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317篇文章
< 1 2 … 16 >
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：
基于深度学习的计算机通信网络 APT 攻击检测方法
1
作者 李海芳 路晓亚 《信息技术与信息化》 2025年第2期3-6,共4页
APT攻击通过复杂手段干扰网络行为归约,不同安全检测设备会产生告警链。由于APT攻击具有隐蔽性,告警链中的信息难以被整合,导致在网络拓扑结构发生变化或者流量模式出现调整时,会产生大量误报现象,检测的精准率也会显著降低。为此,提出... APT攻击通过复杂手段干扰网络行为归约,不同安全检测设备会产生告警链。由于APT攻击具有隐蔽性,告警链中的信息难以被整合,导致在网络拓扑结构发生变化或者流量模式出现调整时,会产生大量误报现象,检测的精准率也会显著降低。为此,提出一种基于深度学习的计算机通信网络APT攻击检测方法。通过收集多种APT攻击类型的数据构建目标集,在此基础上,设计一种融合卷积神经网络与循环神经网络的深度学习模型,提取APT攻击的特征,利用softmax分类器依据提取的特征,对定位到的异常流量情况进行精准判定,实现对APT攻击的精准检测与分类识别。对比实验结果表明,该方法应用后,AUC值达到了0.913,证明其在识别网络APT攻击方面具有较高的准确性和鲁棒性,应用效果较好。 展开更多
关键词 计算机通信网络 APT攻击 深度学习模型 麻雀搜索算法 softmax分类器
在线阅读 下载PDF
深度学习在网络舆情分析中的应用
2
作者 李建明 苏新敬 蔡子林 《集成电路应用》 2025年第1期294-295,共2页
阐述深度学习在网络舆情分析中的应用。构建短视频网络舆情传播的主题特征分析框架,搭建基于CNN深度学习模型的文本识别系统。分析移动短视频平台UGC网络舆情点赞数等特征量和传播规律。
关键词 深度学习 网络舆情 深度学习模型 文本识别系统
在线阅读 下载PDF
基于僵尸网络流量特征的深度学习检测研究
3
作者 王亚东 《长江信息通信》 2025年第2期106-108,共3页
为提高检测僵尸网络攻击的能力,加强网络安全防护,首先概述了僵尸网络检测流程,重点探讨了特征提取方法,包括访问URL的频率、不同URL的个数、访问顺序、不同URL长度的个数、无UserAgent的访问个数以及访问URL的不同时间间隔个数等六个... 为提高检测僵尸网络攻击的能力,加强网络安全防护,首先概述了僵尸网络检测流程,重点探讨了特征提取方法,包括访问URL的频率、不同URL的个数、访问顺序、不同URL长度的个数、无UserAgent的访问个数以及访问URL的不同时间间隔个数等六个关键特征。经过归一化处理后,采用多层感知器构建深度学习检测模型,并进行模型训练。检测结果分析与讨论表明,该模型准确率约为65%,六个特征值共同作用可较准确、全面地描述僵尸网络流量,有效提高了检测模型的准确率。 展开更多
关键词 僵尸网络 深度学习 检测模型
在线阅读 下载PDF
基于深度学习的配电网故障智能辨识模型研究
4
作者 余凌 夏凡 +3 位作者 方仲超 朱逸 郭海东 童世兵 《科技创新与应用》 2025年第13期24-28,共5页
随着电力系统技术的进步和设备的升级,电力运行数据的积累变得越来越有规律。由于传统神经元网络本身的限制,无法较好地对故障样本进行识别。为此,提出基于深度学习的配电网故障智能辨识模型。首先,确定神经网络架构;然后结合相应的参... 随着电力系统技术的进步和设备的升级,电力运行数据的积累变得越来越有规律。由于传统神经元网络本身的限制,无法较好地对故障样本进行识别。为此,提出基于深度学习的配电网故障智能辨识模型。首先,确定神经网络架构;然后结合相应的参数优化算法对模型进行训练;最后,即可得到配电网故障辨识深度学习模型。经过仿真检验,得到的验证结果证明该文方法的有效性。 展开更多
关键词 神经元网络 配电网 深度学习模型 参数优化算法 故障智能辨识
在线阅读 下载PDF
基于PSO-TCN深度学习模型的新疆台兰河流域洪水预报研究
5
作者 曹彪 刘敏杰 +2 位作者 余其鹰 张廷 马强 《中国防汛抗旱》 2025年第2期74-80,共7页
准确的超前洪水预报有利于提前规划流域防洪措施。通过耦合粒子群算法(PSO)和时间卷积神经网络(TCN)构建新疆台兰河流域PSO-TCN洪水预报模型,并基于台兰河流域1960—2014年实测降雨径流资料,对50场历史洪水进行了模型测试。结果表明,相... 准确的超前洪水预报有利于提前规划流域防洪措施。通过耦合粒子群算法(PSO)和时间卷积神经网络(TCN)构建新疆台兰河流域PSO-TCN洪水预报模型,并基于台兰河流域1960—2014年实测降雨径流资料,对50场历史洪水进行了模型测试。结果表明,相同预见期条件下,PSO-TCN模型预报洪水过程纳什效率系数(NSE)更高、均方根误差(RMSE)和洪峰相对误差(RE)更低,PSO-TCN洪水预报模型在台兰河流域具有更好的适用性和鲁棒性。当预见期超过5h,PSO-TCN模型预报洪峰相对误差仍会超过20%,未来有望融合洪水过程发生机理,进一步提高深度学习模型在洪水预报应用中的泛化能力。研究成果可为流域洪水预报计算提供参考。 展开更多
关键词 洪水预报 深度学习 时间卷积神经网络 粒子群优化算法 PSO-TCN模型 台兰河流域
在线阅读 下载PDF
基于串级LSTM深度学习模型的二次供水余氯预测方法 被引量：2
6
作者 肖磊 李中伟 +3 位作者 刘书明 陈春芳 吴雪 伍丽燕 《净水技术》 CAS 2024年第8期160-166,共7页
伴随着城市高层住宅的增多,住宅区内二次供水泵房数量迅速增加。由于二次供水水箱位于城市供水系统末端,水质安全引起社会广泛关注。为提升水箱水质,一些泵房引入自动补氯装置,然而传统自动控制方法在应对二次供水系统中长时间延迟和非... 伴随着城市高层住宅的增多,住宅区内二次供水泵房数量迅速增加。由于二次供水水箱位于城市供水系统末端,水质安全引起社会广泛关注。为提升水箱水质,一些泵房引入自动补氯装置,然而传统自动控制方法在应对二次供水系统中长时间延迟和非线性特性的补氯系统时存在局限性,仅能在线监测水箱余氯水平,过多的余氯可能对人体健康有害,因此,确保自动补氯系统安全运行成为亟待解决的问题。研究提出基于串级LSTM深度学习的神经网络模型,用于分析水箱余氯数据、准确预测水箱出水余氯浓度,并制定相应监测和控制策略。试验验证和实际应用结果表明,该深度学习模型能有效智能预测水箱余氯,为自动补氯系统提供重要的智能控制手段,具有实用意义。 展开更多
关键词 二次供水 水箱补氯 LSTM 深度学习 余氯预测 时间序列 串级网络模型
在线阅读 下载PDF
基于深度学习的人工智能模型自动识别颈动脉斑块 被引量：1
7
作者 赫兰 申锷 +5 位作者 杨泽堃 张颖 王玉东 陈伟导 王一同 贺永明 《中国医疗器械杂志》 2024年第4期361-366,共6页
该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声... 该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声图像进行斑块的诊断。该模型经过训练以及内部和外部验证后,在内部验证中,ROC AUC达到了0.99,其95%置信区间为(0.91, 0.84),在外部验证中ROC AUC为0.95,其95%置信区间为(0.96, 0.94),此表现优于ResNet-34网络模型在内部验证中0.98 AUC的95%置信区间(0.99,0.95)和外部验证中0.94 AUC的95%置信区间(0.95, 0.92)。因此,单输入BCNN-ResNet网络模型展示了优异的诊断性能,为颈动脉斑块的自动识别提供了一种创新的解决方案。 展开更多
关键词 单输入BCNN-ResNet网络模型 颈动脉超声 深度学习
在线阅读 下载PDF
基于混合优化算法和深度神经网络模型结合的致密砂岩气藏裂缝参数优化 被引量：1
8
作者 罗山贵 赵玉龙 +4 位作者 肖红林 陈伟华 贺戈 张烈辉 杜诚 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期140-151,共12页
水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且... 水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且依靠现场工程师经验和正交实验等传统方法难以获得最佳的裂缝参数设计。为此,建立了一种新的基于混合优化算法和自适应深度神经网络(DNN)结合的致密气藏裂缝参数优化方法。首先,混合优化算法采用遗传算法(GA)和贝叶斯自适应直接搜索(BADS)之间循环迭代的混合策略。在自适应学习过程中,提出了以“最大平均距离点”作为最不确定解,同时辅以最有希望解和少量拉丁超立方采样解共同更新优化过程中的DNN代理模型。随后,将建立的优化方法用于非均质致密砂岩气藏裂缝参数优化。研究结果表明:(1)在标准测试函数和低维裂缝参数优化问题上,GA+BADS混合优化算法表现出了显著优于GA的寻优速度;(2)针对高维裂缝参数优化问题,GA+BADS混合优化算法在约1/2的GA总数值模拟次数下提高了131万元的经济净现值(NPV),收敛速度和寻优精度都明显增加;(3)相比于GA+BADS混合优化算法,在获得相同NPV时,自适应DNN代理加速优化可再减少24.54%的数值模拟运算次数。结论认为,该优化方法显著提升了优化效率,为解决非常规油气藏中水力压裂裂缝参数设计问题提供了一套可行且高效的智能优化方法,将有力促进非常规油气的规模效益开发。 展开更多
关键词 致密气 沙溪庙组 裂缝参数优化 混合优化算法 深度神经网络 自适应学习 代理模型
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
9
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高效人脸检测算法设计与实现
10
作者 张佳颖 李爱军 《山西电子技术》 2025年第1期41-44,共4页
为解决大数据背景下,训练和测试数据日益庞杂,神经网络模型规模不断扩大,权重参数数量猛增,网络结构日益复杂,最终导致模型效率下降等问题,本文提出了一种人脸检测算法,充分利用了稀疏的小规模多尺度卷积核的优势来提高模型效率,并且加... 为解决大数据背景下,训练和测试数据日益庞杂,神经网络模型规模不断扩大,权重参数数量猛增,网络结构日益复杂,最终导致模型效率下降等问题,本文提出了一种人脸检测算法,充分利用了稀疏的小规模多尺度卷积核的优势来提高模型效率,并且加入了1x1的过滤器来降低权重维度。经实验证明,与现有模型相比,算法在不损失精度的情况下,权重数量大幅减少。 展开更多
关键词 机器学习 深度学习 深度神经网络 人脸检测 模型压缩
在线阅读 下载PDF
基于深度学习与词标签生成的病历文本后处理技术
11
作者 祁志玲 王晨宇 《信息技术》 2025年第3期56-60,共5页
为提高病历文本数据处理的效率,文中基于深度学习和词标签技术,设计了一种文本后处理技术算法。文中数据经过预处理后,被输入至卷积神经网络提取文本特征,通过构建医学词库,并根据专家评判从词库中挑选标签组成标准标签库。利用LDA主题... 为提高病历文本数据处理的效率,文中基于深度学习和词标签技术,设计了一种文本后处理技术算法。文中数据经过预处理后,被输入至卷积神经网络提取文本特征,通过构建医学词库,并根据专家评判从词库中挑选标签组成标准标签库。利用LDA主题模型获取词和标签的词-标签概率,采用双向长短时记忆网络得到词-标签概率特征,再将文本特征和词-标签概率特征进行特征拼接,使用全连接神经网络进行标签相似度筛选。与TextCNN和infoCNN模型相比,所提模型在Pr、Re和F1这三个指标上均有所提升,其中F1值分别提高了2.30%和2.22%,证明了该方案的可行性与优越性。 展开更多
关键词 病历文本 后数据处理 深度学习 卷积神经网络 LDA主题模型
在线阅读 下载PDF
基于深度学习网络的大学生就业去向跟踪模型 被引量：1
12
作者 李春燕 《电子设计工程》 2021年第12期133-137,共5页
大学生就业跟踪是高等教育质量管理工作的核心,针对大学生毕业后就业去向的多变性,构建了基于深度学习网络的大学生就业去向跟踪模型。考虑到各大高校毕业生人群中存在尚未工作的学生,所以使用基于粗糙集与BP神经网络的就业数据分类方法... 大学生就业跟踪是高等教育质量管理工作的核心,针对大学生毕业后就业去向的多变性,构建了基于深度学习网络的大学生就业去向跟踪模型。考虑到各大高校毕业生人群中存在尚未工作的学生,所以使用基于粗糙集与BP神经网络的就业数据分类方法,筛选大学生就业数据,获取已就业大学生的就业数据;将该数据应用于基于马尔科夫过程的大学生就业移动预测模型,预测大学生就业岗位转移次数、就业岗位状态,实现大学生就业去向跟踪。实验结果表明,该模型对北京市“对外经济贸易大学”2017届某本科生在2018-2019年就业去向的跟踪结果和实际就业状况完全匹配,与其他模型相比,该模型更适用于大学生就业去向跟踪。 展开更多
关键词 深度学习网络 大学生 就业去向 跟踪模型 粗糙集 马尔科夫
在线阅读 下载PDF
基于深度学习的智能电网窃电检测混合模型研究 被引量：2
13
作者 廖银玲 李金灿 +2 位作者 王冰 张君 梁耀元 《电信科学》 北大核心 2024年第2期72-82,共11页
针对传统窃电检测模型受维度诅咒、类不平衡等问题,提出一种能有效检测智能电网窃电行为的混合深度学习模型,利用深度学习卷积神经网络(AlexNet)处理维度诅咒问题,显著提升数据处理的准确性;通过自适应增强(Ada Boost)对正常和异常用电... 针对传统窃电检测模型受维度诅咒、类不平衡等问题,提出一种能有效检测智能电网窃电行为的混合深度学习模型,利用深度学习卷积神经网络(AlexNet)处理维度诅咒问题,显著提升数据处理的准确性;通过自适应增强(Ada Boost)对正常和异常用电行为分类,进一步提高分类精度;使用欠采样技术解决类不平衡问题,确保模型在各类数据的均衡性能;利用人工蜂群算法对AdaBoost和AlexNet的超参数进行优化,有效提高整体模型性能。使用真实智能电表数据集评估混合模型的有效性,与同类模型相比,提出的混合深度学习模型在准确率、精确度、召回率、F1分数、马修斯相关系数(MCC)和曲线下面积-接收者操作特征曲线(AUC-ROC)分数上分别达到了88%、86%、84%、85%、78%和91%,不仅提高了用电行为监测的准确性,也为电力系统的智能分析提供了新视角。 展开更多
关键词 深度学习卷积神经网络 自适应增强 深度驱动模型 窃电检测 特征提取
在线阅读 下载PDF
基于深度学习的电商商品购买意图识别模型
14
作者 郭小宇 马静 《运筹与管理》 CSSCI CSCD 北大核心 2024年第1期145-150,共6页
识别用户的购买意图是提升电子商务购买率(PR)的重要方法之一。针对用户购买意图不明确的现象,提出一种新模型。该模型将训练后的Word2Vec(WV)词向量馈入卷积神经网络(CNN),通过深层语义模型(DSSM)进一步提取文本特征。在Keras框架下结... 识别用户的购买意图是提升电子商务购买率(PR)的重要方法之一。针对用户购买意图不明确的现象,提出一种新模型。该模型将训练后的Word2Vec(WV)词向量馈入卷积神经网络(CNN),通过深层语义模型(DSSM)进一步提取文本特征。在Keras框架下结合美国建材电商网站家得宝的真实搜索数据进行实证分析。结果表明,在五分类问题中,新模型在测试数据集上的F1-score达80.6%。新模型使用了Word2Vec与CNN提取文本特征,并应用DSSM模型进一步提取了用户检索与商品描述文档在高维空间中的特征表示,最大化利用了用户检索与正确商品描述之间的语义相似度,同时避免了特征提取时主观因素的干扰,提高了商品购买意图的识别效果。 展开更多
关键词 购买意图识别 卷积神经网络 深层语义模型 深度学习
在线阅读 下载PDF
基于深度学习级联卷积网络的露天矿道路扬尘识别
15
作者 周蕴卓 徐梓菁 毕林 《煤炭科学技术》 CSCD 北大核心 2024年第S2期312-320,共9页
露天矿扬尘问题持续威胁工人健康和生产安全,而传统人为决策或定时洒水的处理方式存在降尘不及时、水资源过度消耗等限制,难以满足矿山绿色开采和环境保护的需求。为研究扬尘监测无人化这一问题,提出一种基于深度学习级联卷积网络的露... 露天矿扬尘问题持续威胁工人健康和生产安全,而传统人为决策或定时洒水的处理方式存在降尘不及时、水资源过度消耗等限制,难以满足矿山绿色开采和环境保护的需求。为研究扬尘监测无人化这一问题,提出一种基于深度学习级联卷积网络的露天矿道路扬尘识别技术。这项技术创新性地提出了基于车辆跟踪的扬尘区域追踪识别的方法,构建了包含车辆动态追踪、浓度分级识别2大模块的深度学习级联架构YRCNet(YOLOv5 Tracking with ResNet-50 Classification Cascade Network),其中车辆追踪模块利用目标检测模型YOLOv5实时跟踪截取车辆尾部图像,实现目标区域的初筛,有效提高扬尘图像识别的抗干扰能力;随后,经过优化设计的ResNet-50网络被用于分类识别模块,它利用空间金字塔池化层结合深度卷积块进一步提取扬尘精细特征,实现扬尘高、中、低3类浓度的高精度识别;为了训练这个深度学习模型,采用仿真技术获取不同浓度等级的虚拟扬尘图像,并结合矿山现场采集数据,制作了一套样本均衡的露天矿道路扬尘混合数据集,满足模型训练的大量数据需求,实验结果表明:改进的YRCNet追踪与识别方法在混合样本下的识别准确率达到94.25%,比优化前网络提高13.58%,验证了该模型在多种露天矿道路场景下具有良好的泛化性,为智能化降尘提供了有效感知手段,有助于监控矿区环境质量、保障工作人员的健康与安全。 展开更多
关键词 露天矿扬尘 扬尘检测 深度学习 级联网络 YOLOv5模型 ResNet-50模型
在线阅读 下载PDF
一种基于深度学习的即时配送时间预测模型
16
作者 丁翔 倪丽萍 韩露 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第9期1248-1254,1274,共8页
为了提高即时配送服务水平,文章针对即时配送时间预测问题,提出一种分特征学习的预测模型。首先考虑不同因素对配送过程的影响,使用地理哈希、图嵌入等方法对多种特征进行表示;然后使用多头自注意力模型(multi-head self-attention,MHSA... 为了提高即时配送服务水平,文章针对即时配送时间预测问题,提出一种分特征学习的预测模型。首先考虑不同因素对配送过程的影响,使用地理哈希、图嵌入等方法对多种特征进行表示;然后使用多头自注意力模型(multi-head self-attention,MHSA)和残差连接组合的方法学习多种特征间存在的关联关系,同时利用卷积神经网络(convolutional neural network,CNN)对配送节点间存在的空间关系进行提取,实现对不同特征的学习;最后将提取的特征进行融合,输入多层感知机实现对配送时间的预测。在真实即时配送数据集上的对比实验表明,该文提出的预测模型能够有效学习各类特征及关联关系,预测效果更优。 展开更多
关键词 即时配送 时间预测 多头自注意力模型(MHSA) 卷积神经网络(CNN) 深度学习
在线阅读 下载PDF
基于深度学习的视频信号降噪技术研究
17
作者 李轩宇 郑天尧 王越 《电视技术》 2025年第1期220-222,共3页
视频降噪是视频处理领域的重要研究课题,对于提升视频质量、改善视觉体验具有重要意义。传统的视频降噪方法主要基于滤波和稀疏表示理论,尽管取得了一定的降噪效果,但面对日益复杂的噪声干扰,其降噪性能难以满足日益提高的视频质量需求... 视频降噪是视频处理领域的重要研究课题,对于提升视频质量、改善视觉体验具有重要意义。传统的视频降噪方法主要基于滤波和稀疏表示理论,尽管取得了一定的降噪效果,但面对日益复杂的噪声干扰,其降噪性能难以满足日益提高的视频质量需求。近年来,深度学习技术的兴起给视频降噪领域带来了新的研究思路和方法。对此,在分析视频降噪技术研究现状的基础上,重点探讨基于卷积神经网络和生成对抗网络的视频降噪方法,并从深度学习模型训练策略改进、面向不同应用场景的降噪优化等方面,对视频降噪技术的发展提出展望,以期为视频质量提升和视觉体验改善提供新的解决方案。 展开更多
关键词 视频降噪 深度学习 卷积神经网络 生成对抗网络 模型优化
在线阅读 下载PDF
基于深度学习的水电机组区域检修管理系统设计
18
作者 郭茂林 《电子设计工程》 2025年第7期31-35,41,共6页
针对传统水电机组区域检修管理系统中时序数据处理复杂,故障预测准确度相对较低的问题,提出一种基于Transformer深度学习模型的水电机组区域检修管理系统,旨在通过Transformer深度学习模型的系统设计,提高系统数据监测与故障预警的及时... 针对传统水电机组区域检修管理系统中时序数据处理复杂,故障预测准确度相对较低的问题,提出一种基于Transformer深度学习模型的水电机组区域检修管理系统,旨在通过Transformer深度学习模型的系统设计,提高系统数据监测与故障预警的及时性与准确性。系统以Transformer深度学习模型为核心算法,对水电机组区域检修数据进行采集处理,并通过Transformer深度学习模型与生成对抗网络进行模型训练检测。采用某水电站的整年数据进行模型训练及实验验证,将F1分数作为评价指标验证模型性能,实验结果表明,F1分数平均达到99.3%,远高于传统卷积神经网络模型,即系统可以有效地进行实时监测与预警。 展开更多
关键词 Transformer深度学习模型 生成对抗网络 水电机组数据监测 故障预测
在线阅读 下载PDF
面向织物疵点检测神经网络模型的研究进展
19
作者 刁宇涵 祝双武 赵妍 《纺织科技进展》 2025年第3期21-29,共9页
疵点严重影响了织物外观质量,织物疵点自动检测技术对提高检测效率、降低人工成本、提高纺织企业生产智能化水平都具有重要的意义;因基于深度学习的神经网络具有强大的特征提取能力,近些年越来越多的研究人员将其用于织物疵点自动检测... 疵点严重影响了织物外观质量,织物疵点自动检测技术对提高检测效率、降低人工成本、提高纺织企业生产智能化水平都具有重要的意义;因基于深度学习的神经网络具有强大的特征提取能力,近些年越来越多的研究人员将其用于织物疵点自动检测过程中,提出了很多用于织物疵点检测的神经网络模型。为了提高织物疵点的检测性能和效率,对基于CNN(Convolutional Neural Networks)、生成模型和DETR(Detection Transformer)等当前主流网络模型的检测原理进行概述;分析以这几种网络为主干的多个神经网络模型,讨论其优缺点以及目前它们在织物疵点检测上的应用状况和面临的挑战;展望DETR相关算法的研究趋势。 展开更多
关键词 深度学习 织物疵点检测 卷积神经网络(CNN) 生成模型 DETR
在线阅读 下载PDF
基于深度学习和蛋白质语言模型的抗菌肽预测模型研究
20
作者 王晓 吴洲 +2 位作者 王宏伟 王榕 陈浩然 《轻工学报》 CAS 北大核心 2024年第2期12-18,共7页
针对目前已有抗菌肽(Antimicrobial Peptides,AMPs)预测模型的准确度(ACC)仍有待提高的问题,提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取,将提取的... 针对目前已有抗菌肽(Antimicrobial Peptides,AMPs)预测模型的准确度(ACC)仍有待提高的问题,提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取,将提取的特征向量融合后输入由多层双向长短记忆网络(mBi-LSTM)、一维卷积神经网络(1D-CNN)和注意力机制组成的深度学习网络中,并进行性能评估与优化。结果表明:该模型的ACC、皮尔逊相关系数(MCC)和曲线下的面积(AUC)分别为0.739、0.489和0.81,优于已有抗菌肽预测模型的预测效果。 展开更多
关键词 抗菌肽 预测模型 食源性病原体 蛋白质语言模型 深度学习网络
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 … 16 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