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518篇文章
< 1 2 … 26 >
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：
融合CNN和WDF模型的电商企业商品销量预测研究
1
作者 袁瑞萍 魏辉 +1 位作者 傅之家 李俊韬 《计算机工程与应用》 北大核心 2025年第2期335-343,共9页
为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特... 为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特征提取,降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型(WDF)进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性,且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证,结果表明:CNN-WDF融合模型在不同规模京东销售数据集上,预测准确率均显著高于其他对比模型,且随着数据集规模的扩大,预测准确率提高更加明显。 展开更多
关键词 商品销量预测 深度学习 融合模型 卷积神经网络 加权深度森林
在线阅读 下载PDF
基于流动单元智能划分的湖泊-三角洲致密砂岩储层渗透率测井评价
2
作者 赵天沛 赵勇 +4 位作者 谭茂金 李久娣 李博 王安龙 叶俊琦 《石油物探》 北大核心 2025年第2期388-396,共9页
在湖泊-三角洲沉积体系中,致密砂岩储层孔隙结构复杂且孔隙类型多样、渗透率低,此类储层的测井解释与评价面临挑战。渗透率是储层评价和产能预测的关键参数,传统的渗透率测井解释方法精度低,不能满足生产要求。针对这一难题,分析了影响... 在湖泊-三角洲沉积体系中,致密砂岩储层孔隙结构复杂且孔隙类型多样、渗透率低,此类储层的测井解释与评价面临挑战。渗透率是储层评价和产能预测的关键参数,传统的渗透率测井解释方法精度低,不能满足生产要求。针对这一难题,分析了影响储层渗透性的微观因素(孔隙结构)和宏观因素(流动单元),而且孔隙结构与流动单元密切相关,提出了岩石类型与流动单元指数(FZI)大小分类构建渗透率模型的方法。首先,分析岩心实验结果,确定岩石类型,计算岩心流动单元指数并利用累计频率法进行类型细分,针对每种类型构建相应的渗透率模型。然后,选取敏感测井实验构建标签,利用深度神经网络构建最佳模型,预测储层流动单元指数。最后,将孔隙度测井和流动单元指数代入相应的分类模型,计算出渗透率。将该方法应用于XH凹陷HG组低孔、低渗储层的渗透率预测进行应用,渗透率预测对数误差约为0.18,比利用深度神经网络直接预测渗透率的效果好。新的储层渗透率评价方法包括基于数据驱动的机器学习方法和基于机理或知识驱动的物理模型构建,体现了数模双驱智能思想,显著提高了致密砂岩储层渗透率测井评价精度,为其他湖泊-三角洲沉积体系储层渗透率预测提供了重要借鉴。 展开更多
关键词 湖泊-三角洲沉积 致密砂岩储层 流动单元指数 深度神经网络 数模双驱智能 渗透率评价
在线阅读 下载PDF
端到端机器学习代理模型构建及其在爆轰驱动问题中的应用
3
作者 柏劲松 刘洋 +1 位作者 陈翰 钟敏 《爆炸与冲击》 北大核心 2025年第5期19-30,共12页
人工智能/机器学习方法能够发现数据中隐藏的物理规律,构建状态参数与动态结果之间端到端的代理模型,可高效解决强耦合、非线性、多物理等复杂工程问题。在高度非线性的爆炸与冲击动力学领域,选择了一个经典的爆轰驱动问题作为研究对象... 人工智能/机器学习方法能够发现数据中隐藏的物理规律,构建状态参数与动态结果之间端到端的代理模型,可高效解决强耦合、非线性、多物理等复杂工程问题。在高度非线性的爆炸与冲击动力学领域,选择了一个经典的爆轰驱动问题作为研究对象,以数值模拟结果作为机器学习代理模型的训练数据,将正向模拟与逆向设计有机结合起来,基于深度神经网络技术,构建了特征位置速度剖面、材料动态变形与工程因素之间端到端的代理模型,给出了代理模型的计算精确度,验证了代理模型从速度剖面反演工程因素的能力。结果表明:端到端代理模型具有较高的预测能力,其预测的速度剖面与工程因素估计的相对误差均小于1%,可用于高度非线性的爆炸与冲击动力学问题的快速设计、高精度预测和敏捷迭代。 展开更多
关键词 计算爆炸力学 爆轰驱动 人工智能 机器学习 端到端代理模型 深度神经网络
在线阅读 下载PDF
融合项目评分不确定度的多属性深度神经协同推荐模型
4
作者 李昌兵 王霞 邓江洲 《重庆理工大学学报(自然科学)》 北大核心 2025年第1期75-82,共8页
现有大多数深度学习推荐模型只使用用户的单一评分信息进行模型训练,忽视了用户在项目不同属性上的偏好行为,这在一定程度上影响推荐准确性。为此,提出一种融合项目评分不确定度的多属性深度神经协同推荐模型来学习用户在项目各属性上... 现有大多数深度学习推荐模型只使用用户的单一评分信息进行模型训练,忽视了用户在项目不同属性上的偏好行为,这在一定程度上影响推荐准确性。为此,提出一种融合项目评分不确定度的多属性深度神经协同推荐模型来学习用户在项目各属性上的评分行为,高效捕捉用户的多维度偏好特征。为使模型能充分考虑用户对项目各属性的评分分布一致性,引入项目评分不确定度来提取项目的个性化属性特征,并将其作为多属性评分的权重因子来修正模型的初始预测结果。利用修正后的多属性评分来预测用户偏好,证明所提模型能为用户提供更为准确的推荐。在2个真实数据集上的实验结果表明:相较于次优对比方法,所提模型在评估指标F 1和NDCG方面分别最高增长4.3%和3.9%,模型的推荐能力强,能提高推荐质量。 展开更多
关键词 项目评分不确定度 多属性推荐模型 深度神经网络 协同过滤
在线阅读 下载PDF
基于神经网络的深部磷矿岩体可爆性分级模型研究
5
作者 柴修伟 李成镇 +3 位作者 盛益明 徐玉萍 徐亮 金胜利 《爆破》 北大核心 2025年第1期71-80,共10页
目前钻爆法仍是深部磷矿开拓掘进和回采的最高效方法。而磷矿钻爆法施工掘进水平长年维持在70~80 m/月,严重制约了掘进效率,因此对深部磷矿工作面开展矿岩体可爆性分级工作至关重要。以湖北宜昌某地下磷矿为研究背景,在现场进行了岩体... 目前钻爆法仍是深部磷矿开拓掘进和回采的最高效方法。而磷矿钻爆法施工掘进水平长年维持在70~80 m/月,严重制约了掘进效率,因此对深部磷矿工作面开展矿岩体可爆性分级工作至关重要。以湖北宜昌某地下磷矿为研究背景,在现场进行了岩体的纵波波速测试,开展了岩石密度、单轴抗压强度和抗拉强度等物理力学性质的测量,得到了白云质条带磷块岩、致密条带磷块岩、泥质条带磷块岩和含碳泥质白云岩4种岩石的密度、单轴抗压强度、抗拉强度和岩体完整性系数4项参数。通过调用Matlab神经网络工具箱,将岩石密度、单轴抗压强度、抗拉强度、岩体完整性系数作为输入,以可爆性等级作为输出,采用随机函数法产生大量的训练样本,构建了基于BP神经网络的可爆性评价模型,实现了深部磷矿岩体可爆性分级。分级结果为白云质条带磷块岩和泥质条带磷块岩为中等可爆,致密条带磷块岩和含碳泥质白云岩为难爆。根据分级结果,可对采场爆破参数进行优化,增强爆破效果,降低炸药单耗及矿石大块率,提高深部磷矿开采的安全性及经济效益。 展开更多
关键词 深部磷矿 岩体可爆性分级 随机函数 神经网络模型
在线阅读 下载PDF
基于深度学习的指针式仪表自动读数与读数校正方法
6
作者 朱均超 张明惠 +2 位作者 韩芳芳 王玉军 宋思源 《仪表技术与传感器》 北大核心 2025年第7期50-56,共7页
为了实现不同量程指针式仪表的自动精准读数,文中提出了一种基于深度学习的指针式仪表自动读数与读数校正的方法。针对不同量程指针式仪表的自动读数,首先,采用YOLOv5模型和U-Net模型进行仪表的检测及指针与刻度线信息的分割;随后利用PP... 为了实现不同量程指针式仪表的自动精准读数,文中提出了一种基于深度学习的指针式仪表自动读数与读数校正的方法。针对不同量程指针式仪表的自动读数,首先,采用YOLOv5模型和U-Net模型进行仪表的检测及指针与刻度线信息的分割;随后利用PP-OCRv3模型读取量程信息,实现对不同量程的仪表信息提取;最后将读取的量程信息代入夹角占比公式计算出仪表读数。针对倾斜仪表读数不准确的问题,构建BP神经网络拟合出检测读数与实际读数的非线性映射关系,实现对不同倾斜角度的指针式仪表检测读数的校正。实验表明:该方法能够得出不同量程的精准读数,平均绝对百分比误差MAPE为2.6845%。 展开更多
关键词 指针式仪表 深度学习 BP神经网络 读数校正 自动读数 OCR模型
在线阅读 下载PDF
基于深度神经网络的风力机疲劳载荷代理模型研究 被引量：1
7
作者 黄国庆 刘伟杰 +3 位作者 王彬滨 彭留留 杨庆山 谭舒 《太阳能学报》 北大核心 2025年第4期398-405,共8页
提出一种基于深度神经网络的风力机疲劳载荷代理模型,旨在解决风力机场址评估效率低下的问题。开展基于深度神经网络(DNN)的风力机疲劳载荷代理模型研究。首先,根据平均风速、湍流强度、风切变、偏航误差、入流角和空气密度6维环境变量... 提出一种基于深度神经网络的风力机疲劳载荷代理模型,旨在解决风力机场址评估效率低下的问题。开展基于深度神经网络(DNN)的风力机疲劳载荷代理模型研究。首先,根据平均风速、湍流强度、风切变、偏航误差、入流角和空气密度6维环境变量的分布和相关性进行准蒙特卡洛抽样,获得10000个环境变量样本。然后,采用TurbSim和OpenFAST对NREL 5 MW参考风力机进行仿真得到载荷时程,并通过MLife计算得到1 Hz的等效疲劳载荷(DEL)数据库。最后,运用DNN方法建立DEL的代理模型并对模型精度进行详细验证。结果表明:基于DNN的DEL代理模型具有较高的预测精度,计算效率得到显著提升。 展开更多
关键词 风力机 疲劳载荷 OpenFAST 深度神经网络 代理模型
在线阅读 下载PDF
基于ECA-TCN的数据中心磁盘故障预测 被引量：1
8
作者 张铭泉 王宝兴 《智能系统学报》 北大核心 2025年第2期389-399,共11页
随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-tem... 随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-temporal convolutional network,ECA-TCN)模型,通过结合传统卷积神经网络一维卷积的优势,融入扩张卷积和残差结构,并引入注意力机制,该模型能够提高磁盘故障预测的准确性和稳定性。在实验中,将ECA-TCN模型与其他经典深度学习方法进行了比较,实验结果表明,ECA-TCN模型在磁盘故障预测任务上具有较高的准确性和稳定性。 展开更多
关键词 磁盘故障预测 长短时记忆网络 循环神经网络 扩张卷积 高效通道注意力机制 神经网络模型 时间序列预测 深度学习优化
在线阅读 下载PDF
遥感船只快速目标检测技术及应用
9
作者 王海涛 贺治钧 +1 位作者 周天启 马岳 《中国空间科学技术(中英文)》 北大核心 2025年第1期153-161,共9页
目前现有的大部分方法对细粒度遥感船只检测识别精度较低,并且星载计算机算力有限,常用的浮点精度数据类型所带来的大量计算和存储需求使其难以满足模型在轨部署的需求。面向这些挑战,提出了一种基于模型量化的细粒度遥感船只快速目标... 目前现有的大部分方法对细粒度遥感船只检测识别精度较低,并且星载计算机算力有限,常用的浮点精度数据类型所带来的大量计算和存储需求使其难以满足模型在轨部署的需求。面向这些挑战,提出了一种基于模型量化的细粒度遥感船只快速目标检测方法。首先设计了一种基于融合智能的检测网络,解决了“类内差异大、类间差异小”的难题,可有效提高细粒度船只检测识别的准确度。在此基础上,进一步提出了一种高精度的模型量化方法对裁剪边界实现了优化,可有效提升在轨遥感图像检测识别速度。在多个数据集上的测试表明,所提出检测方法相比于现有研究实现了超过5.9%的最大精度提升,同时量化方法可实现1.2%的最大性能提升,可在降低模型计算量的同时保持较高的精度,可适用于星载计算机的应用。 展开更多
关键词 卫星遥感船只检测 快速目标检测 CNN模型量化 卫星应用 深度神经网络
在线阅读 下载PDF
基于AI深度学习的向家坝-三峡区间流域洪水预报 被引量：1
10
作者 崔震 郭生练 +3 位作者 向鑫 李承龙 张俊 王乐 《人民长江》 北大核心 2025年第4期49-55,共7页
为提高长江上游向家坝水库至三峡水库区间流域洪水预报精度,探索人工智能(AI)深度学习模型的可解释性途径,将特征-时间双重注意力(DA)和递归编码-解码过程(RED)耦合至长短期记忆(LSTM)神经网络,构建了DA-LSTM-RED模型;开展了向家坝水库... 为提高长江上游向家坝水库至三峡水库区间流域洪水预报精度,探索人工智能(AI)深度学习模型的可解释性途径,将特征-时间双重注意力(DA)和递归编码-解码过程(RED)耦合至长短期记忆(LSTM)神经网络,构建了DA-LSTM-RED模型;开展了向家坝水库至三峡水库区间流域1~7 d预见期的洪水模拟预报,并与LSTM-RED模型进行对比研究。结果表明:两个AI深度学习模型在训练期和检验期都取得了较好的模拟预报精度;DA-LSTM-RED模型的优势随着预见期的增加逐渐明显,7 d预见期的纳什效率系数和径流总量相对误差分别为0.94和-0.48%。DA-LSTM-RED模型能识别出与目标输出相关性较高的输入变量,不仅改善了模型的模拟预报性能,还提高了深度学习的可解释性,可为洪水模拟预报提供一种新的技术途径。 展开更多
关键词 洪水预报 注意力机制 神经网络 深度学习模型 可解释性 向家坝水库 三峡水库 长江流域
在线阅读 下载PDF
基于深度神经网络的超声速民机机翼结构设计
11
作者 牛芳淦 马文圆 +2 位作者 杨超 王宇 尹海莲 《机械强度》 北大核心 2025年第4期122-130,共9页
目前对超声速民机机翼的研究主要侧重于低声爆设计技术和超声速减阻技术,针对机翼结构设计的研究相对较少。因此,提出了一种面向超声速民机初步设计阶段机翼结构设计的多级优化方法,包括机翼结构布局参数化建模、结构尺寸优化有限元模... 目前对超声速民机机翼的研究主要侧重于低声爆设计技术和超声速减阻技术,针对机翼结构设计的研究相对较少。因此,提出了一种面向超声速民机初步设计阶段机翼结构设计的多级优化方法,包括机翼结构布局参数化建模、结构尺寸优化有限元模型的自动生成、深度神经网络代理模型的搭建与训练,以及基于深度神经网络代理模型进行优化求解。分析结果表明,提出的优化策略能够对超声速民机机翼结构进行良好的快速设计,深度神经网络模型相比于传统代理模型具有更高的预测精度,提高了机翼结构初步设计的效率。 展开更多
关键词 超声速民机 参数化 深度神经网络 代理模型 结构设计
在线阅读 下载PDF
基于两阶段级联模型的光伏功率群体预测方法 被引量：1
12
作者 谢宇辰 孙玉玺 +1 位作者 耿光超 江全元 《高电压技术》 北大核心 2025年第7期3510-3518,共9页
光伏发电系统的不确定性和波动性使得准确预测光伏发电量成为提高系统效率的关键挑战之一。相比于单站点光伏预测,光伏群体预测能够在一定程度上提高整体预测精度,从而有效服务于省级电网电力电量平衡。此外,通过多阶段级联模型的思想... 光伏发电系统的不确定性和波动性使得准确预测光伏发电量成为提高系统效率的关键挑战之一。相比于单站点光伏预测,光伏群体预测能够在一定程度上提高整体预测精度,从而有效服务于省级电网电力电量平衡。此外,通过多阶段级联模型的思想将群体预测模型分成2个阶段,能够加快训练的收敛速度。为此,首先根据数值天气预报(numerical weather prediction,NWP),使用混合2种神经网络的短期光伏预测模型对每个站点进行光伏预测,并使用多通道模型输出各站独立的预测值;在上一阶段模型训练完成后,保留第1阶段学习到的特征,再进行下一阶段的模型训练,即利用一个全连接层建立单站预测与群体预测之间的映射关系,以建立更精准的发电量预测模型。通过对比实验验证发现,所提方法的误差比单站点预测降低了近1%,且两阶段模型比单模型训练时长短,说明两阶段光伏功率群体预测方法比传统预测方法表现出了更好的性能。 展开更多
关键词 群体预测 多阶段模型 深度学习 神经网络 光伏发电 功率预测
在线阅读 下载PDF
双域渐进算法优化的自适应指导机制通道剪枝
13
作者 冯进 郭杰 +2 位作者 张铭津 李云松 徐志远 《西安电子科技大学学报》 北大核心 2025年第3期202-216,共15页
现有的剪枝方法面临着通道选择标准不一致问题,使通道的选择趋势存在明显差异,这种差异导致了剪枝策略中出现盲点。为了解决这一问题,提出了一种基于双域渐进算法优化的自适应指导机制的通道剪枝方法。具体而言,该指导机制引入了一个正... 现有的剪枝方法面临着通道选择标准不一致问题,使通道的选择趋势存在明显差异,这种差异导致了剪枝策略中出现盲点。为了解决这一问题,提出了一种基于双域渐进算法优化的自适应指导机制的通道剪枝方法。具体而言,该指导机制引入了一个正则化项来分配惩罚权重,平衡了单个标准的得分和多个标准的统一性。此外,双域渐进优化算法根据空间关系变化与迭代搜索进度动态调整搜索策略,灵活确定指导机制的最优作用深度和广度,达到最佳剪枝效果。所提方法以最优的作用深度和广度协调了基于个体视角与整体视角剪枝标准之间的对立和统一,形成了全面而高效的剪枝体系。实验结果表明,所提出的剪枝方法优于现有的剪枝方法,以最小的精度损失显著降低了模型参数规模和运算量。在CIFAR-10数据集上,所提方法将VGG-16模型压缩至原始大小的11.15%,而精度仅下降0.04%。在ImageNet数据集上,将ResNet-50模型的参数减少至27.01%,同时保持了73.83%的准确率。 展开更多
关键词 深度学习 卷积神经网络 通道剪枝 模型压缩
在线阅读 下载PDF
基于多参数磁共振成像特征的深度学习预测直肠癌患者的BRAF基因突变状态
14
作者 胡鸿博 赵升 +2 位作者 姜昊 张莹 姜慧杰 《磁共振成像》 北大核心 2025年第1期22-28,共7页
目的探讨鼠类肉瘤病毒癌基因同源物B基因(B-Raf proto-oncogene serine/threonine kinase,BRAF)突变状态与直肠癌患者生存率的相关性。本研究旨在评估影像组学模型预测结直肠癌患者BRAF基因突变情况的可行性。材料与方法对我院2020年6月... 目的探讨鼠类肉瘤病毒癌基因同源物B基因(B-Raf proto-oncogene serine/threonine kinase,BRAF)突变状态与直肠癌患者生存率的相关性。本研究旨在评估影像组学模型预测结直肠癌患者BRAF基因突变情况的可行性。材料与方法对我院2020年6月至2023年6月确诊为直肠癌的患者病例资料进行回顾性分析,采用外显子测序鉴定BRAF基因突变状态。通过生存分析评估BRAF基因突变与直肠癌预后的关系。从260名接受多参数MRI的直肠癌患者中提取7388个特征模块,包括术前T1加权图像(T1-weighted imaging,T1WI)、T2加权图像(T2-weighted imaging,T2WI)和对比增强T1加权图像(contrast-enhanced T1-weighted imaging,CE-T1WI)。随后,基于卷积神经网络(convolutional neural network,CNN)构建了放射组学模型。通过受试者工作特征曲线(receiver operating characteristic,ROC)曲线、准确率、敏感度和特异度等指标评估模型效能。结果本研究共纳入89例BRAF突变患者和171例BRAF野生型患者。两组在肿瘤恶性分期、年龄、性别等临床特征上差异无统计学意义(P>0.05),但5年生存率差异存在统计学意义,BRAF突变组生存期低于BRAF野生型组(P<0.001)。所构建模型的ROC曲线下面积(area under the curve,AUC)为0.929,与病理结果一致性分析的Kappa统计量为0.87,表明模型具有较高的预测价值。结论基于CNN的放射组学特征模型在区分直肠癌患者BRAF突变状态方面表现优异,为未来无创筛查BRAF突变状态提供了新的研究思路。 展开更多
关键词 直肠癌 磁共振成像 影像特征 深度学习 鼠类肉瘤病毒癌基因同源物B基因 卷积神经网络 影像组学模型
在线阅读 下载PDF
面向目标检测的对比知识蒸馏方法
15
作者 杨晟 李岩 《计算机应用》 北大核心 2025年第2期354-361,共8页
知识蒸馏在图像分类等任务中是最有效的模型压缩方法之一,然而它在复杂任务如目标检测上的应用较少。现有的知识蒸馏方法主要专注于构建信息图,以过滤教师和学生在特征提取过程中来自前景或背景区域的噪声,最小化特征之间的均方差损失;... 知识蒸馏在图像分类等任务中是最有效的模型压缩方法之一,然而它在复杂任务如目标检测上的应用较少。现有的知识蒸馏方法主要专注于构建信息图,以过滤教师和学生在特征提取过程中来自前景或背景区域的噪声,最小化特征之间的均方差损失;然而,这些方法的目标函数难以进一步优化,且只利用教师的监督信号,导致学生缺乏对非正确知识的针对性信息。基于此,提出一种面向目标检测的对比知识蒸馏(CKD)方法。该方法重新设计蒸馏框架和损失函数,不仅使用教师的监督信号,而且利用构造的负样本提供指导信息进行知识蒸馏,让学生在获得教师的知识的同时通过自我学习获取更多知识。在Pascal VOC和COCO2014数据集上,使用GFocal(Generalized Focal loss)和YOLOv5模型将所提方法与基线方法对比的实验结果表明:CKD方法在Pascal VOC数据集上使用GFocal模型的平均精度均值(mAP)提升5.6个百分点,平均精度(阈值为0.5)AP50提升5.6个百分点;在COCO2014数据集上使用YOLOv5模型的mAP提升1.1个百分点,AP50提升1.7个百分点。 展开更多
关键词 深度神经网络 知识蒸馏 对比学习 模型压缩 目标检测
在线阅读 下载PDF
融合深度强化学习的卷积神经网络联合压缩方法
16
作者 马祖鑫 崔允贺 +4 位作者 秦永彬 申国伟 郭春 陈意 钱清 《计算机工程与应用》 北大核心 2025年第6期210-219,共10页
随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。 展开更多
关键词 卷积神经网络 深度强化学习 模型压缩 通道剪枝 权值量化 边缘智能
在线阅读 下载PDF
YOLO-Sugarcane:用于快速检测复杂背景下甘蔗植株的轻量级神经网络
17
作者 张志鹏 张铁异 +3 位作者 陆静平 熊灵聪 袁安路 韦俊 《中国农机化学报》 北大核心 2025年第10期210-217,共8页
为解决现有轻量级网络模型易受到甘蔗遮挡影响而导致漏检和误检问题,提出一种改进的YOLO-Sugarcane轻量级神经网络模型。首先,用MobileNetV3的Bneck模块替换YOLOv7-tiny主干网络内的MP和ELAN模块,有效提高模型的召回率;其次,用深度可分... 为解决现有轻量级网络模型易受到甘蔗遮挡影响而导致漏检和误检问题,提出一种改进的YOLO-Sugarcane轻量级神经网络模型。首先,用MobileNetV3的Bneck模块替换YOLOv7-tiny主干网络内的MP和ELAN模块,有效提高模型的召回率;其次,用深度可分离卷积替代标准3×3卷积,降低模型的运算成本,保证其在甘蔗收割机上的稳定部署;最后,引入轻量级通道注意力模块ECA(Efficient Channel Attention),使模型能够有效捕捉不同通道间的特征关联,专注于有效特征并丢弃冗余特征。试验结果表明,与YOLOv7-tiny模型相比,YOLO-Sugarcane模型的浮点运算量减少29.18%,平均精度均值mAP从97.10%提升到98.18%,召回率从85.21%提升到93.71%,检测速度达到91帧/s。 展开更多
关键词 甘蔗 神经网络 注意力机制 深度学习 轻量化模型
在线阅读 下载PDF
模块化自重构卫星智能变构规划
18
作者 贾晓冷 叶东 +1 位作者 王博 孙兆伟 《哈尔滨工业大学学报》 北大核心 2025年第4期1-9,共9页
为解决航天任务复杂化与传统定构型卫星设计之间的矛盾,航天机构着眼于研究具有灵活构型变化能力的模块化自重构卫星,其中变构规划是一个具有挑战性的研究领域。针对模块化卫星变构问题,以立方体晶格型卫星作为研究对象,基于图论提出了... 为解决航天任务复杂化与传统定构型卫星设计之间的矛盾,航天机构着眼于研究具有灵活构型变化能力的模块化自重构卫星,其中变构规划是一个具有挑战性的研究领域。针对模块化卫星变构问题,以立方体晶格型卫星作为研究对象,基于图论提出了描述卫星拓扑结构的构型矩阵和拓展矩阵。通过对卫星模块运动特点的研究,给出了求解模块运动可达空间的算法。将卫星的变构问题视为序列决策问题,基于深度强化学习理论,将变构过程建模为马尔可夫决策过程,设计了基于演员-评论家(actor-critic)模型的智能变构规划方法,建立多层神经网络以近似演员与评论家函数,通过训练神经网络,逐步改进卫星变构策略性能。仿真实验结果表明,所提出的变构方法对于给定的卫星算例,可以得到逐步改进的卫星变构策略,针对不同模块数的卫星构型具有通用性,同时相比于传统基于启发式搜索的变构方法,在变构步数、计算时间和变构成功率上具有优势,验证了所提出的智能规划方法在未来模块化卫星设计工作中具有潜在的价值。 展开更多
关键词 模块化自重构卫星 变构规划 深度强化学习 神经网络 演员-评论家模型
在线阅读 下载PDF
基于SAE和LSTM神经网络的深部未钻地层可钻性预测方法
19
作者 朱亮 李晓明 +1 位作者 纪慧 楼一珊 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期39-46,64,共9页
在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM... 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。 展开更多
关键词 深部地层钻探 岩石可钻性 预测模型 栈式自动编码器 LSTM神经网络 深度学习
在线阅读 下载PDF
深度学习在心力衰竭检测中的应用综述
20
作者 王永威 魏德健 +1 位作者 曹慧 姜良 《计算机科学与探索》 北大核心 2025年第1期65-78,共14页
随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用... 随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用。概述了心力衰竭检测涉及的主要生物医学信号和公开数据集。详细分析了深度学习在心力衰竭诊断领域的应用及其发展,特别是对卷积神经网络和长短期记忆网络处理心电图、心率变异性、心音等关键生物医学信号的能力进行了深入分析,总结了这些技术的优势、局限性,并对各类模型性能进行了比较。探讨了通过融合多种人工智能技术所构建的混合模型在提升检测精度和模型泛化能力方面的潜力,以及如何利用模型的可解释性来增加检测过程的透明度,提升医生的信任度。最后总结了当前研究存在的不足,并对未来研究方向提出展望,强调了跨学科合作在推动心力衰竭检测技术进步中的重要性。 展开更多
关键词 心力衰竭 生物医学信号 深度学习 卷积神经网络 循环神经网络 混合模型
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 … 26 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