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1,993篇文章
< 1 2 … 100 >
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：
卷积循环神经网络的高光谱图像解混方法
1
作者 孔繁锵 余圣杰 +2 位作者 王坤 方煦 吕志杰 《西安电子科技大学学报》 北大核心 2025年第1期142-151,共10页
针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创... 针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创新性的网络结构设计,通过卷积层深入挖掘空间特征,同时利用卷积长短期记忆单元充分挖掘波段间的光谱变异性及其光谱相关性,有效处理光谱维度的序列信息,从而实现对高光谱数据更加精准和高效的分析。为了更加细致地区分和利用高光谱数据中不同谱段的特异性,采用深度光谱分区方法优化网络输入,通过自适应学习机制对不同光谱区域精细化处理,增强了模型对高光谱数据中复杂光谱关系的捕捉能力,进一步提升网络的解混性能。在模拟和多个真实高光谱数据集上的对比实验表明,该方法在解混精度和模型鲁棒性等方面均优于现有方法,特别是在处理复杂地物光谱特征时,表现出良好的泛化能力和稳定性,能够准确估计端元和丰度。 展开更多
关键词 高光谱图像 循环神经网络 自编码器 卷积长短期记忆网络 深度光谱分区
在线阅读 下载PDF
基于卷积循环神经网络的手写汉字文本识别 被引量：1
2
作者 胡瑞朋 何春燕 +2 位作者 张伟明 赵立新 李明博 《科学技术与工程》 北大核心 2025年第4期1547-1554,共8页
为了解决卷积循环神经网络(convolutional recurrent neural networks, CRNN)手写汉字文本识别网络模型的训练参数大、文本识别率低等问题,提出一种基于注意力双向长短期记忆网络(based on attention bi-directional long short-term me... 为了解决卷积循环神经网络(convolutional recurrent neural networks, CRNN)手写汉字文本识别网络模型的训练参数大、文本识别率低等问题,提出一种基于注意力双向长短期记忆网络(based on attention bi-directional long short-term memory network, AT-BLSTM)和知识蒸馏(knowledge distillation, KD)技术的手写汉字识别方法。通过对AT-BLSTM网络的输入向量特征赋予不同的权重,使模型训练数据集更加高效、准确;通过KD技术将一个高性能的大模型获取的知识传输到一个小模型中,在确保模型准确性的同时,减少训练参数和内存占比,得到一个性能更优的轻量级训练模型。该方法通过多组实验对比,汉字识别准确率提高了6.7%,训练参数减少15.94 M。该网络模型识别准确率达到97.9%,汉字识别效果更好。 展开更多
关键词 卷积循环神经网络(CRNN) 手写汉字文本识别 注意力机制 知识蒸馏(KD)
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量：1
3
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
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
4
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PSO-ChOA-Elman神经网络的船舶柴油机故障诊断
5
作者 尹文海 杨志勇 +1 位作者 尚前明 杨安邦 《船海工程》 北大核心 2025年第4期127-133,140,共8页
针对传统船舶柴油机故障诊断方法的局限性,提出一种基于粒子群算法(PSO)和黑猩猩算法(ChOA)相结合,优化Elman神经网络的船舶柴油机故障诊断方法,旨在提高故障诊断的准确性和普适性。对MAN B&W 7K98MC型柴油机的常见故障数据进行预处... 针对传统船舶柴油机故障诊断方法的局限性,提出一种基于粒子群算法(PSO)和黑猩猩算法(ChOA)相结合,优化Elman神经网络的船舶柴油机故障诊断方法,旨在提高故障诊断的准确性和普适性。对MAN B&W 7K98MC型柴油机的常见故障数据进行预处理,以消除不同量纲和数量级数据间的干扰;构建Elman神经网络模型,并使用PSO和ChOA算法对网络的参数进行优化,以提升模型性能。文中详细介绍了Elman神经网络的结构和数学模型,以及PSO和ChOA算法的原理和改进措施。通过Matlab平台的模拟实验,对比标准Elman神经网络和改进后的PSO-ChOA-Elman神经网络在故障诊断中的性能。结果显示,改进后的模型故障诊断的准确率达到99.4%,明显优于原始模型的94.01%,同时具有更高的稳定性和更快的收敛速度。所提出的基于PSO-ChOA-Elman神经网络的故障诊断方法有效地提高了船舶柴油机故障诊断的准确性和效率,为船舶柴油机的健康管理和故障预防提供一种新的技术手段。 展开更多
关键词 柴油机 故障诊断 elman神经网络 粒子群优化算法 黑猩猩优化算法
在线阅读 下载PDF
基于Elman神经网络的茶叶主产省农业产值与茶商品价格模拟
6
作者 程陈 罗屹 +3 位作者 郑生宏 王嘉仪 张含雨 丁枫华 《中国农机化学报》 北大核心 2025年第2期264-270,共7页
精准预测农业产值和农产品价格对高效利用发展农业资源、调整农业结构和加强农业信息化建设等起推动作用。基于茶叶主产省农业产值及关键影响因素数据和3种电商平台的茶商品交易数据,利用经典的逐步回归方法确定农业产值和茶商品价格的... 精准预测农业产值和农产品价格对高效利用发展农业资源、调整农业结构和加强农业信息化建设等起推动作用。基于茶叶主产省农业产值及关键影响因素数据和3种电商平台的茶商品交易数据,利用经典的逐步回归方法确定农业产值和茶商品价格的关键影响因素及权重,构建基于Elman神经网络算法的农业产值和茶商品价格模拟模型。结果表明,茶叶主产省农业产值的关键影响因素包括活动积温、降水量、粮食作物播种面积、经济作物播种面积、经济作物产量占比、农业机械总动力、机耕面积、机播面积、机收面积、农村用电量、化肥施用量(折纯量)、乡村人口数和乡村从业人员数;茶叶主产省茶商品价格的关键影响因素包括平台、省份、茶类、采摘季节、商品级别和增值服务。基于Elman神经网络算法的茶叶主产省农业产值模型模拟值与实测值的均方根误差为6.21~27.51亿元,归一化均方根误差为3.10%~12.23%;基于Elman神经网络算法的3种电商平台茶商品价格模型模拟值与实测值的均方根误差为81.94~98.26元/kg,归一化均方根误差为8.42%~35.66%。 展开更多
关键词 茶叶 elman神经网络 逐步回归 农业产值 茶商品价格 模拟模型
在线阅读 下载PDF
基于WOA-Elman神经网络的城市固废焚烧炉主蒸汽流量软测量 被引量：1
7
作者 梁伟平 薛文雅 +2 位作者 马靖宁 陈联宏 许洪滨 《控制工程》 北大核心 2025年第2期201-207,共7页
主蒸汽流量对于垃圾焚烧炉平稳运行起着重要的作用。目前,主蒸汽流量机理计算模型复杂,且准确度不高。针对这一问题,应用一种基于鲸鱼优化算法(Whale optimization algorithm,WOA)和Elman神经网络的焚烧炉主蒸汽流量软测量模型。首先,... 主蒸汽流量对于垃圾焚烧炉平稳运行起着重要的作用。目前,主蒸汽流量机理计算模型复杂,且准确度不高。针对这一问题,应用一种基于鲸鱼优化算法(Whale optimization algorithm,WOA)和Elman神经网络的焚烧炉主蒸汽流量软测量模型。首先,根据相关性分析筛选相关变量;再通过WOA优化Elman神经网络参数;最后,建立WOA-Elman神经网络主蒸汽流量软测量模型。结果表明,与其他经典软测量模型相比,建立的WOA-Elman神经网络软测量模型准确度更高,误差更小,能够有效地应用于主蒸汽流量软测量中。 展开更多
关键词 垃圾焚烧炉 主蒸汽流量 软测量 elman神经网络 鲸鱼优化算法
在线阅读 下载PDF
基于SSA-Elman神经网络的爆破振动速度预测
8
作者 王晗 闫鹏 +3 位作者 张云鹏 巩瑞杰 袁腾 杨曦 《工程爆破》 北大核心 2025年第3期140-150,共11页
为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结... 为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结果表明,与Elman神经网络预测模型相比,X、Y以及Z方向的爆破振动速度SSA-Elman神经网络预测模型的预测值和实测值更接近,均方根误差(RMSE)以及平均绝对误差(MAE)较小,S_(RMSE)分别减少了54.2%、9.3%、34%,S MAE分别减少了50%、5.7%、21%,说明采用SSA优化Elman神经网络权值和阈值的方法,可以提高Elman神经网络预测模型的精度。 展开更多
关键词 爆破振动预测 elman神经网络 麻雀搜索(SSA)算法 灰色综合关联度分析
在线阅读 下载PDF
基于循环神经网络的棒束通道流动参数实时计算方法研究
9
作者 李翔宇 解衡 《原子能科学技术》 北大核心 2025年第7期1386-1396,共11页
针对深度学习求解物理场方程时存在的算法不可解释性,训练模型时所需数据量大、训练时间长,且不能随意修改模型边界条件等问题,本文设计了一个可用于实时计算棒束通道内流速分布的循环神经网络(recurrent neural network,RNN)。该算法以... 针对深度学习求解物理场方程时存在的算法不可解释性,训练模型时所需数据量大、训练时间长,且不能随意修改模型边界条件等问题,本文设计了一个可用于实时计算棒束通道内流速分布的循环神经网络(recurrent neural network,RNN)。该算法以RNN作为基本结构,利用多松弛时间-格子玻尔兹曼方法(multiple relaxation time-lattice Boltzmann method,MRT-LBM)构造RNN的计算单元,利用浸入法和特征线法确定神经元的结构和数量,并利用顶盖驱动流模型、5×5棒束通道仿真计算和PIV测量结果验证算法的有效性。计算结果表明,RNN在计算上述两个模型的无量纲化流速分布时,与MRT-LBM和商业CFD软件相比,残差约为0.1,残差较模型入口处的流速小1个数量级。RNN在计算棒束通道截面的无量纲化流速时,消耗的计算时间约为0.005~0.03 s,仅为MRT-LBM的1/6~1/3,且计算结果基本与PIV的测量结果相符合。同时RNN所有的计算过程都有物理方程对应,因此RNN可以在保证计算精度的前提下极大提升计算速度,且具有可解释性。RNN可为反应堆数字孪生系统提供实时模拟流动参数的计算方法,进一步提升数字孪生系统对现实环境的模拟能力。 展开更多
关键词 反应堆数字孪生系统 棒束通道 深度学习 循环神经网络 多松弛时间-格子玻尔兹曼方法
在线阅读 下载PDF
铣削刀具循环神经网络预测寿命方法
10
作者 陆浩天 冀晨宇 +1 位作者 张晟玮 沈彬 《机械设计与制造》 北大核心 2025年第3期66-70,共5页
在开展新的钛合金铣削工艺加工前,总是离不开刀具的选用,一把适应该工艺的刀具能有效提高生产效率,降低加工成本。然而由于钛合金的难加工性,在选刀过程中总会消耗很多时间和人力在试切过程中。为了降低试切消耗的时间和人力成本,提出... 在开展新的钛合金铣削工艺加工前,总是离不开刀具的选用,一把适应该工艺的刀具能有效提高生产效率,降低加工成本。然而由于钛合金的难加工性,在选刀过程中总会消耗很多时间和人力在试切过程中。为了降低试切消耗的时间和人力成本,提出了一种利用铣削试切过程中采集到的扭矩信号来评估和预测刀具在其寿命中的可用次数,并实现不同刀具间的横向对比以获得最佳刀具的方法。通常加工时扭矩的有效值已经能表征了铣刀的磨损状态,但不同刀具在加工时由于刃倾角、涂层等参数不同导致同样磨损量的刀具在加工时扭矩的有效值不同。该方法将提取扭矩的高频信号来表征加工状态,以避免刀具参数不同带来的影响;继而利用循环神经网络,把多次试切时的信号特征时序转化为刀具的寿命预测。实验结果表明,该方法能有效地通过前几次试切来预测刀具使用寿命,使得试切消耗的次数缩短到原来的1/3;能适用于不同刃倾角和涂层的刀具,并由此横向比对出最适应本次加工的刀具。 展开更多
关键词 刀具寿命预估 扭矩信号 循环神经网络 刀具优选
在线阅读 下载PDF
基于循环神经网络的核电厂复合故障诊断方法
11
作者 陈逸龙 林萌 周士祺 《海军工程大学学报》 北大核心 2025年第1期36-42,共7页
核电厂单一故障识别的方法有很多,但是由于核电厂的复杂性,复合故障识别的难度较大,且传统故障诊断方法存在难以利用核电厂运行数据中时序信息的问题。针对上述问题,提出一种循环神经网络和多标签分类方法相结合的核电厂复合故障诊断方... 核电厂单一故障识别的方法有很多,但是由于核电厂的复杂性,复合故障识别的难度较大,且传统故障诊断方法存在难以利用核电厂运行数据中时序信息的问题。针对上述问题,提出一种循环神经网络和多标签分类方法相结合的核电厂复合故障诊断方法。该方法首先将故障数据切分为携带时序信息的输入样本;然后,通过循环神经网络提取故障样本中的时序特征;最后,通过多标签分类器完成多个故障标签的解耦输出,实现了复合故障的诊断。仿真实验验证了所提方法无论是对单一故障还是复合故障都具有良好的故障诊断效果。同时,还探究了不同循环神经单元和不同长度的输入样本对模型诊断效果的影响,结果表明:LSTM模型和GRU模型的效果优于常规RNN模型,且增加输入样本的长度并不一定能够提升模型诊断准确率。 展开更多
关键词 核电厂 循环神经网络 复合故障 多标签 深度学习
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
12
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于多尺度-组合式循环神经网络的内燃机缸套表面磨损量预测方法
13
作者 张永芳 侯丕鸿 +4 位作者 杨鑫亮 陈锐搏 康建雄 邢志国 吕延军 《摩擦学学报(中英文)》 北大核心 2025年第2期315-324,共10页
缸套作为内燃机的关键部件,其磨损状况直接影响内燃机活塞-缸套系统的服役性能.为了准确预测内燃机缸套表面的磨损状况,本文中提出了1种多尺度组合式的循环神经网络(MIXRNN)模型,该模型融合了多尺度特征提取技术与组合式循环神经网络(R... 缸套作为内燃机的关键部件,其磨损状况直接影响内燃机活塞-缸套系统的服役性能.为了准确预测内燃机缸套表面的磨损状况,本文中提出了1种多尺度组合式的循环神经网络(MIXRNN)模型,该模型融合了多尺度特征提取技术与组合式循环神经网络(RNN)架构,通过捕捉和学习缸套磨损过程中的时序特征及其动态关系,使其具备了非线性磨损量回归的能力.基于内燃机缸套实际运行数据的测试表明:该模型在平均绝对误差、平均相对误差、根均方误差及决定系数等性能指标上显著优于传统的RNN及其变体模型,尤其在处理小样本数据集和长时间序列数据时,具有很好的鲁棒性和准确性,为内燃机活塞-缸套系统的剩余寿命预测和服役性能评估提供了参考和依据. 展开更多
关键词 内燃机缸套 磨损量预测 多尺度特征 组合式循环神经网络 小样本训练
在线阅读 下载PDF
基于Elman神经网络的旱情预测模型研究
14
作者 杨靖峰 边东波 +1 位作者 王宝龙 杨溢 《天津农林科技》 2025年第1期12-18,共7页
文章以2018年9月1日至2021年8月31日天津市蓟州区、静海区、宁河区、滨海新区的10个气象自动监测站的3年数据为基础,研究建立基于Elman神经网络的旱情预测模型,并对模型应用进行测试评价。文章数据选取空气温度、空气湿度、风速、风向... 文章以2018年9月1日至2021年8月31日天津市蓟州区、静海区、宁河区、滨海新区的10个气象自动监测站的3年数据为基础,研究建立基于Elman神经网络的旱情预测模型,并对模型应用进行测试评价。文章数据选取空气温度、空气湿度、风速、风向等18项影响因子训练Elman神经网络模型,对旱情进行短期(24 h)、中期(7 d)、长期(14 d)预测。结果显示,基于Elman神经网络的旱情预测模型短、中、长期3个时期的平均旱情预测准确度分别达到97.82%、91.71%、88.94%,与2023年建立的墒情预测模型结果(短期、中期、长期预测准确度分别为96.64%、90.60%、85.59%)[1]进行对比,短、中、长期3个时期旱情预测模型的平均预测准确度均高于同期墒情预测模型的准确度,其中旱情预测模型Ⅲ(14 d)对20 cm土层深度的旱情预测准确度比同期同层次墒情预测模型的准确度提高9.3%。研究发现,天津地区的气候特点与我国北方大部分地区相似,降雨主要集中于一年内的某些月份,从而使得旱情预测模型的预测准确度高于墒情预测模型的预测准确度,故本研究的旱情预测模型可以推广至我国北方大部分地区及中西部地区,以期为当地旱情、墒情预测预报研究提供参考。 展开更多
关键词 旱情 elman神经网络 短期预测 中长期预测
在线阅读 下载PDF
基于MSCNN-GRU神经网络补全测井曲线和可解释性的智能岩性识别 被引量：1
15
作者 王婷婷 王振豪 +2 位作者 赵万春 蔡萌 史晓东 《石油地球物理勘探》 北大核心 2025年第1期1-11,共11页
针对传统岩性识别方法在处理测井曲线缺失、准确性以及模型可解释性等方面的不足,提出了一种基于MSCNN-GRU神经网络补全测井曲线和Optuna超参数优化的XGBoost模型的可解释性的岩性识别方法。首先,针对测井曲线在特定层段丢失或失真的问... 针对传统岩性识别方法在处理测井曲线缺失、准确性以及模型可解释性等方面的不足,提出了一种基于MSCNN-GRU神经网络补全测井曲线和Optuna超参数优化的XGBoost模型的可解释性的岩性识别方法。首先,针对测井曲线在特定层段丢失或失真的问题,引入了基于多尺度卷积神经网络(MSCNN)与门控循环单元(GRU)神经网络相结合的曲线重构方法,为后续的岩性识别提供了准确的数据基础;其次,利用小波包自适应阈值方法对数据进行去噪和归一化处理,以减少噪声对岩性识别的影响;然后,采用Optuna框架确定XGBoost算法的超参数,建立了高效的岩性识别模型;最后,利用SHAP可解释性方法对XGBoost模型进行归因分析,揭示了不同特征对于岩性识别的贡献度,提升了模型的可解释性。结果表明,Optuna-XGBoost模型综合岩性识别准确率为79.91%,分别高于支持向量机(SVM)、朴素贝叶斯、随机森林三种神经网络模型24.89%、12.45%、6.33%。基于Optuna-XGBoost模型的SHAP可解释性的岩性识别方法具有更高的准确性和可解释性,能够更好地满足实际生产需要。 展开更多
关键词 岩性识别 多尺度卷积神经网络 门控循环单元神经网络 XGBoost 超参数优化 可解释性
在线阅读 下载PDF
基于循环神经网络的多模态数据层次化缓存系统设计
16
作者 张燕 《现代电子技术》 北大核心 2025年第4期52-56,共5页
为提升对多模态数据的管理效果,提高数据访问速度并减轻数据库负载,设计一种基于循环神经网络的多模态数据层次化缓存系统。在DRAM/NVM混合内存模块中,利用DRAM完成主存NVM的缓存。当DRAM存在缓存缺失时,利用访问监控模块内置高速采集... 为提升对多模态数据的管理效果,提高数据访问速度并减轻数据库负载,设计一种基于循环神经网络的多模态数据层次化缓存系统。在DRAM/NVM混合内存模块中,利用DRAM完成主存NVM的缓存。当DRAM存在缓存缺失时,利用访问监控模块内置高速采集卡来采集NVM上频繁访问4 KB数据块的历史访问记录,再将历史访问记录编码为访问向量后构建训练集,作为长短期记忆(LSTM)网络的输入,用于预测访问频率。在缓存过滤模块中,将访问频率预测结果高于设定阈值部分的4 KB多模态数据读取到DRAM中进行缓存。实验结果显示:所设计系统可最大程度地降低系统带宽占用情况,TLB缺失率低,缓存执行效率较高,面对大页面具备显著缓存优势。 展开更多
关键词 多模态数据 层次化缓存 循环神经网络 长短期记忆(LSTM)网络 DRAM NVM 访问频率
在线阅读 下载PDF
基于CNN-GRU组合神经网络的锂电池寿命预测模型研究
17
作者 张安安 谢琳惺 杨威 《电测与仪表》 北大核心 2025年第7期77-84,共8页
针对锂电池容量及内阻等直接性能参数获取困难,导致锂电池寿命预测准确度不高的问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated recurrent unit,GRU)组合神经网络的锂电池寿命预测模型。文章从... 针对锂电池容量及内阻等直接性能参数获取困难,导致锂电池寿命预测准确度不高的问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated recurrent unit,GRU)组合神经网络的锂电池寿命预测模型。文章从锂电池充电和放电实验中提取恒流充电时间间隔、恒压充电时间间隔、放电温度峰值时间及循环次数四种间接健康因子,建立Pearson及Spearman相关系数;构建基于CNN-GRU组合神经网络的锂电池寿命预测模型;通过实际数据验证提取健康因子的合理性,并将预测结果与支持向量机模型、长短期记忆(long short-term memory,LSTM)模型、GRU模型、CNN-LSTM模型对比分析,验证所提模型的优越性及有效性。 展开更多
关键词 锂电池 健康因子 相关系数 卷积神经网络 门控循环单元
在线阅读 下载PDF
基于IWOA-SA-Elman神经网络的短期风电功率预测 被引量：6
18
作者 刘吉成 朱玺瑞 于晶 《太阳能学报》 EI CAS CSCD 北大核心 2024年第1期143-150,共8页
由于风力发电的随机性和不确定性使其短期功率的预测工作十分困难,而神经网络模型依靠其强大的自学习能力在风电功率预测领域有着广泛的应用。但神经网络预测精度受初始权重影响较大,且易出现过拟合的问题。为此构建一种基于改进鲸鱼算... 由于风力发电的随机性和不确定性使其短期功率的预测工作十分困难,而神经网络模型依靠其强大的自学习能力在风电功率预测领域有着广泛的应用。但神经网络预测精度受初始权重影响较大,且易出现过拟合的问题。为此构建一种基于改进鲸鱼算法和模拟退火组合优化的Elman神经网络短期风电功率预测模型,模型首先利用改进鲸鱼算法结合模拟退火策略获得高质量神经网络初始权值,接着引入正则化损失函数防止其过拟合,最后以西班牙瓦伦西亚某风电场陆上短期风电功率为研究对象,将该算法与BP、LSTM、Elman、WOA-Elman、IWOA-Elman 5种神经网络算法进行算法性能测试对比,结果表明IWOA-SA-Elman神经网络模型预测误差最小,验证了该算法的合理性和有效性。 展开更多
关键词 风电 elman神经网络 预测 模拟退火 鲸鱼优化算法
在线阅读 下载PDF
混合图神经网络和门控循环网络的短期光伏功率预测 被引量：4
19
作者 殷豪 李奕甸 +3 位作者 谢智锋 于慧 张展 王懿华 《太阳能学报》 EI CAS CSCD 北大核心 2024年第3期523-532,共10页
为了能从大量历史光伏发电数据中提取出有效的时序特征以及在非欧几里得域中的关联,建立了基于混合图神经网络以及门控循环网络的短期光伏功率预测模型。该模型首先通过最邻近分类算法生成气象及出力数据的最邻近图,再将其结合图神经网... 为了能从大量历史光伏发电数据中提取出有效的时序特征以及在非欧几里得域中的关联,建立了基于混合图神经网络以及门控循环网络的短期光伏功率预测模型。该模型首先通过最邻近分类算法生成气象及出力数据的最邻近图,再将其结合图神经网络作为编码器对气象及出力数据进行编码形成时间序列,最后通过门控循环网络以及全连接层解码输出光伏功率预测结果。通过仿真分析验证,该模型具有更优的特征挖掘能力和分析性能,能更好地突出某时间节点的气象及出力数据特征,适应天气突变带来特征变化,从而提升光伏预测整体模型的表达能力。 展开更多
关键词 图神经网络 深度学习 光伏发电 功率预测 门控循环网络
在线阅读 下载PDF
基于改进门控循环神经网络的采煤机滚筒调高量预测 被引量：3
20
作者 齐爱玲 王雨 马宏伟 《工矿自动化》 CSCD 北大核心 2024年第2期116-123,共8页
采煤机自适应截割技术是实现综采工作面智能化开采的关键技术。针对采煤机在复杂煤层下自动截割精度较低的问题,提出了一种基于改进门控循环神经网络(GRU)的采煤机滚筒调高量预测方法。鉴于截割轨迹纵向及横向相邻数据之间的相关性,采... 采煤机自适应截割技术是实现综采工作面智能化开采的关键技术。针对采煤机在复杂煤层下自动截割精度较低的问题,提出了一种基于改进门控循环神经网络(GRU)的采煤机滚筒调高量预测方法。鉴于截割轨迹纵向及横向相邻数据之间的相关性,采用定长滑动时间窗法对获取的采煤机滚筒高度数据进行预处理,将输入数据划分为连续、大小可调的子序列,同时处理横向、纵向的特征信息。为提高模型预测效率,满足循环截割的实时性要求,提出了一种用因果卷积改进的门控循环神经网络(CC-GRU),对输入数据进行双重特征提取和双重数据过滤。CC-GRU利用因果卷积提前聚焦序列纵向的局部时间特征,以减少计算成本,提高运算速度;利用门控机制对卷积得到的特征进行序列化建模,以捕捉元素之间的长期依赖关系。实验结果表明,采用CC-GRU模型对采煤机滚筒调高量进行预测,平均绝对误差(MAE)为43.80 mm,平均绝对百分比误差(MAPE)为1.90%,均方根误差(RMSE)为50.35 mm,决定系数为0.65,预测时间仅为0.17 s;相比于长短时记忆(LSTM)神经网络、GRU、时域卷积网络(TCN),CC-GRU模型的预测速度较快且预测精度较高,能够更准确地对采煤机调高轨迹进行实时预测,为工作面煤层模型的建立和采煤机调高轨迹的预测提供了依据。 展开更多
关键词 采煤机 滚筒调高 煤岩识别 深度学习 门控循环神经网络 因果卷积
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 … 100 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