浓度,提出一种基于XGboost特征筛选的VMD-TCN-BiLSTM模型,此模型结合了变分模态分解(VMD)、时间卷积网络(TCN)和双向长短期记忆网络(BiLSTM)的优势。VMD用于对原始数据进行预处理,提取出不同频率的信号成分;TCN负责捕捉时间序列数据中的局部依赖关系;而BiLSTM则擅长处理长期依赖性,能够有效克服传统LSTM存在的梯度消失问题;最后使用SHAP算法解释所构建的模型。VMD-TCN-BiLSTM模型在巢湖忠庙断面的总磷浓度预测中:R^(2)达到0.9866,MAE为0.0022,RMSE为0.0032,具有优良的预测表现,且解决了其余对照模型出现的预测精度不高、预测值小于0的问题。在巢湖西半湖湖心、黄麓、新河入湖区断面,模型仍有很高的预测精度(R^(2)>0.98),表明模型具有较强的泛化能力。使用SHAP算法解释神经网络模型,揭示了特征变量对总磷的预测值影响程度,忠庙断面影响程度排序为:浊度>高锰酸盐指数>总氮>溶解氧>水温>电导率;黄麓断面影响程度排序为:浊度>高锰酸盐指数>溶解氧>电导率>水温>pH;西半湖湖心断面影响程度排序为:浊度>高锰酸盐指数>水温>溶解氧>总氮>电导率;新河入湖区断面影响程度排序为:浊度>高锰酸盐指数>水温>总氮>溶解氧>pH。 展开更多
关键词 水质预测 特征筛选 融合神经网络 可解释性
在线阅读 下载PDF
融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法 被引量：2
11
作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页
近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积
在线阅读 下载PDF
基于差分进化和深度卷积神经网络的遥感图像融合方法
12
作者 朱澳临 陈应霞 《现代电子技术》 北大核心 2025年第19期9-16,共8页
针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式... 针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式将全色(PAN)图像的潜在多尺度空间细节注入到多光谱(MS)图像中。在三双结构中,采用了基于层次域的多级损失函数对多层结果进行约束。然后,基于多分辨率分析(MRA)法设计了嵌入DETNet中的CNN模块(MRAB),同时在模块中引入空间注意力机制,使网络更关注输入图像中的空间特征。接着,考虑到需要在不同尺度上注入不同对象,采用了多尺度卷积特征提取块(MSCB)对网络进行深化和扩展,以提高网络的非线性拟合能力。最后,依据多级损失函数确立目标函数,通过组合差分进化(CoDE)算法优化目标函数,避免陷入局部最优,从而保证融合质量。实验结果表明,采用DETNet方法得到的融合图像在空间细节信息和光谱细节方面均优于其他方法。 展开更多
关键词 遥感图像融合 组合差分进化优化 深度卷积神经网络 全色图像 多光谱图像 多尺度卷积特征提取块 目标函数
在线阅读 下载PDF
基于图神经网络的多尺度特征融合雷达目标检测方法
13
作者 汪翔 王彦斌 +1 位作者 汪育苗 崔国龙 《雷达科学与技术》 北大核心 2025年第1期39-47,共9页
本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,... 本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,该方法利用多尺度特征构造多个有向完全图,图中每个节点对应一个脉冲。之后,每个节点利用图神经网络的消息传播机制聚合其邻居节点的信息,以此学习脉间回波高阶相关性。进一步地,该方法融合多尺度特征以丰富对目标和杂波的特征表示。最后,对融合后特征进行非线性映射,以二分类的形式得到检测结果。基于公开雷达数据集的试验验证了所提方法的有效性。 展开更多
关键词 雷达目标检测 杂波环境 图神经网络 多尺度特征融合
在线阅读 下载PDF
基于增强图神经网络的特征融合会话推荐方法
14
作者 袁凤源 梅红岩 +1 位作者 温民伟 白杨 《计算机工程与设计》 北大核心 2025年第2期546-553,共8页
针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采... 针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采用潜在语义分析方法构建会话-项目矩阵提取会话的全局特征,利用注意力机制自适应地学习局部和全局特征,使模型能够根据特征节点的关联性调整、增强节点间的重要信息传递。通过线性部件将局部和全局特征进行融合,生成最终的语义表示和预测概率用于推荐任务。在Diginetica和Yoochoose数据集上实验,其结果表明,所提方法推荐性能优于现有主流推荐方法。 展开更多
关键词 会话 推荐系统 深度学习 机器学习 图神经网络 特征融合 会话推荐
在线阅读 下载PDF
基于多尺度特征融合的图卷积神经网络迁移学习故障诊断方法
15
作者 曲晓荷 雷志伟 +3 位作者 李达 丁潇 贺凯迅 钟凯 《山东科技大学学报(自然科学版)》 北大核心 2025年第5期119-129,共11页
工业传感器信号本质上具有非欧几里得特性,现有深度学习方法难以充分挖掘信号数据的真实性,尤其在可变工况下。对此,本研究设计了一种基于多尺度特征融合的图卷积神经网络迁移学习(TL-MSGCNs)故障诊断方法。首先,从几何角度将原始数据... 工业传感器信号本质上具有非欧几里得特性,现有深度学习方法难以充分挖掘信号数据的真实性,尤其在可变工况下。对此,本研究设计了一种基于多尺度特征融合的图卷积神经网络迁移学习(TL-MSGCNs)故障诊断方法。首先,从几何角度将原始数据转换为加权图,以挖掘节点间隐藏的拓扑关联性。然后,设计具有深层和浅层结构的图卷积神经网络提取多尺度特征并进行融合增强。最后,通过迁移学习策略缓解因操作环境变化、设备老化等导致的源域和目标域间的分布差异。实验结果表明,TL-MSGCNs方法在故障诊断中具有显著优势。 展开更多
关键词 图卷积神经网络 加权图 迁移学习 多尺度特征融合 故障诊断
在线阅读 下载PDF
基于深度神经网络的智库多源数据资源融合理论模型初探
16
作者 程豪 《智库理论与实践》 北大核心 2025年第4期88-95,共8页
[目的/意义]在数据资源急速膨胀和变革的背景下,本文旨在探讨基于深度神经网络的智库多源数据资源融合理论模型的构建与实践路径,为智库数字化转型和范式跃迁提供参考。[方法/过程]本文首先提出智库多源数据资源的基本内涵和主要特点,... [目的/意义]在数据资源急速膨胀和变革的背景下,本文旨在探讨基于深度神经网络的智库多源数据资源融合理论模型的构建与实践路径,为智库数字化转型和范式跃迁提供参考。[方法/过程]本文首先提出智库多源数据资源的基本内涵和主要特点,在系统梳理不同类型多源数据资源融合方法的基础上,提出基于深度神经网络的智库多源数据资源融合理论模型,并初步探索建立工作流程机制和实践路径。[结果/结论]本研究提出的基于深度神经网络的智库多源数据资源融合理论模型可以有效解决数据资源碎片化、时滞性强等问题,对解决数据资源整合优化、价值信息深入萃取,具有理论指导意义和实践价值。 展开更多
关键词 智库数字化转型 多源数据资源 融合理论 深度神经网络 实践路径
在线阅读 下载PDF
多域时空层次图神经网络的空气质量预测 被引量：4
17
作者 马汉达 吴亚东 《计算机应用》 北大核心 2025年第2期444-452,共9页
在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。 展开更多
关键词 空气质量预测 多域特征融合 时空特征 周期解耦 门控机制融合 图神经网络
在线阅读 下载PDF
反向传播神经网络结合紫外-近红外融合光谱对“互助”青稞酒的判别研究
18
作者 赵玉霞 张明锦 +2 位作者 王茹 张世芝 殷博 《光谱学与光谱分析》 北大核心 2025年第5期1290-1299,共10页
“互助”青稞酒作为保护地理标志产品,对其准确评价分类具有重要意义。紫外光谱(UV)和近红外光谱(NIR)技术具备快速、准确、无损检测、无需样品预处理等优势,在食品等领域已广泛应用。本研究采用UV、NIR及紫外-近红外中级数据融合光谱(U... “互助”青稞酒作为保护地理标志产品,对其准确评价分类具有重要意义。紫外光谱(UV)和近红外光谱(NIR)技术具备快速、准确、无损检测、无需样品预处理等优势,在食品等领域已广泛应用。本研究采用UV、NIR及紫外-近红外中级数据融合光谱(UV-NIR)结合反向传播神经网络(BPNN)法建立了快速、无损、高效的“互助”青稞酒判别分类模型。由于光谱特征峰叠加干扰,未经优化的光谱受到噪声和基线漂移等影响,采用标准正态变量变换(SNV)、Savitzky-Golay平滑(SG)、一阶导数(1D)和二阶导数(2D)4种预处理方法对光谱进行去噪处理。相对单一光谱,融合光谱能够互补多元化学信息,提高分类模型性能,通过竞争自适应重加权采样(CARS)、连续投影算法(SPA)、主成分分析(PCA)、变量投影重要性分析(VIP)和变量组合集群分析(VCPA)5种变量筛选方法选择特征变量,达到优化模型性能及融合两种光谱有效信息。选择最佳方法建立单一光谱和融合光谱的BPNN模型。结果表明,UV光谱经SNV预处理以SPA选择30个特征变量建立的分类模型识别效果最好,分类准确率为100%,MSE值、R_(P)^(2)、R(Train)、R(Validation)、R(Test)和R(All)分别为0.0180、1、0.9283、0.9587、0.9130、0.9297;NIR和UV-NIR经SG预处理后以PCA分别选择84和106个特征变量建立的分类模型识别效果最好,NIR光谱分类准确率为100%,MSE值、R_(P)^(2)、R(Train)、R(Validation)、R(Test)和R(All)分别为0、1.000、1.000、1.000、1.000、1.000;UV-NIR光谱分类准确率为100%、MSE值、R_(P)^(2)、R(Train)、R(Validation)、R(Test)和R(All)分别为0.0057、1.000、1.000、0.9871、0.9913、0.9964;与单一光谱建模相比,融合光谱可明显提高分类模型的预测能力和稳健性,实现“互助”青稞酒的快速、无损分析。 展开更多
关键词 “互助”青稞酒 紫外光谱 近红外光谱 光谱融合 变量筛选 反向传播神经网络(BPNN)模型
在线阅读 下载PDF
随时间持续演化的流图神经网络
19
作者 郭虎升 张旭飞 +1 位作者 孙玉杰 王文剑 《计算机科学》 北大核心 2025年第8期118-126,共9页
流图在现实应用中广泛存在,其节点特征和结构特征会随时间推移而动态变化。尽管图神经网络在静态图节点分类中表现卓越,但其难以直接应用于流图,流图的持续演化会导致信息滞后和遗漏问题,所以模型难以准确提取流图特征。针对上述挑战,... 流图在现实应用中广泛存在,其节点特征和结构特征会随时间推移而动态变化。尽管图神经网络在静态图节点分类中表现卓越,但其难以直接应用于流图,流图的持续演化会导致信息滞后和遗漏问题,所以模型难以准确提取流图特征。针对上述挑战,提出了一种随时间持续演化的流图神经网络(Continuously Evolution Streaming Graph Neural Network,CESGNN),以解决流图节点分类问题。该方法首先通过持续更新的图卷积网络(Continuous Updates Graph Convolutional Network,CU-GCN)增量地更新参数,以适应流图节点特征的变化,缓解信息滞后问题,然后自适应扩展的图神经网络(Adaptive Deepening Graph Neural Network,AD-GNN)通过将聚合和更新操作解耦,以挖掘流图深层特征,从而缓解信息遗漏问题。CESGNN通过有机地融合原始特征、CU-GCN提取的浅层特征和AD-GNN提取的深层特征,获得更准确、全面的流图特征表示。实验结果表明,CESGNN模型对流图具有良好的适应性和稳定性,提高了流图节点分类的准确率。 展开更多
关键词 流图 图神经网络 增量更新 聚合与更新解耦 特征融合
在线阅读 下载PDF
基于结构多维特征构建图卷积神经网络的结构损伤识别方法
20
作者 杨建辉 赵清瑄 蒲脯林 《湖南大学学报(自然科学版)》 北大核心 2025年第8期158-171,共14页
以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征... 以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征,从图的视角挖掘节点间的复杂属性关系,为SDI提供多维度学习信息.为此,设计了一种融合结构多维特征的图卷积神经网络模型(graph convolutional neural network integrating multi-dimensional features of structure,S-GCN),基于结构振动数据构造损伤特征矩阵,并通过衍生图网络,以图的节点和边表征结构节点的连接关系,构建边索引矩阵,将结构损伤状态、振动数据及节点属性等多维特征信息输入GCN进行结构损伤特征提取及预测识别,探索结构多维特征信息驱动下的GCN在损伤预测中的应用效果.通过两个钢结构验证方法的可行性及有效性,结果表明,S-GCN能够整合结构多维特征信息,对两个结构对象均实现了较高的损伤预测准确性,并展现出良好的噪声鲁棒性.进一步的对比分析显示,相较于三种非GCN模型,S-GCN能够高效地依托节点间关系快速更新节点特征并预测节点损伤状态,其损伤识别准确率、计算效率及网络各层演进过程均优于对比模型,验证了在结构损伤识别中融合结构空间特征的有效性. 展开更多
关键词 结构损伤识别 图卷积神经网络 结构多维特征融合 噪声鲁棒性 训练效率
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 … 122 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