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630篇文章
< 1 2 … 32 >
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：
时空序列深度学习模型在玉米产量预测中的应用与优化
1
作者 詹火木 周蕊 虞豹 《当代农机》 2025年第10期96-97,共2页
聚焦于时空序列深度学习模型的研究,又把该模型应用于玉米产量预测并实施了优化,开发一个包含卷积长短期记忆网络、图神经网络、注意力机制的模型框架,以达成区域产量的预判、空间依赖的捕获、关键时间特征的抽取,采用多尺度特征融合途... 聚焦于时空序列深度学习模型的研究,又把该模型应用于玉米产量预测并实施了优化,开发一个包含卷积长短期记忆网络、图神经网络、注意力机制的模型框架,以达成区域产量的预判、空间依赖的捕获、关键时间特征的抽取,采用多尺度特征融合途径,通过迁移学习及不确定性量化等方法,显著提高了模型预测精度,缓和了数据稀疏状况,提升了模型的可靠水平。研究结论为玉米产量的精准预测提供了技术保障,对农业生产决策优化有重要的指导性意义。 展开更多
关键词 时空序列深度学习模型 玉米产量 预测 卷积长短期记忆网络
在线阅读 下载PDF
深度学习模型供应链的安全性综述
2
作者 陈若曦 陈晋音 +3 位作者 郑海斌 阳雪燕 纪守领 陈铁明 《计算机研究与发展》 北大核心 2025年第8期2019-2039,共21页
预训练模型缓解了训练数据和算力受限的问题,也催生了模型开发和应用的新范式——深度学习模型供应链.在这一供应链中,预训练模型由原始发布者上传,并经二次开发者进行必要的迁移、压缩与部署,以适应不同的应用需求.然而,这一过程引入... 预训练模型缓解了训练数据和算力受限的问题,也催生了模型开发和应用的新范式——深度学习模型供应链.在这一供应链中,预训练模型由原始发布者上传,并经二次开发者进行必要的迁移、压缩与部署,以适应不同的应用需求.然而,这一过程引入了新的环节和多元要素,随之产生了数据泄露和计算安全等风险.尽管深度学习模型供应链已被广泛采纳,目前对于其安全性威胁的系统性研究仍然不足.针对这一研究空白,概括了深度学习模型供应链的概念及其基本框架,调研了相关的研究工作.依据模型生命周期的不同阶段,详细分析了设计、二次开发、部署和使用各环节的安全脆弱点,对可能遭遇的安全性攻击手段进行了系统的梳理、比较和总结,并探讨了相应的防护策略.为了帮助读者更好地使用预训练模型,对现有预训练模型仓库进行了比较.最后,基于目前深度学习模型供应链所面临的挑战,从安全性审查、实时检测和问题溯源等不同角度分析和讨论了未来可能的研究发展方向,为更安全可靠地开发和使用预训练模型提供了思路.论文涉及的方法和相关代码归纳整理在网址:https://github.com/Dipsy0830/DNNsupply-chain-survey,方便研究人员下载使用. 展开更多
关键词 模型供应链 预训练模型 安全风险 安全与隐私 深度神经网络 深度学习
在线阅读 下载PDF
基于深度神经网络的竖向地震动加速度反应谱预测模型
3
作者 高铭宇 公茂盛 +3 位作者 左占宣 贾佳 刘博 王晓敏 《世界地震工程》 北大核心 2025年第4期106-117,共12页
竖向地震动对工程结构地震响应有重要影响,发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录,采用最小二乘回归方式得到地震动参数预测模型,但是传统最小二乘回归通常假设变量之间... 竖向地震动对工程结构地震响应有重要影响,发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录,采用最小二乘回归方式得到地震动参数预测模型,但是传统最小二乘回归通常假设变量之间是线性关系或预设的函数形式,这可能无法完全捕捉地震数据中复杂的非线性关系,而深度学习模型能够从数据中学习规律并对复杂的数据分布提供更高的预测精度。因此通过深度学习方法,基于NGA-West2数据库选取了9 953条竖向地震动记录,然后计算反应谱并进行模型训练与预测,建立了Self-DNN竖向地震动反应谱预测模型,并与传统预测模型以及DNN神经网络模型进行了对比。结果表明,本文基于深度学习算法建立的竖向地震动反应谱预测模型具有较好的可靠性和准确性,可以取得良好的预测效果。研究结果可以为竖向地震动反应谱预测和结构抗震设计等工作提供参考。 展开更多
关键词 竖向地震动 地震动反应谱 神经网络 深度学习 预测模型
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
4
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
促进深度学习的社会性支持服务研究:一种多层次渐进表征与聚合模型 被引量：1
5
作者 汤筱玙 王琦 余胜泉 《中国电化教育》 北大核心 2025年第3期42-50,共9页
深度学习与社会性学习紧密关联,社会性支持机制的缺失是制约深度学习发展的重要因素。有效开展深度学习需要对社会性支持服务样态进行系统审思与构建。该研究聚焦学习的社会性本质,从学习者、知识、学习过程三个维度深入阐释社会性支持... 深度学习与社会性学习紧密关联,社会性支持机制的缺失是制约深度学习发展的重要因素。有效开展深度学习需要对社会性支持服务样态进行系统审思与构建。该研究聚焦学习的社会性本质,从学习者、知识、学习过程三个维度深入阐释社会性支持的关键需求,在此基础上构建了以社会知识网络为载体的社会性支持多层次渐进表征与聚合模型。该模型涵盖“社会性特征的可感知”“社会性知识的可获取”“社会性活动的可参与”“社会性知识的可分享”“社会性关系的可发展”“社会性群体的可加入”“社会性知识的可建构”七个核心要素,面向深度学习的发展过程形成了一个动态化、递进式的支持框架。在此模型的指导下,设计开发了社会知识网络工具SKN,通过结构化地聚合和组织多维社会性节点,为深度学习的信息输入、活动参与、知识创生三个关键阶段提供适应性的社会性支持服务,为优化深度学习的社会性支持机制提供了理论依据和实践参考。 展开更多
关键词 深度学习 社会性支持 社会知识网络 学习支持服务 模型构建
在线阅读 下载PDF
基于深度学习的大坝边坡深部变形时空预测模型研究
6
作者 周小燕 李双平 +5 位作者 冉鲁光 苏振 张斌 刘祖强 苏森南 史波 《中国农村水利水电》 北大核心 2025年第7期182-187,195,共7页
大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基... 大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基于深度学习模型的边坡测斜孔变形时空预测方法。利用某水电边坡测斜孔变形监测数据,对监测数据展开系统性分析。预测结果表明,GCN、TCN、STGCN和Transformer四种模型均适用于边坡时空预测,其中TCN模型相较于其他3种时空预测模型展现出了更高的预测精度和可靠性,评估指标MAE、MSE、RMSE、MAPE和R2分别为1.007、2.2082、1.486、102.40%和0.9884。此外,4个模型的不同日期的预测结果与实测值的误差分布在0~4 mm之间,验证了4个模型在边坡测斜孔变形时空预测的准确性和有效性。研究结果为库区边坡变形时空短期预测提供了新思路。 展开更多
关键词 深度学习 大坝边坡变形 时空预测模型 时序卷积网络模型
在线阅读 下载PDF
基于深度强化学习与改进Jensen模型的风电场功率优化
7
作者 王冠朝 霍雨翀 +1 位作者 李群 李强 《中国电力》 北大核心 2025年第4期78-89,共12页
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略... 风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略梯度强化学习网络中。在控制精度方面,采用改进的Jensen尾流模型,通过考虑时间延迟,提升了尾流效应的精确性,并有效捕捉了风电场长期功率输出。仿真结果表明,相比于传统单纯的有模型或者无模型方法,所提方法有效提升了风电场的最大功率输出,同时在保证控制精度的基础上,显著降低了训练时间和计算资源消耗,从而提升了控制策略的整体性能。 展开更多
关键词 风电场控制 最大化风能捕获 深度强化学习 无模型控制 有模型控制 神经网络
在线阅读 下载PDF
CastNet:深度学习定量降水临近预报模型
8
作者 曾小团 谭肇 +5 位作者 沈玉伟 范娇 黄荣成 周弘媛 梁潇 黄大剑 《气象》 北大核心 2025年第4期400-416,共17页
为了提高降水临近预报的准确性,提出一种深度神经网络相结合的对抗神经网络模型CastNet。该模型借助循环神经网络捕捉雷达回波数据的时空特征,运用对抗神经网络模拟云团生消变化,再将光流约束融入神经网络引导模型训练,加速神经网络的... 为了提高降水临近预报的准确性,提出一种深度神经网络相结合的对抗神经网络模型CastNet。该模型借助循环神经网络捕捉雷达回波数据的时空特征,运用对抗神经网络模拟云团生消变化,再将光流约束融入神经网络引导模型训练,加速神经网络的学习过程并增强模型的时空一致性,有效地解决了预报模糊性问题,提升降水强度与位置的准确性。对2023年5—10月广西及周边区域的9次主要降水过程进行检验,结果表明:在不同降水强度(≥0.1、≥2、≥7、≥15、≥25、≥40 mm·h^(-1))下,SWAN 2.0的平均TS评分分别为0.458、0.270、0.085、0.034、0.014和0.003;SWAN 3.0的平均TS评分分别为0.452、0.402、0.225、0.129、0.085和0.048;CastNet模型的平均TS评分分别为0.439、0.397、0.225、0.139、0.104和0.073。即:除个别持平外,CastNet在≥7 mm·h^(-1)及以上高降水强度中评分高于SWAN 2.0和SWAN 3.0。此外,随着预报时效延长,CastNet的相对优势更为明显。 展开更多
关键词 短时强降水 定量降水预报 深度学习模型 循环神经网络 对抗神经网络
在线阅读 下载PDF
深度学习强度估计下移动传感网络异常节点定位
9
作者 甘泽楷 陈爱国 《传感技术学报》 北大核心 2025年第8期1505-1510,共6页
针对移动传感网络节点位置改变所致的信号因反射、折射引起的信号强度波动所导致的基于强度的距离估计偏差和定位的准确性,提出了一种深度学习强度估计下移动传感网络异常节点定位方法。利用深度学习分析节点特征,通过无向图模型捕捉节... 针对移动传感网络节点位置改变所致的信号因反射、折射引起的信号强度波动所导致的基于强度的距离估计偏差和定位的准确性,提出了一种深度学习强度估计下移动传感网络异常节点定位方法。利用深度学习分析节点特征,通过无向图模型捕捉节点间关联,并结合高斯混合模型(Gaussian Mixture Model,GMM)评估节点能量。通过设定阈值,有效识别多径效应异常节点及其链路。基于接收信号强度指示(Received Signal Strength Indicator,RSSI)时间窗口方差分析筛选异常链路,采用权重链路最小误差定位技术,实现异常节点的精确定位。仿真结果表明,所提方法检测异常节点的漏检次数为1次,在异常节点定位方面的性能明显更优。 展开更多
关键词 移动传感网络 异常节点定位 深度学习 高斯混合模型 强度估计 权重链路定位
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
10
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
农产品市场监测预警深度学习智能预测方法 被引量：1
11
作者 许世卫 李乾川 +3 位作者 栾汝朋 庄家煜 刘佳佳 熊露 《智慧农业(中英文)》 2025年第1期57-69,共13页
[目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱... [目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱等挑战。因此,亟需构建适应中国农业数据特点的深度学习模型,以提升农产品市场的监测与预警能力,推动精准决策和应急响应。[方法]本研究应用深度学习方法,从中国多维农业数据资源实际出发,创新提出了一套不同监测预警对象条件下深度学习综合预测方法,构建了生成对抗与残差网络协同生产量模型(Generative Adversarial Network and Residual Network, GAN-ResNet)、变分自编码器岭回归消费预测模型(Variational Autoencoder and Ridge Regression, VAE-Ridge)、自适应变换器价格预测模型(Adaptive-Transformer)。为适应实际需求,研究在CAMES中采用“离线计算与可视化分离”策略,模型推理离线完成,平衡了计算复杂度与实时预警需求。[结果和讨论]深度学习综合预测方法在玉米单产、生猪消费量和番茄市场价格的预测上,均表现出显著的精度提升。GAN-ResNet生产量预测模型进行县级尺度玉米单产预测的平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为6.58%,运用VAE-Ridge模型分析生猪消费量的MAPE为6.28%,运用Adaptive-Transformer模型预测番茄价格的MAPE为2.25%。[结论]该研究提出的深度学习综合预测方法,具有较先进的单品种、多场景、宽条件下的农产品市场监测预警分析能力,并在处理不同区域多维数据、多品种替代、市场季节性波动等分析方面显示出优良的指标性能,可为中国农产品市场监测预警提供一套新的有效分析方法。 展开更多
关键词 监测预警 深度学习 生产量预测 消费量预测 价格预测 生成对抗与残差网络协同生产量模型 变分自编码器岭回归消费预测模型 自适应变换器价格预测模型
在线阅读 下载PDF
基于深度学习的车辆轨迹预测研究综述
12
作者 刘凯 汪佳琴 李汉涛 《郑州大学学报(工学版)》 北大核心 2025年第5期77-89,共13页
车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程,且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达,克服了传统方法的局限性。对基于DL的VTP方法进行了综述,探讨了其在VT... 车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程,且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达,克服了传统方法的局限性。对基于DL的VTP方法进行了综述,探讨了其在VTP中的应用及性能表现。首先,回顾了传统VTP方法和基于DL的VTP方法,介绍了VTP主要考虑的问题和问题的表述;其次,分析并比较了各类VTP方案,包括输入数据、输出结果和预测方法;再次,介绍了常用的评估指标,比较了这些VTP方案的实验结果,分析了VTP的应用,并展示了DL在VTP中表现出的优异性能;最后,展望了VTP未来在数据集、建模和计算效率方面的研究方向,指出车辆交互协同建模、模型的泛化以及多模态融合将是未来的挑战和研究方向。 展开更多
关键词 车辆轨迹预测 深度学习 序列网络 图神经网络 生成模型 网格方法
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
13
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
基于深度学习的指针式仪表自动读数与读数校正方法
14
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
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
15
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
深度学习在心力衰竭检测中的应用综述 被引量：1
16
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
基于AI深度学习的向家坝-三峡区间流域洪水预报 被引量：3
17
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
基于深度学习的肺部CT图像病灶区域分割研究综述 被引量：1
18
作者 李小童 马素芬 +2 位作者 生慧 魏国辉 李欣桐 《计算机工程与应用》 北大核心 2025年第4期25-42,共18页
肺癌严重威胁人们的生命健康。肺部CT图像病灶区域形态复杂多样,实现高精度的肺部CT图像病变区域分割,成为计算机辅助诊断领域的一个极具挑战性的关键问题。基于深度学习的肺部病灶区域分割不仅可以帮助医生快速、准确地诊断出早期肺癌... 肺癌严重威胁人们的生命健康。肺部CT图像病灶区域形态复杂多样,实现高精度的肺部CT图像病变区域分割,成为计算机辅助诊断领域的一个极具挑战性的关键问题。基于深度学习的肺部病灶区域分割不仅可以帮助医生快速、准确地诊断出早期肺癌,而且对于肺癌的治疗也具有重要的临床价值。为了深入研究肺部病灶区域分割技术,介绍了常用的数据集及评价指标;重点从基于卷积神经网络、基于U-Net模型、基于生成对抗网络三个方面对深度学习肺部病灶区域分割模型进行了综述;结合具体实验总结了近5年国内外研究的创新点,对比分析了各个模型的分割性能;最后总结了各类模型的优缺点,展望了该领域的未来发展方向。 展开更多
关键词 深度学习 肺部病灶区域分割 卷积神经网络 U-Net模型 生成对抗网络
在线阅读 下载PDF
基于深度学习的肺结节CT图像分割与分类研究综述 被引量：1
19
作者 古力米热·阿吾旦 叶俊翔 +3 位作者 玛依拉·阿不都克力木 王梦飞 哈里旦木·阿布都克里木 阿布都克力木·阿布力孜 《计算机工程与应用》 北大核心 2025年第15期14-35,共22页
肺癌是最致命的癌症类型之一,而肺结节作为肺癌的早期症状,严重威胁人们的生命健康。基于深度学习的肺结节CT图像的分割与分类技术,可以帮助医生快速、准确地诊断出早期结节,对于肺癌的治疗具有重要的临床价值。为了深入研究肺结节CT图... 肺癌是最致命的癌症类型之一,而肺结节作为肺癌的早期症状,严重威胁人们的生命健康。基于深度学习的肺结节CT图像的分割与分类技术,可以帮助医生快速、准确地诊断出早期结节,对于肺癌的治疗具有重要的临床价值。为了深入研究肺结节CT图像分割与分类技术,介绍了常用数据集及评价指标;着重从两个方面对深度学习肺结节CT图像分割与分类模型进行综述:基于U-Net的单网络结构模型与多网络结构模型分割方法、基于卷积神经网络的特征融合和纹理特征分类方法;结合具体实验总结了近五年国内外研究的创新点,以及各类模型的优缺点。最后,展望了该领域的未来发展方向,以期为该领域的后续研究提供理论参考和借鉴。 展开更多
关键词 肺结节 深度学习 计算机辅助诊断 医学图像 卷积神经网络 U-Net模型
在线阅读 下载PDF
基于大语言模型的网络流量智能预测 被引量：1
20
作者 周磊 石怀峰 +2 位作者 杨恺 王睿 刘超凡 《计算机科学》 北大核心 2025年第S1期29-35,共7页
随着5G基站数量的倍增和接入终端数量的剧增,网络流量的规模将呈现指数级增长,网络流量则呈现出显著的非线性、多模态和突发性特征,对网络资源分配和优化提出了新的挑战。为应对这些挑战,提出了一种基于大语言模型(LLM)的网络流量预测方... 随着5G基站数量的倍增和接入终端数量的剧增,网络流量的规模将呈现指数级增长,网络流量则呈现出显著的非线性、多模态和突发性特征,对网络资源分配和优化提出了新的挑战。为应对这些挑战,提出了一种基于大语言模型(LLM)的网络流量预测方法(NT-LLM)。该方法通过重编程技术,将传统的网络流量数据转换为适合LLM处理的形式,从而充分利用LLM在跨任务推理和复杂模式识别方面的优势,仅需少量训练数据和较短训练周期,就能够高效处理不同时间尺度的复杂网络流量模式。实验结果表明,与LSTM,Informer,Transformer等基线模型相比,NT-LLM模型在多个区域的网络流量预测均方误差显著下降,分别降低了44.26%,56.78%和51.36%。此外,该方法无需对预训练的语言模型进行大规模微调,具有较强的扩展性和适应性,能够在减少计算资源消耗的同时保持高精度的预测能力。 展开更多
关键词 网络流量预测 大语言模型 重编程 时间序列数据 深度学习
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 … 32 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