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1,115篇文章
< 1 2 … 56 >
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：
基于深度学习贝叶斯模型平均代理的油藏自动历史拟合研究
1
作者 张凯 陈旭 +3 位作者 刘丕养 张金鼎 张黎明 姚军 《钻采工艺》 北大核心 2025年第1期147-156,共10页
油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能... 油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能力方面存在局限性。基于空间特征构建的代理模型侧重于学习油藏渗流的空间特性,但忽视了时间维度;基于时空特征构建的模型虽然擅长捕捉时间序列特征,却在空间特征学习方面不足。为此,文章提出了一种基于深度学习的贝叶斯模型平均代理方法,利用贝叶斯模型平均方法对两种深度学习代理模型进行集成,结合二者优势,增强代理模型对油藏特征的多维度学习能力,从而提高预测精度。该方法进一步结合多重数据同化集合平滑器,应用于实际油藏历史拟合中。实验结果表明,基于深度学习贝叶斯模型平均代理的历史拟合方法能够在保证高效计算的同时,准确拟合油藏实际生产动态,为快速、精确的历史拟合提供了一种创新解决方案。 展开更多
关键词 深度学习 历史拟合 产量预测 贝叶斯模型平均方法 集成代理模型
在线阅读 下载PDF
基于对比学习和预训练Transformer的流量隐匿数据检测方法
2
作者 何帅 张京超 +3 位作者 徐笛 江帅 郭晓威 付才 《通信学报》 北大核心 2025年第3期221-233,共13页
为解决海量加密流量难表征、恶意行为难感知以及隐私数据归属难识别的问题,提出了一种基于对比学习和预训练Transformer的流量隐匿数据检测方法。考虑加密流量的高度复杂性、非结构化的特点以及传统下游任务的微调方法在加密流量领域的... 为解决海量加密流量难表征、恶意行为难感知以及隐私数据归属难识别的问题,提出了一种基于对比学习和预训练Transformer的流量隐匿数据检测方法。考虑加密流量的高度复杂性、非结构化的特点以及传统下游任务的微调方法在加密流量领域的效果不佳的挑战,数据报文通过提取数据包序列被转换为类似自然语言处理中的词元。然后利用预训练Transformer模型将浅层表征转换为适用于多种加密流量下游任务的通用流量表征。通过将流量中的隐匿数据检测问题转换为相似性分析问题,基于对比学习的思想设计了一种差异性敏感的Transformer模型架构,同时使用样本的正负样本对增强模型对流量差异性的感知能力,并提出使用信息对比估计作为加密流量下游任务微调的损失函数。实验结果表明,所提方法在检测准确率、精确率、召回率以及F1分数等方面优于主流方法。 展开更多
关键词 流量隐匿数据检测 预训练transformer模型 对比学习 加密流量
在线阅读 下载PDF
基于灰色关联分析下深度学习盾构姿态预测模型
3
作者 满轲 柳宗旭 +3 位作者 商艳 宋志飞 刘晓丽 苏宝 《工程科学与技术》 北大核心 2025年第2期203-213,共11页
为解决盾构姿态偏离隧道设计轴线的问题,提出一种基于长短期记忆(LSTM)与支持向量回归(SVR)的堆叠集成预测模型。利用灰色关联分析将灰色关联度较低的滚动角参数剔除后通过离散小波转换(DWT)去噪处理,将处理后的数据分别进行两个单一模... 为解决盾构姿态偏离隧道设计轴线的问题,提出一种基于长短期记忆(LSTM)与支持向量回归(SVR)的堆叠集成预测模型。利用灰色关联分析将灰色关联度较低的滚动角参数剔除后通过离散小波转换(DWT)去噪处理,将处理后的数据分别进行两个单一模型预测后进行最优赋权得到DWT-LSTM-SVR堆叠预测模型。其中,将刀盘水平位移、盾尾水平位移、刀盘垂直位移和盾尾垂直位移作为预测模型的输出变量,其余22个掘进参数和5个地层参数为输入变量,并将DWT-LSTM-SVR模型应用于珠江三角洲水资源配置工程A3标段。结果表明:DWT-LSTM-SVR模型的4个盾构姿态参数预测值与真实值误差与其他模型相比较小,说明该模型可以有效结合单一模型,且在剔除与4个盾构姿态参数关联度较低的参数后可以提高模型预测精度;DWT-LSTM-SVR模型的评价指标均满足施工误差要求,其中,对于盾尾位移值的预测效果较好,平均绝对百分比误差约为0.02,拟合度R 2值均高于0.98,说明DWT-LSTM-SVR模型可以满足模型设计要求。通过建立不同数据集分析数据数量对堆叠模型预测精度的敏感性,结果表明数据越多堆叠模型预测精度越高,可为其他盾构姿态的提前调整提供一定参考。 展开更多
关键词 盾构姿态 灰色关联度 深度学习 堆叠集成预测模型 误差预测
在线阅读 下载PDF
考虑水文机理的深度学习径流预测模型及其可解释性
4
作者 姚泰伦 肖培伟 +3 位作者 陆宝宏 熊子云 王淼 王冰冰 《水力发电》 2025年第3期12-21,56,共11页
为提升深度学习模型的日径流预测精度,增强模型的可信度,可引入水文模型的物理过程作为深度学习模型的输入。考虑新安江模型不同模块的输出数据作为额外特征输入,分别应用于GRU、GRU-Seq2seq-Attention两种深度学习模型中,研究不同输入... 为提升深度学习模型的日径流预测精度,增强模型的可信度,可引入水文模型的物理过程作为深度学习模型的输入。考虑新安江模型不同模块的输出数据作为额外特征输入,分别应用于GRU、GRU-Seq2seq-Attention两种深度学习模型中,研究不同输入特征和不同模型结构对径流预测结果的影响;采用积分梯度法对深度学习模型进行可解释性分析。结果表明:将不同输入特征引入深度学习模型中,显著提升了模型径流预测的精度,其中考虑模拟产流的GRU-Seq2seq-Attention模型预测精度最优;全局与局部可解释性分析揭示了不同模型在不同流量场景下捕捉关键特征的偏好,为模型的后续优化和改进提供了重要指导。 展开更多
关键词 径流预测 Seq2seq模型 深度学习模型 耦合模型 可解释性
在线阅读 下载PDF
深度学习模型版权保护技术研究综述
5
作者 李珮玄 黄土 +2 位作者 罗书卿 宋佳鑫 刘功申 《信息安全学报》 2025年第1期17-35,共19页
深度学习模型在许多任务中取得出色的成绩,也逐渐被广泛应用到众多领域。由于训练一个性能优越的深度神经网络成本高昂,因此深度学习模型可以视作模型所有者的知识产权。然而深度学习模型设计之初并未考虑模型的安全问题,在其快速发展... 深度学习模型在许多任务中取得出色的成绩,也逐渐被广泛应用到众多领域。由于训练一个性能优越的深度神经网络成本高昂,因此深度学习模型可以视作模型所有者的知识产权。然而深度学习模型设计之初并未考虑模型的安全问题,在其快速发展的同时面临的安全问题也逐渐突显出来。随着模型训练云平台的部署与应用,深度学习模型被盗取、恶意分发、转卖的威胁大大增加。由于深度学习模型有巨大的实用价值,恶意攻击者非法窃取模型会严重侵犯模型所有者的权益,保护深度学习模型版权迫在眉睫。针对这一问题,近年来有很多关于保护深度学习模型版权的方案陆续被提出,包括基于数字水印技术实现模型所有权验证以及基于水印或加密技术实现模型访问控制等。本文总结梳理了当前研究现状,并探讨了未来可能的研究方向。文章首先介绍了深度学习模型水印、后门攻击的基本概念以及对模型水印的要求;然后,基于不同的分类指标,从方案的实现功能、实现方式、实现时间、以及验证方式的不同,对现有深度学习模型版权保护方案进行全面细致的总结与分类;并且从检测攻击、逃逸攻击、去除攻击及欺诈攻击四个方面,归纳总结了针对深度学习模型版权保护方案的攻击方法;最后,总结研究现状并对未来的关键研究方向进行展望。希望本文详细的梳理总结可以为该领域后续的研究提供有益的参考。 展开更多
关键词 深度学习模型安全 深度学习模型版权保护 模型水印
在线阅读 下载PDF
基于深度学习的城市内涝积水水深预测模型
6
作者 林凯荣 欧阳佳娜 +2 位作者 马旭民 肖名忠 冯星昱 《水资源保护》 北大核心 2025年第1期56-63,共8页
为提高城市内涝模拟计算效率,满足城市内涝预警时效性的要求,利用深度学习方法优势,基于传统水文水动力学模型的模拟结果,以坡度、高程、降水量等城市暴雨内涝致灾链条发展的关键驱动因子作为输入,结合卷积神经网络(CNN)和长短期记忆网... 为提高城市内涝模拟计算效率,满足城市内涝预警时效性的要求,利用深度学习方法优势,基于传统水文水动力学模型的模拟结果,以坡度、高程、降水量等城市暴雨内涝致灾链条发展的关键驱动因子作为输入,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),引入注意力机制(ATT),并使用麻雀搜索优化算法进行超参数优选,构建了城市内涝积水水深预测的CNN-LSTM-ATT模型。利用该模型对深圳市大空港新城区内涝积水水深进行预测,结果表明:CNN-LSTM-ATT模型能有效预测暴雨引起的城市内涝积水水深,其在未来30 min内的预测水深与水文水动力学模型模拟结果相近,模型精度在延长预见期后略有下降;与水文水动力学模型相比,CNN-LSTM-ATT模型模拟效率提高近200倍。 展开更多
关键词 城市内涝 水文水动力学模型 深度学习方法 水深预测 深圳市
在线阅读 下载PDF
基于Transformer模型与指针生成网络的摘要生成
7
作者 陈敬添 《广播电视网络》 2025年第4期24-27,共4页
生成技术旨在从文本中自动提取关键信息,提升信息价值密度,是自然语言处理领域内一项重要研究课题。本文结合Transformer模型结构与指针生成网络结构提出了一种自动文本摘要生成模型,相较传统Transformer模型,该模型可以更准确地提取信... 生成技术旨在从文本中自动提取关键信息,提升信息价值密度,是自然语言处理领域内一项重要研究课题。本文结合Transformer模型结构与指针生成网络结构提出了一种自动文本摘要生成模型,相较传统Transformer模型,该模型可以更准确地提取信息并生成可读性更强的摘要。 展开更多
关键词 自动摘要生成 指针生成网络 transformer 深度学习
在线阅读 下载PDF
深度学习模型在振动检测中的应用研究
8
作者 叶骁宇 闫鹏 +1 位作者 蒋强 杜爱春 《造纸装备及材料》 2025年第2期10-12,共3页
文章分析了振动检测在工业领域的重要性,探讨了深度学习模型在振动检测中的作用,并阐述了深度学习模型在振动检测中面临的挑战,提出深度学习模型在振动检测中的应用路径,以提升振动检测的可靠度。
关键词 深度学习模型 振动检测方法 算法优化 数据处理
在线阅读 下载PDF
基于深度学习的新能源汽车动力电池SOC预测模型优化设计
9
作者 安靖宇 《专用汽车》 2025年第3期42-45,共4页
提出了一种基于改进BP算法的CNN-GRU深度学习模型,旨在精确预测新能源汽车动力电池的荷电状态(SOC)。针对电池在不同工况下,尤其是考虑到南北方不同季节温度差异和电池寿命衰退导致的内阻增大问题,该模型通过两个阶段以实现更精准的SOC... 提出了一种基于改进BP算法的CNN-GRU深度学习模型,旨在精确预测新能源汽车动力电池的荷电状态(SOC)。针对电池在不同工况下,尤其是考虑到南北方不同季节温度差异和电池寿命衰退导致的内阻增大问题,该模型通过两个阶段以实现更精准的SOC估算。在第一阶段,利用BP算法对电池的电压、电流和温度数据进行处理,识别电池衰退过程中的等效内阻,反映电池寿命的内部衰减。随后,在第二阶段将温度、等效内阻以及前一时刻的SOC等因素作为输入,优化训练CNN-GRU网络,提高模型的智能化学习能力和预测精度。研究表明,该模型在不同温度环境下能保持良好的SOC预测表现,与传统的拓展卡尔曼滤波算法(EKF)相比,其误差显著降低,具有更高的鲁棒性和泛化能力。 展开更多
关键词 深度学习 新能源汽车 动力电池 SOC预测模型
在线阅读 下载PDF
基于PSO-TCN深度学习模型的新疆台兰河流域洪水预报研究
10
作者 曹彪 刘敏杰 +2 位作者 余其鹰 张廷 马强 《中国防汛抗旱》 2025年第2期74-80,共7页
准确的超前洪水预报有利于提前规划流域防洪措施。通过耦合粒子群算法(PSO)和时间卷积神经网络(TCN)构建新疆台兰河流域PSO-TCN洪水预报模型,并基于台兰河流域1960—2014年实测降雨径流资料,对50场历史洪水进行了模型测试。结果表明,相... 准确的超前洪水预报有利于提前规划流域防洪措施。通过耦合粒子群算法(PSO)和时间卷积神经网络(TCN)构建新疆台兰河流域PSO-TCN洪水预报模型,并基于台兰河流域1960—2014年实测降雨径流资料,对50场历史洪水进行了模型测试。结果表明,相同预见期条件下,PSO-TCN模型预报洪水过程纳什效率系数(NSE)更高、均方根误差(RMSE)和洪峰相对误差(RE)更低,PSO-TCN洪水预报模型在台兰河流域具有更好的适用性和鲁棒性。当预见期超过5h,PSO-TCN模型预报洪峰相对误差仍会超过20%,未来有望融合洪水过程发生机理,进一步提高深度学习模型在洪水预报应用中的泛化能力。研究成果可为流域洪水预报计算提供参考。 展开更多
关键词 洪水预报 深度学习 时间卷积神经网络 粒子群优化算法 PSO-TCN模型 台兰河流域
在线阅读 下载PDF
基于深度学习Transformer网络的皮革表面瑕疵自动检测研究
11
作者 王玉芳 朱琛 陈江萍 《中国皮革》 CAS 2024年第6期28-31,36,共5页
Transformer是一种基于自注意力机制的深度神经网络,全局建模能力突出。卷积神经网络(Convolutional Neural Network,CNN)在局部建模方面更有效,二者各具特色,将其组合应用是必然趋势。本文简述了深度学习目标检测算法,介绍了Transforme... Transformer是一种基于自注意力机制的深度神经网络,全局建模能力突出。卷积神经网络(Convolutional Neural Network,CNN)在局部建模方面更有效,二者各具特色,将其组合应用是必然趋势。本文简述了深度学习目标检测算法,介绍了Transformer网络模型。重点以皮革表面图像为研究对象,构建皮革表面瑕疵图像数据集,基于Transformer和CNN构建皮革表面瑕疵自动检测模型。选择了相关硬件设备并介绍了系统软件设计,经过测试证实该模型对于皮革表面瑕疵的检测效果较好,检测准确率在910%以上,有助于皮革瑕疵检测工作的创新改进。 展开更多
关键词 皮革 深度学习 transformer 卷积神经网络 瑕疵检测
在线阅读 下载PDF
利用混合深度学习算法的时空风速预测
12
作者 贵向泉 孟攀龙 +2 位作者 孙林花 秦三杰 刘靖红 《太阳能学报》 北大核心 2025年第3期668-678,共11页
风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLS... 风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)来预测高频分量;使用自适应图时空Transformer网络(ASTTN)来预测低频分量,以充分考虑输入序列的时空相关性。最后将高频分量和低频分量合并叠加,得到最终的预测结果。将该模型应用于甘肃省某风电场进行风速预测,实验结果表明,所提出混合深度学习模型能有效提高风速预测的准确性。 展开更多
关键词 风速 预测 深度学习 图卷积神经网络 双向长短期记忆网络 自适应图时空transformer
在线阅读 下载PDF
基于深度学习的水电机组区域检修管理系统设计
13
作者 郭茂林 《电子设计工程》 2025年第7期31-35,41,共6页
针对传统水电机组区域检修管理系统中时序数据处理复杂,故障预测准确度相对较低的问题,提出一种基于Transformer深度学习模型的水电机组区域检修管理系统,旨在通过Transformer深度学习模型的系统设计,提高系统数据监测与故障预警的及时... 针对传统水电机组区域检修管理系统中时序数据处理复杂,故障预测准确度相对较低的问题,提出一种基于Transformer深度学习模型的水电机组区域检修管理系统,旨在通过Transformer深度学习模型的系统设计,提高系统数据监测与故障预警的及时性与准确性。系统以Transformer深度学习模型为核心算法,对水电机组区域检修数据进行采集处理,并通过Transformer深度学习模型与生成对抗网络进行模型训练检测。采用某水电站的整年数据进行模型训练及实验验证,将F1分数作为评价指标验证模型性能,实验结果表明,F1分数平均达到99.3%,远高于传统卷积神经网络模型,即系统可以有效地进行实时监测与预警。 展开更多
关键词 transformer深度学习模型 生成对抗网络 水电机组数据监测 故障预测
在线阅读 下载PDF
基于GNSS和深度学习融合的水利工程边坡变形预测方法研究
14
作者 宋锦焘 安辰策 +2 位作者 杨杰 马春辉 仝飞 《水资源与水工程学报》 北大核心 2025年第1期129-137,共9页
边坡变形预测是水利工程边坡安全分析的重要研究领域,全球导航卫星系统(GNSS)作为边坡变形监测的重要手段之一,其数据的质量和预测精度对评估边坡的安全性至关重要。针对GNSS数据噪声处理及变形序列高精度预测的问题,提出了一种基于变... 边坡变形预测是水利工程边坡安全分析的重要研究领域,全球导航卫星系统(GNSS)作为边坡变形监测的重要手段之一,其数据的质量和预测精度对评估边坡的安全性至关重要。针对GNSS数据噪声处理及变形序列高精度预测的问题,提出了一种基于变分模态分解(VMD)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(AM)的边坡GNSS变形数据降噪与预测模型。利用VMD对原始变形序列进行滤波降噪处理,有效去除噪声干扰,提高数据质量;采用CNN从经过VMD处理后的序列中提取时变特征,捕捉时间序列中的局部和全局模式;使用BiLSTM模型拟合由CNN提取的时变特征,通过双向捕捉时间序列中的历史和未来信息,输出变形的拟合值。为了优化深度学习网络的重要参数,引入模拟退火(SA)算法进行最优分析,从而提升模型的整体性能和预测精度;BiLSTM输出的结果通过AM全连接层,结合注意力机制进一步提高预测结果的准确性,最终得到预测值。将该融合模型应用于某水利工程边坡的GNSS监测数据预测,结果表明:与经典深度学习组合模型相比,提出的融合模型在3个方向(h、x、y)上的预测精度分别平均提升了63.92%、62.06%和89.10%,为水利工程边坡GNSS监测数据分析提供了新的建模方法。 展开更多
关键词 边坡变形 预测模型 GNSS 时序预测 深度学习
在线阅读 下载PDF
基于深度学习的隧道洞口位置智能决策方法
15
作者 吴佳明 戴林发宝 +4 位作者 肖明清 杨剑 孙文昊 王峥峥 陈韶平 《铁道标准设计》 北大核心 2025年第3期138-147,共10页
钻爆法隧道洞门结构是隧道工程的重要组成部分,其洞口位置对洞口区域的开挖范围和洞门型式的确定具有显著影响,洞口位置受控因素多、依赖主观经验强。为了有效解决这些难题,引入人工智能技术,提出融合多种深度学习算法的隧道洞口位置智... 钻爆法隧道洞门结构是隧道工程的重要组成部分,其洞口位置对洞口区域的开挖范围和洞门型式的确定具有显著影响,洞口位置受控因素多、依赖主观经验强。为了有效解决这些难题,引入人工智能技术,提出融合多种深度学习算法的隧道洞口位置智能决策方法。首先,通过梳理分析隧道洞口位置设计影响因素,建立隧道洞门设计数据库。针对不同类型的影响因素数据进行特征工程,在数据预处理的基础上构建融合长短期记忆网络(LSTM)、自注意力机制(Self-Attention)、卷积神经网络(CNN)和全连接神经网络(FC)的智能设计模型,实现对隧道洞口位置的智能决策。通过对比分析多种模型结构的预测效果,提出洞口位置最优预测模型LstmAttCnnNet,计算得到决定系数R^(2)达到0.910,均方根误差(RMSE)稳定在0.094。研发隧道洞口位置智能决策模块,通过BIM技术将智能决策得到的洞门长度参数进行三维展示,通过42座实际隧道洞口工程案例验证和典型工程应用,证明了决策方法的有效性和适用性。本文提出的隧道洞口位置智能预测模型首次实现了隧道洞门长度的智能决策,有效促进了钻爆法隧道智能设计技术创新,赋能钻爆法隧道智能建造。 展开更多
关键词 隧道工程 洞口位置 深度学习 智能设计模型 智能决策 三维展示
在线阅读 下载PDF
面向深度学习模型的可靠性测试综述 被引量：1
16
作者 陈若曦 金海波 +2 位作者 陈晋音 郑海斌 李晓豪 《信息安全学报》 CSCD 2024年第1期33-55,共23页
深度学习模型由于其出色的性能表现而在各个领域被广泛应用,但它们在面对不确定输入时,往往会出现意料之外的错误行为,在诸如自动驾驶系统等安全关键应用,可能会造成灾难性的后果。深度模型的可靠性问题引起了学术界和工业界的广泛关注... 深度学习模型由于其出色的性能表现而在各个领域被广泛应用,但它们在面对不确定输入时,往往会出现意料之外的错误行为,在诸如自动驾驶系统等安全关键应用,可能会造成灾难性的后果。深度模型的可靠性问题引起了学术界和工业界的广泛关注。因此,在深度模型部署前迫切需要对模型进行系统性测试,通过生成测试样本,并由模型的输出得到测试报告,以评估模型的可靠性,提前发现潜在缺陷。一大批学者分别从不同测试目标出发,对模型进行测试,并且提出了一系列测试方法。目前对测试方法的综述工作只关注到模型的安全性,而忽略了其他测试目标,且缺少对最新出版的方法的介绍。因此,本文拟对模型任务性能、安全性、公平性和隐私性4个方面对现有测试技术展开全方位综述,对其进行全面梳理、分析和总结。具体而言,首先介绍了深度模型测试的相关概念;其次根据不同测试目标对79篇论文中的测试方法和指标进行分类介绍;然后总结了目前深度模型可靠性测试在自动驾驶、语音识别和自然语言处理三个工业场景的应用,并提供了可用于深度模型测试的24个数据集、7个在线模型库和常用工具包;最后结合面临的挑战和机遇,对深度模型可靠性测试的未来研究方向进行总结和展望,为构建系统、高效、可信的深度模型测试研究提供参考。值得一提的是,本文将涉及的数据集、模型、测试方法代码、评价指标等资料归纳整理在https://github.com/Allen-piexl/Testing-Zoo,方便研究人员下载使用。 展开更多
关键词 深度学习模型 深度测试 可靠性 安全性 公平性 隐私性
在线阅读 下载PDF
基于Transformer和LSTM算法的河套灌区土壤水分预测研究
17
作者 王钥 郑方元 +3 位作者 雍婷 查元源 周龙才 徐祥森 《节水灌溉》 北大核心 2025年第2期1-8,14,共9页
土壤水是土壤中的关键指标,其变化直接影响着作物生长,并影响着水资源利用的管理决策。因此,准确地预测土壤水分有利于对农业水资源进行合理的规划利用。使用深度学习算法进行土壤水分预测在当前的农业、水资源管理和生态学等领域具有... 土壤水是土壤中的关键指标,其变化直接影响着作物生长,并影响着水资源利用的管理决策。因此,准确地预测土壤水分有利于对农业水资源进行合理的规划利用。使用深度学习算法进行土壤水分预测在当前的农业、水资源管理和生态学等领域具有重要性。深度学习算法能够从大规模数据中学习土壤水分的复杂模式和时空关系,为土壤水的准确预测提供了新的机会。为了探索新兴深度学习方法Transformer在土壤水分预测中的有效性,选择河套灌区义长灌域为研究区域,利用地下水位观测数据、气象数据、SMAP土壤水数据等作为训练数据,设置了1、5、10 d共3种数据滞后情况,验证Transformer算法在土壤水时间序列预测任务中的有效性,并与目前广泛应用于时序预测任务中的LSTM进行对比。研究表明Transformer在土壤水分时间序列预测任务中具有更好的预测能力,相比于LSTM,其R^(2)平均提升约0.181,RMSE平均下降27.6%。同时,Transformer在应对滞后变化带来的影响时更具鲁棒性,在3种数据滞后情况下Transformer的预测平均R^(2)分别比LSTM高出了0.121、0.167、0.256,站点平均RMSE分别降低了30.7%、28.6%、23.5%。此外,Transformer对于土壤水序列中的非线性信息的提取能力更强,对于高频振幅的土壤水时间序列Transformer拥有更强的预测能力。 展开更多
关键词 土壤水分预测 深度学习 时序预测 transformer模型 LSTM模型 数据滞后
在线阅读 下载PDF
基于深度学习的人工智能模型自动识别颈动脉斑块 被引量：1
18
作者 赫兰 申锷 +5 位作者 杨泽堃 张颖 王玉东 陈伟导 王一同 贺永明 《中国医疗器械杂志》 2024年第4期361-366,共6页
该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声... 该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声图像进行斑块的诊断。该模型经过训练以及内部和外部验证后,在内部验证中,ROC AUC达到了0.99,其95%置信区间为(0.91, 0.84),在外部验证中ROC AUC为0.95,其95%置信区间为(0.96, 0.94),此表现优于ResNet-34网络模型在内部验证中0.98 AUC的95%置信区间(0.99,0.95)和外部验证中0.94 AUC的95%置信区间(0.95, 0.92)。因此,单输入BCNN-ResNet网络模型展示了优异的诊断性能,为颈动脉斑块的自动识别提供了一种创新的解决方案。 展开更多
关键词 单输入BCNN-ResNet网络模型 颈动脉超声 深度学习
在线阅读 下载PDF
湍流场高分辨重构的时程深度学习方法
19
作者 战庆亮 白春锦 葛耀君 《船舶力学》 北大核心 2025年第1期1-11,共11页
湍流的研究离不开高分辨率的流场数据,但受测量方法、计算效率和数据存储等多方面限制,高分辨率湍流数据的直接获取仍比较困难。本文基于流场时程数据的低维表征模型,提出基于神经网络的特征编码预测模型与高分辨率的湍流重构方法。首先... 湍流的研究离不开高分辨率的流场数据,但受测量方法、计算效率和数据存储等多方面限制,高分辨率湍流数据的直接获取仍比较困难。本文基于流场时程数据的低维表征模型,提出基于神经网络的特征编码预测模型与高分辨率的湍流重构方法。首先,基于一维卷积方法建立湍流时程的低维表征模型;然后,基于人工神经网络模型建立测点坐标与特征编码之间的映射关系,实现未知测点的特征编码预测;最后,利用所预测的特征编码结合表征模型的解码器生成求解域内任意位置处的湍流时程。对Re=2.2×10^(4)的方柱湍流场进行低维表征,进而实现高分辨率流场时程数据的重构,并验证方法的准确性。本文所提方法是一种在时间维度上具有高精度的湍流重构方法,且是一种无监督训练方法,可广泛应用于基于一点的传感器数据处理,是一种适用于湍流流场时程数据重构的新方法。 展开更多
关键词 湍流重构 湍流流场时程 深度学习 特征提取 无监督模型
在线阅读 下载PDF
服务深度学习的智慧空间:理念、模型建构与实现路径 被引量：4
20
作者 李同同 吴南中 《现代教育技术》 CSSCI 2024年第6期133-142,共10页
近年来,更加强调主体有意义学习的深度学习受到研究者的广泛关注,如何通过信息技术加强学习环境使深度学习得以发生逐渐成为教育领域的关注焦点。基于此,文章首先从理念层面对服务深度学习的智慧学习空间的相关要求进行了理论论证,认为... 近年来,更加强调主体有意义学习的深度学习受到研究者的广泛关注,如何通过信息技术加强学习环境使深度学习得以发生逐渐成为教育领域的关注焦点。基于此,文章首先从理念层面对服务深度学习的智慧学习空间的相关要求进行了理论论证,认为建构服务深度学习的智慧学习空间需要进行促进学习者学习深度参与的整体设计、进行促进学习者资源获取灵活的混合架构、为教师实时指导提供数据支持、服务个体自适应的学习支持服务开展。然后,文章在梳理学习空间设计基本要素和深度学习发生机制的基础上,参考PSST框架构建了服务深度学习的智慧学习空间模型。最后,文章以智慧学习空间模型为基础,提出了服务深度学习的智慧学习空间的建构路径。文章通过研究,旨在为服务深度学习的智慧学习空间建构提供理论支持和实践指导,为学习者更好地实现深度学习提供个性化服务。 展开更多
关键词 深度学习 智慧学习空间 模型建构 实现路径
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 … 56 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