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1,640篇文章
< 1 2 … 82 >
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：
便携式拉曼光谱仪结合CGAN-Multi-CNN模型的矿物精确识别方法研究
1
作者 向艳芳 石红 +1 位作者 张家臣 蔡耀仪 《分析测试学报》 北大核心 2025年第6期1075-1085,共11页
野外环境下天然未知矿物的快速识别受限于不同光谱设备分辨率差异、样本量不足导致的模型泛化能力弱以及高维复杂光谱特征的提取能力有限这三个难题。为了解决上述难题,该文设计并实现了一种多尺度卷积神经网络结合光谱样本生成的拉曼... 野外环境下天然未知矿物的快速识别受限于不同光谱设备分辨率差异、样本量不足导致的模型泛化能力弱以及高维复杂光谱特征的提取能力有限这三个难题。为了解决上述难题,该文设计并实现了一种多尺度卷积神经网络结合光谱样本生成的拉曼光谱分类模型,并联立便携式拉曼光谱仪实现了野外未知矿物的快速识别。首先,三次样条曲线拟合算法被用于实现不同设备所采集光谱的维数匹配,从而消除不同光谱设备之间采样分辨率的差异。其次,全球矿物光谱库包含1648类矿物的5668个光谱样本被送入生成对抗网络进行训练并产生15000个扩增样本,从而缓解了数据稀缺性对模型分类性能的制约。此外,一种新的多尺度深度卷积网络被用于同步提取拉曼光谱的宽峰与窄峰特征,从而增强复杂光谱的表征能力。实验中将所提出的模型与k-近邻(k-NN)、支持向量机(SVM)和随机森林(RF)等几类经典机器学习模型对未知矿物的识别性能进行对比。结果表明,所提出的多尺度卷积神经网络结合光谱样本生成的分类模型对未知矿物拉曼光谱的判别准确率远超其他传统机器学习模型,其top-1和top-3的准确率值分别为93.26%和98.94%。使用所提出的模型结合便携式拉曼光谱系统对50类未知天然矿石样本进行了识别,其准确率达到100%,单个样本的识别时间仅为1~2 min,体现了该方法快速、精确和无需取样制样的优势。 展开更多
关键词 拉曼光谱 矿物识别 重采样方法 多尺度卷积网络 条件生成对抗网络(CGAN)样本生成
在线阅读 下载PDF
基于MultiCNN-GRU-ITA的动车组牵引电机温度预测模型 被引量：1
2
作者 王运明 李明阳 +1 位作者 陈梦华 常振臣 《铁道科学与工程学报》 北大核心 2025年第5期2367-2379,共13页
牵引电机温度预测在动车组牵引电机状态评估和日常维护中具有重要作用。针对现有时序预测模型提取牵引电机时序数据的特征不充分,导致模型预测精度不高的问题,提出一种基于MultiCNN-GRU-ITA的动车组牵引电机温度预测模型,通过更深层次... 牵引电机温度预测在动车组牵引电机状态评估和日常维护中具有重要作用。针对现有时序预测模型提取牵引电机时序数据的特征不充分,导致模型预测精度不高的问题,提出一种基于MultiCNN-GRU-ITA的动车组牵引电机温度预测模型,通过更深层次地提取数据的时空特征来预测牵引电机的温度。该模型提出了多通道卷积神经网络(multi-channel convolutional neural networks, MultiCNN)的空间特征提取模块,多尺度地获取牵引电机数据的空间特征,增强特征的表征能力;设计了GRU(gated recurrent unit, GRU)堆叠的时间特征提取模块,采用门控循环单元捕捉数据的长期依赖关系,提取牵引电机数据的时间特征,更准确地预测温度的动态变化;引入改进的时序注意力机制模块(improved temporal attention,ITA),聚焦时空特征中的关键信息,进一步提升模型对重要特征的识别能力。利用动车组实际运行数据制作了数据集,并在多种预测场景下进行了实验测试。实验结果表明,在预测输出步长为5、10、15、20 min的4种场景下,MultiCNN-GRUITA模型在MAE和MSE方面均表现出明显的优势,相比于LSTM、GRU、SVR、ARIMA模型,MAE和MSE指标降低了41.03%和65.32%以上;在不同预测步长下,MultiCNN-GRU-ITA模型的温度预测曲线与实际值具有很高的拟合度,该模型能有效捕捉牵引电机的温度变化趋势,可为构建高精确性的牵引电机故障预测与健康评估系统提供模型支撑。 展开更多
关键词 牵引电机 温度预测 多通道卷积神经网络 门控循环单元 注意力机制
在线阅读 下载PDF
基于改进Multi-Scale AlexNet的番茄叶部病害图像识别 被引量：78
3
作者 郭小清 范涛杰 舒欣 《农业工程学报》 EI CAS CSCD 北大核心 2019年第13期162-169,共8页
番茄同种病害在不同发病阶段表征差异明显,不同病害又表现出一定的相似性,传统模式识别方法不能体现病害病理表征的动态变化,实用性较差。针对该问题,基于卷积神经网络提出一种适用于移动平台的多尺度识别模型,并基于此模型开发了面向... 番茄同种病害在不同发病阶段表征差异明显,不同病害又表现出一定的相似性,传统模式识别方法不能体现病害病理表征的动态变化,实用性较差。针对该问题,基于卷积神经网络提出一种适用于移动平台的多尺度识别模型,并基于此模型开发了面向农业生产人员的番茄叶部病害图像识别系统。该文详细描述了AlexNet的结构,分析其不足,结合番茄病害叶片图像特点,去除局部响应归一化层、修改全连接层、设置不同尺度卷积核提取特征,设计了基于AlexNet的多感受野识别模型,并基于Android实现了使用此模型的番茄叶部病害图像识别系统。Multi-ScaleAlexNet模型运行所耗内存为29.9MB,比原始AlexNet的内存需求652MB降低了95.4%,该模型对番茄叶部病害及每种病害早中晚期的平均识别准确率达到92.7%,基于此模型的Andriod端识别系统在田间的识别率达到89.2%,能够满足生产实践中移动平台下的病害图像识别需求。研究结果可为基于卷积神经网络的作物病害图像识别提供参考,为作物病害的自动化识别和工程化应用参考。 展开更多
关键词 图像处理 病害 图像识别 算法 卷积神经网络 番茄病害 多尺度
在线阅读 下载PDF
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
4
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Bi-LSTM和改进残差学习的风电功率超短期预测方法 被引量：2
5
作者 王进峰 吴盛威 +1 位作者 花广如 吴自高 《华北电力大学学报(自然科学版)》 北大核心 2025年第1期56-65,共10页
现有的方法在以风电功率时间序列拟合功率曲线时,难以表达风电功率数据所包含的趋势性和周期性等时间信息而出现性能退化问题,从而导致预测精度下降。为了解决性能退化问题从而提高风电功率时间序列预测的精度,提出了基于双向长短时记忆... 现有的方法在以风电功率时间序列拟合功率曲线时,难以表达风电功率数据所包含的趋势性和周期性等时间信息而出现性能退化问题,从而导致预测精度下降。为了解决性能退化问题从而提高风电功率时间序列预测的精度,提出了基于双向长短时记忆(Bi-LSTM)和改进残差学习的风电功率预测方法。方法由两个部分组成,第一部分是以Bi-LSTM为主的多残差块上,结合稠密残差块网络(DenseNet)与多级残差网络(MRN)的残差连接方式,并且在残差连接上使用一维卷积神经网络(1D CNN)来提取风电功率值中时序的非线性特征部分。第二部分是Bi-LSTM与全连接层(Dense)组成的解码器,将多残差块提取到的功率值时序非线性特征映射为预测结果。方法在实际运行的风电功率数据上进行实验,并与常见的残差网络方法和时间序列预测方法进行对比。方法相比于其他模型方法有着更高的预测精度以及更好的泛化能力。 展开更多
关键词 深度学习 残差网络 风电功率预测 双向长短时记忆 一维卷积神经网络
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
6
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
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
7
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
8
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
基于改进YOLOv8的交通场景实例分割算法 被引量：2
9
作者 赵南南 高翡晨 《计算机工程》 北大核心 2025年第1期198-207,共10页
提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变... 提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变性。为减小有害梯度并提升检测器精度,采用动态非单调聚焦机制Wise-交并比(WIoU)替代联合完全交并(CIoU)损失函数进行质量评估,优化检测框定位,提升分割精度。同时,通过开启Mixup数据增强处理,充实数据集,丰富训练特征,提升模型学习能力。实验结果表明,DE-YOLO在城市景观数据集Cityscapes中的掩模平均精度均值(mAPmask)较基准模型YOLOv8n-seg提高了2.0百分点,IoU阈值为0.5时的平均精度提升了3.2百分点,所提算法在提升精度的同时,保持了优良的检测速度和较少的参数量,模型参数量较同类模型低2.2~31.3百分点。 展开更多
关键词 YOLOv8网络 实例分割 高效多尺度注意力 可变形卷积 损失函数
在线阅读 下载PDF
基于多尺度通道注意力卷积神经网络的轴向柱塞泵故障诊断研究
10
作者 刘增光 张帅迪 +3 位作者 周焱 魏列江 岳大灵 冯珂 《机床与液压》 北大核心 2025年第14期124-130,共7页
针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑... 针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑靴磨损、松靴故障、中心弹簧失效),采集6种工作状态(正常状态及5种典型故障)下的z轴振动信号。以小波变换为信号预处理模块,将加速度传感器采集的一维振动信号转化为时频图并作为诊断模型的输入信号,采用不同尺度的卷积核对时频图进行特征提取。通过通道注意力为每个通道赋予不同的权重值,使模型能够集中学习与通道密切相关的特征信息,从而提高轴向柱塞泵的故障分类能力和诊断的效率。搭建轴向柱塞泵故障诊断实验平台,验证所提方法的有效性。结果表明:该模型对6种工作状态的诊断准确率达到99.65%,相比传统多尺度卷积神经网络模型提高了3.16%,验证了MSCA-CNN模型在轴向柱塞泵故障诊断中的优越性。 展开更多
关键词 故障诊断 卷积神经网络 通道注意力 多尺度特征 柱塞泵
在线阅读 下载PDF
基于1DCNN特征提取和RF分类的滚动轴承故障诊断
11
作者 张豪 刘其洪 +1 位作者 李伟光 李漾 《中国测试》 北大核心 2025年第4期137-143,共7页
针对深度学习技术在滚动轴承故障诊断识别中依赖于大量测量数据,相对较少的数据可能会导致过度拟合并降低模型的稳定性等问题,提出一种一维卷积神经网络(1DCNN)和随机森林(RF)相结合的轴承故障诊断模型。将原始时域信号输入搭建的1DCNN... 针对深度学习技术在滚动轴承故障诊断识别中依赖于大量测量数据,相对较少的数据可能会导致过度拟合并降低模型的稳定性等问题,提出一种一维卷积神经网络(1DCNN)和随机森林(RF)相结合的轴承故障诊断模型。将原始时域信号输入搭建的1DCNN网络中,提取原始数据特征向量,对特征向量进行t-SNE降维可视化,验证1DCNN特征提取的有效性。将特征向量输入随机森林实现故障状态识别,解决小样本的滚动轴承故障分类问题。在CWRU数据集和Paderborn数据集上进行实验,针对不同类型、不同损伤程度的轴承,得到分类结果准确率分别达到99.69%和99.16%。与传统的神经网络和机器学习分类模型相比,1DCNN-RF模型具有更高的诊断准确率,可验证所提模型的泛化性和有效性。 展开更多
关键词 滚动轴承 故障诊断 一维卷积神经网络 随机森林
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
高光谱图像结合一维卷积神经网络的玉米大斑病早期识别
13
作者 路阳 顾福谦 +2 位作者 谷英楠 许思源 王鹏 《光谱学与光谱分析》 北大核心 2025年第8期2302-2310,共9页
大斑病在全球各大玉米产区都有出现,降低了玉米的品质和产量。该病害多在病斑明显时识别,难以及时防治。本文提出一维卷积神经网络(1DCNN)高光谱模型,实现早期识别。以玉米大斑病为研究对象,手动接种大斑病后,选取吐丝期的玉米叶片进行... 大斑病在全球各大玉米产区都有出现,降低了玉米的品质和产量。该病害多在病斑明显时识别,难以及时防治。本文提出一维卷积神经网络(1DCNN)高光谱模型,实现早期识别。以玉米大斑病为研究对象,手动接种大斑病后,选取吐丝期的玉米叶片进行试验,此时期刚显现病斑特征,但无法通过视觉属性观察看出是何种病害。首先采用SOC710E光谱仪采集高光谱图像,通过选取感兴趣区域获得玉米叶片的健康和大斑病两种光谱数据。使用SG卷积平滑、多元散射校正(MSC)、标准正态变换(SNV)和去趋势算法(DT)等四种光谱预处理方法,以去除光谱数据中的噪声。分别使用随机森林(RF)和K最近邻(KNN)两种监督学习算法,以准确率作为评价指标,对高光谱图像进行识别。结果表明,MSC为优选的预处理方法,两种模型预测准确率分别为88.13%和86.26%。然后采用竞争性自适应重加权算法对玉米叶片光谱数据进行特征波长提取,从原始的260个波长中优选出48个特征波长。最后建立一维卷积深度学习模型进行分类,识别准确率达到99.61%,相较于传统分类模型KNN、RF、偏最小二乘判别分析(PLS-DA)、反向传播神经网络(BP)、支持向量机(SVM),提出的模型识别准确率分别提高了5.94%、6.88%、6.48%、8.27%、12.12%。高光谱技术结合深度学习模型可以更有效识别玉米大斑病,为实现玉米病害早期识别提供了一种新的思路和方法。 展开更多
关键词 一维卷积神经网络 高光谱图像 玉米 大斑病
在线阅读 下载PDF
基于多尺度注意力的冠脉造影图像血管增强CNN模型
14
作者 周鹏 汪光普 +3 位作者 高慧 秦泽伟 王硕 余辉 《中国生物医学工程学报》 北大核心 2025年第1期43-51,共9页
冠状动脉造影记录着血管随血液流动显影的动态过程。受心脏运动干扰,可能导致显影图像质量差,严重影响医生的诊断,同时不利于冠心病智能辅助诊断。本研究提出了一种基于卷积神经网络(CNN)的多尺度注意力冠脉造影图像血管增强网络。它由... 冠状动脉造影记录着血管随血液流动显影的动态过程。受心脏运动干扰,可能导致显影图像质量差,严重影响医生的诊断,同时不利于冠心病智能辅助诊断。本研究提出了一种基于卷积神经网络(CNN)的多尺度注意力冠脉造影图像血管增强网络。它由多尺度注意力模块(MAB)和尾部大核注意力模块(LKAT)组成。MAB由多尺度大核注意力块(MLKA)和门控空间注意力块(GSAB)两部分组成,模块不仅能够提取更多局部和全局的血管信息,而且也避免了栅格效应。LKAT具有聚合长范围信息的能力,提高了重构血管特征的表征能力,从而提升冠脉造影图像的重建质量。实验中2 666张冠脉数据集由医学专家人工标注,得到的血管分割标签作为掩膜,叠加到经高斯滤波预处理后的图像上作为冠脉增强标签。与现有的先进方法比较,本研究方法能够完整的重建冠脉造影图像,峰值信噪比(PSNR)和结构相似性(SSIM)分别达到了34.880 1和0.973 2。并且增强后的分割结果,Dice和IoU分别达到了0.851 4和0.741 3,Acc和Recall分别达到了98.55%和89.05%。所提出的方法有效实现了冠脉血管造影图像的智能增强,同时也有利于冠心病智能辅助诊断的后续处理。 展开更多
关键词 冠脉血管增强 卷积神经网络 多尺度注意力 冠状动脉造影
在线阅读 下载PDF
考虑空间相关性的MSCNN LSTM Attention能见度预测模型
15
作者 王小建 苏彤 +6 位作者 马飞 林智婕 白元旦 郭庆元 魏俊涛 黄凯 徐玉凤 《安全与环境学报》 北大核心 2025年第4期1622-1632,共11页
准确预测能见度对保障交通运输安全具有重要意义。针对现有方法在能见度预测时对影响因素空间相关性考虑不足导致预测精度较低的问题,研究构建了一种考虑空间相关性的能见度预测模型。利用一维多尺度卷积神经网络(Multi-Scale Convoluti... 准确预测能见度对保障交通运输安全具有重要意义。针对现有方法在能见度预测时对影响因素空间相关性考虑不足导致预测精度较低的问题,研究构建了一种考虑空间相关性的能见度预测模型。利用一维多尺度卷积神经网络(Multi-Scale Convolutional Neural Network, MSCNN)提取能见度以预测各影响因素下不同精细度的空间特征,并将其进行线性融合得到多因素空间特征,实现对能见度预测影响因素的空间特征提取;利用Attention机制加强对关键信息关注的优势以对长短期记忆神经网络(Long-Short Term Memory Neural Network, LSTM)方法进行改进,进而增强模型对重要时序信息关注的能力和模型预测的准确性,实现在考虑影响因素空间相关性下对能见度的预测。以2021—2023年西安市逐时气象数据和污染物数据为试验数据,采用均方根误差(RMSE)、平均绝对误差(MAE)和R2指标对模型进行评价。试验结果显示,研究模型MAE下降26.3%~39.1%,RMSE下降25%~40%,R2提升3.7%~16.4%,能见度预测精度较高。 展开更多
关键词 环境科学技术基础学科 能见度预测 空间相关性 一维多尺度卷积神经网络 长短期记忆神经网络 注意力机制
在线阅读 下载PDF
基于Attention-1DCNN-CE的加密流量分类方法
16
作者 耿海军 董赟 +3 位作者 胡治国 池浩田 杨静 尹霞 《计算机应用》 北大核心 2025年第3期872-882,共11页
针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段... 针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段,保留原始数据流中数据包间的空间关系,并根据样本分布构建成本敏感矩阵;2)在初步提取加密流量特征的基础上,利用Attention和1DCNN模型深入挖掘并压缩流量的全局与局部特征;3)针对数据不平衡这一挑战,通过结合成本敏感矩阵与交叉熵(CE)损失函数,显著提升少数类别样本的分类精度,进而优化模型的整体性能。实验结果表明,在BOT-IOT和TON-IOT数据集上该模型的整体识别准确率高达97%以上;并且该模型在公共数据集ISCX-VPN和USTC-TFC上表现优异,在不需要预训练的前提下,达到了与ET-BERT(Encrypted Traffic BERT)相近的性能;相较于PERT(Payload Encoding Representation from Transformer),该模型在ISCX-VPN数据集的应用类型检测中的F1分数提升了29.9个百分点。以上验证了该模型的有效性,为加密流量识别和恶意流量检测提供了解决方案。 展开更多
关键词 网络安全 加密流量 注意力机制 一维卷积神经网络 数据不平衡 成本敏感矩阵
在线阅读 下载PDF
基于WAAP-YOLO的玉米伴生杂草检测模型
17
作者 孟志永 贾雅微 +4 位作者 张秀清 倪永婧 张明 武琪 吴晨曦 《河北科技大学学报》 北大核心 2025年第4期386-394,共9页
为解决玉米伴生杂草存在样本形态各异、密集遮挡、背景复杂、尺度不一等问题,提出了目标检测模型WAAP-YOLO。首先,改进主干部分,将部分卷积替换为小波池化卷积,有效避免了混叠伪影现象;其次,引入聚合注意力机制构建C2f-AA模块,提升了模... 为解决玉米伴生杂草存在样本形态各异、密集遮挡、背景复杂、尺度不一等问题,提出了目标检测模型WAAP-YOLO。首先,改进主干部分,将部分卷积替换为小波池化卷积,有效避免了混叠伪影现象;其次,引入聚合注意力机制构建C2f-AA模块,提升了模型在复杂背景下对杂草特征的提取能力;最后,以ASF-P2-Net替换原始neck网络,通过尺度序列融合模块引入P2检测头,降低模型复杂度,显著提升小目标检测效果。结果表明,WAAP-YOLO检测算法的mAP@0.5指标、mAP@0.5∶0.95指标、F1、参数量分别为97.2%、85.8%、94.0%、2.1×10^(6),优于YOLOv5s、YOLOv8n、YOLOv10n等常见目标检测模型。所提模型可显著提升玉米田间杂草的精准识别能力,可为促进种植业的智能化和可持续发展提供参考。 展开更多
关键词 计算机神经网络 杂草识别 小波池化 注意力机制 多尺度融合
在线阅读 下载PDF
基于MS1DCNN-BOA-SVM的智能液压系统故障诊断方法
18
作者 闫锋 肖成军 +2 位作者 孙一伟 孙有朝 谭忠睿 《机床与液压》 北大核心 2025年第8期174-181,共8页
针对液压系统故障特征提取困难、诊断准确率低等问题,提出一种基于多尺度一维卷积神经网络(MS1DCNN)和贝叶斯搜索优化支持向量机(SVM)的智能故障诊断模型。将多个传感器信号合并为单一输入信号;通过多尺度卷积处理提取关键故障特征,构... 针对液压系统故障特征提取困难、诊断准确率低等问题,提出一种基于多尺度一维卷积神经网络(MS1DCNN)和贝叶斯搜索优化支持向量机(SVM)的智能故障诊断模型。将多个传感器信号合并为单一输入信号;通过多尺度卷积处理提取关键故障特征,构建特征向量;然后,利用贝叶斯搜索优化SVM进行分类识别,构建故障诊断模型;最后,对模型进行训练。结果表明:该模型对柱塞泵和蓄能器的故障诊断准确率分别为99.63%、99.17%;与MS1DCNN、1DCNN、SVM模型相比,该模型在液压系统故障诊断方面具有高准确率、高可靠性和强泛化能力的优势。 展开更多
关键词 液压系统 多尺度卷积神经网络 支持向量机 贝叶斯搜索优化 故障诊断
在线阅读 下载PDF
基于IPOA-MSCNN-BiLSTM-Attention模型的刀具磨损状态识别
19
作者 杨焕峥 崔业梅 +1 位作者 薛洪惠 徐玲 《组合机床与自动化加工技术》 北大核心 2025年第7期158-163,共6页
刀具状态监测直接影响产品加工质量,为了提高刀具磨损状态识别的准确性,构建了IPOA-MSCNN-BiLSTM-Attention模型。首先,采用多尺度卷积神经网络(MSCNN)和双向长短时记忆网络(BiLSTM)来学习数据的时空特征;其次,引入注意力机制(Attention... 刀具状态监测直接影响产品加工质量,为了提高刀具磨损状态识别的准确性,构建了IPOA-MSCNN-BiLSTM-Attention模型。首先,采用多尺度卷积神经网络(MSCNN)和双向长短时记忆网络(BiLSTM)来学习数据的时空特征;其次,引入注意力机制(Attention)以增强对关键信息的关注度;再次,提出了一种改进的鹈鹕优化算法(IPOA),用于优化模型多尺度卷积神经网络的参数。该算法结合自适应惯性权重因子、柯西变异和麻雀警戒机制策略,在CEC2005至CEC2022的众多函数性能测试中综合表现优于传统POA等5种算法;最后,在工业控制计算机(IPC)上运行了模型。结果表明,该模型在刀具磨损状态识别方面表现出较高的识别精度,可提高加工安全与生产效率。 展开更多
关键词 刀具磨损 状态监测 改进的鹈鹕优化算法 多尺度卷积神经网络 双向长短时记忆网络
在线阅读 下载PDF
基于MC2DCNN-LSTM模型的齿轮箱全故障分类识别模型
20
作者 陈蓉 王磊 《机电工程》 北大核心 2025年第2期287-297,共11页
针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识... 针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识别与分类目的,对齿轮箱典型故障进行了自适应分类;其次,该模型将齿轮箱的垂直、水平和轴向三个方向的振动信号融合构造输入样本,结合了二维卷积神经网络与长短时记忆神经网络的优势,设计了与之对应的二维卷积神经网络结构,其相较于传统的单通道信号包含了更多的状态信息;最后,分析了轧制过程数据和已有实验数据,对齿轮故障和齿轮箱全故障进行了特征识别和分类,验证了该模型的准确率。研究结果表明:模型对齿轮箱齿面磨损、齿根裂纹、断齿以及齿面点蚀等典型故障识别的平均准确率达到95.9%,最高准确率为98.6%;相较于单通道信号,多通道信号混合编码方式构造的分类样本极大地提升了神经网络分类的准确性,解调出了更丰富的故障信息。根据轧制过程中的运行数据和实验台数据,验证了该智能诊断方法较传统方法在分类和识别准确率上更具优势,为该方法的工程应用提供了理论基础。 展开更多
关键词 高精度轧机齿轮箱 智能故障诊断 多通道二维卷积神经网络 长短期记忆神经网络 数据分类
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 … 82 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