期刊文献+
共找到67,812篇文章
< 1 2 250 >
每页显示 20 50 100
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
1
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
基于多域图神经网络的疾病预测模型 被引量:2
2
作者 罗熹 刘洋 安莹 《湖南大学学报(自然科学版)》 北大核心 2025年第4期124-134,共11页
电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该... 电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该方法首先利用一个结合编码级注意力和时间感知LSTM的时序特征学习模块获得患者每次就诊的初始特征表示.然后,根据就诊序列中不同就诊间的相关性和时间间隔信息分别构建了一个就诊亲和图和一个就诊时序图,并通过图卷积神经网络从图中挖掘就诊记录间的静态语义关联和动态时序依赖.最后,利用一个基于自注意力机制的多域特征融合模块将时序特征和语义关联特征结合起来得到最终的患者融合特征表示,用于患者未来的疾病预测.在两个真实临床数据集上的实验结果表明,本文方法超过其他现有的方法获得了更高的预测准确性. 展开更多
关键词 电子病历 疾病预测 神经网络 注意力机制
在线阅读 下载PDF
响应面法结合深度神经网络优化刺五加果多糖提取工艺 被引量:3
3
作者 苏适 董立强 +3 位作者 黎莉 王双侠 王喜庆 张金凤 《包装与食品机械》 北大核心 2025年第2期66-74,共9页
为提高刺五加果多糖的提取率,提出基于Box-Behnken响应面法与深度神经网络模型(deep neural network,DNN)协同优化的微波辅助离子液体提取工艺。通过响应面设计,筛选微波功率、离子液体浓度、提取时间及料液比等参数,并构建二次回归模型... 为提高刺五加果多糖的提取率,提出基于Box-Behnken响应面法与深度神经网络模型(deep neural network,DNN)协同优化的微波辅助离子液体提取工艺。通过响应面设计,筛选微波功率、离子液体浓度、提取时间及料液比等参数,并构建二次回归模型;利用DNN模型解析多因素间非线性关系,优化工艺条件。结果表明,DNN模型得到的最优工艺条件为微波功率350 W、离子液体浓度0.6 mol/L、提取时间35 min、料液比1∶24(g/mL),多糖提取率为16.71%,高于响应面法优化的提取工艺结果。体外抗氧化试验显示,刺五加果多糖对羟基自由基、DPPH自由基和ABTS^(+)·自由基的半数抑制浓度(IC_(50))分别为2.36,2.05,2.47 mg/mL。研究为刺五加果在功能性食品及抗衰老保健品开发中的应用提供理论依据。 展开更多
关键词 刺五加果 多糖 工艺优化 响应面法 深度神经网络 抗氧化活性
在线阅读 下载PDF
基于短时随机充电数据和优化卷积神经网络的锂电池健康状态估计 被引量:1
4
作者 申江卫 折亦鑫 +4 位作者 舒星 刘永刚 魏福星 夏雪磊 陈峥 《储能科学与技术》 北大核心 2025年第4期1585-1595,共11页
用户充电过程较强的随机性,导致很难获得完整且固定的充电段用于精确表征电池健康状态的变化。针对充电行为的无序性,提出了一种基于随机健康指标和卷积神经网络的电池健康状态估计方法。对锂电池的原始充电电压时序数据进行分割作为随... 用户充电过程较强的随机性,导致很难获得完整且固定的充电段用于精确表征电池健康状态的变化。针对充电行为的无序性,提出了一种基于随机健康指标和卷积神经网络的电池健康状态估计方法。对锂电池的原始充电电压时序数据进行分割作为随机充电数据,使用单一卷积神经网络架构从中自适应提取老化特征,并采用蜣螂优化算法对其参数寻优,建立了多阶段模型。仅使用短时随机原始充电电压数据即可实现电池健康状态估计,且有效适用于不同充电模式和充电速率。实验测试验证结果表明,使用连续5 s(100个数据点)的原始电压时序数据,在恒流-恒压充电模式下,锂电池健康状态估计结果平均绝对误差小于2.07%,在多阶段恒流充电模式下,锂电池健康状态估计结果平均绝对误差小于1.22%。 展开更多
关键词 健康状态 随机充电 数据分割 卷积神经网络 锂离子电池
在线阅读 下载PDF
基于卷积和Transformer神经网络架构搜索的脑胶质瘤多组织分割网络 被引量:1
5
作者 陶永鹏 柏诗淇 周正文 《计算机应用》 北大核心 2025年第7期2378-2386,共9页
脑胶质瘤在磁共振成像(MRI)图像中的形状大小变化大、边界模糊且组织结构复杂,这些特点导致了脑肿瘤分割任务的挑战性,通常这种任务需要具备深厚专业知识的研究人员设计复杂定制的网络模型才能完成。这一过程不仅耗时,而且需要大量的人... 脑胶质瘤在磁共振成像(MRI)图像中的形状大小变化大、边界模糊且组织结构复杂,这些特点导致了脑肿瘤分割任务的挑战性,通常这种任务需要具备深厚专业知识的研究人员设计复杂定制的网络模型才能完成。这一过程不仅耗时,而且需要大量的人力资源。为了简化网络设计流程并自动获取最优的网络结构,提出一种基于卷积和Transformer神经网络架构搜索的脑胶质瘤多组织分割网络(NASCT-Net),以在构建用于多模态MRI脑肿瘤分割的网络架构的过程中,提高分割的精确度。首先,将神经架构搜索(NAS)技术应用于编码器的构建,形成可堆叠的NAS编解码模块,以自动优化适用于脑胶质瘤精准分割的网络架构;其次,在编码器底层集成基于Transformer的特征编码模块,以增强对肿瘤各组之间的相对位置和全局信息的表征能力;最后,通过构建体积加权Dice损失函数(VWDiceLoss),解决前景与背景的不平衡问题。在BraTS2019脑肿瘤数据集上与Swin-Unet等方法进行比较的实验结果表明,NASCT-Net的平均Dice相似系数(DSC)提高了0.009,同时平均Hausdorff距离(HD)降低了1.831 mm,验证了NASCT-Net在提高脑肿瘤多组织分割精度方面的有效性。 展开更多
关键词 网络架构 神经网络架构搜索 脑肿瘤分割 卷积神经网络 TRANSFORMER
在线阅读 下载PDF
基于改进卷积神经网络的风电机组叶片覆冰诊断方法研究 被引量:2
6
作者 邢作霞 张玥 +1 位作者 郭珊珊 张超 《太阳能学报》 北大核心 2025年第3期661-667,共7页
针对风电机组叶片覆冰影响机组运行安全和降低发电量的问题,提出一种基于极端梯度提升算法和麻雀搜索算法优化卷积神经网络的风电机组叶片覆冰诊断方法。首先,利用基于极端梯度提升算法计算实际机组监控和数据采集系统(SCADA)数据的特... 针对风电机组叶片覆冰影响机组运行安全和降低发电量的问题,提出一种基于极端梯度提升算法和麻雀搜索算法优化卷积神经网络的风电机组叶片覆冰诊断方法。首先,利用基于极端梯度提升算法计算实际机组监控和数据采集系统(SCADA)数据的特征权重,筛除冗余特征变量,降低诊断模型的复杂度、减少诊断时间;再利用卷积神经网络模型对筛选后SCADA数据进行特征提取建立叶片覆冰诊断分类模型;最后,利用麻雀搜索算法对诊断模型中的超参数寻优,提高诊断模型的准确率。实验结果表明提出的方法对叶片覆冰的诊断准确率达到98%,相比于长短期记忆网络、K近邻算法等分类模型诊断准确率更高。 展开更多
关键词 风电机组 故障诊断 叶片覆冰 神经网络 麻雀搜索算法
在线阅读 下载PDF
基于神经网络模型的煤层气产能预测研究
7
作者 金毅 郑晨晖 +5 位作者 宋慧波 马家恒 杨运航 刘顺喜 张昆 倪小明 《河南理工大学学报(自然科学版)》 CAS 北大核心 2025年第1期46-56,共11页
目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展... 目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展煤层气产能预测。首先,利用灰色关联分析法遴选出10个地质参数作为煤层气产能预测的主控因素,在此基础上,运用模糊数学法实现研究区34口煤层气井富集区划分,最后,根据分类结果,结合实际排采数据,分别利用BP(back propagation)和LSTM(long short-term memory)神经网络算法实现煤层气井日产气量预测。结果结果表明:(1)渗透率、含气饱和度和储层压力梯度等10个参数是影响研究区煤层气产气性能的关键因素;(2)利用模糊数学评价方法评价煤层气的富集,可将研究区34口井产气效果划分为有利区、较有利区和不利区;(3)依托LSTM算法建立了煤储层日产气量预测模型,预测误差值为4.06%~14.79%,平均误差值为11.09%,预测精度明显高于BP神经网络模型,结论根据LSTM算法建立的煤储层日产气量预测模型稳定性好且预测精度高,可作为煤储层产能长程预测的一种有效手段,进而为煤层气开发工艺布施与排采方案制定提供科学依据。 展开更多
关键词 LSTM神经网络 BP神经网络 灰色关联分析 产能预测
在线阅读 下载PDF
利用改进卷积神经网络的螺杆砂带磨削表面粗糙度预测 被引量:1
8
作者 杨赫然 张培杰 +2 位作者 孙兴伟 潘飞 刘寅 《中国机械工程》 北大核心 2025年第2期325-332,共8页
为便捷、准确地预测磨削后螺杆转子的表面粗糙度,提出了一种基于自注意力卷积神经网络(SA-CNN)的磨削曲面粗糙度测量方法。通过正交试验获得螺杆转子的表面粗糙度以及粗糙度数值对应位置的表面图像,图像经自适应直方图均衡化、反锐化掩... 为便捷、准确地预测磨削后螺杆转子的表面粗糙度,提出了一种基于自注意力卷积神经网络(SA-CNN)的磨削曲面粗糙度测量方法。通过正交试验获得螺杆转子的表面粗糙度以及粗糙度数值对应位置的表面图像,图像经自适应直方图均衡化、反锐化掩蔽等预处理后作为训练样本输入SA-CNN模型中。采用SA-CNN模型对磨削后的螺杆转子表面粗糙度值进行预测,并与经典网络ResNet、AlexNet、VGG-16、基础CNN以及图神经网络GNN预测结果进行对比。试验结果表明,SA-CNN模型的平均预测精度达到95.24%,均方根误差(RMSE)为0.0706μm,平均绝对百分比误差(MAPE)为7.4206%,均优于对比网络,且模型收敛较快,表现出较高的精度和良好的鲁棒性。 展开更多
关键词 磨削 表面粗糙度 卷积神经网络 正交试验
在线阅读 下载PDF
基于深度神经网络的遗传算法对抗攻击 被引量:1
9
作者 范海菊 马锦程 李名 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期82-90,I0007,共10页
深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个... 深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个基于卷积神经网络图像分类器的成功攻击.实验结果表明在对3个分类模型进行单像素攻击时,67.92%的CIFAR-10数据集中的自然图像可以被扰动到至少一个目标类,平均置信度为79.57%,攻击效果会随着修改像素的增加进一步提升.此外,相比于LSA和FGSM方法,攻击效果有着显著提升. 展开更多
关键词 卷积神经网络 遗传算法 对抗攻击 图像分类 信息安全
在线阅读 下载PDF
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量:1
10
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
在线阅读 下载PDF
基于人工神经网络的三棱柱定向装药结构破片初速预测模型 被引量:1
11
作者 宁建国 汪齐 栗建桥 《兵工学报》 北大核心 2025年第3期200-213,共14页
棱柱形装药结构作为一种典型的非对称结构,其能量输出具有明显的方向性,预测其破片速度分布对于新型战斗部的结构设计和毁伤效率评估具有重要意义。针对棱柱形装药结构,建立一种基于人工神经网络的破片速度预测模型。为提高网络模型的... 棱柱形装药结构作为一种典型的非对称结构,其能量输出具有明显的方向性,预测其破片速度分布对于新型战斗部的结构设计和毁伤效率评估具有重要意义。针对棱柱形装药结构,建立一种基于人工神经网络的破片速度预测模型。为提高网络模型的效率和准确性,通过理论分析确定了影响破片速度分布的影响因素,为网络模型筛选出4个输入特征参数。通过调整这些特征参数的值,建立多组不同的数值模拟工况,通过数值模拟方法为网络模型提供数据集。用训练好的网络模型对测试集进行了预测,预测结果与数值模拟结果吻合较好,表明该网络模型预测棱柱形装药结构的破片分布具有较高的准确性,并且该神经网络模型具有良好的泛化能力。该神经网络模型具有计算速度快、预测精度高、易于建模等特点,可以较为精确地预测一端起爆条件下棱柱形结构的破片速度分布,为战斗部结构设计和毁伤效率评估提供数据参考。 展开更多
关键词 棱柱形壳体 破片初速 量纲分析 人工神经网络
在线阅读 下载PDF
基于神经网络的光纤温度估算方法的优化 被引量:1
12
作者 李苏雅 董艳唯 +4 位作者 李琳 张弛 李楠 宁琦 陈永辉 《光通信研究》 北大核心 2025年第1期83-88,共6页
【目的】为了有效估算基于布里渊散射的分布式光纤传感中光纤的温度,文章将多层前馈人工神经网络(ANN)应用于温度的估算。【方法】文章在Matlab软件中编写了用于光纤温度计算的单斜坡法、基于伪Voigt模型的最小二乘拟合法和ANN程序,同... 【目的】为了有效估算基于布里渊散射的分布式光纤传感中光纤的温度,文章将多层前馈人工神经网络(ANN)应用于温度的估算。【方法】文章在Matlab软件中编写了用于光纤温度计算的单斜坡法、基于伪Voigt模型的最小二乘拟合法和ANN程序,同时仿真产生了不同信噪比(SNR)下的布里渊谱,采用以上3种算法计算了光纤温度,验证了ANN方法的有效性。在此基础上基于以上仿真产生的布里渊谱研究了ANN的关键参数,即隐层数量、隐层神经元数量和训练目标对训练速度、温度计算时间和准确性的影响规律。【结果】结果表明,ANN方法在SNR为22和37 dB时最大温度误差分别仅为1.18和0.63℃,且计算时间仅为最小二乘拟合法的1/1000左右。当隐层神经元数量不变时,随着隐层层数的增加,训练时间明显下降,计算时间线性增加,但其对温度估算的准确性几乎无影响;随着隐层神经元数量的增加,训练时间和计算时间均增加,隐层有21个神经元时,训练时间近似为1个神经元的67倍,但其对温度估算的准确性几乎无影响;训练目标(布里渊频移误差的平方)小于临界值(约为1 MHz 2)时,随着训练目标的增加,温度误差几乎不变,超过临界值后,随着训练目标的增加,温度误差增大。【结论】采用多层前馈ANN应用于基于布里渊散射的分布式光纤传感中的光纤温度估算时,建议选择单隐层且隐层神经元选择1个,训练目标选择1 MHz 2。 展开更多
关键词 分布式光纤传感 布里渊散射 布里渊频移 人工神经网络 温度 优化
在线阅读 下载PDF
基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测 被引量:1
13
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 金永涛 叶文杰 王巧华 马美湖 《食品科学》 北大核心 2025年第6期245-253,共9页
引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均... 引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰。结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%~1%,平均检测时间(AATS)可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 一维卷积神经网络 深度学习
在线阅读 下载PDF
小样本下基于改进麻雀算法优化卷积神经网络的飞轮储能系统损耗 被引量:2
14
作者 魏乐 李承霖 +1 位作者 房方 刘渝斌 《电网技术》 北大核心 2025年第1期366-372,I0113-I0115,共10页
飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵... 飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵武电厂的飞轮运行数据进行预处理,并使用对抗生成网络进行小样本扩充;然后基于卷积神经网络建立损耗模型,使用改进的麻雀算法对模型超参数进行优化,并通过对比验证了该模型的优越性;最后通过仿真实验证明了该模型能够优化飞轮储能系统的出力,降低飞轮损耗。 展开更多
关键词 飞轮储能系统损耗 小样本学习 卷积神经网络 麻雀搜索算法 LOGISTIC混沌映射
在线阅读 下载PDF
基于卷积神经网络和多标签分类的复杂结构损伤诊断 被引量:1
15
作者 李书进 杨繁繁 张远进 《建筑科学与工程学报》 北大核心 2025年第1期101-111,共11页
为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了... 为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了一种能对结构进行分层(或分区)处理并同时完成损伤诊断的多标签多输出卷积神经网络模型。分别构建了适用于多标签分类的浅层、深层和深层残差多输出卷积神经网络模型,并对其泛化性能进行了研究。结果表明:提出的模型具有较高的损伤诊断准确率和一定的抗噪能力,特别是经过分层(分区)处理后的多标签多输出网络模型更具高效性,有更快的收敛速度和更高的诊断准确率;利用多标签多输出残差卷积神经网络模型可以从训练工况中提取到足够多的损伤信息,在面对未经过学习的工况时也能较准确判断各节点的损伤等级。 展开更多
关键词 损伤诊断 卷积神经网络 多标签分类 框架结构 深度学习
在线阅读 下载PDF
ISW32离心泵深度一维卷积神经网络故障诊断 被引量:1
16
作者 贺婷婷 张晓婷 +1 位作者 李强 颜洁 《机械设计与制造》 北大核心 2025年第4期213-216,共4页
传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达... 传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达到更强的特征提取能力。通过参数设置对深度一维卷积神经网络进行调节,确定最优的参数范围:学习率为0.01,卷积核选取为(1×3),批处理量为50,采取最大池化条件,以Adam优化器优化实验参数。实验测试研究结果表明:深度一维卷积神经网络在离心泵故障诊断实现了99.97%准确率,可以满足智能故障诊断的要求。该研究对提高ISW32离心泵的故障诊断能量具有很好的实际应用价值。 展开更多
关键词 离心泵 故障诊断 深度一维卷积神经网络 准确率 实验 采样
在线阅读 下载PDF
融合改进卷积神经网络和层次SVM的鸡蛋外观检测 被引量:1
17
作者 姚万鹏 张凌晓 +1 位作者 赵肖峰 王飞成 《食品与机械》 北大核心 2025年第1期158-164,共7页
[目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2... [目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2)设计改进的浣熊优化算法(coati optimization algorithm,COA)和FCM聚类算法,在此基础上对卷积神经网络(convolutional neural network,CNN)模型结构和超参数进行优化,以提升CNN泛化能力。运用优化后的CNN深度学习鸡蛋图像数据库,从而实现鸡蛋外观图像特征的有效提取。(3)建立层次支持向量机鸡蛋外观分类工具,最终实现对鸡蛋外观的准确检测分类。[结果]所提鸡蛋外观检测方案的检测准确率提高了1.74%~4.31%,检测时间降低了21.68%~53.51%。[结论]所提方法能够有效实现对鸡蛋的在线实时精细化分类。 展开更多
关键词 鸡蛋外观 卷积神经网络 浣熊优化算法 支持向量机 特征提取
在线阅读 下载PDF
短距光纤通信系统中基于神经网络的非线性均衡器 被引量:1
18
作者 赵晗祺 李娜 +5 位作者 吴斌 吴桂龙 陈一童 冯晓芳 何沛礼 李蔚 《中国光学(中英文)》 北大核心 2025年第1期114-120,共7页
为了实现对短距光纤数据通信系统接收端非线性损伤的低复杂度均衡,提出了一种基于全连接神经网络的接收端均衡算法。这是一种引入判决反馈结构的判决反馈神经网络。非线性畸变是由线性工作区与实验系统不匹配的光电探测器引入的,在此基... 为了实现对短距光纤数据通信系统接收端非线性损伤的低复杂度均衡,提出了一种基于全连接神经网络的接收端均衡算法。这是一种引入判决反馈结构的判决反馈神经网络。非线性畸变是由线性工作区与实验系统不匹配的光电探测器引入的,在此基础上实现了基于C波段直接调制激光器的56 Gbit/s PAM4信号的20 km传输验证实验,并对判决反馈神经网络和其他均衡方案的均衡性能进行了对比实验。实验结果表明,相比全连接神经网络,改进方案在传输距离为20 km时灵敏度提升2 dB。改进方案可以很好地均衡光电器件的非线性,且计算复杂度更低,具有很好的应用意义。 展开更多
关键词 短距光通信 光电器件非线性畸变 信号均衡 神经网络 判决反馈
在线阅读 下载PDF
基于物联网和卷积神经网络的智能农机安全驾驶系统 被引量:1
19
作者 张砚雪 《农机化研究》 北大核心 2025年第3期211-216,共6页
基于物联网和卷积神经网络的智能农机安全驾驶系统是一种创新的农业技术应用,通过将农机设备的摄像装置连接到互联网上,实现对农机设备和驾驶员的实时监测和数据采集;再利用卷积神经网络技术对采集到的驾驶数据进行特征提取和驾驶行为... 基于物联网和卷积神经网络的智能农机安全驾驶系统是一种创新的农业技术应用,通过将农机设备的摄像装置连接到互联网上,实现对农机设备和驾驶员的实时监测和数据采集;再利用卷积神经网络技术对采集到的驾驶数据进行特征提取和驾驶行为分类与识别,实现对驾驶行为的自动监测和预警。实验结果表明:系统对驾驶行为的类别检测准确率较高,可以提高农机驾驶安全性和驾驶效率,为农业生产提供更加智能化和高效的服务。 展开更多
关键词 物联网 卷积神经网络 智能农机 安全驾驶 驾驶行为 预警
在线阅读 下载PDF
基于双注意力图神经网络的链路预测 被引量:1
20
作者 杨真真 林泽龙 杨永鹏 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期106-114,共9页
链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1... 链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。 展开更多
关键词 链路预测 神经网络 注意力机制 压缩-激励模块 频率自适应
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部