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68篇文章
< 1 2 … 4 >
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：
融合残差SENet的毫米波大规模MIMO信道估计 被引量：1
1
作者 刘庆利 杨国强 张振亚 《电讯技术》 北大核心 2024年第4期512-519,共8页
在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络... 在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。 展开更多
关键词 毫米波大规模MIMO 信道估计 条件生成对抗网络(CGAN) 残差挤压激励网络(senet)
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
2
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 图神经网络 注意力机制 压缩-激励模块 频率自适应
在线阅读 下载PDF
基于门控混合专家网络的实时相关推荐方法
3
作者 李鹏 管紫薇 杭帆 《计算机工程与设计》 北大核心 2025年第2期515-522,共8页
针对传统推荐模型难以实现对同一个主题的文章连续扩展的问题,提出一种基于门控混合专家网络的实时相关推荐方法。从低维稠密向量交互、语义特征相似性和不同特征字段之间的依赖程度等多个维度捕获特征作为专家网络;通过多门控制的混合... 针对传统推荐模型难以实现对同一个主题的文章连续扩展的问题,提出一种基于门控混合专家网络的实时相关推荐方法。从低维稠密向量交互、语义特征相似性和不同特征字段之间的依赖程度等多个维度捕获特征作为专家网络;通过多门控制的混合专家策略和分层注意力机制,综合考虑这些专家网络;利用最终学习到的深层特征,预测推荐评分和项目点击概率,获得用户对项目的满意度。实验结果表明,与其它基线模型对比,AUC指标最多可提高0.35%,Logloss指标最多可降低0.76%,消融实验也验证了各个部分的有效性,说明了该模型的可行性与准确性。 展开更多
关键词 实时推荐算法 多门控制的混合专家策略 注意力机制 卷积神经网络 挤压激励网络 门控网络 语义特征相似性
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：1
4
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(senet) 注意力机制 特征提取 U-I轨迹
在线阅读 下载PDF
增强自适应TCN的柴油发动机剩余寿命预测模型
5
作者 张曦 杨颖 +1 位作者 陈超君 王春风 《计算机工程与设计》 北大核心 2025年第7期2071-2080,共10页
时间卷积网络在剩余使用寿命预测方面取得了显著进展,但现有模型没有考虑输入特征在不同时间步和通道的重要性,以及网络结构固定,无法灵活学习深度时间表示。针对这些问题,提出一种增强自适应时间卷积网络(EATCN)。通过改进的自注意力... 时间卷积网络在剩余使用寿命预测方面取得了显著进展,但现有模型没有考虑输入特征在不同时间步和通道的重要性,以及网络结构固定,无法灵活学习深度时间表示。针对这些问题,提出一种增强自适应时间卷积网络(EATCN)。通过改进的自注意力模块对输入特征的不同时间步进行加权,采用压缩激励模块对长期特征的不同通道进行加权。自适应时间卷积网络能够动态调整网络结构,更好地提取深层长期时间特征。在某柴油发动机制造商两个真实的数据集上进行实验,实验结果验证了所提模型的有效性。 展开更多
关键词 剩余使用寿命预测 时间卷积网络 注意力机制 压缩激励 滑动窗口 指数平滑 归一化
在线阅读 下载PDF
基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测
6
作者 余强 韩静娴 +4 位作者 杨子梁 宋济东 杨德昌 齐海杰 于芃 《电力自动化设备》 北大核心 2025年第3期201-208,共8页
综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注... 综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注意力对卷积结果进行赋权,并利用输入门控循环单元模型对负荷进行预测。算例仿真结果表明,所提模型的平均绝对百分比误差均低于3%。 展开更多
关键词 综合能源系统 负荷预测 分组卷积神经网络 门控循环单元 改进的压缩和激励注意力机制 多头特征注意力机制
在线阅读 下载PDF
基于深度学习的太阳黑子群磁类型分类
7
作者 尹耀 李依洋 +6 位作者 黄狮勇 徐思博 袁志刚 吴红红 姜奎 熊启洋 林仁桐 《空间科学学报》 北大核心 2025年第2期253-265,共13页
太阳活动作为太阳大气层中能量释放和物质运动的显著表现形式,是空间天气的主要扰动源,以太阳黑子为代表的剧烈太阳活动可能导致近地空间环境的剧烈变化,进而对人类的生产生活产生深远影响.准确、高效地预报空间天气有助于减少其对人类... 太阳活动作为太阳大气层中能量释放和物质运动的显著表现形式,是空间天气的主要扰动源,以太阳黑子为代表的剧烈太阳活动可能导致近地空间环境的剧烈变化,进而对人类的生产生活产生深远影响.准确、高效地预报空间天气有助于减少其对人类生产生活的影响.本文利用2010-2017年太阳动力学天文台(Solar Dynamics Observatory,SDO)搭载的HMI仪器观测的连续谱图和磁图数据,建立了基于压缩激励模块和深度残差网络的太阳黑子威尔逊山磁类型分类模型.为了有效避免因时间序列连续性导致的模型过拟合问题,采用时序分割法划分数据集,并结合太阳黑子图像的特点应用了数据增强策略,以提高模型的泛化能力.结果表明,提出的模型能够较准确地完成太阳黑子磁分类任务,尤其是在复杂类型黑子的识别方面,相较于传统方法其识别能力得到了显著的提升.此外,使用类激活映射方法对测试集样本进行了可视化研究,分析了模型提取到的特征图像和分类依据,从而提高模型的可解释性. 展开更多
关键词 太阳黑子 深度残差网络 压缩激励模块 数据增强 类激活映射
在线阅读 下载PDF
基于迭代压缩U型网络的煤颗粒分割与粒度分析方法
8
作者 程德强 张瑞 +4 位作者 谢同喜 刘敬敬 郑丽娟 寇旗旗 江鹤 《煤炭学报》 北大核心 2025年第2期1362-1375,共14页
煤中甲烷气体传播与煤粒的粒度分布特征紧密相连,进而影响煤炭的安全开采和利用。随着数字图像处理技术的不断发展,基于数字图像分割的煤粒形态检测方法已成为获取煤颗粒粒度分布特征的主流方法。在数字图像分割过程中,全局信息和边缘... 煤中甲烷气体传播与煤粒的粒度分布特征紧密相连,进而影响煤炭的安全开采和利用。随着数字图像处理技术的不断发展,基于数字图像分割的煤粒形态检测方法已成为获取煤颗粒粒度分布特征的主流方法。在数字图像分割过程中,全局信息和边缘细节起着关键作用,直接影响分割结果的准确性。基于卷积神经网络架构的U型网络过于注重局部信息,忽视了全局信息的重要性,容易导致过分割现象。而基于Transformer的网络利用多头自注意力机制有效地建模了全局信息,但却没有充分利用边缘细节特征,导致煤颗粒漏分割问题。为了解决上述问题,本研究提出了迭代压缩U型网络(Iterative Squeeze UNet,ISUNet)用于煤颗粒粒度分析。ISUNet模型引入了压缩激励空洞空间金字塔池化模块和基于Transformer的多路迭代编码器。压缩激励空洞空间金字塔池化模块通过增强不同尺度特征的通道信息和全局上下文信息,解决了煤粒过分割问题。编码器中的多头自注意力模块将ResNet50的卷积特征作为其中一个输入,通过点乘自注意力机制不断强化重要的边缘细节特征,解决了煤粒漏分割问题。与5种经典图像分割模型和4种目前主流的分割模型相比,ISUNet表现出色。相较于经典的分割模型TransUNet来说,平均交并比提高了6.6%,准确率提高了0.3%,召回率提高了7.0%,相较于目前主流的图像分割大模型Segment Anything来说,平均交并比提高了4.6%,准确率提高了0.2%,召回率提高了4.9%。在煤粒粒度测量方面,准确率达到了97.49%。这些试验结果充分证实了ISUNet在煤粒粒度分析中的有效性和优越性。 展开更多
关键词 煤粒粒度分析 图像分割 基于Transformer的多路迭代编码器 压缩激励空洞空间金字塔池化 U型网络
在线阅读 下载PDF
嵌入改进SENet的卷积神经网络连续血压预测 被引量：5
9
作者 常昊 陈晓雷 +2 位作者 张爱华 李策 林冬梅 《计算机工程与应用》 CSCD 北大核心 2021年第7期130-135,共6页
提出了基于改进SENet卷积神经网络和自学习参数滤波器的连续血压预测方法。实验结果表明,改进SENet可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8%、23.5%和3... 提出了基于改进SENet卷积神经网络和自学习参数滤波器的连续血压预测方法。实验结果表明,改进SENet可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8%、23.5%和36.0%,在此基础上利用自学习参数滤波器消除血压预测波形中的毛刺,最终得到平滑的连续血压预测结果。 展开更多
关键词 卷积神经网络 senet 血压预测 脉搏信息
在线阅读 下载PDF
基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别 被引量：6
10
作者 牟文芊 董萌萍 +2 位作者 孙文杰 杨晓霞 王秀美 《山东农业大学学报（自然科学版）》 北大核心 2021年第1期23-28,共6页
茶树是重要的经济作物,叶部病害的发生直接影响其产量和质量。针对胶囊网络在茶树叶部病害图像识别中识别率低和参数量大的问题,提出了一种基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别算法。首先,由于尚无茶树叶部病害图... 茶树是重要的经济作物,叶部病害的发生直接影响其产量和质量。针对胶囊网络在茶树叶部病害图像识别中识别率低和参数量大的问题,提出了一种基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别算法。首先,由于尚无茶树叶部病害图像标准数据集,构建了茶树叶部病害图像数据集。其次,在胶囊网络中引入深度可分离卷积,并在深度可分离卷积层后加入SENet。实验结果表明,提出算法的识别准确率为94.20%,相同条件下优于其它模型。 展开更多
关键词 胶囊网络 压缩激发网络 深度可分离卷积 茶树叶部病害
在线阅读 下载PDF
基于门控卷积和SENet的双判别生成对抗网络图像修复模型 被引量：4
11
作者 傅继彬 曹玉笠 《计算机应用》 CSCD 北大核心 2023年第S01期212-216,共5页
针对现有模型修复带有随机不规则掩码且语义内容复杂的图片时细节不够真实这一问题,提出了一种基于门控卷积和SENet的双判别生成对抗网络图像修复模型。首先,将破损图片掩码输入由若干门控卷积堆叠成的粗网络中,在上采样时添加通道注意... 针对现有模型修复带有随机不规则掩码且语义内容复杂的图片时细节不够真实这一问题,提出了一种基于门控卷积和SENet的双判别生成对抗网络图像修复模型。首先,将破损图片掩码输入由若干门控卷积堆叠成的粗网络中,在上采样时添加通道注意力(SE),结合L1重建损失,得到初步修复图;然后,将初步修复图输入精细网络,精细网络由若干门控卷积块和通道注意力块构成,结合重构损失、感知损失和对抗损失完善重要特征和细节,将破损图像的完好区域覆盖到精细网络的修复图上,得到完成修复的图片;最后,使用双判别网络结构进行训练,使精细网络的输出与完成修复的图片更加真实。在celebA数据集上进行实验,所提模型对带有大面积不规则掩码图片的修复结果在峰值信噪比(PSNR)上达到了27.39 dB,相较于部分卷积提升了6.74%,在结构相似性(SSIM)上达到了0.9216,较部分卷积提升了2.95%。实验结果表明,引入通道注意力和双判别结构有助于提升图像修复的细节。 展开更多
关键词 门控卷积 双判别器 生成对抗网络 图像修复 通道注意力
在线阅读 下载PDF
基于多粒度时间卷积网络的超短期风功率预测 被引量：7
12
作者 江国乾 徐向东 +3 位作者 白佳荣 何群 谢平 单伟 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期104-111,共8页
针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并... 针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。 展开更多
关键词 风功率 预测 随机森林 多粒度计算 时间卷积网络 挤压激励网络
在线阅读 下载PDF
基于Tri-SE-CNN的风电机组叶片结冰检测研究 被引量：1
13
作者 孙坚 杨宇兵 《太阳能学报》 CSCD 北大核心 2024年第12期360-369,共10页
针对现有风力机叶片结冰检测方法未能充分利用无标签数据,且分类性能差的问题,提出一种基于改进的三重训练和卷积神经网络(Tri-SE-CNN)的结冰检测方法。首先建立基于最优加权策略的三重训练(Tri-training)模型,对无标签样本的状态进行判... 针对现有风力机叶片结冰检测方法未能充分利用无标签数据,且分类性能差的问题,提出一种基于改进的三重训练和卷积神经网络(Tri-SE-CNN)的结冰检测方法。首先建立基于最优加权策略的三重训练(Tri-training)模型,对无标签样本的状态进行判别,用以扩充训练集;接着将压缩与激励(SE)模块嵌入到卷积神经网络(CNN)中,并用SE-CNN分类器学习扩充后的样本集。结合提取的叶片结冰主控特征,以2017年工业大数据创新竞赛平台中15号和21号风力机数据为例进行仿真,并用云南某风场历史数据进行验证。实验结果表明,所提方法的准确度优于CNN、支持向量机等方法,在15号风力机上达到99.96%,可为风力机叶片结冰预警提供有益参考。 展开更多
关键词 风电机组叶片 无标签数据 卷积神经网络 三重训练 压缩和激励网络 结冰检测
在线阅读 下载PDF
基于双阶段特征解耦网络的单幅图像去雨方法 被引量：1
14
作者 汤红忠 熊珮全 +2 位作者 王蔚 王晒雅 陈磊 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第2期273-282,共10页
针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有... 针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有雨分量的初步分离;然后设计全局特征融合模块,其中特别引入特征解耦模块分离有雨分量和背景图像的特征,实现细粒度的图像去雨;最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络,实现高质量的无雨图像重构.实验结果表明,在Test100合成雨图数据集上,所提方法峰值信噪比为25.57dB,结构相似性为0.89;在100幅真实雨图上,所提方法的自然图像质量评估器为3.53,无参考图像空间质量评估器为20.16;在去雨后的RefineNet目标分割任务中,平均交并比为29.41%,平均像素精度为70.06%;视觉效果上,该方法能保留更多的背景图像特征,有效地辅助下游的目标分割任务的开展. 展开更多
关键词 特征解耦网络 压缩激励残差模块 全局特征融合模块 复合损失函数 单幅图像去雨
在线阅读 下载PDF
基于网络流量时空特征和自适应加权系数的异常流量检测方法 被引量：17
15
作者 顾伟 行鸿彦 侯天浩 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2647-2654,共8页
针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖... 针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征,并引入MSE,多角度自适应特征加权,强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM,捕捉流量数据的时序依赖性,进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类,实验结果验证了所提模型在异常流量检测领域的有效性。 展开更多
关键词 异常流量检测 卷积神经网络 长短期记忆网络 挤压激励机制
在线阅读 下载PDF
一种基于全卷积神经网络的空中目标战术意图识别模型 被引量：3
16
作者 李乐民 宋亚飞 +1 位作者 王鹏 王科 《空军工程大学学报》 CSCD 北大核心 2024年第5期98-106,共9页
针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战... 针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战意图数据的时序特征。通过消融实验和对比实验结果表明,MLSTM-FCN模型在意图识别准确率、反应速度和抗干扰能力方面明显优于现有的空中目标意图识别模型,取得了sota的结果,为指挥员在进行空中作战决策时提供更有效的依据。 展开更多
关键词 意图识别 空中目标 深度学习 全卷积网络 长短记忆神经网络 压缩与激励模块
在线阅读 下载PDF
基于Conformer的端到端语音识别方法 被引量：3
17
作者 胡从刚 申艺翔 +1 位作者 孙永奇 赵思聪 《计算机应用研究》 CSCD 北大核心 2024年第7期2018-2024,共7页
针对Conformer编码器的声学输入网络对FBank语音信息提取不足和通道特征信息缺失问题,提出一种RepVGG-SE-Conformer的端到端语音识别方法。首先,利用RepVGG的多分支结构,增强模型的语音信息提取能力,而在模型推理时通过结构重参数化将... 针对Conformer编码器的声学输入网络对FBank语音信息提取不足和通道特征信息缺失问题,提出一种RepVGG-SE-Conformer的端到端语音识别方法。首先,利用RepVGG的多分支结构,增强模型的语音信息提取能力,而在模型推理时通过结构重参数化将多分支融合为单分支,以降低计算复杂度、加快模型推理速度。然后,利用基于压缩和激励网络的通道注意力机制弥补缺失的通道特征信息,以提高语音识别准确率。最后,在公开数据集Aishell-1上的实验结果表明:相较于Conformer,所提出方法的字错误率降低了10.67%,验证了方法的先进性。此外,RepVGG-SE声学输入网络能够有效提高多种Transformer变体的端到端语音识别模型的整体性能,具有很好的泛化能力。 展开更多
关键词 语音识别 CONFORMER RepVGG 压缩和激励网络
在线阅读 下载PDF
基于脑电通道注意力机制的驾驶行为识别研究 被引量：4
18
作者 赵朔 奇格奇 +1 位作者 李培豪 关伟 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第4期283-291,共9页
脑电信号以其高时间分辨率等优点成为识别驾驶员认知状态和评估驾驶性能的重要工具。以往研究中,基于脑电识别驾驶行为往往局限于异常驾驶状态,例如,疲劳检测和分心驾驶等,忽略了常规驾驶场景。本文以常规驾驶行为作为研究对象,通过驾... 脑电信号以其高时间分辨率等优点成为识别驾驶员认知状态和评估驾驶性能的重要工具。以往研究中,基于脑电识别驾驶行为往往局限于异常驾驶状态,例如,疲劳检测和分心驾驶等,忽略了常规驾驶场景。本文以常规驾驶行为作为研究对象,通过驾驶模拟实验同步采集驾驶员在执行加速、减速和转向行为时的驾驶数据和脑电数据,构建基于压缩—激励模块的通道注意力—可分离卷积神经网络,对驾驶员上述驾驶行为进行模式识别,并优化选择跨个体脑电信号通道。结果表明,本文模型在3类驾驶行为识别的准确率达到82%,且在保证预测精度的情况下,将通道数量降低了70%。通过消融实验以及与其他基准模型的对比证明了模型的有效性。对最优通道组合的头皮拓扑位置分析发现,大脑额区和枕区与常规驾驶行为最为相关。研究结果可为从认知角度理解驾驶行为及类脑驾驶决策提供方法依据。 展开更多
关键词 智能交通 驾驶行为识别 压缩—激励网络 脑电通道优化
在线阅读 下载PDF
基于YOLOv5s改进模型的堆叠螺栓抓取研究 被引量：2
19
作者 李凤洋 邱益 +3 位作者 陈江义 杨云峰 窦晓亮 郝树涛 《机电工程》 CAS 北大核心 2024年第8期1500-1507,共8页
在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小... 在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小了网络对浅层信息的提取,在不影响对大尺寸目标检测的前提下,提高了网络检测的实时性;然后,改进了Backbone模块,通过添加压缩与激励(SE)注意力机制,使网络更高效地聚焦于图像中的重要部分,增强了网络对堆叠螺栓检测的准确性;最后,提出了检测框重叠最小法,减少了抓取时夹爪与非目标螺栓的碰撞,并对螺栓检测框进行了抓取点位姿优化,提高了抓取的成功率。研究结果表明:SE_YOLOv5网络对堆叠螺栓检测的平均精度为86.5%,平均速度为13.02 FPS;相比于原YOLOv5s网络模型,SE_YOLOv5网络在检测精度上提升了1.2%,在检测速度上提升了2.71 FPS;相比于其他检测模型,SE_YOLOv5也具有更高的检测精度和检测速度。抓取结果证明,该模型能用于有效地指导机械臂进行螺栓抓取操作。 展开更多
关键词 堆叠螺栓分拣 SE_YOLOv5网络模型 压缩与激励注意力机制 重叠最小法 抓取操作 抓取点位姿优化
在线阅读 下载PDF
基于多特征融合的食品图像分类
20
作者 叶志鹏 姜枫 《计算机工程》 CAS CSCD 北大核心 2024年第12期254-264,共11页
随着生活水平的提升,人们对健康饮食的需求与日俱增,食品图像识别成为热门研究课题之一。食品加工和烹饪过程的不同造成了同类食品的形状和颜色存在差异,不同类别的食品也可能会呈现相似的视觉特征,因此食品图像的识别较一般图像识别难... 随着生活水平的提升,人们对健康饮食的需求与日俱增,食品图像识别成为热门研究课题之一。食品加工和烹饪过程的不同造成了同类食品的形状和颜色存在差异,不同类别的食品也可能会呈现相似的视觉特征,因此食品图像的识别较一般图像识别难度更大。为了解决上述问题,提出基于多特征融合的食品图像分类网络MTFNet。首先,将图像的RGB彩色通道数据与局部二值模式(LBP)对应的纹理特征相融合作为骨干挤压和激励网络(SENet)的输入。接着,利用细节注意力模块挖掘不同位置上各通道的权重,进而对各层特征图进行局部增强,提升特征图局部表征能力。然后,利用自注意力机制计算特征图各通道之间的自注意力权重,挖掘特征图间的相关性,提取图像的全局特征。最后,将局部增强特征和全局特征拼接融合后进行图像分类。实验结果表明,在食品图像数据集ETH Food101、ChineseFoodNet和ISIA Food-500上,与目前最佳的多尺度拼图重构网络(MJR-Net)模型相比,MTFNet模型的Top-1准确率分别提高了0.44、1.01和0.66个百分点,取得了更好的识别性能。 展开更多
关键词 食品图像分类 局部二值模式 挤压和激励网络 细节注意力 自注意力
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 … 4 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