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1,299篇文章
< 1 2 … 65 >
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Bert+GCN多模态数据融合的药物分子属性预测 被引量：1
1
作者 闫效莺 靳艳春 +1 位作者 冯月华 张绍武 《生物化学与生物物理进展》 北大核心 2025年第3期783-794,共12页
目的药物研发成本高、周期长且成功率低。准确预测分子属性对有效筛选药物候选物、优化分子结构具有重要意义。基于特征工程的传统分子属性预测方法需研究人员具备深厚的学科背景和广泛的专业知识。随着人工智能技术的不断成熟,涌现出... 目的药物研发成本高、周期长且成功率低。准确预测分子属性对有效筛选药物候选物、优化分子结构具有重要意义。基于特征工程的传统分子属性预测方法需研究人员具备深厚的学科背景和广泛的专业知识。随着人工智能技术的不断成熟,涌现出大量优于传统特征工程方法的分子属性预测算法。然而这些算法模型仍然存在标记数据稀缺、泛化性能差等问题。鉴于此,本文提出一种基于Bert+GCN的多模态数据融合的分子属性预测算法(命名为BGMF),旨在整合药物分子的多模态数据,并充分利用大量无标记药物分子训练模型学习药物分子的有用信息。方法本文提出了BGMF算法,该算法根据药物SMILES表达式分别提取了原子序列、分子指纹序列和分子图数据,采用预训练模型Bert和图卷积神经网络GCN结合的方式进行特征学习,在挖掘药物分子中“单词”全局特征的同时,融合了分子图的局部拓扑特征,从而更充分利用分子全局-局部上下文语义关系,之后,通过对原子序列和分子指纹序列的双解码器设计加强分子特征表达。结果5个数据集共43个分子属性预测任务上,BGMF方法的AUC值均优于现有其他方法。此外,本文还构建独立测试数据集验证了模型具有良好的泛化性能。对生成的分子指纹表征(molecular fingerprint representation)进行t-SNE可视化分析,证明了BGMF模型可成功捕获不同分子指纹的内在结构与特征。结论通过图卷积神经网络与Bert模型相结合,BGMF将分子图数据整合到分子指纹恢复和掩蔽原子恢复的任务中,可以有效地捕捉分子指纹的内在结构和特征,进而高效预测药物分子属性。 展开更多
关键词 Bert预训练 注意力机制 分子指纹 分子属性预测 图卷积神经网络
在线阅读 下载PDF
基于GCN-LSTM的多交叉口信号灯控制 被引量：1
2
作者 徐东伟 朱宏俊 +2 位作者 郭海锋 周晓刚 汤立新 《高技术通讯》 北大核心 2025年第5期472-479,共8页
强化学习(reinforcement learning,RL)由于其解决高度动态环境中复杂决策问题的能力,成为信号灯控制中一种具有前景的解决方案。大多数基于强化学习的方法独立生成智能体的动作,它们可能导致交叉口的动作冲突、道路资源浪费。因此,本文... 强化学习(reinforcement learning,RL)由于其解决高度动态环境中复杂决策问题的能力,成为信号灯控制中一种具有前景的解决方案。大多数基于强化学习的方法独立生成智能体的动作,它们可能导致交叉口的动作冲突、道路资源浪费。因此,本文提出了基于图卷积网络和长短期记忆(graph convolution network-long short-term memory,GCNLSTM)的多交叉口信号灯控制方法。首先,基于二进制权重网络对多交叉口进行构图。其次,通过图卷积网络聚合周围交叉口的空间状态信息,利用长短期记忆(long short-term memory,LSTM)获得交叉口的历史状态信息。最后,通过基于竞争网络框架的Q值网络进行动作的选择,实现对交叉口相位的控制。实验结果表明,与其他强化学习方法相比,本文方法在多交叉口的信号灯控制中能够减少交叉口的队列长度,并使道路网络中的车辆获得更少的等待时间。 展开更多
关键词 智能交通系统 交通信号灯控制 多智能体强化学习 长短期记忆 图卷积网络
在线阅读 下载PDF
SSGCN-混合式图卷积网络:用于三维CAD模型的加工特征识别
3
作者 王洪申 王尚旭 强会英 《机械科学与技术》 北大核心 2025年第1期30-39,共10页
为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系... 为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系,构建图数据结构。提取面的几何属性信息,自定义编码构建节点属性矩阵,作为网络的输入。提取图结构的邻接矩阵、度矩阵等构建混合式图卷积网络。通过Python-OCC相关算法以及布尔运算,设计了一种批量生成带有面标签的加工特征模型数据集算法。使用带有面标签的加工特征模型数据集对网络进行训练,对加工特征模型进行测试,得到很好的识别效果。 展开更多
关键词 CAD模型 图卷积网络 加工特征识别 邻接矩阵
在线阅读 下载PDF
基于MRF-GCN-Transformer的滚动轴承剩余寿命预测
4
作者 李耀华 张宇 +1 位作者 杨通江 石瑞勃 《振动与冲击》 北大核心 2025年第20期328-337,共10页
针对传统神经网络在处理滚动轴承振动信号时,由于信号的非线性和非平稳性导致的预测精度不高的问题,提出了一种基于多感受野图卷积网络(multi receptive field graph convolutional networks,MRF-GCN)Transformer的滚动轴承剩余寿命预... 针对传统神经网络在处理滚动轴承振动信号时,由于信号的非线性和非平稳性导致的预测精度不高的问题,提出了一种基于多感受野图卷积网络(multi receptive field graph convolutional networks,MRF-GCN)Transformer的滚动轴承剩余寿命预测方法,结合MRF-GCN和Transformer网络对轴承的振动信号进行特征提取和寿命预测。相较于传统GCN忽视邻居节点重要性差异且采用固定的感受野,MRF-GCN方法通过引入多个感受野,有效捕捉图结构中的多尺度信息,并通过可学习的权重参数优化模型对复杂关系的捕捉。同时提出一种基于邻接矩阵调整注意力得分的图注意力机制,可以自动构建时间与特征相关的图结构,并在训练过程中自适应学习连接权重,从而优化模型对复杂关系的捕捉并提升预测准确性。试验结果表明,该模型在PHM2012公开数据集上的预测性能表现良好,具有较高的准确性和鲁棒性,与卷积神经网络-Transformer和Transformer-BiLSTM等网络相比,平均绝对误差和均方根误差分别平均降低了12.7%和37.39%,决定系数平均提高了5.90%。 展开更多
关键词 滚动轴承 剩余寿命预测 多感受野图卷积网络(MRF-gcn) TRANSFORMER 图注意力机制
在线阅读 下载PDF
利用伪重叠判定机制的多层循环GCN跨域推荐
5
作者 钱忠胜 王亚惠 +2 位作者 俞情媛 范赋宇 付庭峰 《软件学报》 北大核心 2025年第9期4327-4348,共22页
跨域推荐(cross-domain recommendation,CDR)通过将密集评分辅助域中的用户-项目评分模式迁移到稀疏评分目标域中的评分数据集,以缓解冷启动现象,近年来得到广泛研究.多数CDR算法所采用的基于单域推荐的聚类方法未有效利用重叠信息,无... 跨域推荐(cross-domain recommendation,CDR)通过将密集评分辅助域中的用户-项目评分模式迁移到稀疏评分目标域中的评分数据集,以缓解冷启动现象,近年来得到广泛研究.多数CDR算法所采用的基于单域推荐的聚类方法未有效利用重叠信息,无法充分适应跨域推荐,导致聚类结果不准确.在跨域推荐中,图卷积网络方法(graph convolution network,GCN)可充分利用节点间的关联,提高推荐的准确性.然而,基于GCN的跨域推荐往往使用静态图学习节点嵌入,忽视了用户的偏好会随推荐场景发生变化的情况,导致模型在面对不同的推荐任务时表现不佳,无法有效缓解数据稀疏性.基于此,提出一种利用伪重叠判定机制的多层循环GCN跨域推荐模型.首先,在社区聚类算法Louvain的基础上充分运用重叠数据,设计一个伪重叠判定机制,据此挖掘用户的信任关系以及相似用户社区,从而提高聚类算法在跨域推荐中的适应能力及其准确性.其次,提出一个包含嵌入学习模块和图学习模块的多层循环GCN,学习动态的域共享特征、域特有特征以及动态图结构,并通过两模块的循环增强,获取最新用户偏好,从而缓解数据稀疏问题.最后,采用多层感知器(multi-layer perceptron,MLP)对用户-项目交互建模,得到预测评分,通过与12种相关模型在4组数据域上的对比结果发现,所提方法是高效的,在MRR、NDCG、HR指标上分别平均提高5.47%、3.44%、2.38%. 展开更多
关键词 跨域推荐 伪重叠判定机制 图卷积网络 社区聚类 推荐系统
在线阅读 下载PDF
DeepCom-GCN:融入控制流结构信息的代码注释生成模型
6
作者 钟茂生 刘会珠 +1 位作者 匡江玲 严婷 《江西师范大学学报(自然科学版)》 北大核心 2025年第1期27-36,共10页
代码注释生成是指给定一个代码片段,通过模型自动生成一段关于代码片段功能的概括性自然语言描述.不同于自然语言,程序语言具有复杂语法和强结构性.部分研究工作只利用了源代码的序列信息或抽象语法树信息,未能充分利用源代码的逻辑结... 代码注释生成是指给定一个代码片段,通过模型自动生成一段关于代码片段功能的概括性自然语言描述.不同于自然语言,程序语言具有复杂语法和强结构性.部分研究工作只利用了源代码的序列信息或抽象语法树信息,未能充分利用源代码的逻辑结构信息.针对这一问题,该文提出一种融入程序控制流结构信息的代码注释生成方法,将源代码序列和结构信息作为单独的输入进行处理,允许模型学习代码的语义和结构.在2个公开数据集上进行验证,实验结果表明:和其他基线方法相比,DeepCom-GCN在BLEU-4、METEOR和ROUGE-L指标上的性能分别提升了2.79%、1.67%和1.21%,验证了该方法的有效性. 展开更多
关键词 代码注释生成 抽象语法树 控制流图 图卷积神经网络 软件工程 程序理解 自然语言处理
在线阅读 下载PDF
基于STGCN-Transformer的短期电力净负荷预测
7
作者 孟伟 俞斌 +3 位作者 白隆 徐婕 顾晋豪 郭锋 《中国测试》 北大核心 2025年第6期160-169,共10页
智能电网的发展认识到短期电力净负荷预测对综合能源系统(integrated energy system,IES)的重要性。净负荷预测代表用电负荷与安装的可再生能源之间的差异,是能量管理和优化调度的基础。为解决IES波动性大,传统统计模型预测精较差的问题... 智能电网的发展认识到短期电力净负荷预测对综合能源系统(integrated energy system,IES)的重要性。净负荷预测代表用电负荷与安装的可再生能源之间的差异,是能量管理和优化调度的基础。为解决IES波动性大,传统统计模型预测精较差的问题,该文提出一种基于时空图卷积网络(spatial temporal graph convolutional networks,STGCN)和Transformer相结合的综合能源系统短期负荷预测模型。首先,利用STGCN作为输入嵌入层对多元输入序列进行编码,填补Transformer中没有充分考虑相关信息的空白。然后,利用Transformer中的自注意机制捕获序列数据的时间依赖性。最后,利用前馈神经网络输出预测负荷值。以浙江省某地区电力数据集为例,与其他4种预测模型相比较平均绝对百分比误差均在5%以内,结果表明该文模型具有较高的预测精度和稳定性。 展开更多
关键词 时空图卷积网络 TRANSFORMER 多头注意力机制 短期净负荷预测
在线阅读 下载PDF
一种基于RGCN的多功能雷达工作模式识别方法 被引量：2
8
作者 郁春来 冯明月 +2 位作者 金宏斌 张福群 张强飞 《现代防御技术》 北大核心 2025年第1期120-128,共9页
多功能雷达因其灵活的工作模式和捷变的波形特征,可并行执行多种任务等优势,已获得广泛应用,对雷达情报侦察对抗带来了极大挑战。识别多功能雷达工作模式是后续威胁评估、自适应对抗和引导攻击的前提和基础,直接决定着雷达对抗措施的针... 多功能雷达因其灵活的工作模式和捷变的波形特征,可并行执行多种任务等优势,已获得广泛应用,对雷达情报侦察对抗带来了极大挑战。识别多功能雷达工作模式是后续威胁评估、自适应对抗和引导攻击的前提和基础,直接决定着雷达对抗措施的针对性和有效性。主要以典型多功能雷达为研究对象,对典型的作战场景仿真建模,在深入分析多功能雷达不同工作模式的基础上,提出了一种基于关系图卷积网络(relational graph convolutional networks,RGCN)的多功能雷达工作模式识别的新方法,实现了数据的并行化处理,解决了不同工作模式与特征参数之间的相互作用。 展开更多
关键词 多功能雷达 工作模式识别 神经网络 图卷积网络 关系图卷积网络
在线阅读 下载PDF
SP-CPGCN:用于尘肺病分期的超像素先验因果感知图卷积网络
9
作者 王月莹 纪国华 +5 位作者 冯伟毅 赵涓涓 强彦 马建芬 施熠炜 杨帆 《计算机应用研究》 北大核心 2025年第6期1873-1879,共7页
针对尘肺病灶微小微薄以及现有深度学习方法受非因果特征影响,导致尘肺分期准确率低的问题,提出基于超像素先验的因果感知图卷积网络(SP-CPGCN)。具体来说,该网络通过对超像素而非整张胸片进行特征提取以学习局部微小特征;充分考虑节点... 针对尘肺病灶微小微薄以及现有深度学习方法受非因果特征影响,导致尘肺分期准确率低的问题,提出基于超像素先验的因果感知图卷积网络(SP-CPGCN)。具体来说,该网络通过对超像素而非整张胸片进行特征提取以学习局部微小特征;充分考虑节点间的空间邻近性和特征相似性构建图网络,设计分层聚合图卷积网络利用不同深度的信息进行信息传递和特征整合。此外,提出基于图卷积网络的自适应因果推断,利用干预损失和稳定性损失相结合的因果干预策略来避免非因果特征的干扰,设计类内一致性损失来平衡个体特异性特征和群体普遍性特征。在临床尘肺病胸片数据集上的验证结果表明,SP-CPGCN的准确率为82.4%,精确率为78.9%,灵敏度为77.3%,特异度为88.6%,AUC为90.3%,均优于其他方法。实验结果表明,SP-CPGCN有效提升了尘肺病分期的准确性和稳定性,为自动化医学诊断提供了可靠的新方法。 展开更多
关键词 图神经网络 因果推断 超像素 胸片 尘肺分期
在线阅读 下载PDF
面向6G无线组网的基于GCN-LSTM网络的业务流量预测算法
10
作者 孙诗蕾 徐澍 +1 位作者 李春国 杨绿溪 《数据采集与处理》 北大核心 2025年第5期1239-1249,共11页
随着移动通信技术的飞速发展,无线网络面临着资源分配、流量分析和6G基站优化等多重挑战。对无线网络流量的有效预测,有助于合理地分配网络资源,为用户提供更稳定更高效的服务,保证网络性能。针对目前无线组网流量预测过程中由于时空特... 随着移动通信技术的飞速发展,无线网络面临着资源分配、流量分析和6G基站优化等多重挑战。对无线网络流量的有效预测,有助于合理地分配网络资源,为用户提供更稳定更高效的服务,保证网络性能。针对目前无线组网流量预测过程中由于时空特征挖掘不充分导致预测准确率较低的问题,开展了基于深度学习方法的智能业务流量预测算法的研究,设计了基于图卷积神经网络-长短期记忆网络(Graph convolutional network-Long short-term memory,GCN-LSTM)模型的预测算法。实验结果显示,该算法在实际网络应用中的准确率为84.71%,相较于其他基于深度学习的流量预测方法,具有显著优势,为6G网络资源的合理分配和高效服务提供了有力支持。 展开更多
关键词 无线网络流量预测 深度学习 图卷积神经网络 长短期记忆 时空特征挖掘
在线阅读 下载PDF
基于滚动模态分解和GCN-DABiLSTM的综合能源系统多元负荷预测模型
11
作者 罗林霖 王霄 +1 位作者 何志琴 尹曜华 《广东电力》 北大核心 2025年第9期130-144,共15页
针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble emp... 针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对电、冷、热负荷进行初步分解,生成一系列子序列;其次,采用模糊散布熵(fuzzy discrete entropy,FDE)对子序列进行复杂性评估并聚合;然后,通过变分模态分解(variational mode decomposition,VMD)对高频分量进行二次分解,将原始序列解耦为特征聚焦且平稳的子序列。在分解过程中,引入滚动分解策略,规避了传统基于模态分解的预测方法带来的信息渗透问题。最后,构建一个结合图卷积网络(graph convolutional network,GCN)和双重注意力(dual-attention mechanism,DA)机制优化的双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的组合预测框架,用于多元负荷预测。基于美国亚利桑那州立大学IES数据的验证表明,该模型相较于其他模型,预测误差显著降低,验证了其在预测任务中的有效性。 展开更多
关键词 负荷预测 滚动模态分解 模糊散布熵 图卷积网络 双向长短期记忆网络 双重注意力机制
在线阅读 下载PDF
基于相似度融合和GCN的音频分类模型
12
作者 何敏捷 陈宁 林家骏 《计算机应用与软件》 北大核心 2025年第5期116-121,197,共7页
为了充分利用样本间基于不同音频特征的相似度表示的拓扑结构特性的互补性,提出一种基于相似度融合和GCN的音频分类模型。分别利用基于CNN14和DenseNet的网络提取输入音频的特征,并进行音频类别的预测;利用相似度网络融合模型对基于以... 为了充分利用样本间基于不同音频特征的相似度表示的拓扑结构特性的互补性,提出一种基于相似度融合和GCN的音频分类模型。分别利用基于CNN14和DenseNet的网络提取输入音频的特征,并进行音频类别的预测;利用相似度网络融合模型对基于以上两个网络获得的预测标签向量的相似度进行非线性融合;分别用DenseNet提取的特征和融合相似度网络对GCN的节点特征和邻接矩阵进行初始化,通过GCN进行节点特征优化以提升音频分类准确性。实验结果表明,在不同的音频分类任务中,该模型相比于基线模型取得了更高的分类准确率,且基于SNF的相似度融合模块和基于GCN的分类模块均对模型性能的提升有贡献。 展开更多
关键词 特征融合 图卷积网络 相似度网络融合 深度学习 音频分类
在线阅读 下载PDF
基于KGCN的地质地震灾害事件演化结果预测
13
作者 邵舒羽 张扬 刘艳 《中国安全科学学报》 北大核心 2025年第2期212-219,共8页
为提高地质地震灾害事件预测的准确性和可靠性,提出一种结合知识图谱和图卷积神经网络(GCN)的预测模型。首先,构建地质地震灾害事件的知识图谱,将灾害相关的多源信息整合成结构化数据;然后,利用知识图谱卷积网络(KGCN)模型,对知识图谱... 为提高地质地震灾害事件预测的准确性和可靠性,提出一种结合知识图谱和图卷积神经网络(GCN)的预测模型。首先,构建地质地震灾害事件的知识图谱,将灾害相关的多源信息整合成结构化数据;然后,利用知识图谱卷积网络(KGCN)模型,对知识图谱中的实体和关系进行深度学习,挖掘潜在的关联规则,从而预测灾害的演化结果;最后,通过地质地震灾害事件案例集验证模型的有效性。结果表明:结合知识图谱和GCN的预测模型在地质地震灾害事件演化结果预测方面展现出显著效果,特别是在处理复杂的多源数据时,模型能够高效整合信息,准确挖掘潜在关联,在灾害等级、伤亡等级、承灾体类别等多个方面的预测准确率均表现优异,尤其是在灾害应急响应等级的预测上,准确率达到89.92%。 展开更多
关键词 知识图谱卷积网络(Kgcn) 地质地震灾害 灾害事件 演化结果 知识图谱 图卷积神经网络(gcn)
在线阅读 下载PDF
应用STGCN时空建模的地震波阻抗反演方法
14
作者 王泽峰 赵海波 +3 位作者 杨懋新 王团 许辉群 毛伟建 《石油地球物理勘探》 北大核心 2025年第1期43-53,共11页
现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓... 现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓扑结构及互相关性,使用马氏距离对地震数据进行空间邻近度的加权处理建立邻接矩阵;进一步通过切比雪夫多项式扩大空间感受野的同时减少参数量,高效地提取地震数据的空间构造特征,同时利用门控循环单元捕获其时序相关性;最后构建时空图卷积单元实现基于STGCN的地震数据与波阻抗在时间和空间两个维度的映射。模型测试及实际资料反演结果表明,该方法在提高反演精度的同时对噪声具有一定的适应性,并可以很好的体现地层的横向变化。 展开更多
关键词 地震波阻抗反演 深度学习 时空建模 时空图卷积神经网络
在线阅读 下载PDF
基于GCN-BiGRU-STMHSA的农业干旱预测研究 被引量：2
15
作者 权家璐 陈雯柏 +2 位作者 王一群 程佳璟 刘亦隆 《智慧农业(中英文)》 2025年第1期156-164,共9页
[目的/意义]农业干旱对中国农业生产发展具有消极影响,甚至威胁到粮食安全。为了降低灾害损失,保障中国的作物产量,根据标准化土壤湿度指数(Standardized Soil Moisture Index, SSMI)对农业干旱进行准确预测和等级分类具有重要意义。[方... [目的/意义]农业干旱对中国农业生产发展具有消极影响,甚至威胁到粮食安全。为了降低灾害损失,保障中国的作物产量,根据标准化土壤湿度指数(Standardized Soil Moisture Index, SSMI)对农业干旱进行准确预测和等级分类具有重要意义。[方法]基于遥感数据,采用深度学习相关模型实现了农业干旱预测。首先,考虑了农业干旱的空间特点,提出了一种结合图神经网络、双向门控循环单元(Bi-Directional Gated Recurrent Unit, BiGRU)和多头自注意力机制的农业干旱预测模型GCN-BiGRU-STMHSA (Graph Convolutional Networks-Bidirectional Gated Recurrent Unit-Spatio-Temporal Multi-Head Self-Attention)。其次,使用日尺度的SSMI作为农业干旱指标。最后,根据搭建的GCN-BiGRU-STMHSA模型实现对SSMI的精准预测和分类。采用全球陆地数据同化系统2.1(Global Land Data Assimilation System-2.1, GLDAS-2.1)为数据集,在该数据集上训练GCN-BiGRU-STMHSA模型,以预测SSMI值并进行农业干旱等级分类。并与经典深度学习模型进行了比较。[结果和讨论]实验结果表明,GCN-BiGRU-STMHSA模型结果优于其他模型。在5个研究地点中,固始县数据集上误差最小,预测10天后的SSMI时,其平均绝对误差(Mean Absolute Error, MAE)为0.053、均方根误差(Root Mean Square Error, RMSE)为0.071、决定系数(Coefficient of Determination, R2)为0.880,准确率(Accuracy, ACC)为0.925,调和平均值(F1)为0.924。预测步长越短,预测的效果越好,当预测步长为28天时,模型预测干旱分类表现依然良好。[结论]该模型在农业干旱预测和分类任务中具有更高的精度和更好的泛化能力。 展开更多
关键词 农业干旱预测 BiGRU 多头自注意力机制 图神经网络 标准化土壤湿度指数
在线阅读 下载PDF
基于FFT-CNN-GCN的电网故障诊断
16
作者 安春丽 张碧玲 +2 位作者 赵国安 王博 刘岩 《浙江大学学报(工学版)》 北大核心 2025年第10期2205-2212,共8页
为了实现电网故障类型判断、故障线路定位和故障距离判断,提出融合快速傅里叶变换(FFT)、卷积神经网络(CNN)和图卷积神经网络(GCN)的电网故障诊断新模型.通过FFT对电压和电流信号进行时域和频域分解,提取信号的基波幅值和相位,利用CNN... 为了实现电网故障类型判断、故障线路定位和故障距离判断,提出融合快速傅里叶变换(FFT)、卷积神经网络(CNN)和图卷积神经网络(GCN)的电网故障诊断新模型.通过FFT对电压和电流信号进行时域和频域分解,提取信号的基波幅值和相位,利用CNN提取分解后数据的时序特征,引入层归一化增强模型的稳定性.结合GCN处理电网空间拓扑,提取并整合空间特征.通过对IEEE39节点电网系统的建模和仿真验证模型的有效性.实验结果表明,所提模型具有较强的泛化能力,在不同任务、采样间隔和噪声影响下的故障诊断准确率优于现有模型. 展开更多
关键词 故障类型 故障线路 故障距离 快速傅里叶变换(FFT) 卷积神经网络(CNN) 图卷积神经网络(gcn)
在线阅读 下载PDF
基于CNN-GraphSAGE双分支特征融合的齿轮箱故障诊断方法
17
作者 韩延 吴迪 +1 位作者 黄庆卿 张焱 《电子测量与仪器学报》 北大核心 2025年第3期115-124,共10页
针对卷积神经网络(CNN)在振动数据结构信息上挖掘不足导致故障诊断精度不高的问题,提出一种基于卷积神经网络与图采样和聚合网络(CNN-GraphSAGE)双分支特征融合的齿轮箱故障诊断方法。首先,对齿轮箱振动数据进行小波包分解,利用分解后... 针对卷积神经网络(CNN)在振动数据结构信息上挖掘不足导致故障诊断精度不高的问题,提出一种基于卷积神经网络与图采样和聚合网络(CNN-GraphSAGE)双分支特征融合的齿轮箱故障诊断方法。首先,对齿轮箱振动数据进行小波包分解,利用分解后的小波包特征系数构建包含节点和边的图结构数据;然后,建立CNN-GraphSAGE双分支特征提取网络,在CNN分支中采用空洞卷积网络提取数据的全局特征,在GraphSAGE网络分支中通过多层特征融合策略来挖掘数据结构中隐含的关联信息;最后,基于SKNet注意力机制融合提取的双分支特征,并输入全连接层中实现对齿轮箱的故障诊断。为验证研究方法在齿轮箱故障诊断上的优良性能,首先对所提方法进行消融实验,然后在无添加噪声和添加1 dB噪声的条件下进行对比实验。实验结果表明,即使在1 dB噪声的条件下,研究方法的平均诊断精度为92.07%,均高于其他对比模型,证明了研究方法能够有效地识别齿轮箱的各类故障。 展开更多
关键词 图卷积神经网络 卷积神经网络 故障诊断 注意力机制
在线阅读 下载PDF
MB-HGCN:基于层次图卷积网络的多行为推荐方法
18
作者 严明时 陈慧临 +1 位作者 程志勇 韩亚洪 《计算机研究与发展》 北大核心 2025年第11期2752-2766,共15页
基于协同过滤(collaborative filtering,CF)的单行为推荐系统在实际应用中经常面临严重的数据稀疏性问题,从而导致性能不理想.多行为推荐(multi-behavior recommendation,MBR)旨在利用辅助行为数据来帮助学习用户偏好,以缓解数据稀疏性... 基于协同过滤(collaborative filtering,CF)的单行为推荐系统在实际应用中经常面临严重的数据稀疏性问题,从而导致性能不理想.多行为推荐(multi-behavior recommendation,MBR)旨在利用辅助行为数据来帮助学习用户偏好,以缓解数据稀疏性问题并提高推荐精度.MBR的核心在于如何从辅助行为中学习用户偏好(表示为向量表征),并将这些信息用于目标行为推荐.介绍了一种旨在利用多行为数据的新型推荐方法MB-HGCN(hierarchical graph convolutional network for multi-behavior recommendation).该方法通过从全局层面的粗粒度(即全局向量表征)到局部层面的细粒度(即行为特定向量表征)来学习用户和物品的向量表征.全局向量表征是从所有行为交互构建的统一同构图中学习得到的,并作为每个行为图中行为特定向量表征学习的初始化向量表征.此外,MB-HGCN还强调了用户和物品在行为特定表征上的差异,并设计了2种简单但有效的策略来分别聚合用户和物品的行为特定表征.最后,采用多任务学习进行优化.在3个真实数据集上的实验结果表明,所提方法显著优于基准方法,尤其是在Tmall数据集上,MB-HGCN在HR@10和NDCG@10指标上分别实现了73.93个百分点和74.21个百分点的性能提升. 展开更多
关键词 分层图卷积 协同过滤 多行为推荐 图卷积网络 多任务学习
在线阅读 下载PDF
融入WGCN和附带监督的跨语言装备实体对齐
19
作者 李子康 刘旭红 +2 位作者 吴天宇 郭冬冬 苗琳 《小型微型计算机系统》 北大核心 2025年第7期1571-1577,共7页
为解决跨语言实体对齐任务中由于装备知识图谱的复杂关系和噪声数据导致实体邻居节点包含无关或错误信息,从而影响对齐准确率的问题,本文提出了一种名为WGISEA的装备领域跨语言实体对齐模型.首先通过将每一种语言装备知识图谱中的实体... 为解决跨语言实体对齐任务中由于装备知识图谱的复杂关系和噪声数据导致实体邻居节点包含无关或错误信息,从而影响对齐准确率的问题,本文提出了一种名为WGISEA的装备领域跨语言实体对齐模型.首先通过将每一种语言装备知识图谱中的实体与对应语言的文本语料库的词汇结合,利用文本语料库中的信息作为监督信号为实体对齐任务提供额外的语义和关联信息;结合加权图卷积网络中的权重矩阵来动态调整实体之间的关系权重,减弱邻居节点引入的噪声信息;最后利用反向传播算法来更新实体的嵌入向量以获得更好的跨语言知识图谱实体对齐效果.在自行构建的数据集CEED和公开数据集DBP15k上的实验表明,WGISEA模型相比于基线模型取得了更好的实体对齐效果,其中Hits@1性能比基线模型分别提高了3.3%和2.7%.此外,通过一系列消融实验进一步验证了WGISEA模型的有效性. 展开更多
关键词 装备知识图谱 实体对齐 跨语言 附带监督 加权图卷积网络
在线阅读 下载PDF
基于GCN-LSTM的电力系统暂态电压稳定评估 被引量：1
20
作者 徐焕 夏凡 +3 位作者 陈铈 赵青尧 魏晓燕 梅子薇 《高压电器》 北大核心 2025年第1期104-111,144,共9页
为了提高电力系统暂态电压在系统拓扑结构发生变化时能够稳定评估,以及提高在时空方面的特征提取能力,提出一种图卷积网络与循环神经网络相融合的方法。首先,引入图卷积网络对电力数据进行图表示,将电力系统建模为网络结构,自动学习电... 为了提高电力系统暂态电压在系统拓扑结构发生变化时能够稳定评估,以及提高在时空方面的特征提取能力,提出一种图卷积网络与循环神经网络相融合的方法。首先,引入图卷积网络对电力数据进行图表示,将电力系统建模为网络结构,自动学习电压节点的特征表示。其次,提出使用循环神经网络来处理暂态电压数据的时间依赖关系,捕捉暂态电压数据的时序特征。然后,提出自适应增强模块,用于将两个输出特征表示相互融合,提高模型在系统拓扑结构上的时空特征提取能力。最后,通过算例验证表明,相比于传统的评估模型,所提方法具有更高的预测精度和有效性。 展开更多
关键词 电力系统 暂态电压稳定性 循环神经网络 图卷积网络
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 … 65 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