期刊文献+
共找到1,005篇文章
< 1 2 51 >
每页显示 20 50 100
基于Transformer模型的时序数据预测方法综述 被引量:13
1
作者 孟祥福 石皓源 《计算机科学与探索》 北大核心 2025年第1期45-64,共20页
时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据... 时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。 展开更多
关键词 深度学习 时序数据预测 数据预处理 Transformer模型
在线阅读 下载PDF
基于深度学习的时序数据异常检测研究综述 被引量:2
2
作者 陈红松 刘新蕊 +1 位作者 陶子美 王志恒 《信息网络安全》 北大核心 2025年第3期364-391,共28页
时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象,运用文献调研与比较分析方法,深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用... 时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象,运用文献调研与比较分析方法,深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用;其次,提出了深度时序数据异常检测面临的9个问题与挑战,并将时序数据异常分为10类,枚举了16种典型的时序数据异常检测数据集,其中包括5种社交网络舆情安全领域相关数据集;再次,文章将深度时序数据异常检测模型进行分类研究,分析总结了近50个相关模型,其中包括基于半监督增量学习的社交网络不良信息发布者异常检测,进一步地,文章依据深度学习模型的学习模式将模型划分为基于重构、基于预测、基于重构与预测融合3种类型,并对这些模型的优缺点及应用场景进行综合分析;最后,文章从8个方面展望了深度时序异常检测技术的未来研究方向,分析了每个方向的潜在研究价值及技术瓶颈。 展开更多
关键词 深度学习 时序数据 异常检测 模型分类 社交网络
在线阅读 下载PDF
基于数据预处理和Bi-LSTM的智能电网预测方法 被引量:2
3
作者 李岩 刘鑫月 +3 位作者 乔俊杰 王毛桃 刘一帆 齐磊杰 《电测与仪表》 北大核心 2025年第6期120-125,共6页
短期预测在智能电网建设中扮演着重要角色,深刻影响电网发输变配用各个环节的智能化改造。短期预测一般基于系统实测数据,而传感器故障,数据传输错误等原因会导致数据质量下降,严重影响短期预测的精确性。为建立数据质量受损情况下的精... 短期预测在智能电网建设中扮演着重要角色,深刻影响电网发输变配用各个环节的智能化改造。短期预测一般基于系统实测数据,而传感器故障,数据传输错误等原因会导致数据质量下降,严重影响短期预测的精确性。为建立数据质量受损情况下的精确短期预测模型,提出了结合数据预处理和双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)的短期预测框架Bi-LSTM-DP(bi-directional long short-term memory data preprocessing)。在Bi-LSTM-DP中,采集的数据首先通过均值填补缺失值,进而基于Savitzky-Golay滤波器对数据降噪,最后采用Bi-LSTM提取时间序列的信息,实现短期预测。为了评估所提方法的性能,文中使用实测的公开数据集分别预测风电发电量和负荷需求,与其他参考方法对比表明了所述方法的有效性和鲁棒性。 展开更多
关键词 短期预测 数据预处理 Bi-LSTM 深度学习 时间序列
在线阅读 下载PDF
改进YOLOv8的矿井人员防护装备实时监测方法研究 被引量:3
4
作者 张磊 孙志鹏 +3 位作者 陶虹京 郝尚凯 燕倩如 李熙尉 《煤炭科学技术》 北大核心 2025年第S1期354-365,共12页
穿戴个人防护装备是保障矿井人员作业安全的重要手段,开展矿井人员防护装备监测是煤矿安全管理的重要工作内容。煤矿井下环境较为复杂,视频监控易受到噪声、光照以及粉尘等因素干扰,导致现有的目标检测方法对矿井人员防护装备存在检测... 穿戴个人防护装备是保障矿井人员作业安全的重要手段,开展矿井人员防护装备监测是煤矿安全管理的重要工作内容。煤矿井下环境较为复杂,视频监控易受到噪声、光照以及粉尘等因素干扰,导致现有的目标检测方法对矿井人员防护装备存在检测精度低、实时性差、模型复杂度高等问题。为此,提出一种改进YOLOv8的矿井人员防护装备实时监测方法,称为DBE-YOLO。DBEYOLO模型首先在基准模型主干网络的CBS模块中结合可变形卷积(DCNv2)组成DBS模块,使卷积具有可变形能力,在采样时可以更贴近检测物体的真实形状和尺寸,更具有鲁棒性,有效提升了其对不同尺度目标的特征获取能力,有利于模型提取更多人员防护装备的特征信息,提高模型检测精度。其次在特征增强网络融合了加权双向特征金字塔机制(BiFPN),在多尺度特征融合过程中删除效率较低的特征传输节点,实现更高层次的融合,提高了对不同尺度特征的融合效率,同时BiFPN引入了一个可以学习的权值,有助于让网络学习不同输入特征的重要性。最后使用WIoUv3作为模型的损失函数,其通过动态分配梯度增益,重点关注普通锚框质量,在模型训练过程中减少了低质量锚框产生的有害梯度,进一步提升了模型性能。实验结果表明,DBE-YOLO模型在矿井人员防护装备监测中有着良好的效果,查准率、查全率、平均精度分别为93.1%、93.0%、95.8%,相较于基准模型分别提高0.8%,2.9%,2.9%,检测实时性提升到65 f·s^(-1),提高了8.3%,此外,参数量、浮点计算量、模型体积分别为2 M、6.6 G、4.4 MB,相较于原模型分别降低33.3%、18.5%、30.2%。使用煤矿现场作业视频监控对改进模型进行验证,其有效改善了漏检和误检问题,为提高矿井人员的作业安全提供了技术手段。 展开更多
关键词 可变形卷积 目标检测 损失函数 深度学习 实时监测
在线阅读 下载PDF
基于Transformer的时间序列预测方法综述 被引量:4
5
作者 陈嘉俊 刘波 +2 位作者 林伟伟 郑剑文 谢家晨 《计算机科学》 北大核心 2025年第6期96-105,共10页
时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制... 时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制,在自然语言处理与计算机视觉领域取得突破,也开始拓展至时间序列预测领域并取得显著成果。因此,探究如何将Transformer高效运用于时间序列预测,成为推动该领域发展的关键。首先,介绍了时间序列的特性,阐述了时间序列预测的常见任务类别及评估指标。接着,深入解析Transformer的基本架构,并挑选了近年来在时间序列预测中广受关注的Transfo-rmer衍生模型,从模块及架构层面进行分类,并分别从问题解决、创新点及局限性3个维度进行比较和分析。最后,进一步探讨了时间序列预测Transformer在未来可能的研究方向。 展开更多
关键词 时间序列 Transformer模型 深度学习 注意力机制 预测
在线阅读 下载PDF
基于时空卷积网络的通信信号调制识别 被引量:1
6
作者 陈发堂 刘泽 范子健 《电讯技术》 北大核心 2025年第4期518-524,共7页
针对基于深度学习的调制识别方法存在的未利用原始信号顺序信息、识别率低、参数量大的问题,提出一种基于时空卷积网络(Spatiotemporal Convolutional Network,SCN)的调制识别算法。为防止信号的顺序信息的丢失,该网络先提取信号的时域... 针对基于深度学习的调制识别方法存在的未利用原始信号顺序信息、识别率低、参数量大的问题,提出一种基于时空卷积网络(Spatiotemporal Convolutional Network,SCN)的调制识别算法。为防止信号的顺序信息的丢失,该网络先提取信号的时域特征,再提取信号的空间特征,其中时域特征提取采用时序卷积网络(Temporal Convolutional Network,TCN)结构,空间特征提取采用二维卷积神经网络(Two-Dimensional Convolution Neural Network,2D-CNN),最后的分类识别采用全局平均池化(Global Average Pooling,GAP)替代展平(Flatten)层。由于TCN中因果膨胀卷积和GAP的应用使网络高识别率的同时参数大幅减少。在未经预处理的IQ信号调制识别中,与传统的CNN2、ResNet、DenseNet、CLDNN和LSTM2相比,参数量最少,平均识别精度提升4.9%~16.5%。 展开更多
关键词 通信信号 调制识别 深度学习 时域特征 空间特征 全局平均池化
在线阅读 下载PDF
国际沉积学研究前沿和发展讨论——第37次国际沉积学家年会述评
7
作者 朱筱敏 王晓琳 +2 位作者 胡鑫 王祥 高子颉 《石油与天然气地质》 北大核心 2025年第3期685-704,共20页
2024年6月在英国阿伯丁召开的第37次国际沉积学家年会聚焦沉积学前沿领域,重点讨论了地球、生命与气候、前寒武纪环境、源-汇系统、河流与湖泊沉积、潮汐作用与浅海沉积、深水沉积、硅质碎屑成岩作用与储层表征、碳酸盐岩与蒸发岩、遗... 2024年6月在英国阿伯丁召开的第37次国际沉积学家年会聚焦沉积学前沿领域,重点讨论了地球、生命与气候、前寒武纪环境、源-汇系统、河流与湖泊沉积、潮汐作用与浅海沉积、深水沉积、硅质碎屑成岩作用与储层表征、碳酸盐岩与蒸发岩、遗迹化石学、火山与地球化学、行星沉积学、地热和能源转型、地震沉积学、人工智能和沉积学研究新方法与技术等学术前沿问题。会议强调了古气候研究在深-时全球变化中的重要性,提出高分辨率沉积记录重建古气候的新思路;强调构造活动、气候变化和沉积过程之间的耦合关系,依据多尺度地貌重建和沉积物通量模拟,揭示源-汇区搬运机制;强调细粒沉积物在深水环境中的搬运和沉积机制,提出基于机器学习的沉积相自动识别、储层预测和沉积过程模拟新方法等。基于这次年会的前沿动态综合分析,未来沉积学研究应关注和推进古气候与深-时全球变化、古地貌学与源-汇系统、深水沉积与细粒沉积学、大数据与人工智能新技术等发展,服务国家能源战略目标,创建具有中国区域地质特色的沉积学理论体系。 展开更多
关键词 大数据与人工智能技术 深-时全球气候 古地貌学与源-汇系统 深水沉积与细粒沉积学 国际沉积学家年会
在线阅读 下载PDF
Future China-Africa research collaboration in geoscience:Challenges and opportunities
8
作者 Michael H.STEPHENSON Hassina MOURI +5 位作者 Gbenga OKUNLOLA CHENG Li WANG Meng ZHAO Yu GU Liping WANG Chengshan 《地学前缘》 北大核心 2025年第1期459-465,共7页
At the 19th G20 Summit in Brazil in November 2024,China promoted the development of sustainable solutions to climate change,biodiversity loss,and environmental pollution.This continued the theme of the 2016 G20 Hangzh... At the 19th G20 Summit in Brazil in November 2024,China promoted the development of sustainable solutions to climate change,biodiversity loss,and environmental pollution.This continued the theme of the 2016 G20 Hangzhou Summit,at which China placed development at the center of the G20’s macroeconomic policy coordination for the first time,adopting the G20 Action Plan on the United Nations 2030 Agenda for Sustainable Development and the G20 Initiative on Supporting Industrialization in Africa and Least Developed Countries.In Brazil,China announced actions on advancing modernization in Africa over the next three years with a Chinese commitment of RMB360 billion yuan in financial support.In this article,we examine the potential role of geoscience research and practice in development,particularly in the sustainable use of natural resources,the prevention of climate change impacts,as well as mitigation of geo-hazards and their health implications,indicating the areas where China’s geoscience for Africa is strong and where it requires more effort.We find that although China is the world’s leading publisher of scientific papers,its contribution to geoscience in Africa(the globe’s fastest-growing economic area),as shown by bibliometric research,appears to be rather small and inconsistent with the research priorities of Africa.Amongst the priorities for geoscience research in Africa,which are not addressed substantially by the research conducted so far,are sustainable mineral and hydrocarbon development,hydrology and hydrogeology,climate change and resilience,natural hazards,medical geology,agrominerals,and geoscience education and training.A particular opportunity for African nations is the presence of critical minerals-minerals needed for the energy transition and for batteries for electric cars in particular.Africa is well-endowed with many of these critical materials,such as rare earth elements and platinum group metals.Several research groups stress the need for the agency on the part of African institutions to map out these valuable resources,understand their value and the economics and sustainability of their extraction,encourage local business,attract investment,and scrutinize proposals from potential international investors to get the best deals.A strong point of existing China-led geoscience development includes the Deep-time Digital Earth(DDE)program online computing platform and its artificial intelligence tool GeoGPT,which is being developed in partnership with Zhejiang Laboratory.These are being developed with strong China funding support for free and wide global access,with a particular focus on Africa.These advanced tools will help to place the agency of development squarely in the hands of African scientists and institutions.In summary,the following are recommended:(1)a more coordinated and strategic approach to China-led geoscience research in Africa;(2)an Africa-centered,geoscience funding initiative that concentrates on relevant topics to the continent such as critical minerals exploration and other geological resources,materials and processes and their health implications on the populations and ecosystems in general,as well as climate change and climate change resilience;and(3)continued support for China-led international initiatives that seek to increase the agency and capacity of Africa geoscience researchers,for example the Deep-time Digital Earth platform. 展开更多
关键词 open science sustainable development digital empowerment China-Africa geo-collaboration deep-time Digital Earth
在线阅读 下载PDF
深部开采强动载波形分类特征及震源参量响应规律 被引量:1
9
作者 李家卓 邱航 +3 位作者 窦林名 王剑 刘舜 马衍坤 《采矿与岩层控制工程学报》 北大核心 2025年第2期73-89,共17页
为了揭示深部开采过程中强动载震源机制及震源参量响应规律,以古城煤矿3105工作面为工程背景,分析了开采期间强动载事件分布特征与震源机制,并采用HHT方法对不同类型的强动载波进行了时频特征分析,定量计算了3类动载的震源参量,揭示了... 为了揭示深部开采过程中强动载震源机制及震源参量响应规律,以古城煤矿3105工作面为工程背景,分析了开采期间强动载事件分布特征与震源机制,并采用HHT方法对不同类型的强动载波进行了时频特征分析,定量计算了3类动载的震源参量,揭示了不同类型动载的能量释放特征与破裂模式。研究结果表明:强动载可分为顶板运动型、煤柱失稳型和断层错动型。断层区域动载断层两侧应力出现变化,发生压缩破坏;顶板区域动载受顶板破坏机制影响,主要发生压缩破坏和剪切破坏;煤柱区域动载主要发生压缩破坏。断层型强动载倾向角范围主要为30°~45°,顶板型强动载为10°~65°,煤柱型强动载为40°~50°。3类动载波在频率分布、能量分布上存在较大差异,其震源破裂时能量释放特征各不相同。顶板型强动载波边际谱呈单峰分布,频率主要集中在50~90 Hz;断层型强动载波边际谱呈双峰分布,频率主要集中在0~50 Hz;煤柱型强动载波边际谱呈宽频谱分布,频率主要集中在10~100 Hz。煤柱型强动载的地震矩最大,其次为顶板型,断层型最小。在震源半径相同的情况下,断层型动载的非弹性变形导致体积增大程度最大,煤柱型强动载次之,顶板型强动载最小。研究结果可为冲击地压矿井分源防控提供一定的理论参考。 展开更多
关键词 冲击地压 深部开采 强动载 时频特征 震源机制
在线阅读 下载PDF
深度学习赋能波束管理:现状、挑战与机遇 被引量:3
10
作者 王昭诚 马可 《中山大学学报(自然科学版)(中英文)》 CAS 北大核心 2025年第1期40-50,共11页
随着载波频率的不断提高和大规模天线阵列的广泛部署,基于模拟移相器的波束赋形成为下一代无线通信的标志性技术之一。此时,波束管理被用于获取和维护基站和用户端具有最大接收功率的最优波束对,以保障可靠的无线通信服务。传统波束管... 随着载波频率的不断提高和大规模天线阵列的广泛部署,基于模拟移相器的波束赋形成为下一代无线通信的标志性技术之一。此时,波束管理被用于获取和维护基站和用户端具有最大接收功率的最优波束对,以保障可靠的无线通信服务。传统波束管理方法往往依赖于海量搜索。同时,传统数学模型无法全面的、准确刻画非线性的波束的内在关联和高维无线环境特征,因而难以取得令人满意的波束增益性能。近年来,得益于深度学习强大的自适应拟合能力,深度学习赋能波束管理得到了国内外广泛关注。本文总结了深度学习赋能波束管理的研究进展,并展望了未来的研究方向。首先,阐述了深度学习应用于波束管理的典型场景和潜在优势;随后,从空/时/频域切入,讨论当前深度学习赋能波束管理的主要研究路线和代表性工作;最后,面向更大规模的无线网络、更多元的波束管理功能和更鲁棒的深度学习模型,阐述未来的研究挑战与机遇。 展开更多
关键词 深度学习 波束管理 空域 时域 频域
在线阅读 下载PDF
基于约束传递的深度主动时序聚类方法
11
作者 霍纬纲 朱旭 张盼 《电子与信息学报》 北大核心 2025年第4期1172-1181,共10页
已有的深度主动聚类方法未能通过标注样本推理生成必须链接(ML)约束或不能链接(CL)约束,标注成本较高。为此该文提出一种基于约束传递的深度主动时序聚类方法。该方法设置了标注类簇集合(ACS)及相应的辅助标注集合(AAS)。通过预训练时... 已有的深度主动聚类方法未能通过标注样本推理生成必须链接(ML)约束或不能链接(CL)约束,标注成本较高。为此该文提出一种基于约束传递的深度主动时序聚类方法。该方法设置了标注类簇集合(ACS)及相应的辅助标注集合(AAS)。通过预训练时序自编码器得到时序样本的表示向量。在深度聚类的每个训练轮次过程中,采样并标注表示空间中离类簇中心最近的样本存入ACS,使每个ACS内的样本属同一类别而ACS集合间的样本属于不同类别,然后从包含样本数最小的ACS集合中随机选取时序样本,采样并标注与该样本不属于同一类簇且距其所在类簇中心最近的时序样本存入AAS,使ACS与相应的AAS中的样本为不同类别,由ACS及对应的AAS中的样本推理生成ML和CL约束。由基于t-分布的类簇分布与其生成的辅助分布间的KL散度以及使满足ML及CL约束的时序样本在表示空间距离分别变小和变大的约束损失更新时序自编码器中编码网络参数和聚类中心。在18个公开数据集上的实验结果表明,该方法聚类效果在较低标注预算下平均RI值比已有的典型基线模型均提升5%以上。 展开更多
关键词 深度时序聚类 主动学习 约束传递
在线阅读 下载PDF
融合轨迹时序与行为修正的车辆冲突风险预测
12
作者 陈喜群 祝文琪 吕朝锋 《交通运输系统工程与信息》 北大核心 2025年第4期219-229,共11页
针对高速公路车辆冲突指标的突变性,本文提出基于轨迹数据的车辆纵向冲突风险实时预测模型,提高车辆冲突预测精度。模型采用碰撞时间(Time-to-Collision, TTC)作为纵向冲突替代安全测度指标,将不连续的指标预测转换为连续的速度参数时... 针对高速公路车辆冲突指标的突变性,本文提出基于轨迹数据的车辆纵向冲突风险实时预测模型,提高车辆冲突预测精度。模型采用碰撞时间(Time-to-Collision, TTC)作为纵向冲突替代安全测度指标,将不连续的指标预测转换为连续的速度参数时序预测,通过TTC实时推演模块输出预测冲突风险;应用时序Transformer实现高精度预测,针对冲突状态下驾驶员主观行为导致的偏差,融合自适应修正模块,在当前冲突指标达到阈值时激活短期加速度拟合,通过拟合的加速度修正Transformer预测值。在实测车辆轨迹数据上验证模型有效性,结果表明:本文模型在性能指标上均优于基准模型;相比基础Transformer模型,融合了自适应偏差修正模块的自适应风险调整Transformer(Adaptive Risk Adjustment Transformer, ARATransformer)模型的均方误差(MSE)降低了48.33%,均方根误差(RMSE)降低了21.33%,平均绝对误差(MAE)降低了24.10%。此外,本文所提模型具有能够适应不同驾驶员轨迹的泛化性,为冲突预警和提高辅助驾驶情形下系统风险干预的响应水平提供了有效方法。 展开更多
关键词 智能交通 交通冲突预测 深度时间序列预测 高速公路车辆轨迹 交通安全
在线阅读 下载PDF
基于时空图注意力网络的多变量时序数据异常检测方法
13
作者 肖刚 卢大鹏 +2 位作者 郑文博 程振波 张元鸣 《浙江大学学报(工学版)》 北大核心 2025年第10期2134-2143,共10页
现有时序数据异常检测方法侧重于提取时序数据的时间变化特征,忽略了多变量之间的空间依赖特征,为此提出基于时空图注意力网络的检测方法.将多变量时序数据转换为具有时空依赖关系的时序图结构数据,设计时空图注意力网络分别提取时序图... 现有时序数据异常检测方法侧重于提取时序数据的时间变化特征,忽略了多变量之间的空间依赖特征,为此提出基于时空图注意力网络的检测方法.将多变量时序数据转换为具有时空依赖关系的时序图结构数据,设计时空图注意力网络分别提取时序图结构数据的时间变化特征和空间依赖特征.通过多层感知机学习时空特征的周期性模式,根据时序数据的预测值与观测值的异常分数进行异常检测.在公开数据集上的实验结果表明,所提方法在异常检测精准度和鲁棒性方面显著优于现有先进的基线方法. 展开更多
关键词 异常检测 时序图 图深度学习 多变量时序数据 时空特征融合
在线阅读 下载PDF
基于双模型并联的复杂时序预测方法
14
作者 郑洪英 夏林中 刘星 《深圳大学学报(理工版)》 北大核心 2025年第3期334-341,共8页
传统时序预测模型通常仅关注捕捉复杂时序中的趋势和模式,而忽略了变量间的相互作用,限制了该模型在复杂时序预测中应用.提出一种Dualformer双模型并联方案,该模型并联iTransformer(inverted transformer)和PatchTST(patch time series ... 传统时序预测模型通常仅关注捕捉复杂时序中的趋势和模式,而忽略了变量间的相互作用,限制了该模型在复杂时序预测中应用.提出一种Dualformer双模型并联方案,该模型并联iTransformer(inverted transformer)和PatchTST(patch time series transformer),通过激活函数替代前馈神经网络,并通过多层感知机计算输出结果.Dualformer利用注意力机制同时捕捉复杂时序中的时间维度和变量维度信息,关注时间趋势与多变量交互.实验结果显示,Dualformer在复杂时序预测效果上显著优于对比模型iTransformer、PatchTST和DLinear(decomposition linear),在实际应用中可显著提高复杂时序预测的准确度,具有广泛应用前景. 展开更多
关键词 人工智能 深度学习 复杂时序预测 注意力机制 多层感知机 Dualformer模型
在线阅读 下载PDF
光纤传感网络混合式入侵行为实时检测研究 被引量:1
15
作者 陆思辰 王福军 《激光杂志》 北大核心 2025年第1期202-207,共6页
混合式入侵行为往往在一个或多个局部位置出现,且在时间上存在一定的聚集性,无法很好地捕捉其复杂特征,为此提出光纤传感网络混合式入侵行为实时检测方法。以平均过零率和短时能量作为指标对某段信号进行分割处理,减少不断累加的处理延... 混合式入侵行为往往在一个或多个局部位置出现,且在时间上存在一定的聚集性,无法很好地捕捉其复杂特征,为此提出光纤传感网络混合式入侵行为实时检测方法。以平均过零率和短时能量作为指标对某段信号进行分割处理,减少不断累加的处理延时,提取可能存在入侵行为的光纤传感信号。通过高阶谱分析、样本熵分析和奇异值分析进一步提取信号特征,构建并利用多层梯度下降法训练多个深度神经网络,将所提取的特征输入至对应深度神经网络中,经由Softmax函数输出混合式入侵行为检测结果,最后采用改进的DS证据理论关联融合各深度神经网络输出的检测结果,实现光纤传感网络混合式入侵行为实时检测。实验结果表明,所提方法入侵行为检测结果更准确、内存占用率和CPU使用率较低。 展开更多
关键词 光纤传感网络 混合式入侵行为 实时检测 深度神经网络 奇异值分解
在线阅读 下载PDF
基于CNN模型的地震数据噪声压制性能对比研究 被引量:1
16
作者 张光德 张怀榜 +3 位作者 赵金泉 尤加春 魏俊廷 杨德宽 《石油物探》 北大核心 2025年第2期232-246,共15页
地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信... 地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信息损失以及依赖人工提取特征等局限性。为克服传统方法的不足,采用时频域变换并结合深度学习方法进行地震噪声压制,并验证其应用效果。通过构建5个神经网络模型(FCN、Unet、CBDNet、SwinUnet以及TransUnet)对经过时频变换的地震信号进行噪声压制。为了定量评估实验方法的去噪性能,引入了峰值信噪比(PSNR)、结构相似性指数(SSIM)和均方根误差(RMSE)3个指标,比较不同方法的噪声压制性能。数值实验结果表明,基于时频变换的卷积神经网络(CNN)方法对常见的地震噪声类型(包括随机噪声、海洋涌浪噪声、陆地面波噪声)具有较好的噪声压制效果,能够提高地震数据的信噪比。而Transformer模块的引入可进一步提高对上述3种常见地震数据噪声类型的压制效果,进一步提升CNN模型的去噪性能。尽管该方法在数值实验中取得了较好的应用效果,但仍有进一步优化的空间可供探索,比如改进网络结构以适应更复杂的地震信号,并探索与其他先进技术结合,以提升地震噪声压制性能。 展开更多
关键词 地震噪声压制 深度学习 卷积神经网络(CNN) 时频变换 TRANSFORMER
在线阅读 下载PDF
基于双分支融合的图像实时语义分割方法
17
作者 宋玉琴 娄辉 +1 位作者 张琪 商纯良 《空军工程大学学报》 北大核心 2025年第2期62-70,共9页
针对现有实时语义分割网络分割多尺度目标时存在类别错分和分割不完整的问题,提出了一种基于双分支融合的图像实时语义分割方法。提出尺度注意融合模块,融合细节分支和语义分支提取到的目标空间特征和语义信息,以提高网络对多尺度目标... 针对现有实时语义分割网络分割多尺度目标时存在类别错分和分割不完整的问题,提出了一种基于双分支融合的图像实时语义分割方法。提出尺度注意融合模块,融合细节分支和语义分支提取到的目标空间特征和语义信息,以提高网络对多尺度目标识别的准确率。使用边缘损失函数引导细节分支学习目标边缘轮廓,增强网络对目标边缘细节的分割性能。最后,构建全局感知模块提高网络的全局上下文感知能力。实验结果表明:文中方法在CityScapes和CamVid数据集上平均交并比(mIoU)分别为78.1%和76.2%,平均像素准确率(mPA)分别为87.6%和85.4%,对于小尺度目标边缘实现了更精准的分割,且在一个GTX 1080Ti GPU上推理达到实时要求,帧速率(FPS)分别达到59.8和43.5。 展开更多
关键词 深度学习 实时语义分割 尺度注意 特征融合 全局感知
在线阅读 下载PDF
基于深度强化学习的外卖即时配送实时优化 被引量:1
18
作者 陈彦如 刘珂良 冉茂亮 《计算机工程》 北大核心 2025年第9期328-339,共12页
为了应对外卖配送任务在用餐高峰期运力紧张、订单延迟送达率高的挑战,提出一种基于深度强化学习(DRL)的外卖即时配送实时优化策略,以提升外卖平台长期客户服务水平。首先,充分考虑外卖配送中备餐时间、取送顺序、时间窗等约束,以最大... 为了应对外卖配送任务在用餐高峰期运力紧张、订单延迟送达率高的挑战,提出一种基于深度强化学习(DRL)的外卖即时配送实时优化策略,以提升外卖平台长期客户服务水平。首先,充分考虑外卖配送中备餐时间、取送顺序、时间窗等约束,以最大化期望平均客户服务水平为目标,建立考虑随机需求的外卖即时配送问题的马尔可夫决策过程(MDP)模型;其次,设计一种结合近似策略优化(PPO)算法和插入启发式(IH)算法的外卖即时配送优化策略PPO-IH。PPO-IH使用融合注意力机制的选择策略网络对订单-骑手进行匹配,通过PPO算法对网络进行训练,并使用插入启发式算法更新骑手路径。最后,通过与贪婪策略(Greedy)、最小差值策略、分配启发式以及两种深度强化学习算法进行对比实验,结果表明。PPO-IH分别在71.5%、95.5%、87.5%、79.5%与70.0%时段数据中表现更优,同时平均客户服务水平更高,平均每单配送时间更短、延迟送达率更低。此外,PPO-IH在不同骑手数、不同订单密度以及不同订单时间窗场景下具有一定的有效性和泛化性。 展开更多
关键词 外卖配送 实时优化 深度强化学习 马尔可夫决策过程 近似策略优化 注意力机制
在线阅读 下载PDF
基于深度强化学习算法的分布式光伏-EV互补系统智能调度
19
作者 陈宁 李法社 +3 位作者 王霜 张慧聪 唐存靖 倪梓皓 《高电压技术》 北大核心 2025年第3期1454-1463,共10页
针对分布式光伏与电动汽车(electric vehicle,EV)大规模接入电网将对电力系统造成冲击的问题,通过建立分布式光伏-EV互补调度模型,以平抑光伏并网波动、增加EV用户经济性为目标,考虑光伏出力的随机性、负荷功率波动、EV接入时间及电量... 针对分布式光伏与电动汽车(electric vehicle,EV)大规模接入电网将对电力系统造成冲击的问题,通过建立分布式光伏-EV互补调度模型,以平抑光伏并网波动、增加EV用户经济性为目标,考虑光伏出力的随机性、负荷功率波动、EV接入时间及电量随机性、实时电价、电池老化成本等因素,提出采用梯度随机扰动的改进型近端策略优化算法(gradient random perturbation-proximal policy optimization algorithm,GRP-PPO)进行求解,通过对模型目标函数的调整,得到基于不同优化目标的2种实时运行策略。通过算例可知,实时调度策略可有效地平抑并网点功率波动,调度效果较传统PPO算法提高了3.48%;策略一以用户的出行需求及平抑并网点功率波动为首要目标,能够保证用户的24h用车需求,同时并网点功率稳定率达到91.84%;策略二以用户经济效益为首要优化目标,全天参与调度的EV收益可达82.6元,可起到鼓励用户参与调度的目的。 展开更多
关键词 分布式光伏 电动汽车 V2G 深度强化学习 实时调度 近端策略优化
在线阅读 下载PDF
奖励回溯DQN驱动的多QoS工业网络时隙调度方法
20
作者 梁炜 郑家桐 +1 位作者 张嘉麟 杨雨沱 《计算机应用研究》 北大核心 2025年第7期2141-2146,共6页
现有研究在多QoS(quality of service)调度问题中,由于仅依赖即时奖励反馈机制,在资源受限的场景下处理时延敏感数据和具有连续传输需求的媒体数据时,存在可扩展性差和资源浪费的问题。为此,提出了一种基于奖励回溯的DQN(reward backtra... 现有研究在多QoS(quality of service)调度问题中,由于仅依赖即时奖励反馈机制,在资源受限的场景下处理时延敏感数据和具有连续传输需求的媒体数据时,存在可扩展性差和资源浪费的问题。为此,提出了一种基于奖励回溯的DQN(reward backtracking based deep Q-network,RB-DQN)算法。该算法通过未来时刻的交互来回溯调整当前状态的策略评估,以更加有效地识别并解决因不合理调度策略导致的丢包。同时,设计了一种时延-吞吐均衡度量(latency throughput trade-off,LTT)指标,该指标综合考虑了时延敏感数据和媒体类型数据的业务需求,并可通过权重调整来突出不同的侧重点。大量仿真结果表明,与其他调度策略相比,所提算法能够有效降低时延敏感数据的延迟和抖动,同时确保媒体类型数据的流畅性与稳定性。 展开更多
关键词 时隙调度 深度强化学习 多QoS 奖励回溯
在线阅读 下载PDF
上一页 1 2 51 下一页 到第
使用帮助 返回顶部