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2,209篇文章
< 1 2 … 111 >
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：
基于通道自注意图卷积网络的运动想象脑电分类实验 被引量：1
1
作者 孟明 张帅斌 +2 位作者 高云园 佘青山 范影乐 《实验技术与管理》 北大核心 2025年第2期73-80,共8页
该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络(graph convolutional neural networks,GCN)无法建模脑电通道间动态关系问题,提出一种融合通道注意机制的多层图卷积网络模型(channel self-attention multilayer ... 该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络(graph convolutional neural networks,GCN)无法建模脑电通道间动态关系问题,提出一种融合通道注意机制的多层图卷积网络模型(channel self-attention multilayer GCN,CAMGCN)。首先,CAMGCN计算脑电信号各个通道间的皮尔逊相关系数进行图建模,并通过通道位置编码模块学习通道间关系。然后将得到的时域和频域特征分量通过通道自注意图嵌入模块进行图嵌入,得到图数据。最后通过多级GCN模块提取并融合多层次拓扑信息,得出分类结果。CAMGCN深化了模型在自适应学习通道间动态关系的能力,并在结构方面提高了自注意机制与图数据的适配性。该模型在BCI Competition-Ⅳ2a数据集上的准确率达到83.8%,能够有效实现对运动想象任务的分类。该实验有助于增进学生对于深度学习和脑机接口的理解,培养创新思维,提高科研素质。 展开更多
关键词 脑机接口 脑电图 图卷积网络 注意力机制
在线阅读 下载PDF
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量：1
2
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
在线阅读 下载PDF
基于DDE-BIT的无人机高速公路护栏损坏检测 被引量：2
3
作者 王洋 郭杜杜 帅洪波 《现代电子技术》 北大核心 2025年第4期123-129,共7页
针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题,提出一种基于深度学习的变化检测模型DDE-BIT。首先,采用深度可分离卷积优化主干网络Resnet18,减少模型的参数数量,降低计算成本;然后,在主干网络... 针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题,提出一种基于深度学习的变化检测模型DDE-BIT。首先,采用深度可分离卷积优化主干网络Resnet18,减少模型的参数数量,降低计算成本;然后,在主干网络输出部分引入ECA注意力模块,在仅增加少量参数的情况下提高模型的跨通道信息捕捉能力;最后,通过跳跃连接方式对BIT双时空图像转换器的输出特征进行堆叠,提高模型的上下文信息理解能力。以采集的无人机高速公路护栏损坏图像为实验数据,实验结果表明:DDE-BIT模型的交并比和F1分数分别为90.99%、95.28%,相较于原始模型分别提高了2.71%、1.51%,能够有效地提取护栏损坏的边缘信息。 展开更多
关键词 护栏损坏检测 无人机 ECA注意力机制 深度可分离卷积 图像处理 信息提取
在线阅读 下载PDF
基于蜉蝣优化算法的时空融合交通流预测研究 被引量：1
4
作者 张红 巩蕾 +1 位作者 曹洁 张玺君 《哈尔滨工程大学学报》 北大核心 2025年第4期764-771,796,共9页
针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性... 针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。 展开更多
关键词 交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络
在线阅读 下载PDF
一种小样本滚动轴承故障诊断算法 被引量：1
5
作者 宋存利 王子卓 时维国 《中国惯性技术学报》 北大核心 2025年第1期96-106,共11页
针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可... 针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可视化其特征。然后,通过数据增强扩充样本数据,提升模型在小样本情况下的泛化性。为提高特征提取和模型泛化能力,使用MixConv将ConvNeXt V2模型的7×7卷积层重构为不同大小的并行卷积核,增强多尺度特征提取效果;引入卷积注意力机制模块(CBAM)提升关键特征识别能力。该模型在凯斯西储大学、东南大学和渥太华大学的故障数据集上进行实验验证。实验结果表明,所提模型对不同故障的识别率均为100%,与目前常用的7个模型相比,在相同条件下故障识别准确率最高,具有较强的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 注意力机制 连续小波变换 卷积神经网络
在线阅读 下载PDF
改进抗噪1D-CNN的旋转车轮动平衡状态监测 被引量：1
6
作者 周海超 关浩东 +2 位作者 王国林 张宇 赵春来 《振动.测试与诊断》 北大核心 2025年第2期309-315,412,413,共9页
针对实车旋转车轮动平衡状态难以实时监测及预判的问题,提出了一种融合注意力机制的抗噪一维卷积神经网络(noise resistant 1D convolutional neural network,简称NRCNN)的旋转车轮动平衡健康状态监测方法。首先,构建NRCNN模型,以在实... 针对实车旋转车轮动平衡状态难以实时监测及预判的问题,提出了一种融合注意力机制的抗噪一维卷积神经网络(noise resistant 1D convolutional neural network,简称NRCNN)的旋转车轮动平衡健康状态监测方法。首先,构建NRCNN模型,以在实车车轮上添加3种不同质量平衡块的方式获得3种不同速度下对应的旋转车轮动不平衡状态下的振动信息;其次,以高斯白噪声为噪声输入,对所测旋转车轮不同动平衡状态的振动信息进行处理,获得试验样本数据,并用其进行模型训练;然后,综合运用卷积运算机制和特征变换进行t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,简称t-SNE)可视化显示,实现对不同动平衡状态的分类输出。结果表明,在不同信噪比的工况下,所提出的改进NRCNN模型旋转车轮的动平衡状态监测方法相比于传统一维卷积神经网络(1D convolutional neural network,简称1D-CNN)模型,展现出更高的诊断准确性,最高可达到99.95%。 展开更多
关键词 卷积神经网络 注意力机制 车轮动平衡 状态监测 高斯白噪声
在线阅读 下载PDF
基于Bert+GCN多模态数据融合的药物分子属性预测 被引量：1
7
作者 闫效莺 靳艳春 +1 位作者 冯月华 张绍武 《生物化学与生物物理进展》 北大核心 2025年第3期783-794,共12页
目的药物研发成本高、周期长且成功率低。准确预测分子属性对有效筛选药物候选物、优化分子结构具有重要意义。基于特征工程的传统分子属性预测方法需研究人员具备深厚的学科背景和广泛的专业知识。随着人工智能技术的不断成熟,涌现出... 目的药物研发成本高、周期长且成功率低。准确预测分子属性对有效筛选药物候选物、优化分子结构具有重要意义。基于特征工程的传统分子属性预测方法需研究人员具备深厚的学科背景和广泛的专业知识。随着人工智能技术的不断成熟,涌现出大量优于传统特征工程方法的分子属性预测算法。然而这些算法模型仍然存在标记数据稀缺、泛化性能差等问题。鉴于此,本文提出一种基于Bert+GCN的多模态数据融合的分子属性预测算法(命名为BGMF),旨在整合药物分子的多模态数据,并充分利用大量无标记药物分子训练模型学习药物分子的有用信息。方法本文提出了BGMF算法,该算法根据药物SMILES表达式分别提取了原子序列、分子指纹序列和分子图数据,采用预训练模型Bert和图卷积神经网络GCN结合的方式进行特征学习,在挖掘药物分子中“单词”全局特征的同时,融合了分子图的局部拓扑特征,从而更充分利用分子全局-局部上下文语义关系,之后,通过对原子序列和分子指纹序列的双解码器设计加强分子特征表达。结果5个数据集共43个分子属性预测任务上,BGMF方法的AUC值均优于现有其他方法。此外,本文还构建独立测试数据集验证了模型具有良好的泛化性能。对生成的分子指纹表征(molecular fingerprint representation)进行t-SNE可视化分析,证明了BGMF模型可成功捕获不同分子指纹的内在结构与特征。结论通过图卷积神经网络与Bert模型相结合,BGMF将分子图数据整合到分子指纹恢复和掩蔽原子恢复的任务中,可以有效地捕捉分子指纹的内在结构和特征,进而高效预测药物分子属性。 展开更多
关键词 Bert预训练 注意力机制 分子指纹 分子属性预测 图卷积神经网络
在线阅读 下载PDF
基于信号序列优化的蜂群状态精准识别机器听觉模型 被引量：1
8
作者 叶大鹏 陈林杰 +4 位作者 张林通 张雯清 魏增辉 黄少康 瞿芳芳 《福建农林大学学报(自然科学版)》 北大核心 2025年第2期268-278,共11页
【目的】通过基于信号序列优化机器听觉模型的研究,为蜂群健康与活动状态的监测提供依据。【方法】在蜂箱内设置音频传感器,以非侵入性和无干扰性的方式持续记录6类蜂群音频,针对传统的音频分类方法中未考虑时序信息和分类准确度不高等... 【目的】通过基于信号序列优化机器听觉模型的研究,为蜂群健康与活动状态的监测提供依据。【方法】在蜂箱内设置音频传感器,以非侵入性和无干扰性的方式持续记录6类蜂群音频,针对传统的音频分类方法中未考虑时序信息和分类准确度不高等问题,提出一种基于双向长短期记忆(bidirectional long short-term memory, BiLSTM)网络优化的多分类模型。基于梅尔频率倒谱系数提取音频特征,并构建以BiLSTM为基准的蜂群状态分类模型;引入卷积神经网络(convolutional neural network, CNN)和自注意力机制(self-attention mechanism, SA)对BiLSTM的输入和输出进行优化;构建优化的CNN-BiLSTM-SA模型用于6类蜂群状态的精准识别。【结果】与CNN和BiLSTM模型相比,CNN-BiLSTM-SA模型的分类准确率最高,训练集和验证集准确率均大于0.990 0,测试集准确率为0.988 6,交叉验证平均准确率为0.981 5。【结论】CNN-BiLSTM-SA模型为蜂箱内蜂群状态精准识别提供了有效技术支持,有助于未来智能养蜂和音频传感监控的发展。 展开更多
关键词 蜂群状态 机器听觉 双向长短期记忆 卷积神经网络 自注意力机制
在线阅读 下载PDF
结合注意力特征融合的路面裂缝检测 被引量：2
9
作者 谢永华 厉涛 柏勇 《计算机工程与设计》 北大核心 2025年第1期307-313,共7页
为解决路面裂缝检测中裂缝漏检和定位不准的问题,提出一个结合注意力特征融合的可端到端训练的路面裂缝检测网络。基于Resnet-50结构设计,在特征融合部分添加注意力特征融合模块,通过注意力掩码学习,动态调整浅层特征与深层特征融合权重... 为解决路面裂缝检测中裂缝漏检和定位不准的问题,提出一个结合注意力特征融合的可端到端训练的路面裂缝检测网络。基于Resnet-50结构设计,在特征融合部分添加注意力特征融合模块,通过注意力掩码学习,动态调整浅层特征与深层特征融合权重,突出有用信息,解决裂缝漏检问题;在编码器部分,改进浅层特征与深层特征的选取方式,提升特征融合效果和检测精度。实验结果表明,该网络在各项指标上均优于其它对比网络,具有较高的检测精度。 展开更多
关键词 裂缝检测 深度学习 语义分割 卷积网络 注意力机制 特征融合 特征提取
在线阅读 下载PDF
基于多空间维度联合方法改进的BiLSTM出水氨氮预测方法 被引量：2
10
作者 王雷 张煜 +3 位作者 赵艺琨 刘明勇 刘子航 李杰 《中国农村水利水电》 北大核心 2025年第2期17-24,共8页
出水氨氮作为衡量污水处理厂水质处理工艺的重要指标之一,准确预测污水处理厂出水水质中的氨氮含量对于及时调整处理工艺,保障水环境安全有着重要的作用。提出了一种基于联合多空间维度(Multi-spatial Dimensional Cooperative Attenti... 出水氨氮作为衡量污水处理厂水质处理工艺的重要指标之一,准确预测污水处理厂出水水质中的氨氮含量对于及时调整处理工艺,保障水环境安全有着重要的作用。提出了一种基于联合多空间维度(Multi-spatial Dimensional Cooperative Attention)改进的双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)的水质预测模型,首先通过皮尔逊(Pearson)系数法筛选出与出水氨氮相关性较强的总氮、污泥沉降比和温度3个指标作为模型输入,联合3个维度的强相关信息对未来6 h的出水氨氮进行预测。结果表明,MDCA-BiLSTM模型在融合残差序列后对出水氨氮的预测准确率R2为0.979,并在太平污水处理厂和文昌污水处理厂两个站点收集到的数据集上总氮、总磷和溶解氧的均方根误差分别为0.002、0.003、0.001和0.004、0.003、0.002;预测精度分别为0.959、0.947、0.971和0.962、0.951、0.983;与BiLSTM相比,均方根误差分别降低了0.007、0.007、0.007和0.017、0.006、0.005;预测精度分别提高了0.176、0.183、0.258和0.098、0.109、0.11。同时,该模型在面对未来6、12和24 h的预测步长时,仍能够达到0.956、0.933和0.917的预测精度,说明改进后的模型在预测准确性和鲁棒性方面表现出显著优势。该方法能够有效提高污水处理厂出水氨氮的及其他指标的预测准确性,可作为水资源循环和管理决策的一种有效参考手段,具有较强的实际应用价值。 展开更多
关键词 水质参数 时序预测 时序卷积网络 双向长短期记忆循环神经网络 注意力机制
在线阅读 下载PDF
基于改进YOLOv5s的番茄成熟度识别技术研究 被引量：1
11
作者 刘坤 吉宏亚 +2 位作者 黄程菲 王晓 朱一帆 《中国农机化学报》 北大核心 2025年第5期79-85,共7页
在实现番茄自动高效采摘的过程中,精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备,限制实际番茄采摘机器人移动端的有效部署,提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先,将YOLOv5s初始... 在实现番茄自动高效采摘的过程中,精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备,限制实际番茄采摘机器人移动端的有效部署,提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先,将YOLOv5s初始的骨干特征提取网络替换为ShuffleNetV2网络,将特征融合网络中的传统卷积替换为Ghost卷积,减少模型的参数计算量,同时降低模型权重的大小。接着,为提高模型对番茄成熟度的识别效果,在特征提取中引入轻量级注意力机制CA来捕捉番茄成熟度的横向与纵向信息。测试结果显示,改进后的模型内存为原始模型的1/2,且相比原始YOLOv5s模型,算法模型的精确率、召回率和平均精度均值分别提高0.3%、0.1%、0.2%。最后,将模型移植到树莓派4B中,保证番茄成熟度识别准确率前提下,优化模型推理过程,证明改进算法对番茄成熟度识别任务的有效性。 展开更多
关键词 番茄成熟度 YOLOv5s Ghost卷积 CA注意力机制 树莓派4B
在线阅读 下载PDF
基于CWT-IDenseNet的滚动轴承故障诊断方法 被引量：1
12
作者 贾广飞 梁汉文 +2 位作者 杨金秋 武哲 韩雨欣 《河北科技大学学报》 北大核心 2025年第2期129-140,共12页
针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为... 针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为二维时频图像;其次,对DenseNet网络进行改进,将DenseNet第1个卷积块中的ReLU激活函数替换为Swish激活函数(Swish激活函数更平滑);同时,在网络中引入基于风格的卷积神经网络重校准模块(style-based recalibration module,SRM)和空间与通道注意力机制模块(convolutional block attention module,CBAM),SRM关注特征通道权重,CBAM则从通道和空间2个维度增强特征表达能力,进而得到IDenseNet;最后,将二维时频图像输入到IDenseNet模型中进行特征提取和故障诊断,通过模型的Softmax层输出故障诊断结果。结果表明,所提方法在恒定工况及变工况下的平均故障识别准确率均达到97.80%,且在迁移学习模型中,平均故障识别准确率达到了99.44%。CWT-IDenseNet方法可以有效提高模型的泛化能力,在恒定工况及变工况下具有显著优势,对提高滚动轴承故障诊断的准确率和可靠性具有参考价值。 展开更多
关键词 机械动力学与振动 滚动轴承故障诊断 连续小波变换 密集连接卷积网络 注意力机制
在线阅读 下载PDF
融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法 被引量：1
13
作者 陈虹 由雨竹 +2 位作者 金海波 武聪 邹佳澎 《计算机工程与应用》 北大核心 2025年第9期315-324,共10页
针对目前很多入侵检测方法中因数据不平衡和特征冗余导致检测率低等问题,提出融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法。设计一种FBS-RE混合采样算法,即Borderline-SMOTE过采样和RENN欠采样同时对多数类和少数类样本进行处理,解... 针对目前很多入侵检测方法中因数据不平衡和特征冗余导致检测率低等问题,提出融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法。设计一种FBS-RE混合采样算法,即Borderline-SMOTE过采样和RENN欠采样同时对多数类和少数类样本进行处理,解决数据不平衡问题。利用堆叠降噪自动编码器(stacked denoising auto encoder,SDAE)进行数据降维,减少噪声对数据的影响,去除冗余特征。采用改进的卷积神经网络(split residual fuse convolutional neural network,SRFCNN)和双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)更好地提取数据中的空间和时间特征,结合注意力机制对特征分配不同的权重,获得更好的分类能力,提高对少数攻击流量的检测率。最后,在UNSW-NB15数据集上对模型进行验证,准确率和F1分数为89.24%和90.36%,优于传统机器学习和深度学习模型。 展开更多
关键词 入侵检测 不平衡处理 堆叠降噪自动编码器 卷积神经网络 注意力机制
在线阅读 下载PDF
基于时序聚合异构图的高价值专利识别方法 被引量：1
14
作者 邓娜 喻卓群 +3 位作者 孙俊杰 陈旭 刘树栋 孙湘怡 《情报杂志》 北大核心 2025年第6期127-137,共11页
[研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更... [研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更新机制,生成反映专利价值变化的时序聚合异构图。构建融入双向注意力机制的异构图卷积网络模型,提高对专利异构特征的提取能力,实现对高价值专利的精确识别。[研究结果/结论]实验表明,该文方法在智能电网领域的专利数据集上准确率和F1值分别达到84.61%和84.59%,优于常规方法,验证了方法的有效性,为专利筛选和价值评估提供了新的视角和方法。 展开更多
关键词 高价值专利识别 异构图卷积网络 双向注意力机制 动态更新机制 多维特征
在线阅读 下载PDF
单目RGB穿衣人体的手部精细化重建
15
作者 张冀 任志鹏 +3 位作者 张荣华 苑朝 翟永杰 余正秦 《计算机应用研究》 北大核心 2025年第1期300-306,共7页
为解决单目穿衣人体在复杂姿态下手部形状重建存在遮挡和缺失的失真问题,提出了一种结合ECON与MANO手部模型,实现高效穿衣人体的手部精细化重建方法H-ECON(hand-focused explicit clothed humans obtained from normals)。具体而言,该... 为解决单目穿衣人体在复杂姿态下手部形状重建存在遮挡和缺失的失真问题,提出了一种结合ECON与MANO手部模型,实现高效穿衣人体的手部精细化重建方法H-ECON(hand-focused explicit clothed humans obtained from normals)。具体而言,该方法首先以类型无关的手部检测器聚焦手部区域并进行翻转和裁剪;然后,引入注意力机制用于增强对手部区域的感知能力,空洞螺旋卷积则更好地捕捉手部不同尺度的特征;最后,独特的融合模块确保了手部重建与整身模型的融合效果。在FreiHAND和HanCo公开数据集上与其他方法的定量定性对比结果表明了H-ECON的有效性,其独立手部模块明显优于ECON中的替代手部模块。H-ECON实现了对人体手部几何和姿态变化的精确描述,进一步缩小了2D图像生成到3D人体网格之间的差距。 展开更多
关键词 手部重建 穿衣人体 注意力机制 空洞螺旋卷积 深度几何学习
在线阅读 下载PDF
基于通道注意力机制增强DGNN的外骨骼机器人步态相位预测 被引量：1
16
作者 颜建军 许赢家 +2 位作者 林越 金理 江金林 《华东理工大学学报(自然科学版)》 北大核心 2025年第1期110-118,共9页
利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,... 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响。本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和方法。 展开更多
关键词 步态相位预测 惯性传感器 骨架 时空图卷积网络 通道注意力机制
在线阅读 下载PDF
基于融合卷积Transformer的航空发动机故障诊断 被引量：1
17
作者 赵洪利 杨佳强 《北京航空航天大学学报》 北大核心 2025年第4期1117-1126,共10页
航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题,且故障参数特征不明显,因此,精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性,提出了一种基于融合卷积Transformer的航空发动机故障诊... 航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题,且故障参数特征不明显,因此,精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性,提出了一种基于融合卷积Transformer的航空发动机故障诊断方法。利用自注意力机制提取有用特征,抑制冗余信息,并将最大池化层引入Transformer模型中,进一步降低模型内存消耗及参数量,缓解过拟合现象。采用基于GasTurb建模的涡扇发动机仿真数据集进行验证,结果与Transformer模型和反向传播(BP)神经网络、卷积神经网络(CNN)、循环神经网络(RNN)等传统深度学习模型相比,准确率分别提高了6.552%和28.117%、13.189%、10.29%,证明了所提方法的有效性,可为航空发动机故障诊断提供一定的参考。 展开更多
关键词 航空发动机 故障诊断 自注意力机制 融合卷积Transformer 深度神经网络
在线阅读 下载PDF
融合多种注意力机制和Wise-IoUv3的水下目标检测算法 被引量：1
18
作者 肖振久 高凯歌 李士博 《广东海洋大学学报》 北大核心 2025年第2期109-117,共9页
【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效... 【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效的多尺度注意力机制(EMA),提升主干网络对模糊目标和小目标特征提取能力。其次,改进快速空间金字塔池化(SPPF)模块,增加平均池化分支补充空间信息,提升全局上下文感知能力并在两个分支融入轻量级BiFormer注意力机制,降低模型计算复杂度,增强对小目标检测性能。然后,在预测阶段,用Wise-IoUv3代替原损失函数,平衡不同质量图像模型训练结果。最后,用动态检测头(DynamicHead)替代原检测头,增强检测头的尺度感知、空间感知和任务感知能力,提高对象位置的识别准确性。【结果与结论】在RUOD和URPC数据集上实验结果表明,模型的检测精度、参数量和计算量较目前其他的主流模型表现良好,特别是与YOLOv8n算法相比,改进后算法在平均精度均值上提升3.6%和1.7%,尤其在包含大量小目标的类别(如海胆、扇贝)中表现更优;模型的参数量和计算量分别减少了0.26×10^(6)和0.4 GFLOPs。实验结果表明,该方法减少了在复杂情况下模糊目标和小目标漏检和误检情况,提高了检测性能,同时保持了模型的轻量性。 展开更多
关键词 水下目标检测 多尺度特征增强机制 多尺度注意力机制 全维动态卷积 Wise-IoUv3
在线阅读 下载PDF
基于改进DeepLabv3+的安全帽佩戴分割算法
19
作者 邵晓艳 董文永 +2 位作者 赵雪专 李玲玲 薄树奎 《西南大学学报(自然科学版)》 北大核心 2025年第7期185-195,共11页
针对物流园区空间跨度大、作业设备繁多导致安全帽佩戴检测分割难度增加的问题,提出一种基于改进DeepLabv3+的安全帽佩戴分割算法。该算法采用ResNet-101膨胀残差网络进行特征提取;在编码阶段引入卷积注意力机制融合模块,有效增强特征... 针对物流园区空间跨度大、作业设备繁多导致安全帽佩戴检测分割难度增加的问题,提出一种基于改进DeepLabv3+的安全帽佩戴分割算法。该算法采用ResNet-101膨胀残差网络进行特征提取;在编码阶段引入卷积注意力机制融合模块,有效增强特征区域表征能力;在特征提取阶段引入图像特征网格化模块,将低分辨率图像进行平均切分,有助于获得局部图像的小目标特征。将该算法在SHWD(Safety Helmet Wearing Detect)数据集中训练测试,结果表明:算法的像素准确率达到89.23%,相比DeepLabv3+提升了2.21个百分点,有效提高了复杂场景下物流园区安全帽佩戴分割精度。 展开更多
关键词 神经网络 注意力机制 膨胀卷积 语义分割
在线阅读 下载PDF
基于深度学习的矿井瓦斯浓度预测算法研究与实现 被引量：1
20
作者 王宝会 高瞻 +1 位作者 徐林 谭英洁 《计算机科学》 北大核心 2025年第S1期614-620,共7页
目前国内外构建瓦斯浓度传统预测算法主要是ARIMA模型和SVM模型。随着深度学习技术的快速发展以及神经网络的兴起,最新的瓦斯浓度预测通过循环神经网络模型进行预测。循环神经网络因为具有非线性特点,并且考虑到了数据间的联系,所以预... 目前国内外构建瓦斯浓度传统预测算法主要是ARIMA模型和SVM模型。随着深度学习技术的快速发展以及神经网络的兴起,最新的瓦斯浓度预测通过循环神经网络模型进行预测。循环神经网络因为具有非线性特点,并且考虑到了数据间的联系,所以预测效果相比传统预测算法有了进一步提升。而当样本序列长度加长时,由于其模型固有缺陷,预测能力会降低。文中针对此问题提出了一种新型的瓦斯浓度预测模型。卷积神经网络结合循环神经网络的方式,并且加入注意力机制增加数据间的表达能力。通过使用山西汾西矿业集团中兴煤业1209工作面的实际数据进行测试,传统的循环神经网络模型预测的平均相对误差为0.042 1,所提模型预测的平均相对误差为0.029 3。实验表明提出的算法相比瓦斯浓度传统预测算法获得了更好的预测性能。 展开更多
关键词 瓦斯浓度预测 深度学习 卷积神经网络 循环神经网络 Attention机制 LSTM
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 … 111 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