期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于改进的SA-ConvLSTM模型的北极月均海冰密集度时空预测方法
1
作者
赵相禹
王志勇
+2 位作者
李振今
荆芳
程思龙
《海洋学报》
2025年第10期111-125,共15页
针对融冰期北极海冰密集度预测精度不高的问题,本文构建了一种基于改进的SA-Conv-LSTM模型进行北极海冰密集度预测的方法,用于实现未来1年内月均海冰密集度数据的二维时空预测。该方法以SA-ConvLSTM模型为核心单元,通过引入Seq2Seq预测...
针对融冰期北极海冰密集度预测精度不高的问题,本文构建了一种基于改进的SA-Conv-LSTM模型进行北极海冰密集度预测的方法,用于实现未来1年内月均海冰密集度数据的二维时空预测。该方法以SA-ConvLSTM模型为核心单元,通过引入Seq2Seq预测结构和类VGG16编解码器结构,有针对性地解决时间序列输出步长选择过程不确定的问题,并设置一种组合损失函数来优化训练过程,以进一步提升海冰密集度分布的时空预测精度。以北冰洋为实验区,基于美国国家冰雪数据中心(NSIDC)与国家海洋和大气管理局(NOAA)联合发布的海冰密集度气候月均数据,预测了2023年北极海冰密集度的时空分布,并与真实数据进行了对比分析。结果表明:与传统LSTM、Conv-LSTM以及未改进的SA-ConvLSTM模型相比,本文改进模型在各项指标上均表现出较大优势,其中:均方根误差分别下降13.18%、36.10%和22.58%;相关系数分别提高1.90%、5.97%和3.31%;结构相似性指数分别增加5.38%、15.00%和10.30%;海冰面积偏差分别降低了83.46%、76.53%和60.30%。此外,通过对2012年与2020年极端融冰年份的预测结果分析,进一步验证了该模型在异常气候条件下的稳定性与鲁棒性,显示出良好的适应性与实际应用潜力。本文时空预测模型在融冰期能够更准确地预测海冰的空间分布,能捕捉复杂的时空变化信息及细节。
展开更多
关键词
时空预测
海冰密集度
sa-convlstm
组合损失函数
自注意力
在线阅读
下载PDF
职称材料
基于自注意力机制的深度学习的海洋三维温度场预测
2
作者
岳伟豪
徐永生
朱善良
《海洋预报》
CSCD
北大核心
2024年第3期22-32,共11页
目前主要从时空角度出发对海洋三维温度场进行预测,却忽略了相邻位置的海温相关关系。为弥补这一不足,构建一种融合了自注意力记忆模块与卷积式长短时记忆神经网络(ConvLSTM)模型的SA-ConvLSTM三维温度场预测模型,不仅可以从历史三维温...
目前主要从时空角度出发对海洋三维温度场进行预测,却忽略了相邻位置的海温相关关系。为弥补这一不足,构建一种融合了自注意力记忆模块与卷积式长短时记忆神经网络(ConvLSTM)模型的SA-ConvLSTM三维温度场预测模型,不仅可以从历史三维温度场中提取海温时空特征,还能获取并记忆相邻点位置信息,从而实现对三维温度场时空变化的把握。实验结果表明:相较于ConvLSTM模型,SA-ConvLSTM模型在滑动预测与多步长递归预测实验下的均方根误差和平均绝对误差提升约14%,且整体预测效果均优于基线模型、长短时记忆神经网络模型和ConvLSTM模型。
展开更多
关键词
海水温度
三维温度场预测
自注意力记忆机制
sa-convlstm
多步长递归预测
在线阅读
下载PDF
职称材料
基于3D多尺度卷积的非接触心率估计模型
3
作者
潘天宝
程宁
刘金江
《传感器与微系统》
CSCD
北大核心
2023年第7期43-47,共5页
为了在真实环境下实现更准确的非接触式心率(HR)估计,提出一种远程光电容积描记术(rPPG)和HR信号恢复任务的端到端时空卷积神经网络(CNN)模型。模型使用3D多尺度卷积注意力获取多尺度特征并融合上下文信息。其次引入自注意力卷积长短期...
为了在真实环境下实现更准确的非接触式心率(HR)估计,提出一种远程光电容积描记术(rPPG)和HR信号恢复任务的端到端时空卷积神经网络(CNN)模型。模型使用3D多尺度卷积注意力获取多尺度特征并融合上下文信息。其次引入自注意力卷积长短期记忆(SA-ConvLSTM)提取具有全局依赖和局部依赖的时间空间特征。最后,根据rPPG和HR信号的强关联性,使用多任务学习方法来提高模型性能。在公开的UBFC-rPPG和COHFACE数据集上进行实验测试,结果表明:提出的网络模型在非接触式HR提取中具有更好鲁棒性。
展开更多
关键词
非接触心率提取
3D多尺度卷积注意力
自注意力卷积长短期记忆
多任务学习
在线阅读
下载PDF
职称材料
题名
一种基于改进的SA-ConvLSTM模型的北极月均海冰密集度时空预测方法
1
作者
赵相禹
王志勇
李振今
荆芳
程思龙
机构
山东科技大学测绘与空间信息学院
出处
《海洋学报》
2025年第10期111-125,共15页
基金
国家自然科学基金(41876202)。
文摘
针对融冰期北极海冰密集度预测精度不高的问题,本文构建了一种基于改进的SA-Conv-LSTM模型进行北极海冰密集度预测的方法,用于实现未来1年内月均海冰密集度数据的二维时空预测。该方法以SA-ConvLSTM模型为核心单元,通过引入Seq2Seq预测结构和类VGG16编解码器结构,有针对性地解决时间序列输出步长选择过程不确定的问题,并设置一种组合损失函数来优化训练过程,以进一步提升海冰密集度分布的时空预测精度。以北冰洋为实验区,基于美国国家冰雪数据中心(NSIDC)与国家海洋和大气管理局(NOAA)联合发布的海冰密集度气候月均数据,预测了2023年北极海冰密集度的时空分布,并与真实数据进行了对比分析。结果表明:与传统LSTM、Conv-LSTM以及未改进的SA-ConvLSTM模型相比,本文改进模型在各项指标上均表现出较大优势,其中:均方根误差分别下降13.18%、36.10%和22.58%;相关系数分别提高1.90%、5.97%和3.31%;结构相似性指数分别增加5.38%、15.00%和10.30%;海冰面积偏差分别降低了83.46%、76.53%和60.30%。此外,通过对2012年与2020年极端融冰年份的预测结果分析,进一步验证了该模型在异常气候条件下的稳定性与鲁棒性,显示出良好的适应性与实际应用潜力。本文时空预测模型在融冰期能够更准确地预测海冰的空间分布,能捕捉复杂的时空变化信息及细节。
关键词
时空预测
海冰密集度
sa-convlstm
组合损失函数
自注意力
Keywords
spatiotemporal prediction
sea ice concentration
sa-convlstm
combined loss function
self-attention
分类号
P731.15 [天文地球]
在线阅读
下载PDF
职称材料
题名
基于自注意力机制的深度学习的海洋三维温度场预测
2
作者
岳伟豪
徐永生
朱善良
机构
青岛科技大学
中国科学院海洋研究所
中国科学院大学
青岛海洋科技中心
出处
《海洋预报》
CSCD
北大核心
2024年第3期22-32,共11页
基金
崂山实验室科技创新项目(LSKJ202201406)
国家自然科学基金(41906027)
+2 种基金
国家自然科学基金联合基金项目(U22A20587)
国家自然科学基金-山东联合基金重点项目(U1406401)
中国科学院战略先导计划(XDB42000000)。
文摘
目前主要从时空角度出发对海洋三维温度场进行预测,却忽略了相邻位置的海温相关关系。为弥补这一不足,构建一种融合了自注意力记忆模块与卷积式长短时记忆神经网络(ConvLSTM)模型的SA-ConvLSTM三维温度场预测模型,不仅可以从历史三维温度场中提取海温时空特征,还能获取并记忆相邻点位置信息,从而实现对三维温度场时空变化的把握。实验结果表明:相较于ConvLSTM模型,SA-ConvLSTM模型在滑动预测与多步长递归预测实验下的均方根误差和平均绝对误差提升约14%,且整体预测效果均优于基线模型、长短时记忆神经网络模型和ConvLSTM模型。
关键词
海水温度
三维温度场预测
自注意力记忆机制
sa-convlstm
多步长递归预测
Keywords
seawater temperature
3-D ocean temperature field prediction
self-attention memory
SA-Conv-LSTM
multi-step recursive prediction
分类号
P731.31 [天文地球—海洋科学]
在线阅读
下载PDF
职称材料
题名
基于3D多尺度卷积的非接触心率估计模型
3
作者
潘天宝
程宁
刘金江
机构
南阳师范学院生命科学与农业工程学院
南阳师范学院计算机科学与技术学院
出处
《传感器与微系统》
CSCD
北大核心
2023年第7期43-47,共5页
基金
河南省自然科学基金青年科学基金资助项目(202300410301)。
文摘
为了在真实环境下实现更准确的非接触式心率(HR)估计,提出一种远程光电容积描记术(rPPG)和HR信号恢复任务的端到端时空卷积神经网络(CNN)模型。模型使用3D多尺度卷积注意力获取多尺度特征并融合上下文信息。其次引入自注意力卷积长短期记忆(SA-ConvLSTM)提取具有全局依赖和局部依赖的时间空间特征。最后,根据rPPG和HR信号的强关联性,使用多任务学习方法来提高模型性能。在公开的UBFC-rPPG和COHFACE数据集上进行实验测试,结果表明:提出的网络模型在非接触式HR提取中具有更好鲁棒性。
关键词
非接触心率提取
3D多尺度卷积注意力
自注意力卷积长短期记忆
多任务学习
Keywords
non-contact heart rate extraction
3D multi-scale convolutional attention
self-attentive convolutional long short-term memory(
sa-convlstm
)
multi-task learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于改进的SA-ConvLSTM模型的北极月均海冰密集度时空预测方法
赵相禹
王志勇
李振今
荆芳
程思龙
《海洋学报》
2025
在线阅读
下载PDF
职称材料
2
基于自注意力机制的深度学习的海洋三维温度场预测
岳伟豪
徐永生
朱善良
《海洋预报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于3D多尺度卷积的非接触心率估计模型
潘天宝
程宁
刘金江
《传感器与微系统》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
