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8,485篇文章
< 1 2 … 250 >
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：
基于图神经网络模型校准的成员推理攻击 被引量：1
1
作者 谢丽霞 史镜琛 +2 位作者 杨宏宇 胡泽 成翔 《电子与信息学报》 北大核心 2025年第3期780-791,共12页
针对图神经网络(GNN)模型在其预测中常处于欠自信状态,导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题,该文提出一种基于GNN模型校准的成员推理攻击方法。首先,设计一种基于因果推断的GNN模型校准方法,通过基于注意力机制的... 针对图神经网络(GNN)模型在其预测中常处于欠自信状态,导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题,该文提出一种基于GNN模型校准的成员推理攻击方法。首先,设计一种基于因果推断的GNN模型校准方法,通过基于注意力机制的因果图提取、因果图与非因果图解耦、后门路径调整策略和因果关联图生成过程,构建用于训练GNN模型的因果关联图。其次,使用与目标因果关联图在相同数据分布下的影子因果关联图构建影子GNN模型,模拟目标GNN模型的预测行为。最后,使用影子GNN模型的后验概率构建攻击数据集以训练攻击模型,根据目标GNN模型对目标节点的后验概率输出推断其是否属于目标GNN模型的训练数据。在4个数据集上的实验结果表明,该文方法在2种攻击模式下面对不同架构的GNN模型进行攻击时,攻击准确率最高为92.6%,性能指标优于基线攻击方法,可有效地实施成员推理攻击。 展开更多
关键词 图神经网络 成员推理攻击 模型校准 因果推断 隐私风险
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 被引量：1
2
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
考虑裂纹分形维数的平行黏结模型细观参数标定的神经网络模型
3
作者 龚囱 戚燕顺 +4 位作者 缪浩杰 肖琦 熊良锋 曾鹏 赵奎 《岩土力学》 北大核心 2025年第1期327-336,共10页
针对试错法在平行黏结模型细观参数标定过程中存在繁琐耗时,且无法定量评价数值模拟与室内试验的裂纹匹配程度等局限性,统计并分析了近10年平行黏结模型细观参数取值范围,采用盒计数法获取了数值模拟试验、室内试验所得破坏后岩石表面... 针对试错法在平行黏结模型细观参数标定过程中存在繁琐耗时,且无法定量评价数值模拟与室内试验的裂纹匹配程度等局限性,统计并分析了近10年平行黏结模型细观参数取值范围,采用盒计数法获取了数值模拟试验、室内试验所得破坏后岩石表面裂纹分形维数。在此基础上,建立了以宏观弹性模量、宏观泊松比、峰值强度和裂纹分形维数等4个参数为输入层,黏结弹性模量、黏结法向与切向刚度比、黏结内聚力、黏结内摩擦角、黏结抗拉强度和摩擦系数等6个细观参数为输出层的神经网络模型,对比分析了考虑与不考虑裂纹分形维数时平行黏结模型细观参数标定效果。研究结果表明:(1)所建立的神经网络模型具有较好的收敛速度、预测精度与泛化性能,测试集输出数据与期望值误差约为3.34%。(2)将裂纹分形维数纳入神经网络模型后,数值模拟所得弹性模量、峰值应力与泊松比等宏观参数与室内试验结果的误差小于3.00%,优于不考虑裂纹分形维数标定结果。(3)该方法可定量保障数值模拟所得裂纹不规则性与室内试验结果的一致性,其在一定程度上可视为对现有神经网络模型细观参数标定结果的修正。研究成果可为提高平行黏结模型细观参数标定效果提供新思路。 展开更多
关键词 分形维数 颗粒流 平行黏结模型 参数标定 神经网络
在线阅读 下载PDF
基于神经网络代理模型的门式墩优化方法及软件研发 被引量：1
4
作者 柏华军 《铁道标准设计》 北大核心 2025年第3期106-112,共7页
针对门式墩结构设计影响因素多、计算耗时长、传统优化方法易陷入局部最优等问题,基于BPNN代理模型和NSGAII遗传算法研发了预应力混凝土门式墩结构尺寸优化软件。首先,建立以结构工程数量为优化目标、安全指标为约束条件的结构尺寸优化... 针对门式墩结构设计影响因素多、计算耗时长、传统优化方法易陷入局部最优等问题,基于BPNN代理模型和NSGAII遗传算法研发了预应力混凝土门式墩结构尺寸优化软件。首先,建立以结构工程数量为优化目标、安全指标为约束条件的结构尺寸优化数学模型;然后,基于有限元法构建门式墩训练样本集,采用拉丁超立方开展试验设计,建立BPNN神经网络代理模型;最后,采用NSGAII遗传优化算法对BPNN神经网络代理模型进行搜索,实现门式墩最优结构尺寸和钢束线形的搜索推荐。依托某门式墩结构设计,开展算法有效性和效率验证,结果表明,案例的优化时间由有限元法的45 h缩短至智能优化算法的15 min,优化算法在保证预测精度的同时提高优化效率180倍。 展开更多
关键词 铁路桥梁 门式墩 结构优化 BP神经网络 代理模型 多目标优化 NSGAII算法 拉丁超立方设计
在线阅读 下载PDF
图基础模型研究进展与挑战:图神经网络的视角
5
作者 吴涛 聂发志 +4 位作者 先兴平 王超 袁霖 乔少杰 牛伟纳 《通信学报》 北大核心 2025年第7期226-248,共23页
图基础模型(GFM)是基础模型思想在图学习领域中的延伸,是在广泛图数据上预训练并微调适配多种下游任务的图模型。与借助大语言模型(LLM)实现GFM的技术路线不同,主要关注从图神经网络(GNN)的角度构建GFM。首先,分析了GFM的研究现状并定... 图基础模型(GFM)是基础模型思想在图学习领域中的延伸,是在广泛图数据上预训练并微调适配多种下游任务的图模型。与借助大语言模型(LLM)实现GFM的技术路线不同,主要关注从图神经网络(GNN)的角度构建GFM。首先,分析了GFM的研究现状并定义了关键概念。其次,总结了GFM骨干架构和基础表示单元的研究成果。再次,根据代理任务和微调策略的不同,分别总结了图模型的预训练技术与微调方法。然后,介绍了与GFM相关的评价指标。最后,分析了面临的挑战并展望了未来的研究方向。 展开更多
关键词 图基础模型 图神经网络 预训练 模型微调 提示调优
在线阅读 下载PDF
基于循环神经网络与注意力机制的波动预测模型
6
作者 李希今 王祥任 刘金石 《吉林大学学报(理学版)》 北大核心 2025年第5期1397-1403,共7页
针对经典机器学习算法(如决策树、随机森林)在建模复杂隐式交互关系时预测准确率较低的问题,提出一个基于循环神经网络与注意力机制的波动预测模型.首先通过注意力机制计算各影响因素之间复杂的交互关系,然后采用循环神经网络学习表示... 针对经典机器学习算法(如决策树、随机森林)在建模复杂隐式交互关系时预测准确率较低的问题,提出一个基于循环神经网络与注意力机制的波动预测模型.首先通过注意力机制计算各影响因素之间复杂的交互关系,然后采用循环神经网络学习表示模型的隐变量,从而实现精准预测.与多个经典预测模型进行仿真对比实验的结果表明,该模型的预测准确率显著高于其他机器学习模型,从而为波动预测领域提供了一种更高效、精准的解决方案. 展开更多
关键词 循环神经网络 注意力机制 机器学习 预测模型
在线阅读 下载PDF
教育考试增值评价模型构建:基于深度神经网络的方法
7
作者 李金波 苏胜 +1 位作者 曾平飞 王永固 《华东师范大学学报(教育科学版)》 北大核心 2025年第9期69-82,共14页
教育评价改革是新时期深化教育改革的关键环节,但传统增值评价方法在处理学习过程的动态特征和复杂依赖关系方面存在技术局限。本研究以浙江省2023届4869名高中学生为研究对象,构建时序模式注意力长短时记忆深度神经网络(TPA-LSTM)增值... 教育评价改革是新时期深化教育改革的关键环节,但传统增值评价方法在处理学习过程的动态特征和复杂依赖关系方面存在技术局限。本研究以浙江省2023届4869名高中学生为研究对象,构建时序模式注意力长短时记忆深度神经网络(TPA-LSTM)增值评价模型,通过结合分位数回归方法,实现对学生成绩时序特征和非线性变化的精准评估。研究基于高中五个学期的语文考试成绩,对个体层面的学习轨迹特征和群体层面的增值表现进行系统分析。研究发现:TPA-LSTM模型在测试集上的均方根误差(RMSE)为0.082,平均绝对误差(MAE)为0.067,显著优于传统SGP模型;对高二下学期成绩相同(0.716)的学生群体,能够根据其历史学习轨迹识别出34至80的增值水平差异;模型的时序权重分布特征揭示了第三学期和第四学期为学习关键期,为评价结果提供了更强的解释性。研究表明,该模型在个体评价层面实现对学习轨迹的精确刻画,在群体层面揭示不同类型学生的发展特征,为提高教育考试增值评价的预测精度和教育诊断价值提供新的技术路径。 展开更多
关键词 教育考试 增值评价 神经网络模型 时序模式 长短时记忆网络
在线阅读 下载PDF
车辆主动悬架RBF神经网络的模型预测控制仿真研究
8
作者 顾苏怡 蒋昌华 《中国工程机械学报》 北大核心 2025年第3期410-414,共5页
为了提升车辆行驶的稳定性和乘坐的舒适性,提出一种基于径向基函数(RBF)神经网络的模型预测控制(MPC)系统,通过仿真验证主动悬架控制系统的有效性。创建7自由度车辆主动悬架简图,定义了车辆主动悬架动力学方程式。构建主动悬架MPC系统,... 为了提升车辆行驶的稳定性和乘坐的舒适性,提出一种基于径向基函数(RBF)神经网络的模型预测控制(MPC)系统,通过仿真验证主动悬架控制系统的有效性。创建7自由度车辆主动悬架简图,定义了车辆主动悬架动力学方程式。构建主动悬架MPC系统,利用RBF神经网络结构捕捉车辆主动悬架系统的复杂动态特性,通过对大量数据的学习和训练,能够快速建立主动悬架MPC参数,最终实现对车辆主动悬架系统的精确控制。利用Matlab软件对车辆主动悬架的车身加速度、悬架位移、轮胎位移进行仿真,评估车辆不同控制策略的行驶性能。结果显示:在路面信号激励下采用MPC,车辆主动悬架的车身加速度、悬架位移、轮胎位移变化幅度较大;采用RBF神经网络的MPC,车辆主动悬架的车身加速度、悬架位移、轮胎位移变化幅度较小。所提出的RBF神经网络MPC系统,能够增强车辆主动悬架抗干扰能力,从而保持车辆行驶的稳定性和舒适性。 展开更多
关键词 车辆 主动悬架 RBF神经网络 模型预测控制 仿真
在线阅读 下载PDF
基于BWM+BP神经网络的在役中小跨径桥梁安全风险智能评估模型研究
9
作者 赵锐 田志强 宋宇涵 《世界桥梁》 北大核心 2025年第5期97-104,共8页
为克服传统桥梁安全风险评估过程的主观性及由于桥梁系统复杂带来的不确定性,基于桥梁检测数据,提出基于最优最劣法(BWM)+BP神经网络的在役中小跨径桥梁安全风险智能评估模型。首先,在现行桥梁检测评价规范基础上,以各结构部件的病害作... 为克服传统桥梁安全风险评估过程的主观性及由于桥梁系统复杂带来的不确定性,基于桥梁检测数据,提出基于最优最劣法(BWM)+BP神经网络的在役中小跨径桥梁安全风险智能评估模型。首先,在现行桥梁检测评价规范基础上,以各结构部件的病害作为安全风险评估体系中的底层指标,构建安全风险评估指标体系;然后,采用BWM法和德尔菲法,利用专家经验确定病害层指标权重,结合模糊综合评判法对桥梁检测样本数据进行前处理;最后,利用BP神经网络对处理后的样本进行训练,根据训练结果,分别用遗传算法(GA)和粒子群算法(PSO)对BP神经网络优化后对比,构建最优评估模型。将该评估模型应用于墩那高速新疆伊犁州某段某中桥,对其进行安全风险评估,以验证其适用性。结果表明:运用BWM+BP神经网络的在役中小跨径桥梁安全风险智能评估模型在一定程度上克服了检测报告样本中评价不准确和局限问题,同时削弱了BP神经网络训练大量样本的需求;GA优化的BP神经网络模型比PSO优化精度更佳、鲁棒性更好,准确率达96.49%;相比现行规范,运用该模型进行在役中小跨径桥梁安全风险评估,能改善病害叠加评分过低的问题,评估结果更符合实际情况。 展开更多
关键词 中小跨径桥梁 最优最劣法 BP神经网络 遗传算法 粒子群算法 智能评估模型 安全风险评估
在线阅读 下载PDF
区域化长短期记忆神经网络(LSTM)洪水预报模型研究 被引量：2
10
作者 叶可佳 梁忠民 +4 位作者 陈红雨 钱名开 胡义明 王军 李彬权 《湖泊科学》 北大核心 2025年第2期651-659,共9页
针对水文资料缺乏流域机器学习模型建模困难的问题,本文提出了基于长短期记忆神经网络(LSTM)的区域化洪水预报方法。对水文气候相似区内各流域的水文及地形地貌特征数据进行归一化处理,以消除局地因素的影响,从而构建相似区内建模统一... 针对水文资料缺乏流域机器学习模型建模困难的问题,本文提出了基于长短期记忆神经网络(LSTM)的区域化洪水预报方法。对水文气候相似区内各流域的水文及地形地貌特征数据进行归一化处理,以消除局地因素的影响,从而构建相似区内建模统一数据集,扩大样本数量,为建立乏资料流域洪水预报模型提供了可能。本文选择胶东半岛作为研究区进行应用研究。为验证区域化模型在不同场景中的应用效果,设计了预报流域数据不参与建模,而仅根据区域内其他流域资料建模(区域化模型Ⅰ),以及预报流域的部分数据参与建模(区域化模型Ⅱ)两种情景;此外,选取仅根据预报流域数据训练的单流域模型作为基准模型进行对比分析。结果表明,对本次研究的水文资料短缺流域,两种区域化模型均取得了较好效果,且都优于单流域模型。相较而言,考虑了预报流域数据的区域化模型精度更高,说明在区域化LSTM构建中融入预报流域的数据,可进一步提升区域化模型的精度。研究成果可为乏资料地区的洪水预报提供参考。 展开更多
关键词 长短期记忆神经网络 洪水预报 区域化模型 水文气候相似区 乏资料流域
在线阅读 下载PDF
改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究 被引量：2
11
作者 张国浩 王彩玲 +1 位作者 王洪伟 于涛 《光谱学与光谱分析》 北大核心 2025年第2期394-402,共9页
使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总... 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。 展开更多
关键词 光谱数据 改进粒子群优化算法 BP神经网络模型 核主成分分析(KPCA) 总磷浓度
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
12
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
循环炎症相关因子神经网络模型预测脑卒中后抑郁发生风险的效能分析 被引量：1
13
作者 李凤玲 杨学 陈海燕 《中华老年心脑血管病杂志》 北大核心 2025年第1期63-67,共5页
目的探讨基于神经网络算法构建循环炎症相关因子对脑卒中后抑郁(post-stroke depression,PSD)发生风险预测模型。方法前瞻性选取2021年3月至2024年3月武汉科技大学附属老年病医院脑科中心脑卒中就诊的患者260例,其中训练集208例(80%)和... 目的探讨基于神经网络算法构建循环炎症相关因子对脑卒中后抑郁(post-stroke depression,PSD)发生风险预测模型。方法前瞻性选取2021年3月至2024年3月武汉科技大学附属老年病医院脑科中心脑卒中就诊的患者260例,其中训练集208例(80%)和验证集52例(20%),根据脑卒中后1个月内PSD发生情况将训练集脑卒中患者分为PSD组(62例)和非PSD组(146例)。通过训练集筛选影响PSD发生风险的预测因素,在训练集中基于多因素logistic和神经网络算法分别构建PSD发生风险预测模型,比较2个预测模型的预测效能,同时在验证集进行验证。结果本研究脑卒中后1个月内发生PSD 76例(29.23%),其中训练集62例,验证集14例。PSD组C反应蛋白(C-reactive protein,CRP)、纤维蛋白原(fibrinogen,FIB)、白细胞介素(interleukins,IL)-6、IL-1β、肿瘤坏死因子α(tumor necrosis factor-α,TNF-α)、IL-18、中性粒细胞与淋巴细胞比值(neutrophil and lymphocyte ratio,NLR)明显高于非PSD组,差异有统计学意义(P<0.01)。多因素logistic回归分析显示,CRP(OR=1.494,95%CI:1.239~1.802)、FIB(OR=1.924,95%CI:1.191~3.109)、IL-6(OR=1.128,95%CI:1.001~1.272)、TNF-α(OR=1.051,95%CI:1.010~1.093)、IL-1β(OR=1.096,95%CI:1.006~1.194)、IL-18(OR=1.019,95%CI:1.002~1.036)、NLR(OR=1.873,95%CI:1.027~3.418)为PSD发生风险的危险因素(P<0.05,P<0.01)。ROC曲线结果显示,神经网络算法的预测模型的曲线下面积明显高于多因素logistic回归分析模型(0.931 vs 0.855,Z=3.448,P<0.05),且基于验证集评估,神经网络模型的准确性明显高于多因素logistic模型(92.31%vs 75.00%,P<0.05)。结论循环炎症相关因子CRP、FIB、IL-6、IL-1β、TNF-α、IL-18、NLR与PSD发生风险有关,基于神经网络算法构建的循环炎症相关因子预测模型能更有效预测PSD发生风险。 展开更多
关键词 卒中 抑郁 比例危险度模型 神经网络模型
在线阅读 下载PDF
乡村旅游景区质量要素及其对游客满意度的影响——基于可解释神经网络的Kano模型 被引量：4
14
作者 赖晓凡 谢嘉茜 王心蕊 《旅游科学》 北大核心 2025年第4期120-139,共20页
乡村旅游是推动乡村振兴的重要抓手,如何识别乡村旅游景区质量要素并提升游客满意度,是实现乡村旅游高质量发展亟待解决的关键问题。目前相关研究对我国乡村旅游的质量要素缺乏全面分析,不同类型的质量要素对游客满意度的差异化影响有... 乡村旅游是推动乡村振兴的重要抓手,如何识别乡村旅游景区质量要素并提升游客满意度,是实现乡村旅游高质量发展亟待解决的关键问题。目前相关研究对我国乡村旅游的质量要素缺乏全面分析,不同类型的质量要素对游客满意度的差异化影响有待深入探讨。文章基于Kano模型,以全国乡村旅游重点村为研究对象,应用携程平台上的在线评论数据,综合运用了方面级情感分析技术与可解释神经网络方法,挖掘质量要素并构建情感值与评分之间的联系,进而探究各类质量要素在影响游客满意度中的作用。研究发现,我国乡村旅游景区的质量要素包括文化、环境、体验、商业、服务、交通、娱乐和特色8个主题,可以进一步划分为必备型、期望型和魅力型质量要素,不同类型的质量要素对游客满意度的影响作用存在差异。文章的主要发现为乡村旅游景区建设和高质量发展提供了可供参考的建议。 展开更多
关键词 乡村旅游 质量要素 游客满意度 KANO模型 方面级情感分析 可解释神经网络
在线阅读 下载PDF
基于模型知识融合的图神经网络多雷达协同任务调度算法 被引量：1
15
作者 李浩情 余点 +2 位作者 潘常春 郁文贤 李东瀛 《雷达学报(中英文)》 北大核心 2025年第2期470-485,共16页
现代雷达的探测、跟踪、识别等任务场景越来越复杂。任务类型的多变性,雷达资源的稀缺性和任务执行时间窗口的严格要求,使得雷达任务调度成为一类强NP-Hard问题。然而,现有的调度算法在处理涉及复杂逻辑约束的多雷达协同调度问题时适应... 现代雷达的探测、跟踪、识别等任务场景越来越复杂。任务类型的多变性,雷达资源的稀缺性和任务执行时间窗口的严格要求,使得雷达任务调度成为一类强NP-Hard问题。然而,现有的调度算法在处理涉及复杂逻辑约束的多雷达协同调度问题时适应性不足,效率不高。因此,基于人工智能(AI)的调度算法正在成为研究热点,但是AI调度算法的效率与其对问题特征的提取是否全面密切相关。如何能快速、全面地提取多雷达协同任务调度问题的共性特征,是提升这类AI调度算法效率的关键。因此,该文提出了基于模型知识融合的图神经网络(MKEGNN)调度算法。该算法首先将雷达任务协同调度问题建模为异构网络图模型,利用模型知识来优化GNN算法训练过程。算法创新在于:通过低复杂度的计算手段,获取模型的关键知识,进而优化GNN模型。在特征提取阶段,引入随机酉矩阵变换,利用任务异构图的随机拉普拉斯矩阵谱特征作为全局特征来强化图神经网络对共性特征的提取能力,弱化特定问题的个性化特征;在参数化决策阶段,利用由问题的引导解和经验解构成的上/下界结构知识从原理上减少决策空间大小,引导网络快速优化,加速决策学习过程的收敛。最后,进行了大量数据仿真实验。结果表明,相比目前的算法,MKEGNN算法对于所有任务集在稳定性和精度方面都有所提升,调度成功率性能提升3%~10%,加权调度成功率提升5%~15%。尤其当处理多雷达协同关系复杂的任务集时,任务调度成功率提升4%以上,算法稳定性和鲁棒性显著增强。 展开更多
关键词 雷达任务调度 图神经网络 强化学习 模型知识 拉普拉斯矩阵 随机矩阵
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
16
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
图神经网络模型预测和解释离子液体毒性的研究 被引量：1
17
作者 冯海军 章冰璇 周健 《化工学报》 北大核心 2025年第1期93-106,共14页
离子液体对环境有潜在毒性,为了解其毒性机制,建立了三种传统机器学习(支持向量机,随机森林,多层感知机)和三种图神经网络(图注意力网络,消息传递神经网络,图卷积模型)模型,预测离子液体对大鼠IPC-81细胞等4种活生物体的毒性。凭借分子... 离子液体对环境有潜在毒性,为了解其毒性机制,建立了三种传统机器学习(支持向量机,随机森林,多层感知机)和三种图神经网络(图注意力网络,消息传递神经网络,图卷积模型)模型,预测离子液体对大鼠IPC-81细胞等4种活生物体的毒性。凭借分子结构信息,图卷积模型在4个数据集中的RMSE和MAE均最低,R^(2)均最高,因此,图卷积模型在预测离子液体毒性上更优越。同时,基于图卷积模型,建立毒性解释模型,从数据驱动上来分析原子基团对毒性的贡献。阳离子的芳香环和长烷基链会产生毒性,S^(+)、P^(+)、N^(+)、NH^(+)等原子基团会显著增强离子液体的毒性,而P^(-)、F、B^(-)、C等原子基团会有效降低离子液体的毒性。该发现可为快速筛选和开发更绿色低毒型离子液体提供理论依据。 展开更多
关键词 离子液体 毒性 机器学习 图神经网络 模型 预测 可解释性
在线阅读 下载PDF
有限元模型修正中的贝叶斯深度神经网络构架优化设计 被引量：1
18
作者 何宇轩 尹涛 王曦 《振动与冲击》 北大核心 2025年第6期184-190,共7页
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相... 贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力,但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。该研究旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究,发展基于证据对数的多隐含层BNN网络性能定量量度,并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法,获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。 展开更多
关键词 结构系统识别 结构健康监测 有限元模型修正 贝叶斯深度神经网络 构架优化设计
在线阅读 下载PDF
多方法融合的卷积神经网络模型压缩方法
19
作者 郭开泰 李宇哲 +4 位作者 付东豪 郑洋 任胜寒 胡海虹 梁继民 《西安电子科技大学学报》 北大核心 2025年第3期232-241,共10页
卷积神经网络在实际应用中的计算和存储成本较高,因此模型压缩技术成为部署此类模型的关键。然而,单一压缩技术通常会导致性能下降、泛化能力降低或计算复杂度增加的问题。为此提出了一种融合模型剪枝、知识蒸馏和模型量化的压缩框架。... 卷积神经网络在实际应用中的计算和存储成本较高,因此模型压缩技术成为部署此类模型的关键。然而,单一压缩技术通常会导致性能下降、泛化能力降低或计算复杂度增加的问题。为此提出了一种融合模型剪枝、知识蒸馏和模型量化的压缩框架。首先通过稀疏化训练对模型进行剪枝,减少冗余通道;随后,以原始模型作为教师网络,利用知识蒸馏方法对剪枝后的学生网络进行指导,提升压缩模型的性能;最后采用模型量化技术对压缩后的网络进一步优化以提高其适用性。利用卷积网络中的分类模型和目标检测模型对所提出方法进行测试,实验结果表明,该模型压缩框架能够有效降低模型的存储和计算需求,在多个测试模型上,模型大小缩减幅度超过90%,推理速度提升3~4倍,同时精度损失控制在2%以内。提出的多方法融合的模型压缩框架在保证卷积神经网络模型性能的同时,减少了模型大小,提升了推理速度,适用于资源受限环境中卷积神经网络的高效部署。 展开更多
关键词 模型压缩 卷积神经网络 模型剪枝 知识蒸馏 模型量化
在线阅读 下载PDF
减振器动态特性集总参数-神经网络联合模型
20
作者 刘雪莱 刘子谦 +3 位作者 郑益谦 王强 李涛 上官文斌 《振动.测试与诊断》 北大核心 2025年第2期354-358,415,416,共7页
为了描述减振器的动态特性,将集总参数模型和神经网络模型进行结合,提出了一种能够精确描述减振器非线性动态特性的集总参数-神经网络联合模型。首先,在减振器测试台架上对一个减振器的动态特性进行测量,激励工况包括谐波激励和瞬态激... 为了描述减振器的动态特性,将集总参数模型和神经网络模型进行结合,提出了一种能够精确描述减振器非线性动态特性的集总参数-神经网络联合模型。首先,在减振器测试台架上对一个减振器的动态特性进行测量,激励工况包括谐波激励和瞬态激励两大类,测试得到减振器的动态力响应;其次,提出了联合模型的集总参数建模方法与参数辨识方法,并使用谐波激励下的测试数据完成了模型参数辨识;然后,利用神经网络模型补偿减振器的力-速度非线性特征;最后,使用联合模型计算在瞬态激励下减振器的输出力,并与集总参数模型和神经网络模型的计算结果以及测试结果进行了对比。结果表明,所提出的减振器联合模型具有较高的准确性,能够有效补偿集总参数模型的非线性误差。 展开更多
关键词 减振器 联合模型 神经网络模型 瞬态激励
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 … 250 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