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193篇文章
< 1 2 … 10 >
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WOA-CNN-BiGRU的PEMFC性能衰退预测
1
作者 陈贵升 刘强 许杨松 《电源技术》 北大核心 2025年第4期831-840,共10页
针对PEMFC性能预测领域中存在的预测精度不足和泛化能力有限的问题,提出了一种结合鲸鱼优化算法(WOA)、卷积神经网络(CNN)和双向门控循环单元(BiGRU)的PEMFC输出性能预测方法。首先,采用最大信息系数从大量数据中提取对PEMFC输出性能影... 针对PEMFC性能预测领域中存在的预测精度不足和泛化能力有限的问题,提出了一种结合鲸鱼优化算法(WOA)、卷积神经网络(CNN)和双向门控循环单元(BiGRU)的PEMFC输出性能预测方法。首先,采用最大信息系数从大量数据中提取对PEMFC输出性能影响显著的特征,以降低计算复杂度。然后,结合CNN的特征提取能力和BiGRU在处理双向时间依赖性数据上的优势建立CNNBiGRU模型,并通过WOA优化其超参数进一步提升预测的准确性。最后,与传统预测模型进行对比,验证所建模型的优越性。实验结果表明:在训练集占比为60%时,模型在三种不同工况PEMFC老化数据集上的RMSE分别为0.0017、0.0014和0.0110,证明CNN-BiGRU模型具有较高的预测精度以及良好的泛化能力。 展开更多
关键词 PEMFC 性能衰退 鲸鱼优化算法 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
具有注意力机制的CNN-GRU模型在风电机组异常状态预警中的应用
2
作者 马良玉 胡景琛 +1 位作者 段晓冲 黄日灏 《南京信息工程大学学报》 北大核心 2025年第3期374-383,共10页
针对风电机组长期在恶劣环境中工作导致故障频发的问题,提出一种具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法.利用快速密度峰值聚类和局部离群因子算法对风电机组数据采集与监控系统中的异常数据进行清洗... 针对风电机组长期在恶劣环境中工作导致故障频发的问题,提出一种具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法.利用快速密度峰值聚类和局部离群因子算法对风电机组数据采集与监控系统中的异常数据进行清洗,结合机理分析及极端梯度提升(XGBoost)算法对特征重要性的评估确定模型的输入输出参数,进而采用具有注意力机制的CNN-GRU模型建立风电机组正常运行工况的性能预测模型.以该预测模型为基础,利用时移滑动窗口构建风电机组状态评价指标,并结合统计学中的区间估计法确定预警阈值,最终实现机组异常工况预警.应用某风电机组真实历史故障数据进行实验,结果表明,本文所提方法能够准确地对异常状态进行提前识别和预警,有利于运维人员及时处理故障,保证机组安全稳定运行. 展开更多
关键词 风电机组 卷积神经网络 门控循环单元 注意力机制 故障预警
在线阅读 下载PDF
一种基于注意力机制的BERT-CNN-GRU检测方法 被引量：1
3
作者 郑雅洲 刘万平 黄东 《计算机工程》 北大核心 2025年第1期258-268,共11页
针对现有检测方法对短域名检测性能普遍较差的问题,提出一种BERT-CNN-GRU结合注意力机制的检测方法。通过BERT提取域名的有效特征和字符间组成逻辑,根据并行的融合简化注意力的卷积神经网络(CNN)和基于多头注意力机制的门控循环单元(GRU... 针对现有检测方法对短域名检测性能普遍较差的问题,提出一种BERT-CNN-GRU结合注意力机制的检测方法。通过BERT提取域名的有效特征和字符间组成逻辑,根据并行的融合简化注意力的卷积神经网络(CNN)和基于多头注意力机制的门控循环单元(GRU)提取域名深度特征。CNN使用n-gram排布的方式提取不同层次的域名信息,并采用批标准化(BN)对卷积结果进行优化。GRU能够更好地获取前后域名的组成差异,多头注意力机制在捕获域名内部的组成关系方面表现出色。将并行检测网络输出的结果进行拼接,最大限度地发挥两种网络的优势,并采用局部损失函数聚焦域名分类问题,提高分类性能。实验结果表明,该方法在二分类上达到了最优效果,在短域名多分类数据集上15分类的加权F1值达到了86.21%,比BiLSTM-Seq-Attention模型提高了0.88百分点,在UMUDGA数据集上50分类的加权F1值达到了85.51%,比BiLSTM-Seq-Attention模型提高了0.45百分点。此外,该模型对变体域名和单词域名生成算法(DGA)检测性能较好,具有处理域名数据分布不平衡的能力和更广泛的检测能力。 展开更多
关键词 恶意短域名 BERT预训练 批标准化 注意力机制 门控循环单元 并行卷积神经网络
在线阅读 下载PDF
基于MCNN-MSA-BiGRU的轴承故障诊断
4
作者 王雪纯 李想 杨随先 《科学技术与工程》 北大核心 2025年第11期4534-4542,共9页
针对传统故障诊断模型对特征提取不全面,单一模型稳定性和泛化性差的问题,提出了一种基于多头自注意力机制的多尺度卷积神经网络和双向门控循环单元模型,从空间和时序层面实现特征提取。该模型采用原始一维振动信号作为输入,使用不同尺... 针对传统故障诊断模型对特征提取不全面,单一模型稳定性和泛化性差的问题,提出了一种基于多头自注意力机制的多尺度卷积神经网络和双向门控循环单元模型,从空间和时序层面实现特征提取。该模型采用原始一维振动信号作为输入,使用不同尺寸卷积核的卷积网络捕获多尺度信息。引入多头自注意力机制,根据输入的不同部分动态调整输出权值,忽略冗杂信息并对所提取特征进行加权融合,将融合后的特征输入至BiGRU(bidirectional gated recurrent units)网络,通过双向信息融合机制,对来自过去和未来两个方向的信息进行挖掘,捕捉输入序列不同部分间的依赖关系。最后,通过Softmax分类实现轴承故障诊断。在3种轴承数据集上进行实验验证,结果表明,所提模型性能指标表现优异,具有良好的泛化性和可行性。 展开更多
关键词 故障诊断 卷积神经网络 双向门控循环单元 注意力机制 轴承
在线阅读 下载PDF
基于多维复向特征融合与CNN-GRU的转子不平衡量识别方法
5
作者 王坚坚 廖与禾 +1 位作者 杨磊 薛久涛 《中国机械工程》 北大核心 2025年第9期1905-1915,共11页
现有的无试重不平衡量识别算法采用优化算法框架,通过大量迭代运算以逐步逼近最优解,这类策略普遍收敛速度迟缓且易陷入局部极值。为此,利用神经网络直接学习并解析不平衡振动响应与不平衡量之间的复杂映射关系,进而实现不平衡量的高精... 现有的无试重不平衡量识别算法采用优化算法框架,通过大量迭代运算以逐步逼近最优解,这类策略普遍收敛速度迟缓且易陷入局部极值。为此,利用神经网络直接学习并解析不平衡振动响应与不平衡量之间的复杂映射关系,进而实现不平衡量的高精度识别。通过转子动力学模型进行仿真,构建了带标签的足量不平衡振动数据集。针对不平衡数据的多维复向特性,设计了一种特征融合机制。核心算法层面,结合卷积神经网络(CNN)与门控循环单元(GRU)构建了CNN-GRU混合模型,其中,CNN部分负责从振动数据中提取局部空间特征,GRU负责捕捉振动数据中的时序依赖关系,通过整合空间与时间域的信息,显著增强了模型的泛化能力和识别精度。测试集数据和实验台实验的不平衡量识别结果表明,所提方法可以准确预估识别转子的不平衡量,为无试重现场动平衡提供迅速准确的指导。 展开更多
关键词 转子 无试重 不平衡量识别 卷积神经网络-门控循环单元 多维复向特征融合
在线阅读 下载PDF
基于改进CNN-GRU模型的滚动轴承多故障诊断模型
6
作者 张雄 渠伟瀅 +2 位作者 王文强 董乐聪 万书亭 《机电工程》 北大核心 2025年第10期1931-1939,共9页
针对多种工况和故障共存引起的滚动轴承故障,采用传统的基于卷积神经网络的故障诊断模型进行诊断时,存在提取特征不丰富、容易丢失故障敏感信息、计算复杂和准确性低的问题,为此,提出了一种二维卷积神经网络(2D-CNN)与门控循环单元(GRU... 针对多种工况和故障共存引起的滚动轴承故障,采用传统的基于卷积神经网络的故障诊断模型进行诊断时,存在提取特征不丰富、容易丢失故障敏感信息、计算复杂和准确性低的问题,为此,提出了一种二维卷积神经网络(2D-CNN)与门控循环单元(GRU)相结合的滚动轴承多故障诊断模型(2D-CNN-GRU),并采用XJTU-SY和QPZZ-II两个公开轴承数据集,对其有效性进行了验证。首先,采用2D-CNN作为空间特征提取器,获取了信号的多种局部和全局特征,并将GRU层作为信号时序信息特征提取器;然后,对模型的特征提取过程进行了可视化处理;最后,将所选择的有效信号输入2D-CNN-GRU模型中,完成了数据分类,进而完成了轴承故障诊断。研究结果表明:利用XJTU-SY实验数据和QPZZ-II实验数据,验证了该方法在多种工作条件下对多种轴承故障共存的情况具有优秀的分类效果,准确率达到了95%以上。与传统轴承故障诊断方法相比,2D-CNN-GRU模型具有更高的准确性和一定的实际应用价值。 展开更多
关键词 滚动轴承 多故障诊断 二维卷积神经网络 门控循环单元 特征提取 数据预处理
在线阅读 下载PDF
基于CNN和双向GRU混合孪生网络的语音情感识别方法
7
作者 彭鹏 蔡子婷 +3 位作者 刘雯玲 陈才华 曾维 黄宝来 《计算机应用》 北大核心 2025年第8期2515-2521,共7页
针对现有语音情感识别(SER)模型精度较低、泛化能力较差的问题,提出一种孪生的Multi-scale CNNBiGRU网络。该网络通过引入多尺度特征提取器(MSFE)和多维度注意力(MDA)模块构建孪生网络,并利用样本对的形式增加模型训练量,从而提高模型... 针对现有语音情感识别(SER)模型精度较低、泛化能力较差的问题,提出一种孪生的Multi-scale CNNBiGRU网络。该网络通过引入多尺度特征提取器(MSFE)和多维度注意力(MDA)模块构建孪生网络,并利用样本对的形式增加模型训练量,从而提高模型的识别精度,使它能更好地适应复杂的真实应用场景。在IEMOCAP和EMODB这2个公开数据集上的实验结果表明,所提模型在识别精确率上较CNN-BiGRU分别提升了8.28和7.79个百分点。此外,通过收集客服真实语音对话录音构建一个客服语音情感数据集,在该数据集上的实验结果表明,所提模型的识别精确率可达到87.85%,证明所提模型具有良好的泛化性。 展开更多
关键词 语音情感识别 卷积神经网络 双向gru 混合孪生网络 深度学习
在线阅读 下载PDF
基于DCNN-BiGRU的离子刻蚀机冷却系统故障诊断
8
作者 李嘉程 王璠 +1 位作者 邓超 程聘 《仪表技术与传感器》 北大核心 2025年第8期25-33,50,共10页
离子刻蚀机是半导体制造领域中为晶圆提供刻蚀加工的关键设备,冷却系统作为离子刻蚀机的重要组成部分,一旦在运行过程中发生故障,会导致后续在设备上加工的晶圆报废。针对离子刻蚀机冷却系统运行过程中的传感器信号存在多尺度信息的问题... 离子刻蚀机是半导体制造领域中为晶圆提供刻蚀加工的关键设备,冷却系统作为离子刻蚀机的重要组成部分,一旦在运行过程中发生故障,会导致后续在设备上加工的晶圆报废。针对离子刻蚀机冷却系统运行过程中的传感器信号存在多尺度信息的问题,提出了一种基于混合动态时空网络(DCNN-BiGRU)的故障诊断方法。该方法利用动态卷积神经网络挖掘样本序列中的多尺度空间特征,然后通过双向门控循环单元进一步挖掘样本中的时序特征,使模型能够充分学习样本中所蕴含的故障信息,实现离子刻蚀机的精确故障诊断。在离子刻蚀机冷却系统故障数据集上的实验结果表明:所提出的方法能够准确对故障进行诊断,在各腔室上的平均故障诊断准确率达到了91.81%,优于CNN、LSTM等故障诊断算法。 展开更多
关键词 故障诊断 离子刻蚀机 动态卷积神经网络 双向门控循环单元 多尺度特征
在线阅读 下载PDF
优化CNN-BiGRU-SA组合模型的BDS-3超短期钟差预报
9
作者 蔡茂 潘雄 +1 位作者 张龙杰 周秀鹏 《导航定位学报》 北大核心 2025年第4期60-69,共10页
针对钟差数据的非线性特点及单一模型在处理长程依赖问题中的局限性,提出一种融合卷积神经网络(CNN)-双向门控循环单元(BiGRU)-自注意力机制(SA)的北斗三号全球卫星导航系统(BDS-3)超短期钟差预报方法:利用CNN提取钟差数据中的非线性特... 针对钟差数据的非线性特点及单一模型在处理长程依赖问题中的局限性,提出一种融合卷积神经网络(CNN)-双向门控循环单元(BiGRU)-自注意力机制(SA)的北斗三号全球卫星导航系统(BDS-3)超短期钟差预报方法:利用CNN提取钟差数据中的非线性特征,通过BiGRU建模时序依赖关系,引入SA机制以动态分配特征权重;然后,进一步结合混沌映射与莱维(Levy)飞行策略改进北方苍鹰优化(INGO)算法,优化组合模型的超参数,构建INGO-CNN-BiGRUSA组合钟差预报模型;最后,利用德国地球科学研究中心提供的BDS-3钟差数据从原子钟类型、不同采样间隔进行1 h、3 h、6 h的超短期预报,从权重选择、超参数优化、预报精度、预报稳定度等方面验证组合模型的实用性。结果表明,该组合模型在超短期预报中具有较高的精度和稳定度,平均精度优于0.2 ns,平均稳定度优于0.25 ns。 展开更多
关键词 钟差预报 超参数 卷积神经网络(CNN) 双向门控循环单元(Bigru) 自注意力机制(SA)
在线阅读 下载PDF
基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测
10
作者 段宏 郭成 +1 位作者 孙海东 王嵩岭 《智慧电力》 北大核心 2025年第4期71-80,共10页
针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性... 针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性内核网络(SKNet)和全局上下文模块(GC Block)优化TCN与BiGRU模型,分别增强提取多尺度特征和全局信息的能力。仿真结果验证了所提模型的优越性,尤其在气象条件数据波动较大的情况下,表现出较强的鲁棒性。 展开更多
关键词 短期光伏功率预测 时间卷积神经网络 双向门控循环单元 导数动态时间弯曲聚类
在线阅读 下载PDF
融合CNN-BiGRU和注意力机制的网络入侵检测模型 被引量：15
11
作者 杨晓文 张健 +1 位作者 况立群 庞敏 《信息安全研究》 CSCD 北大核心 2024年第3期202-208,共7页
为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注... 为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性. 展开更多
关键词 网络入侵检测 卷积神经网络 双向门控循环单元 注意力机制 深度学习
在线阅读 下载PDF
基于CNN-GRU-ISSA-XGBoost的短期光伏功率预测 被引量：6
12
作者 岳有军 吴明沅 +1 位作者 王红君 赵辉 《南京信息工程大学学报》 CAS 北大核心 2024年第2期231-238,共8页
针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率... 针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率预测组合模型.首先去除历史数据中的异常值并对其进行归一化处理,利用主成分分析法(PCA)进行特征选取,以便更好地识别影响光伏功率的关键因素.然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征,针对XGBoost模型手动配置参数困难、随机性大的问题,利用ISSA对模型超参数寻优.最后对两种方法预测的结果用误差倒数法减小误差的同时对权重进行更新,得到新的预测值,从而完成对光伏功率的预测.实验结果表明,所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度. 展开更多
关键词 光伏功率预测 改进麻雀搜索算法 卷积神经网络 门控循环单元 XGBoost模型
在线阅读 下载PDF
基于特征选择及ISSA-CNN-BiGRU的短期风功率预测 被引量：12
13
作者 王瑞 徐新超 逯静 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期228-239,共12页
针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。 展开更多
关键词 短期风功率预测 变分模态分解 特征选择 改进麻雀搜索算法 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于KPCA-CNN-DBiGRU模型的短期负荷预测方法 被引量：5
14
作者 陈晓红 王辉 李喜华 《管理工程学报》 CSSCI CSCD 北大核心 2024年第2期221-231,共11页
本文针对已有神经网络模型在短期负荷预测中输入维度过高、预测误差较大等问题,提出了一种结合核主成分分析、卷积神经网络和深度双向门控循环单元的短期负荷预测方法。先运用核主成分分析法对原始高维输入变量进行降维,再通过卷积深度... 本文针对已有神经网络模型在短期负荷预测中输入维度过高、预测误差较大等问题,提出了一种结合核主成分分析、卷积神经网络和深度双向门控循环单元的短期负荷预测方法。先运用核主成分分析法对原始高维输入变量进行降维,再通过卷积深度双向门控循环单元网络模型进行负荷预测。以第九届全国电工数学建模竞赛试题A题中的负荷数据作为实际算例,结果表明所提方法较降维之前预测误差大大降低,与已有预测方法相比也有大幅的误差降低。 展开更多
关键词 核主成分分析 卷积神经网络 双向门控循环单元 负荷预测
在线阅读 下载PDF
融合1D-CNN与BiGRU的类不平衡流量异常检测 被引量：9
15
作者 陈虹 齐兵 +2 位作者 金海波 武聪 张立昂 《计算机应用》 CSCD 北大核心 2024年第8期2493-2499,共7页
网络流量异常检测是利用各种检测技术分析判断网络流量,发现网络中潜在的攻击,是一种有效的网络安全防护方法。针对高维海量数据和不同攻击类别的网络流量数据不均衡而导致检测准确率低、误报率高的问题,提出一种融合一维卷积神经网络(1... 网络流量异常检测是利用各种检测技术分析判断网络流量,发现网络中潜在的攻击,是一种有效的网络安全防护方法。针对高维海量数据和不同攻击类别的网络流量数据不均衡而导致检测准确率低、误报率高的问题,提出一种融合一维卷积神经网络(1D-CNN)和双向门控循环单元(BiGRU)的类不平衡流量异常检测模型。首先,针对类不平衡数据,通过使用改进的合成少数类过采样技术(SMOTE)即Borderline-SMOTE和基于高斯混合模型(GMM)的欠采样聚类技术进行平衡处理;然后,使用1D-CNN提取数据的局部特征,并利用BiGRU更好地提取数据中的时序特征;最后,在UNSW-NB15数据集对所提模型进行验证,所提模型的准确率为98.12%,误报率为1.28%。结果表明,所提模型提高了对少数攻击的识别率,检测精度高于其他经典机器学习和深度学习模型。 展开更多
关键词 流量异常检测 不平衡处理 特征选择 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于CBAM-CGRU-SVM的Android恶意软件检测方法 被引量：6
16
作者 孙敏 成倩 丁希宁 《计算机应用》 CSCD 北大核心 2024年第5期1539-1545,共7页
随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CG... 随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CGRU-SVM。首先,在CNN中添加卷积块注意力模块(CBAM)以学习更多恶意软件的关键特征;其次,利用GRU进一步提取特征;最后,为了解决图像分类时模型泛化能力不足的问题,使用SVM代替softmax激活函数作为模型的分类函数。实验使用了Malimg公开数据集,该数据集将恶意软件数据图像化作为模型输入。实验结果表明,CBAM-CGRU-SVM模型分类准确率达到94.73%,能够更有效地对恶意软件家族进行分类。 展开更多
关键词 恶意软件 卷积神经网络 卷积块注意力模块 门控循环单元 支持向量机
在线阅读 下载PDF
水库水位的VMD-CNN-GRU混合预测模型 被引量：2
17
作者 韩莹 王乐豪 +2 位作者 魏平慧 李占东 周文祥 《南京信息工程大学学报》 CAS 北大核心 2024年第2期239-246,共8页
水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持.准确可靠的预测对水资源的优化管理起着至关重要的作用.针对水库水位数据的非线性、不稳定性以及复杂的时空特性,提出一种融合自适应变分模态分解(VMD)、卷积神经网络(C... 水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持.准确可靠的预测对水资源的优化管理起着至关重要的作用.针对水库水位数据的非线性、不稳定性以及复杂的时空特性,提出一种融合自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型.VMD通过对水位序列进行分解消除噪声,CNN用于有效提取水位数据的局部特征,GRU用于提取水位数据的深层时间特征.以葠窝水库日水位为例,与多个相关模型对比分析,结果表明:精度方面,新模型在选取的评价指标上均表现最佳;运算效率方面,本文选择的GRU与长短时记忆网络(LSTM)相比,运算效率显著提高.新模型预测的高精度、高运算效率更能满足实际水库水位实时调度的需求. 展开更多
关键词 水位预测 变分模态分解 门控循环单元 卷积神经网络 深度学习
在线阅读 下载PDF
基于GRU-BP算法的高精度动态物流称重系统 被引量：2
18
作者 康杰 《机电工程》 CAS 北大核心 2024年第6期1127-1134,共8页
针对动态物流秤测量精度对载重、采样频率、带速较为敏感的问题,提出了一种高精度动态物流称重系统。首先,采用三因素五水平正交试验法,结合皮尔逊相关性检验原则,使用低通巴特沃斯与卡尔曼滤波器对传感器压力信号进行了滤波降噪处理,... 针对动态物流秤测量精度对载重、采样频率、带速较为敏感的问题,提出了一种高精度动态物流称重系统。首先,采用三因素五水平正交试验法,结合皮尔逊相关性检验原则,使用低通巴特沃斯与卡尔曼滤波器对传感器压力信号进行了滤波降噪处理,并将加速度信号作为模型输入信号,进行了特征补偿;然后,基于深度学习算法,提出了一种改进的门控循环单元模型,在该模型采样区间内将压力与振动改写为时序化信号,并将其共同输入门控循环单元(GRU)模型;最后,对GRU模型进行了改进,对其结构输出了层堆叠误差反向传播神经网络(BP),有效加强了模型的非线性映射能力。研究结果表明:在各类传动速度及测试货物下,该模型的最大测量误差相对于同类型深度学习模型长短期记忆(LSTM)神经网络、循环神经网络(RNN)时序模型及传统数值平均模型的误差,依次降低了16.14%、27.14%、76%,可用于各类称重系统。 展开更多
关键词 深度学习 动态测量系统 门控循环单元 反向传播神经网络 振动补偿 长短期记忆神经网络 循环神经网络
在线阅读 下载PDF
采用CNN和Bidirectional GRU的时间序列分类研究 被引量：26
19
作者 张国豪 刘波 《计算机科学与探索》 CSCD 北大核心 2019年第6期916-927,共12页
时间序列数据具有非离散性、数据之间的时序相关性、特征空间维度大等特点,当前大多数分类方法需要经过复杂的数据处理或特征工程,未考虑到时间序列具有不同时间尺度特征以及序列数据之间的时序依赖。通过结合卷积神经网络和循环神经网... 时间序列数据具有非离散性、数据之间的时序相关性、特征空间维度大等特点,当前大多数分类方法需要经过复杂的数据处理或特征工程,未考虑到时间序列具有不同时间尺度特征以及序列数据之间的时序依赖。通过结合卷积神经网络和循环神经网络中的双向门控循环单元,提出了一个新的端对端深度学习神经网络模型BiGRU-FCN,不需要对数据进行复杂的预处理,并且通过不同的网络运算来获取多种特征信息,如卷积神经网络在时序信息上的空间特征以及双向循环神经网络在序列上的双向时序依赖特征,对单维时间序列进行分类。在大量的基准数据集上对模型进行实验与评估,实验结果表明,与现有的多种方法相比,所提出的模型具有更高的准确率,具有很好的分类效果。 展开更多
关键词 时间序列分类 深度学习 卷积神经网络 循环神经网络 双向门控循环单元
在线阅读 下载PDF
基于GRU的密集连接时空图注意力网络的城市交通预测
20
作者 郭海锋 许宏伟 周子盛 《高技术通讯》 CAS 北大核心 2024年第5期463-474,共12页
城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足,缺乏对外部因素的考虑,为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连... 城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足,缺乏对外部因素的考虑,为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连接网络,通过门控循环单元来捕获路网数据的动态规律,并以图注意力密集连接网络来提取路网复杂的空间结构特征,建立城市交通网络对时空的依赖关系。针对外部客观因素,采用独热编码的方式对城市各路段发生的交通事件进行数据建模,增强交通网络的信息属性。以杭州申花路及周围共309个路段为例,对所提出模型的预测能力和可行性进行验证。实验结果表明,模型预测精度最高达到了81.64%,与传统数学模型和主流的神经网络模型对比,预测精度较ARIMA提高了35.42%,较图注意力网络(GAT)和GRU神经网络分别提高了17.45%和3.02%。实验证明该方法可以适应复杂的交通流进行长期的交通预测任务,同时也能增强交通管理能力,减少交通拥堵成本。 展开更多
关键词 交通预测 时空特征 神经网络 门控循环单元(gru) 密集连接 图注意力网络(GAT)
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 … 10 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