期刊文献+
共找到821篇文章
< 1 2 42 >
每页显示 20 50 100
基于Radix-4 Booth编码的并行乘法器设计 被引量:1
1
作者 范文兵 周健章 《郑州大学学报(工学版)》 CAS 北大核心 2025年第1期26-33,共8页
速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化... 速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化基数为4的改进Booth编码器和解码器,此结构采用较少的逻辑门资源,并且易对输入比特进行并行化处理。在Wallace压缩电路中,对符号扩展位进行预处理并设计新的压缩器结构,优化整个Wallace压缩模块。在第二级压缩过程中提前对高位使用纹波进位加法器结构计算,减小了多bit伪和的求和位数。在求和电路中,使用两级超前进位加法器结构,在缩短关键路径传输延时的同时避免增大芯片面积,提高了乘法器的运行速度。新型定点乘法器与已有的乘法器结构相比,减少了12.0%的面积,降低了20.5%的延时。 展开更多
关键词 Radix-4 Booth编码 面积 传输延时 编码器 解码器 Wallace压缩
在线阅读 下载PDF
基于CDoubleGAN的电网时序暂态数据生成
2
作者 张启飞 陈润泽 +2 位作者 张亶 叶瑞涛 梁秀波 《计算机工程与设计》 北大核心 2025年第1期159-165,共7页
为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。... 为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。将数据类别标签融入模型中,生成特定类别的样本。在IEEE-39系统的实验结果表明,CDoubleGAN在类别生成上的准确度超过98%,与TimeGAN相比,生成的数据与原数据具有更高的相似度,更好保留了数据原始特性以应用于数据生产。 展开更多
关键词 人工智能 深度学习 电力系统 暂态稳定 数据生成 编解码器 生成对抗网络 时序数据
在线阅读 下载PDF
基于双Transformer结构的多模态视频段落描述生成研究
3
作者 赵宏 张立军 《计算机工程与应用》 北大核心 2025年第21期182-191,共10页
针对现有视频段落描述方法对视频中主要事件的关注度不足与多事件描述之间缺乏连贯性的问题,在现有编码器-解码器框架的基础上,提出了一种基于双Transformer结构的多模态视频段落描述模型。采用Faster-RCNN对视频中心帧目标进行细粒度... 针对现有视频段落描述方法对视频中主要事件的关注度不足与多事件描述之间缺乏连贯性的问题,在现有编码器-解码器框架的基础上,提出了一种基于双Transformer结构的多模态视频段落描述模型。采用Faster-RCNN对视频中心帧目标进行细粒度特征提取,由混合注意力结合全局视觉特征选择最具代表性的细粒度局部视觉特征,对视频中主要事件信息进行补充与增强,提高视频内容描述的准确性;提出在Transformer结构中增加存储模块与混合注意力模块,并设计了双Transformer结构,内部Transformer对事件内一致性进行建模,外部Transformer由混合注意力计算与当前事件最相关的状态建模事件间的一致性,结合内外部Transformer的输出对事件内容进行预测,提高生成描述语句的连贯性。在ActivityNet Captions数据集和YouCookII数据集上的实验结果表明,所提模型在BLEU-4、METEOR、ROUGE-L和CIDEr指标上相较于现有主流视频段落描述模型有明显提升,验证了模型的有效性。 展开更多
关键词 视频段落描述 编码器-解码器结构 细粒度局部视觉特征 双Transformer结构
在线阅读 下载PDF
改进Transformer解码器的端到端语音识别 被引量:1
4
作者 胡恒博 牛铜 何振华 《计算机应用》 北大核心 2025年第S1期95-100,共6页
Transformer模型架构在序列到序列任务中可以很好地将注意力分散到整个输入上以学习长期依赖关系,然而,在语音识别中,文本输出和语音输入是单调对齐的。针对Transformer解码器无法较好地捕获局部特征以进行单调对齐的问题,提出一种改进... Transformer模型架构在序列到序列任务中可以很好地将注意力分散到整个输入上以学习长期依赖关系,然而,在语音识别中,文本输出和语音输入是单调对齐的。针对Transformer解码器无法较好地捕获局部特征以进行单调对齐的问题,提出一种改进的Transformer解码器。将Transformer解码器中的2种注意力机制拆分为2个单独模块,再使用交叉注意力进行更高效的局部特征捕获。在开源中文普通话AISHELL-1数据集上的实验结果表明,使用能够捕获局部特征的编码器时,该解码器相较于Transformer解码器有着更好的识别效果。具体地,当编码器为Conformer时,字错误率(CER)降低了16.19%,且收敛速度更快,而在使用了连接时序分类(CTC)进行辅助解码后,CER降低了5.08%,最终的CER为4.67%。 展开更多
关键词 交叉注意力 Transformer解码器 Conformer编码器 语音识别 局部特征
在线阅读 下载PDF
基于双编码器双解码器GAN的低剂量CT降噪模型
5
作者 上官宏 任慧莹 +3 位作者 张雄 韩兴隆 桂志国 王燕玲 《计算机应用》 北大核心 2025年第2期624-632,共9页
近年来,生成对抗网络(GAN)用于低剂量计算机断层成像(LDCT)图像降噪已经表现出显著的性能优势,成为该领域的研究热点。然而,GAN的生成器对LDCT图像中噪声和伪影分布的感知能力不足,导致网络的降噪性能受限。因此,提出一种基于双编码器... 近年来,生成对抗网络(GAN)用于低剂量计算机断层成像(LDCT)图像降噪已经表现出显著的性能优势,成为该领域的研究热点。然而,GAN的生成器对LDCT图像中噪声和伪影分布的感知能力不足,导致网络的降噪性能受限。因此,提出一种基于双编码器双解码器生成对抗网络(DualED-GAN)的低剂量CT降噪模型。首先,提出由一对编解码器构成伪影像素级特征提取通道,用于估计LDCT中的伪影噪声;其次,提出由另外一对编解码器构成伪影掩码信息提取通道,用于估计伪影的强度和位置信息;最后,采用伪影图像质量标签图辅助估计伪影的掩码信息,可以为伪影像素级特征提取通道提供补充特征,进而提高GAN降噪网络对伪影噪声分布强度的敏感性。实验结果表明,在mayo测试集上与次优模型DESD-GAN(Dual-Encoder-Single-Decoder based Generative Adversarial Network)相比,所提模型的平均峰值信噪比(PSNR)提高了0.3387 dB,平均结构相似性度(SSIM)提高了0.0028。可见,所提模型在伪影抑制、结构保留与模型鲁棒性方面均有更好的表现。 展开更多
关键词 低剂量计算机断层成像 生成对抗网络 编码器 解码器 降噪
在线阅读 下载PDF
CT图像肾肿瘤分割的三维轴向Transformer模型
6
作者 张金龙 吴敏 孙玉宝 《计算机工程与科学》 北大核心 2025年第4期677-685,共9页
自动分割CT图像序列中肾脏及其肿瘤区域能够为放化疗计划提供定量参考依据。当前基于Transformer的肾肿瘤分割模型得到了广泛关注,特别是与U-Net模型及其变体结合使用。现有的基于Transformer的分割网络通常在单个切片局部窗口内进行特... 自动分割CT图像序列中肾脏及其肿瘤区域能够为放化疗计划提供定量参考依据。当前基于Transformer的肾肿瘤分割模型得到了广泛关注,特别是与U-Net模型及其变体结合使用。现有的基于Transformer的分割网络通常在单个切片局部窗口内进行特征学习,对切片内空间信息以及切片间轴向信息表示存在不足。针对这一问题,提出了三维轴向Transformer模块,将3个维度的复杂耦合关联分解为交替的2个轴向注意力,融合了切片内部以及切片之间的轴向体关联信息。以三维轴向Transformer模块为基础,融合多尺度特征与残差学习方式,构建了二阶段的肾脏肿瘤分割编解码网络ATrans UNet,在KiTS19数据集上,肾脏和肾脏肿瘤分割结果的Dice相似性分别是96.43%和81.04%,平均Dice得分对比2D-Unet提升了8.40%,对比3D-Unet提升了4.84%。 展开更多
关键词 CT图像序列 肾肿瘤三维分割 三维轴向Transformer 二阶段编解码网络
在线阅读 下载PDF
基于注意力机制和ACT网络的人脸图像修复 被引量:1
7
作者 滕林 张乾 徐开丽 《现代电子技术》 北大核心 2025年第13期43-49,共7页
为使人脸图像缺失的语义特征填补更真实,细节信息恢复更明显,文中提出一种基于卷积注意力模块(CBAM)和上下文信息聚合转换(ACT)网络的人脸图像修复方法。该方法保留基准模型的两个分支,在语义和图像滤波分支中引入CBAM层能够捕获填充图... 为使人脸图像缺失的语义特征填补更真实,细节信息恢复更明显,文中提出一种基于卷积注意力模块(CBAM)和上下文信息聚合转换(ACT)网络的人脸图像修复方法。该方法保留基准模型的两个分支,在语义和图像滤波分支中引入CBAM层能够捕获填充图像缺失区域的关键细节信息,基准残差块更换为ACT残差能够保留缺失区域外的丰富细节,捕获丰富的上下文信息,使得该分支对图像的语义信息填补更准确,能够有效去除伪影和丰富图像细节。在核预测分支中引入这两个模块能够增强提取图像特征时的感受野和上下文推理感知,使滤波核的动态预测更精确。该方法在CelebA-HQ数据集上进行验证,定量指标PSNR、SSIM、L_(1)均有改善,定性修复结果呈现更加清晰自然。研究证实该方法对人脸图像修复有较好的效果。 展开更多
关键词 图像修复 CBaM注意力机制 aCT网络 编码器-解码器 人脸图像修复 图像滤波
在线阅读 下载PDF
跨层Transformer与多尺度自适应融合的视网膜血管分割算法
8
作者 梁礼明 阳渊 +2 位作者 何安军 董信 吴健 《计算机辅助设计与图形学学报》 北大核心 2025年第3期495-505,共11页
针对现有视网膜血管分割存在视盘误分割、主血管纹理模糊和微细分支血管断裂等问题,提出融合跨层Transformer(CLTransformer)与跨尺度注意的视网膜血管分割算法.首先设计轻量化残差编解码模块用于编码和解码器部分,实现血管纹理特征的... 针对现有视网膜血管分割存在视盘误分割、主血管纹理模糊和微细分支血管断裂等问题,提出融合跨层Transformer(CLTransformer)与跨尺度注意的视网膜血管分割算法.首先设计轻量化残差编解码模块用于编码和解码器部分,实现血管纹理特征的粗粒度提取;其次在编解码连接处采用多尺度特征选择模块,用于跨级融合粗粒度特征;再次在网络底部加入CLTransformer模块,对深层语义信息交叉融合,以细化视网膜血管特征轮廓;最后使用融合损失函数监督算法的训练和测试.在DRIVE,STARE和CHASE_DB1数据集上进行实验,其准确度分别为97.10%,97.66%和97.62%,特异性分别为98.64%,99.03%和98.72%,F_(1)分数分别为83.05%,84.07%和81.18%. 展开更多
关键词 视网膜血管分割 跨层Transformer 多尺度自适应融合 轻量化残差编解码
在线阅读 下载PDF
一种含BCH编解码器的SLC/MLC NAND FLASH控制器的VLSI设计 被引量:11
9
作者 李璐 周海燕 《现代电子技术》 2009年第7期167-170,共4页
为了满足存储器市场对低单比特成本和高存储密度的需求,在一款基于ARM926EJ的片上处理器芯片中,集成了一个可支持SLC/MLC NAND FLASH的控制器。为了纠正FLASH存储器芯片中的随机错误,采用了可纠4比特错误的BCH纠错码,该纠错码非常适应N... 为了满足存储器市场对低单比特成本和高存储密度的需求,在一款基于ARM926EJ的片上处理器芯片中,集成了一个可支持SLC/MLC NAND FLASH的控制器。为了纠正FLASH存储器芯片中的随机错误,采用了可纠4比特错误的BCH纠错码,该纠错码非常适应NAND类型存储器的随机错误特点。该控制器可支持多种类型的NAND FLASH。另外,对一种基于伯利坎普-梅西算法的高效BCH编解码器VLSI结构进行了研究,采用一种简化伯利坎普-梅西算法实现的低复杂度的关键方程解算机消除其速度瓶颈。芯片采用SMIC 0.13μm CMOS工艺。测试结果证明,设计电路完全符合系统规范,性能表现优良。 展开更多
关键词 MLC Nand FLaSH控制器 BCH 编解码 伯利坎普-梅西算法 VLSI
在线阅读 下载PDF
基于时空特征融合的Encoder-Decoder多步4D短期航迹预测 被引量:2
10
作者 石庆研 张泽中 韩萍 《信号处理》 CSCD 北大核心 2023年第11期2037-2048,共12页
航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变... 航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变量都呈现出长短期的时间变化模式,并且这些变量之间还存在着相互依赖的空间信息。为了充分提取这种时空特征,本文提出了基于融合时空特征的编码器-解码器(Spatio-Temporal EncoderDecoder,STED)航迹预测模型。在Encoder中使用门控循环单元(Gated Recurrent Unit,GRU)、卷积神经网络(Convolutional Neural Network,CNN)和注意力机制(Attention,AT)构成的双通道网络来分别提取航迹时空特征,Decoder对时空特征进行拼接融合,并利用GRU对融合特征进行学习和递归输出,实现对未来多步航迹信息的预测。利用真实的航迹数据对算法性能进行验证,实验结果表明,所提STED网络模型能够在未来10 min预测范围内进行高精度的短期航迹预测,相比于LSTM、CNN-LSTM和AT-LSTM等数据驱动航迹预测模型具有更高的精度。此外,STED网络模型预测一个航迹点平均耗时为0.002 s,具有良好的实时性。 展开更多
关键词 4D航迹预测 时空特征 encoder-decoder 门控循环单元
在线阅读 下载PDF
基于encoder-decoder框架的城镇污水厂出水水质预测 被引量:4
11
作者 史红伟 陈祺 +1 位作者 王云龙 李鹏程 《中国农村水利水电》 北大核心 2023年第11期93-99,共7页
由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encod... 由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encoder-decoder结构的神经网络预测水质。结果显示,所提结构对LSTM和GRU网络预测能力都有一定提升,对长期预测能力提升更加显著,ED-GRU模型效果最佳,短期预测中的4个出水水质指标均方根误差(RMSE)为0.7551、0.2197、0.0734、0.3146,拟合优度(R2)为0.9013、0.9332、0.9167、0.9532,可以预测出水质局部变化,而长期预测中的4个指标RMSE为1.7204、1.7689、0.4478、0.8316,R2为0.4849、0.5507、0.4502、0.7595,可以预测出水质变化趋势,与顺序结构相比,短期预测RMSE降低10%以上,R2增加2%以上,长期预测RMSE降低25%以上,R2增加15%以上。研究结果表明,基于encoder-decoder结构的神经网络可以对污水厂出水水质进行准确预测,为污水处理工艺改进提供技术支撑。 展开更多
关键词 污水厂出水 encoder-decoder 多指标水质预测 GRU模型
在线阅读 下载PDF
基于Transformer的多尺度遥感语义分割网络 被引量:7
12
作者 邵凯 王明政 王光宇 《智能系统学报》 CSCD 北大核心 2024年第4期920-929,共10页
为了提升遥感图像语义分割效果,本文针对分割目标类间方差小、类内方差大的特点,从全局上下文信息和多尺度语义特征2个关键点提出一种基于Transformer的多尺度遥感语义分割网络(muliti-scale Transformer network,MSTNet)。其由编码器... 为了提升遥感图像语义分割效果,本文针对分割目标类间方差小、类内方差大的特点,从全局上下文信息和多尺度语义特征2个关键点提出一种基于Transformer的多尺度遥感语义分割网络(muliti-scale Transformer network,MSTNet)。其由编码器和解码器2个部分组成,编码器包含基于Transformer改进的视觉注意网络(visual attention network,VAN)主干和基于空洞空间金字塔池化(atrous spatial pyramid pooling, ASPP)结构改进的多尺度语义特征提取模块(multi-scale semantic feature extraction module, MSFEM)。解码器采用轻量级多层感知器(multi-layer perception,MLP)配合编码器设计,充分分析所提取的包含全局上下文信息和多尺度表示的语义特征。MSTNet在2个高分辨率遥感语义分割数据集ISPRS Potsdam和LoveDA上进行验证,平均交并比(mIoU)分别达到79.50%和54.12%,平均F1-score(m F1)分别达到87.46%和69.34%,实验结果验证了本文所提方法有效提升了遥感图像语义分割的效果。 展开更多
关键词 遥感图像 语义分割 卷积神经网络 TRaNSFORMER 全局上下文信息 多尺度感受野 编码器 解码器
在线阅读 下载PDF
基于视觉Transformer和双解码器的红外小目标检测方法 被引量:1
13
作者 代少升 刘科生 +3 位作者 黄炼 贺自强 毛兴华 任汶皓 《红外技术》 CSCD 北大核心 2024年第9期1070-1080,共11页
当前基于卷积神经网络的红外小目标检测方法在编码器阶段受限于感受野,且解码器在多尺度特征融合中缺乏有效的特征交互。本文提出了一种基于编码器-解码器结构的新方法,针对现有红外小目标检测方法中的问题进行改进。该方法使用视觉Tran... 当前基于卷积神经网络的红外小目标检测方法在编码器阶段受限于感受野,且解码器在多尺度特征融合中缺乏有效的特征交互。本文提出了一种基于编码器-解码器结构的新方法,针对现有红外小目标检测方法中的问题进行改进。该方法使用视觉Transformer作为编码器,能够有效地提取红外小目标图像的多尺度特征。视觉Transformer是一种新兴的深度学习架构,其通过自注意力机制捕捉图像中像素之间的全局关系,以处理长程依赖性和上下文信息。此外,本文还设计了一个由交互式解码器和辅助解码器组成的双解码器模块,旨在提高解码器对红外小目标的重构能力。该双解码器模块能够充分利用不同特征之间的互补信息,促进深层特征和浅层特征之间的交互,并通过将两个解码器的结果进行叠加,以更好地重构红外小目标。在广泛使用的公共数据集上的实验结果表明,本文提出的方法在F1和mIoU两个评价指标上的性能优于其他对比方法。 展开更多
关键词 红外小目标检测 视觉Transformer 多尺度特征融合 编解码结构
在线阅读 下载PDF
NAND Flash控制器中RS码的设计与验证 被引量:3
14
作者 张文静 姚智慧 《计算机工程与设计》 CSCD 北大核心 2013年第7期2590-2594,共5页
由于工艺制约,NAND Flash存储器会出现位差错现象,为此引入了RS码保证其数据完整性和正确性。在研究RS码基本原理基础上,给出了编码和译码的电路实现,其中采用并行结构实现钱式搜索电路、采用流水线架构实现译码。与传统方法相比,该实... 由于工艺制约,NAND Flash存储器会出现位差错现象,为此引入了RS码保证其数据完整性和正确性。在研究RS码基本原理基础上,给出了编码和译码的电路实现,其中采用并行结构实现钱式搜索电路、采用流水线架构实现译码。与传统方法相比,该实现缩短了计算周期,提高了最高工作频率。在Quartus平台下对RS编译码模块进行功能仿真,仿真结果表明,该纠错码能够满足NAND flash存储器纠错要求,是一种正确适用的纠错方案。 展开更多
关键词 存储器 编码 译码 并行结构 流水线架构案 功能仿真
在线阅读 下载PDF
基于Encoder-Decoder注意力网络的异常驾驶行为在线识别方法 被引量:2
15
作者 唐坤 戴语琴 +2 位作者 徐永能 郭唐仪 邵飞 《兵器装备工程学报》 CAS CSCD 北大核心 2023年第8期63-71,共9页
异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为... 异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为的在线识别方法。该方法由基于LSTM(long short-term memory)的Encoder-Decoder、Attention机制与基于SVM(support vector machine)的分类器3个模块构成。该系统识别方法包括:输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类等6个步骤。该技术方法利用自然驾驶条件下所采集的手机传感器数据进行实验。实验结果表明:①手机多传感器数据融合方法对驾驶行为识别具备有效性;②异常驾驶行为必然会造成数据异常波动;③Attention机制有助于提升模型学习效果,对所提出模型的识别准确率F1-score为0.717,与经典同类模型比较,准确率得到显著提升;④对于汽车异常驾驶行为来说,SVM比Logistic与随机森林算法具有更优越的识别效果。 展开更多
关键词 异常驾驶 深度学习 编码器-解码器 长短时记忆网络 注意力机制
在线阅读 下载PDF
利用Encoder-Decoder框架的深度学习网络实现绕射波分离及成像 被引量:3
16
作者 马铭 包乾宗 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期56-64,共9页
利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的... 利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的因素分析并不完备。相较于反射波,由于存在不连续构造而产生的绕射波能量微弱并且相互干涉,同时环境干扰使得绕射波进一步湮没。因此,更高精度的波场分离及单独成像是现阶段基于绕射波超高分辨率处理、解释的重点研究方向。为此,首先针对地球物理勘探中地质异常体的准确定位,以携带高分辨率信息的绕射波为研究对象,系统分析在不同尺度、不同物性参数的异常体情况下绕射波的能量大小及形态特征,掌握绕射波与其他类型波叠加的具体形式;然后根据相应特征性质提出基于深度学习技术的绕射波分离成像方法,即利用Encoder-Decoder框架的空洞卷积网络捕获绕射波场特征,从而实现绕射波分离,基于速度连续性原则构建单纯绕射波场的偏移速度模型并完成最终成像。数据测试表明,该方法最终可满足微小地质异常体高精度识别的需求。 展开更多
关键词 绕射波分离成像 深度神经网络 encoder-decoder框架 方差最大范数
在线阅读 下载PDF
基于长短时记忆网络的Encoder-Decoder多步交通流预测模型 被引量:24
17
作者 王博文 王景升 +3 位作者 王统一 张子泉 刘宇 于昊 《重庆大学学报》 CSCD 北大核心 2021年第11期71-80,共10页
交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经... 交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证。实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系。除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210~5.422、0.061~0.191。相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136。实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务。 展开更多
关键词 交通流预测 LSTM 编码器解码器 多步预测 深度学习
在线阅读 下载PDF
基于LSTM的Encoder-Decoder多步轨迹预测技术 被引量:5
18
作者 李青勇 何兵 +2 位作者 张显炀 朱晓宇 刘刚 《航空兵器》 CSCD 北大核心 2021年第2期49-54,共6页
针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问... 针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问题,研究多步预测过程中模型性能的变化,实现端到端的轨迹预测。仿真结果表明,该方法能够从历史轨迹数据中提取更多的轨迹特征,在多步轨迹预测中具有明显的优势。与KFTP和HMMTP算法相比,EDMTP的误差增长率分别同比下降了2.18%和3.52%,取得了较好的轨迹预测效果。 展开更多
关键词 轨迹预测 LSTM 编码器-解码器 监督学习 多步预测
在线阅读 下载PDF
Novel joint encoding/decoding algorithms of fountain codes for underwater acoustic communication 被引量:1
19
作者 Mingshen Liang Jinjue Duan +2 位作者 Danfeng Zhao Jiaxi Si Xiangyu Song 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2016年第4期772-779,共8页
Fountain codes are considered to be a promising coding technique in underwater acoustic communication(UAC) which is challenged with the unique propagation features of the underwater acoustic channel and the harsh ma... Fountain codes are considered to be a promising coding technique in underwater acoustic communication(UAC) which is challenged with the unique propagation features of the underwater acoustic channel and the harsh marine environment. And Luby transform(LT) codes are the first codes fully realizing the digital fountain concept. However, in conventional LT encoding/decoding algorithms, due to the imperfect coverage(IC) of input symbols and short cycles in the generator matrix, stopping sets would occur and terminate the decoding. Thus, the recovery probability is reduced,high coding overhead is required and decoding delay is increased.These issues would be disadvantages while applying LT codes in underwater acoustic communication. Aimed at solving those issues, novel encoding/decoding algorithms are proposed. First,a doping and non-uniform selecting(DNS) encoding algorithm is proposed to solve the IC and the generation of short cycles problems. And this can reduce the probability of stopping sets occur during decoding. Second, a hybrid on the fly Gaussian elimination and belief propagation(OFG-BP) decoding algorithm is designed to reduce the decoding delay and efficiently utilize the information of stopping sets. Comparisons via Monte Carlo simulation confirm that the proposed schemes could achieve better overall decoding performances in comparison with conventional schemes. 展开更多
关键词 underwater acoustic communication(UaC) fountain codes non-uniform encoding hybrid decoding algorithm stopping sets
在线阅读 下载PDF
基于GRU Encoder-decoder和注意力机制的RUL预测方法 被引量:2
20
作者 兰杰 李宁 +1 位作者 李志宁 吕建刚 《现代电子技术》 2023年第8期99-105,共7页
深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基... 深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基于门控循环神经网络(GRU)构建一个时序编码解码器以实现输入序列的重构,其中GRU-Encoder对输入的多元时间序列进行编码;再引入注意力机制对GRU-Encoder在每个时刻的输出向量进行加权融合,以融合后的向量作为编码结果,并将其输入到GRU-Decoder中实现输入序列的重构,同时将编码结果映射为输入样本的RUL。采用CMAPSS数据集对所提方法的有效性进行验证,结果表明,该方法预测精度较高,可行且有效。 展开更多
关键词 剩余使用寿命 RUL预测方法 门控循环神经网络 解码编码器 注意力机制 对比验证
在线阅读 下载PDF
上一页 1 2 42 下一页 到第
使用帮助 返回顶部