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2,363篇文章
< 1 2 … 119 >
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：1
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
融合图神经网络的多模态微视频推荐算法
5
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
可解释性融合神经网络在巢湖总磷浓度预测中的应用
6
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：1
7
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CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测
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
基于图神经网络的多尺度特征融合雷达目标检测方法
9
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
10
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
基于深度神经网络的智库多源数据资源融合理论模型初探
11
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：3
12
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
13
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
14
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
15
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
基于广义回归神经网络的裂纹扩展定量监测模型研究 被引量：1
16
作者 谢晓东 柳月 +2 位作者 李孟伟 衣超 庞凤颖 《兵器装备工程学报》 北大核心 2025年第1期197-203,276,共8页
装甲车关重件结构中形成的裂纹会导致性能下降甚至引发事故,为了开发先进的裂纹监测技术,提出了一种基于广义回归神经网络的裂纹扩展定量监测模型。该模型能够根据结构在循环载荷下产生的电阻应变信号和Lamb波信号,预测裂纹长度和扩展... 装甲车关重件结构中形成的裂纹会导致性能下降甚至引发事故,为了开发先进的裂纹监测技术,提出了一种基于广义回归神经网络的裂纹扩展定量监测模型。该模型能够根据结构在循环载荷下产生的电阻应变信号和Lamb波信号,预测裂纹长度和扩展速率。采用了多传感器的裂纹扩展特征提取方法,利用压电传感器和电阻应变片2种不同类型的传感器,结合被动监测和主动监测2种不同模式的监测技术,从电阻应变信号中提取出与裂纹长度和扩展速率相关的特征参数。采用了随机森林算法和D-S证据理论2种不同方法的数据处理技术,实现了对裂纹长度的有效识别和数据融合。基于不同裂纹长度、不同载荷频率、不同传感器位置等情况下的电阻应变信号和Lamb波信号,开展了模型的训练和测试。 展开更多
关键词 裂纹扩展 神经网络 传感器 特征提取 数据融合
在线阅读 下载PDF
基于多尺度卷积神经网络和门控循环单元的离心泵叶轮故障诊断 被引量：1
17
作者 陶付东 智一凡 +4 位作者 李怀瑞 柳应倩 郝达 秦浩洋 付强 《机电工程》 北大核心 2025年第5期885-893,共9页
采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神... 采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神经网络的基础上引入了循环神经网络,建立了特征提取和故障分类模块,可以自动地对原始输入信号进行空间和时间特征提取并识别关键故障模式;然后,搭建了立式离心泵叶轮故障仿真实验台架,对叶轮不同故障下的泵体振动信号进行了采集,用于训练所提MCNN-GRU诊断模型;最后,利用MCNN和GRU搭建了的诊断模型和其他模型,对叶轮不同故障情况下的振动信号故障识别情况进行了对比,并对抗噪性能进行了分析。研究结果表明:无噪声情况下的单通道诊断准确率超过97.59%,在强噪声条件下多通道诊断准确率达99.13%,优于传统方法,表现出良好的抗噪性能;此外,通过三通道振动数据的融合,诊断准确率达100%,可验证多通道数据融合的优势。该研究结果可为离心泵叶轮故障诊断提供可靠的方案。 展开更多
关键词 离心泵 特征提取 多通道信息融合 多尺度卷积神经网络 门控循环单元
在线阅读 下载PDF
基于多源信息融合的RBF神经网络室内可见光定位算法 被引量：2
18
作者 王琪 孟祥艳 赵黎 《光通信技术》 北大核心 2024年第2期30-35,共6页
针对基于接收信号强度(RSS)的定位技术易受环境干扰而导致定位精度不高和稳定性较差的问题,提出了一种基于多源信息融合的径向基函数(RBF)神经网络室内可见光定位算法。通过将图像的颜色矩特征与RSS矩特征融合,构建指纹库,并采用RBF神... 针对基于接收信号强度(RSS)的定位技术易受环境干扰而导致定位精度不高和稳定性较差的问题,提出了一种基于多源信息融合的径向基函数(RBF)神经网络室内可见光定位算法。通过将图像的颜色矩特征与RSS矩特征融合,构建指纹库,并采用RBF神经网络进行预测,实现了图像与RSS之间的优势互补,最后对定位算法进行了验证。实验结果表明,经过优化的多源信息融合定位算法较单一RSS定位算法的定位精度提高了9.4%。 展开更多
关键词 可见光 室内定位 多源信息融合 颜色矩 神经网络 径向基函数 特征提取
在线阅读 下载PDF
基于PSA引导双分支神经网络特征融合的同步电机故障诊断 被引量：1
19
作者 李俊卿 苑浩 +3 位作者 黄涛 张承志 何玉灵 张波 《智慧电力》 北大核心 2024年第12期51-58,共8页
针对单一传感器信号在同步电机故障诊断中精度不高的问题,提出了1种基于金字塔切分注意力机制(PSA)的神经网络模型。首先,将三相电流信号和振动信号作为双分支输入到卷积神经网络进行特征提取,之后通过特征融合层将提取的信号特征进行... 针对单一传感器信号在同步电机故障诊断中精度不高的问题,提出了1种基于金字塔切分注意力机制(PSA)的神经网络模型。首先,将三相电流信号和振动信号作为双分支输入到卷积神经网络进行特征提取,之后通过特征融合层将提取的信号特征进行融合。其次,添加PSA注意力机制捕获不同尺度的空间信息来丰富特征空间。最后,通过输出层输出诊断结果。实验表明所提模型能够显著提升同步电机故障诊断的准确率。 展开更多
关键词 同步电机 PSA注意力机制 双分支特征融合 故障诊断 神经网络
在线阅读 下载PDF
基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法
20
作者 王文卿 张小乔 +2 位作者 何霁 刘涵 刘丁 《智能系统学报》 北大核心 2025年第3期649-657,共9页
多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色... 多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法,旨在同时挖掘图像的光谱、空间与非几何结构信息,以提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上,利用深度神经网络构建了特征提取、特征融合和图像重构模块。混合双分支网络模块是由2D和3D卷积神经网络构建,其中,2D卷积神经网络负责挖掘多光谱图像与全色图像的空间特征,3D卷积神经网络负责挖掘图像的光谱特征。引入了图卷积神经网络以捕捉图像图结构中节点的空间关系,从而整合非局部信息。将多光谱图像与全色图像的空间、光谱和非几何特征通过特征融合模块进行融合。将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证,实验结果表明:与其他方法相比,本文算法在主观视觉和客观评价指标上均表现出优秀性能。 展开更多
关键词 图像融合 遥感 图像处理 深度学习 卷积神经网络 机器学习 特征提取 图像重构
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 … 119 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