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671篇文章
< 1 2 … 34 >
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CNN-GraphSAGE双分支特征融合的齿轮箱故障诊断方法
1
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
基于Graph Transformer的半监督异配图表示学习模型
2
作者 黎施彬 龚俊 汤圣君 《计算机应用》 CSCD 北大核心 2024年第6期1816-1823,共8页
现有的图卷积网络(GCN)模型基于同配性假设,无法直接应用于异配图的表示学习,且许多异配图表示学习的研究工作受消息传递机制的限制,导致节点特征混淆和特征过度挤压而出现过平滑问题。针对这些问题,提出一种基于Graph Transformer的半... 现有的图卷积网络(GCN)模型基于同配性假设,无法直接应用于异配图的表示学习,且许多异配图表示学习的研究工作受消息传递机制的限制,导致节点特征混淆和特征过度挤压而出现过平滑问题。针对这些问题,提出一种基于Graph Transformer的半监督异配图表示学习模型HPGT(HeteroPhilic Graph Transformer)。首先,使用度连接概率矩阵采样节点的路径邻域,再通过自注意力机制自适应地聚合路径上的节点异配连接模式,编码得到节点的结构信息,用节点的原始属性信息和结构信息构建Transformer层的自注意力模块;其次,将每个节点自身的隐层表示与它的邻域节点的隐层表示分离更新以避免节点通过自注意力模块聚合过量的自身信息,再把每个节点表示与它的邻域表示连接,得到单个Transformer层的输出,另外,将所有的Transformer层的输出跳连到最终的节点隐层表示以防止中间层信息丢失;最后,使用线性层和Softmax层将节点的隐层表示映射到节点的预测标签。实验结果表明,与无结构编码(SE)的模型相比,基于度连接概率的SE能为Transformer层的自注意力模块提供有效的偏差信息,HPGT平均准确率提升0.99%~11.98%;与对比模型相比,在异配数据集(Texas、Cornell、Wisconsin和Actor)上,模型节点分类准确率提升0.21%~1.69%,在同配数据集(Cora、CiteSeer和PubMed)上,节点分类准确率分别达到了0.8379、0.7467和0.8862。以上结果验证了HPGT具有较强的异配图表示学习能力,尤其适用于强异配图节点分类任务。 展开更多
关键词 图卷积网络 异配图 图表示学习 graph Transformer 节点分类
在线阅读 下载PDF
基于Transformer和多关系图卷积网络的行人轨迹预测 被引量：3
3
作者 刘桂红 周宗润 孟祥福 《计算机科学与探索》 北大核心 2025年第5期1353-1364,共12页
在自动导航应用领域,行人轨迹相对复杂,有效且合理地预测行人未来轨迹对自动驾驶和出行安全至关重要。行人轨迹随机性和动态性极高且与交通环境有着复杂相互作用,因此需要对行人的时间依赖性和空间相互作用进行合理建模。为了解决该问题... 在自动导航应用领域,行人轨迹相对复杂,有效且合理地预测行人未来轨迹对自动驾驶和出行安全至关重要。行人轨迹随机性和动态性极高且与交通环境有着复杂相互作用,因此需要对行人的时间依赖性和空间相互作用进行合理建模。为了解决该问题,提出了一种基于Transformer和多关系图卷积网络(GCN)的行人轨迹预测模型。该模型由交互捕获模块、锚点控制模块和轨迹修正补全模块构成。交互捕获模块由T-Transformer和多关系图卷积网络组成,分别提取每个行人在时间序列和空间序列上的运动特征,并结合锚点控制模块推断行人的中间目的地以减少递归累计误差,由修正补全模块进行最终轨迹细化。在提取特征时添加逆关系可得到更为优化的结果,使用高斯剪枝减少虚假路径的生成也可提高模型效率。在ETH与UCY数据集上的实验结果表明,在平均位移误差(ADE)和最终位移误差(FDE)方面,该模型具有比现有大部分主流模型更好的性能。由于该模型在行人轨迹预测上的出色性能,可避免不必要的轨迹变更和碰撞风险,为行人轨迹预测应用提供了更为可能的解决方案。 展开更多
关键词 T-Transformer 图卷积网络(GCN) 锚点控制 行人轨迹预测
在线阅读 下载PDF
基于通道自注意图卷积网络的运动想象脑电分类实验 被引量：1
4
作者 孟明 张帅斌 +2 位作者 高云园 佘青山 范影乐 《实验技术与管理》 北大核心 2025年第2期73-80,共8页
该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络(graph convolutional neural networks,GCN)无法建模脑电通道间动态关系问题,提出一种融合通道注意机制的多层图卷积网络模型(channel self-attention multilayer ... 该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络(graph convolutional neural networks,GCN)无法建模脑电通道间动态关系问题,提出一种融合通道注意机制的多层图卷积网络模型(channel self-attention multilayer GCN,CAMGCN)。首先,CAMGCN计算脑电信号各个通道间的皮尔逊相关系数进行图建模,并通过通道位置编码模块学习通道间关系。然后将得到的时域和频域特征分量通过通道自注意图嵌入模块进行图嵌入,得到图数据。最后通过多级GCN模块提取并融合多层次拓扑信息,得出分类结果。CAMGCN深化了模型在自适应学习通道间动态关系的能力,并在结构方面提高了自注意机制与图数据的适配性。该模型在BCI Competition-Ⅳ2a数据集上的准确率达到83.8%,能够有效实现对运动想象任务的分类。该实验有助于增进学生对于深度学习和脑机接口的理解,培养创新思维,提高科研素质。 展开更多
关键词 脑机接口 脑电图 图卷积网络 注意力机制
在线阅读 下载PDF
基于Bert+GCN多模态数据融合的药物分子属性预测 被引量：1
5
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
面向领域知识图谱的实体关系抽取模型仿真 被引量：3
6
作者 何山 肖晰 张嘉玲 《吉林大学学报(理学版)》 北大核心 2025年第2期465-471,共7页
针对目前领域知识图谱实体关系抽取效果不佳的问题,提出一种面向领域知识图谱的实体关系抽取模型研究方法.先建立由编解码模块、实体识别模块和实体关系抽取模块组成的实体关系抽取模型,在实体关系抽取模型中,通过双向长短期记忆神经网... 针对目前领域知识图谱实体关系抽取效果不佳的问题,提出一种面向领域知识图谱的实体关系抽取模型研究方法.先建立由编解码模块、实体识别模块和实体关系抽取模块组成的实体关系抽取模型,在实体关系抽取模型中,通过双向长短期记忆神经网络对文本句子进行编码处理,将编码后文本句子特征表示向量输入至基于深度神经网络的实体识别模块中进行文本句子的实体识别,并将识别结果输入至基于卷积神经网络的实体关系抽取模块中进行实体关系抽取,然后将实体关系抽取获取的实体关系三元组输入至编解码模块中进行解码操作,实现最终的面向领域知识图谱的实体关系抽取.实验结果表明,该方法的实体关系抽取效果和整体应用效果较好. 展开更多
关键词 知识图谱 实体关系抽取 实体识别 卷积神经网络
在线阅读 下载PDF
聚合全局交互与局部交互的知识图谱补全
7
作者 冯勇 栾超杰 +2 位作者 王嵘冰 徐红艳 张永刚 《计算机科学与探索》 北大核心 2025年第7期1909-1917,共9页
知识图谱的不完整性严重影响了下游任务的应用与发展,因此,有必要对其进行改进以补充缺失值,即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构,只能利用单一的局部交... 知识图谱的不完整性严重影响了下游任务的应用与发展,因此,有必要对其进行改进以补充缺失值,即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构,只能利用单一的局部交互而忽略了实体关系间全局交互的影响。为此,提出一种聚合全局交互与局部交互的知识图谱补全方法AGILI。该方法首先引入自注意力机制获取头实体和关系间的信息关联程度,生成融入全局交互信息的嵌入表示,再采用卷积神经网络从新嵌入表示中提取局部交互信息,设计基于关系权重的可学习交互聚合器,在将全局交互与局部交互进行特征融合时,可以根据关系类别自适应地调整两种交互的重要程度,提高方法在多关系知识图谱上的表达能力。在公开数据集FB15k-237、WN18RR和Kinship上通过链接预测任务进行实验验证,实验结果表明,与最新的基于卷积神经网络的模型ConvD相比,所提出的方法在FB15k-237数据集上Hits@1、Hits@3指标分别提高了6.9%、5.3%,证明了所提出方法的优越性。 展开更多
关键词 知识图谱 知识图谱补全 链接预测 自注意力机制 卷积神经网络
在线阅读 下载PDF
基于双图神经网络的会话推荐算法
8
作者 李忠伟 吴金燠 +2 位作者 刘昕 周洁 李可一 《计算机工程与设计》 北大核心 2025年第1期23-29,共7页
针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力... 针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力机制的融合策略对项目的特征表示进行聚合,获取会话的全局表示。综合考虑用户的长期和短期兴趣,预测用户偏好。在KKBOX和MIND两个数据集上进行了大量实验,实验结果表明,所提模型优于现有基准模型。 展开更多
关键词 推荐系统 会话推荐 图神经网络 会话图 全局相似图 相似度图卷积网络 注意力机制
在线阅读 下载PDF
基于级联残差图卷积网络的多行为推荐
9
作者 党伟超 宋楚君 +1 位作者 高改梅 刘春霞 《计算机应用》 北大核心 2025年第4期1223-1231,共9页
针对多行为推荐研究中存在的数据稀疏和忽视多行为之间复杂联系的问题,提出一种基于级联残差图卷积网络的多行为推荐(CRMBR)模型。首先,从由所有行为的相互作用构建的统一同构图中学习用户和项目的全局嵌入,并将这些嵌入用作初始化嵌入... 针对多行为推荐研究中存在的数据稀疏和忽视多行为之间复杂联系的问题,提出一种基于级联残差图卷积网络的多行为推荐(CRMBR)模型。首先,从由所有行为的相互作用构建的统一同构图中学习用户和项目的全局嵌入,并将这些嵌入用作初始化嵌入;其次,通过级联残差块捕获不同行为之间的联系,以不断细化不同类型行为的嵌入,从而完善用户偏好;最后,通过2种不同的聚合策略分别聚合用户和项目嵌入,并采用多任务学习(MTL)优化这些嵌入。在多个真实数据集上的实验结果表明,CRMBR模型的推荐性能优于目前的主流模型。与先进的基准模型——多行为分层图卷积网络(MB-HGCN)相比,在Tmall数据集上,所提模型的命中率(HR@20)和归一化折损累积增益(NDCG@20)分别提升了3.1%和3.9%;在Beibei数据集上,则分别提升了15.8%和16.9%;在Jdata数据集上,则分别提升了1.0%和3.3%,验证了所提模型的有效性。 展开更多
关键词 多行为推荐 级联残差 图卷积网络 聚合策略 多任务学习
在线阅读 下载PDF
基于多重相似性和增强注意力预测药物-靶标相互作用
10
作者 王伟 余梦雪 +5 位作者 孙斌 万仕彤 刘栋 周运 张红军 王鲜芳 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期99-107,共9页
在新药发现和药物重定位研究中,发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络,提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先,提出了多重相似性来捕捉... 在新药发现和药物重定位研究中,发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络,提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先,提出了多重相似性来捕捉网络结构特征,以充分利用节点间的直接或间接关系.然后,通过PCA降维减少相似性噪声对实验结果的影响.最后,采用图卷积神经网络(graph convolution neural network,GCN)获得节点嵌入表示,并融入基于注意力的增强层,通过增强注意力机制获得节点间的注意力权重,能够高效地预测药物与靶标之间的相互作用.在黄金标准数据集上的实验结果表明RSGCN模型具有较好的性能. 展开更多
关键词 图卷积神经网络(GCN) 多重相似性 PCA 增强注意力机制 药物-靶标相互作用
在线阅读 下载PDF
考虑非邻近节点空间相关性的交通流预测模型
11
作者 闫光辉 李鸿涛 +1 位作者 张斌 常文文 《计算机应用研究》 北大核心 2025年第3期825-833,共9页
针对现有的交通流预测模型存在难以对非邻近节点之间的时空相关性显式建模的问题,提出一种新的利用超图表征空间相关性的超图卷积神经网络模型(double attention hypergraph convolution neural network,A2HGCN)。首先,通过寻找节点之... 针对现有的交通流预测模型存在难以对非邻近节点之间的时空相关性显式建模的问题,提出一种新的利用超图表征空间相关性的超图卷积神经网络模型(double attention hypergraph convolution neural network,A2HGCN)。首先,通过寻找节点之间的相似关系构造超边,利用节点之间的连接关系构造超图;然后提出一个超图卷积模型,其中利用超图卷积和将超图线扩展为图后利用线图卷积来捕获潜在的空间相关性;再利用融合双层注意力机制的卷积长短时记忆网络捕获时间相关性,最后得出预测结果。在数据集PEMS-BAY中,A2HGCN方法的评价指标MAE、MAPE和RMSE在预测步长为15 min时为1.223、2.617%、2.547,30 min时为1.554、3.541%、3.420,60 min时为1.867、4.578%、4.224。在数据集PEMSM中,该方法的评价指标MAE、MAPE和RMSE在预测步长为15 min时为1.858、4.385%、3.339,30 min时为2.374、5.775%、4.362,60 min时为3.046、7.713%、5.479。结果表明,该方法在不同预测步长下均优于基线模型,验证了考虑非邻近节点之间的时空相关性对于提高交通预测准确性的有效性。由此可得,超图卷积神经网络在捕获时空相关性方面具有优势。 展开更多
关键词 交通流预测 超图理论 图卷积网络
在线阅读 下载PDF
基于多维注意力机制的高速公路交通流量预测方法
12
作者 虞安军 励英迪 +5 位作者 杨哲懿 付崇宇 童蔚苹 余佳 刘云海 刘志远 《汽车安全与节能学报》 北大核心 2025年第3期463-469,共7页
为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(T... 为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(TCN)提取交通流空间和时间维度的特征,结合多维注意力机制挖掘时空数据中的关键信息,同时引入多任务学习架构,通过基于同方差不确定性的损失函数来平衡不同任务共同学习,以提高模型的泛化能力和鲁棒性。结果表明:该模型在测试集上的均方根误差(RMSE)和平均绝对误差(MAE)分别为7.467和5.133,相较基准模型有更好的预测精度;提出的该交通流量预测方法可有效地挖掘交通流的时空特性,描述真实交通运行状态,对高速公路交通流量做出精准预测。 展开更多
关键词 交通流预测 图神经网络(GNN) 时间卷积网络(TCN) 多维注意力机制
在线阅读 下载PDF
基于关系图卷积神经网络的跨句实体关系抽取
13
作者 陈千 关春祥 +1 位作者 郭鑫 王素格 《中文信息学报》 北大核心 2025年第7期62-71,共10页
相对于句子级关系抽取,涉及关系的实体存在于多个句子中的情况在实际场景中更常见。因此篇章级关系抽取逐渐成为近年来信息抽取领域的研究热点。为了充分利用上下文信息和篇章结构信息,该文采用实体嵌入表示和实体间的显式结构关系研究... 相对于句子级关系抽取,涉及关系的实体存在于多个句子中的情况在实际场景中更常见。因此篇章级关系抽取逐渐成为近年来信息抽取领域的研究热点。为了充分利用上下文信息和篇章结构信息,该文采用实体嵌入表示和实体间的显式结构关系研究跨句实体关系抽取。首先,对篇章进行编码和构图;进而,使用关系图卷积神经网络对图节点进行更新,并利用融合篇章全局信息的节点嵌入表示更新边嵌入表示;最后,该模型使用一种迭代算法完成边信息的推理,实现跨句实体关系抽取。实验结果表明,相比基线模型,在CDR和GDA数据集上的跨句实体关系抽取性能得到了显著提高。 展开更多
关键词 关系图卷积神经网络 跨句实体关系抽取 实体嵌入
在线阅读 下载PDF
融合时空特征的多模态车辆轨迹预测方法
14
作者 史昕 王浩泽 +1 位作者 纪艺 马峻岩 《计算机工程与应用》 北大核心 2025年第7期325-333,共9页
针对考虑车辆行驶不确定性的轨迹分布准确快速预测问题,提出了一种融合时空特征的多模态车辆轨迹预测方法(GCNTA)。利用空间关联度系数和图卷积神经网络(GCN)实现空间关联特征提取。构建具有时间注意力机制的时域卷积网络(TCN)完成时间... 针对考虑车辆行驶不确定性的轨迹分布准确快速预测问题,提出了一种融合时空特征的多模态车辆轨迹预测方法(GCNTA)。利用空间关联度系数和图卷积神经网络(GCN)实现空间关联特征提取。构建具有时间注意力机制的时域卷积网络(TCN)完成时间特征提取。通过特征融合门控单元实现每个时间步长对应时空特征的自适应融合,并利用门控循环单元(GRU)网络构建解码器进一步生成未来车辆轨迹的概率分布。利用公开的NGSIM数据集对所提出模型进行消融实验及预测精度分析。仿真结果表明,GCNTA模型在预测误差均方根(RMSE)平均值相比GCN、图注意力网络(GAT)和长短期记忆网络(LSTM)模型分别减少15.6%、16.3%和23.8%。 展开更多
关键词 车辆轨迹预测 深度学习 图神经网络 时域卷积网络 注意力机制
在线阅读 下载PDF
基于动态自适应门控图卷积网络的交通拥堵预测
15
作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多
关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络
在线阅读 下载PDF
基于快速学习图卷积网络的滚动轴承故障诊断研究
16
作者 宁少慧 董振才 +1 位作者 戎有志 周利东 《机床与液压》 北大核心 2025年第12期53-59,共7页
图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域... 图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域信号转化为频域数据,再利用K近邻(KNN)算法将频域信号转换为图数据,以图数据显示频域特征,极大丰富了输入信息;引入快速学习图卷积网络(Fast-GCN)模型,通过重要性采样对故障特征进行学习;最后,利用Log-Softmax函数输出最终分类结果,从而实现滚动轴承单一故障的分类。实验结果表明:所提模型在保证故障分类准确率的前提下,诊断速度显著提升,甚至比图卷积神经网络(GCN)的诊断速度增加了约1倍,且所提方法具有良好的半监督诊断性能与泛化能力。 展开更多
关键词 滚动轴承 故障诊断 K近邻(KNN)算法 快速傅里叶变换(FFT) 快速学习图卷积网络(Fast-GCN)
在线阅读 下载PDF
梯度区分与特征范数驱动的开放世界目标检测
17
作者 张英俊 闫薇薇 +2 位作者 谢斌红 张睿 陆望东 《计算机应用》 北大核心 2025年第7期2203-2210,共8页
开放世界目标检测(OWOD)将目标检测任务拓展至真实多变的环境中,要求模型能准确识别已知和未知对象,并逐步学习新知识。针对现有OWOD网络模型中未知类的召回率偏低和误识别的问题,提出一种梯度区分与特征范数驱动的开放世界目标检测(GDF... 开放世界目标检测(OWOD)将目标检测任务拓展至真实多变的环境中,要求模型能准确识别已知和未知对象,并逐步学习新知识。针对现有OWOD网络模型中未知类的召回率偏低和误识别的问题,提出一种梯度区分与特征范数驱动的开放世界目标检测(GDFN-OWOD)网络模型。针对未知类召回率偏低的问题,提出梯度区分性表征模块(GDRM),即利用反向传播的梯度差异区分未知类别和背景,以提高未知类召回率;此外,引入基于图分割的框聚类(GSBC)算法将物体边界框的确定建模为图分解问题,从而减少冗余的边界框,进而降低模型的计算量;针对未知类误识别的问题,采用基于特征范数的分类器(FN-BC)选择性能最优的卷积层识别已知和未知类别,以达到更高的识别准确率。在M-OWODB数据集上的实验结果表明,与最优对比模型相比在T1、T2、T3任务中GDFN-OWOD的未知类召回率分别提升了1.1、2.1、0.9个百分点,而绝对开集误差(A-OSE)分别降低了35.1%、28.7%和12.2%。可见,与现有的OWOD网络模型相比,所提网络模型有效缓解了未知类的召回率偏低和误识别的问题。 展开更多
关键词 开放世界目标检测 反向传播梯度 图分割算法 特征范数 卷积神经网络
在线阅读 下载PDF
基于深度学习的癫痫异常信号检测和分类模型
18
作者 王剑 成婷 +1 位作者 宋政阳 张一丁 《电子测量技术》 北大核心 2025年第17期113-124,共12页
癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究... 癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究人员尝试引入EEG的图表示,并结合图神经网络模型进行建模。然而,现有方法的图表示通常需要每个顶点遍历所有其他顶点来构建图结构,导致较高的时间复杂度,难以满足临床实时诊断的需求。针对上述挑战,首先提出了核心邻域图结构,在此基础上,进一步提出了基于双视图输入的癫痫自动检测和分类框架——DV-SeizureNet。该框架能够同时学习EEG信号的时域、频域和空域特征,实现癫痫异常检测和发作分类。在TUSZ数据集上的实验表明,DV-SeizureNet在癫痫检测任务中达到91.4%的准确率,优于现有最先进方法2.1%。在分类任务中,模型对4种癫痫发作类型的平均分类准确率为82.8%,F1-score为81.2%。DV-SeizureNet通过双视图学习框架,全面提取并融合EEG信号的时空频域特征,在癫痫异常检测和发作分类任务中表现优越,为临床诊断提供了可靠的辅助工具。 展开更多
关键词 癫痫检测 深度学习 EEG信号 双视图学习 图卷积神经网络 多尺度特征融合
在线阅读 下载PDF
基于功能性脑网络和图卷积网络的驾驶疲劳检测
19
作者 徐军莉 《汽车安全与节能学报》 北大核心 2025年第2期226-233,共8页
为了解决在疲劳检测中构建功能性脑网络(FBN)时,设置阈值标准较为模糊的问题,该文提出设置固定阈值,采用图卷积网络(GCN)来优化学习脑网络图特征。文中在构建FBN时设置阈值为0.5,提取脑网络的度和聚类系数特征,并输入GCN模型,模型对图... 为了解决在疲劳检测中构建功能性脑网络(FBN)时,设置阈值标准较为模糊的问题,该文提出设置固定阈值,采用图卷积网络(GCN)来优化学习脑网络图特征。文中在构建FBN时设置阈值为0.5,提取脑网络的度和聚类系数特征,并输入GCN模型,模型对图特征进行学习优化,实现检测分类。结果表明:该模型检测的准确率可以达到88.90%;利用度中心性发现脑网络中的14个重要电极,其中基于7个重要电极构建的GCN模型检测的准确率为87.2%,检测速度更快,综合性能优于基于30导的检测模型。 展开更多
关键词 图卷积网络(GCN) 功能性脑网络(FBN) 简化通道 驾驶疲劳
在线阅读 下载PDF
基于MRF-GCN-Transformer的滚动轴承剩余寿命预测
20
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
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 … 34 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