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206篇文章
< 1 2 … 11 >
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：
车联网边缘计算环境下基于流量预测的高效任务卸载策略研究 被引量：1
1
作者 许小龙 杨威 +4 位作者 杨辰翊 程勇 齐连永 项昊龙 窦万春 《电子学报》 北大核心 2025年第2期329-343,共15页
车联网(Internet of Vehicles,IoV)边缘计算通过将移动边缘计算和车联网相结合,实现了车辆计算任务从云服务器向边缘服务器的下沉,从而有效降低了车联网服务的响应时延.然而,车联网中不规则的交通流时空分布会导致边缘服务器计算负载不... 车联网(Internet of Vehicles,IoV)边缘计算通过将移动边缘计算和车联网相结合,实现了车辆计算任务从云服务器向边缘服务器的下沉,从而有效降低了车联网服务的响应时延.然而,车联网中不规则的交通流时空分布会导致边缘服务器计算负载不均衡,进而影响车联网服务的实时响应.为此,本文提出了一种车联网边缘计算环境下基于流量预测的高效任务卸载策略.具体而言,首先设计了能充分挖掘路段间连通性和距离信息的切比雪夫图加权网络(Chebyshev graph Weighted Network,ChebWN)进行交通流量预测.然后,设计了一种基于深度强化学习的二元任务卸载方法(DRL-based Binary task Offloading Algorithm,DBOA),该算法将二元任务卸载的决策过程分为两个阶段,即首先通过深度强化学习得到卸载策略,再通过一维双端查找算法确定最大化总计算速率的时间片分配方案,降低了决策过程的复杂度.最后,通过大量的对比实验验证了ChebWN在预测交通流量方面的准确性,以及DBOA在提升车联网服务响应速度方面的优越性. 展开更多
关键词 移动边缘计算 深度强化学习 车联网 图神经网络(GNN) 任务卸载
在线阅读 下载PDF
基于深度学习的车辆轨迹预测研究综述
2
作者 刘凯 汪佳琴 李汉涛 《郑州大学学报(工学版)》 北大核心 2025年第5期77-89,共13页
车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程,且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达,克服了传统方法的局限性。对基于DL的VTP方法进行了综述,探讨了其在VT... 车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程,且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达,克服了传统方法的局限性。对基于DL的VTP方法进行了综述,探讨了其在VTP中的应用及性能表现。首先,回顾了传统VTP方法和基于DL的VTP方法,介绍了VTP主要考虑的问题和问题的表述;其次,分析并比较了各类VTP方案,包括输入数据、输出结果和预测方法;再次,介绍了常用的评估指标,比较了这些VTP方案的实验结果,分析了VTP的应用,并展示了DL在VTP中表现出的优异性能;最后,展望了VTP未来在数据集、建模和计算效率方面的研究方向,指出车辆交互协同建模、模型的泛化以及多模态融合将是未来的挑战和研究方向。 展开更多
关键词 车辆轨迹预测 深度学习 序列网络 图神经网络 生成模型 网格方法
在线阅读 下载PDF
面向跨域自然语言生成SQL语句的超图神经网络
3
作者 郝志峰 黎阳霖 +1 位作者 许柏炎 蔡瑞初 《计算机工程》 北大核心 2025年第5期114-123,共10页
近年来,图神经网络(GNN)广泛-应用于跨域自然语言生成结构化查询语言(SQL)语句(Text-to-SQL)的编码器。基于GNN的编码过程通过捕获数据库架构和自然语言问题之间的关联信息,大幅提高生成模型在跨域SQL语句生成下的泛化性。现有的GNN方... 近年来,图神经网络(GNN)广泛-应用于跨域自然语言生成结构化查询语言(SQL)语句(Text-to-SQL)的编码器。基于GNN的编码过程通过捕获数据库架构和自然语言问题之间的关联信息,大幅提高生成模型在跨域SQL语句生成下的泛化性。现有的GNN方法在异构图结构编码学习过程中存在缺陷,以节点为中心进行数据库架构和自然语言问题的链接预测,在复杂语义场景下容易出现错配。针对这一问题,提出一种面向跨域Text-to-SQL的异构图学习框架。框架针对异构图以边为中心学习的过程提出关系边子图构建和边超图注意力网络,有效学习异构图中关系边与节点的差异化结构特征,实现复杂语义场景下SQL语句正确生成。为验证所提框架的有效性,在多个跨域Text-to-SQL数据集上进行充分实验对比。结果表明,相较于基线,该框架在F1值和完全匹配准确率(EMA)指标上均取得显著提升,且在复杂跨域场景下具有更强的泛化性。 展开更多
关键词 自然语言处理 自然语言生成SQL语句解析 深度学习 图构建 图神经网络
在线阅读 下载PDF
基于图神经网络的B-Rep模型加工特征识别方法
4
作者 胡广华 代志刚 王清辉 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期20-31,共12页
自动特征识别是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差,而基于深度卷积网络的方法以离散模型为输入,准确度不高,且识别结果难以精确映射回原始计算机辅助设计(CAD)模型,造成应用不便。针对上述不足,该文提出了... 自动特征识别是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差,而基于深度卷积网络的方法以离散模型为输入,准确度不高,且识别结果难以精确映射回原始计算机辅助设计(CAD)模型,造成应用不便。针对上述不足,该文提出了一种基于图神经网络的、能够直接处理边界表示(B-Rep)模型的加工特征识别方法。该方法首先从B-Rep结构中提取有效的属性和几何信息,形成特征描述符;接着根据CAD模型拓扑结构建立具有高级语义信息的邻接图;进而以邻接图为输入,构建高效的图神经网络模型,通过引入可微的广义消息聚合函数和残差连接机制,提升模型的信息聚合及多层级特征捕捉能力,同时采用消息归一化策略确保训练稳定性并加速收敛;训练完成后,网络能对B-Rep模型中的所有面进行分类标注,实现特征识别。将该方法在公共数据集MFCAD++上进行测试,取得了99.53%的准确率和99.15%的平均交并比,说明该方法优于现有的同类研究成果。采用更复杂的测试用例和工程应用中的典型真实CAD案例作进一步检验,结果均表明该方法具有更好的泛化能力以及更强的适应性。 展开更多
关键词 加工特征识别 图神经网络 深度学习 计算机辅助设计
在线阅读 下载PDF
基于图神经网络的SDN路由算法优化
5
作者 张晓莉 汤颖琪 宋婉莹 《电讯技术》 北大核心 2025年第1期18-24,共7页
针对现有路由方案不适合学习图形结构信息,对陌生拓扑适应性不佳的问题,提出了一种基于图神经网络的软件定义网络(Software Defined Network,SDN)路由算法G-PPO。引入近端策略优化(Proximal Policy Optimization,PPO)强化学习算法实现... 针对现有路由方案不适合学习图形结构信息,对陌生拓扑适应性不佳的问题,提出了一种基于图神经网络的软件定义网络(Software Defined Network,SDN)路由算法G-PPO。引入近端策略优化(Proximal Policy Optimization,PPO)强化学习算法实现模型训练,利用消息传递神经网络(Massage Passing Neural Network,MPNN)对网络拓扑进行学习,通过调整链路权重完成路由路径的调整。G-PPO将图神经网络对网络拓扑信息的感知能力和深度强化学习的自主学习能力有效结合,提升路由策略的性能。实验结果表明,与相关算法比较,所提算法的平均时延和丢包率、网络链路利用率和吞吐量指标均为最优。在3种不同拓扑上,该算法较其他算法最少提升10.5%吞吐量,最多提升95.6%丢包率,表明所提算法具有更好的适应不同网络拓扑的能力。 展开更多
关键词 软件定义网络 路由优化 图神经网络 深度强化学习 近端策略优化
在线阅读 下载PDF
基于异构图神经网络的网络切片端到端时延估计
6
作者 胡海峰 朱漪雯 赵海涛 《计算机科学》 北大核心 2025年第3期349-358,共10页
端到端时延作为网络切片重要的性能指标,在切片部署中因受到网络拓扑、流量模型和调度策略等影响,很难通过建模方式进行准确预测。为了解决上述问题,提出基于异构图神经网络的网络切片时延预测(Heterogeneous Graph Neural Network-Base... 端到端时延作为网络切片重要的性能指标,在切片部署中因受到网络拓扑、流量模型和调度策略等影响,很难通过建模方式进行准确预测。为了解决上述问题,提出基于异构图神经网络的网络切片时延预测(Heterogeneous Graph Neural Network-Based Network Slicing Latency Prediction,HGNN)算法。首先,构建了切片-队列-链路的分层异构图,实现了切片的分层特征表达。然后,针对分层图中切片、队列和链路3种类型节点的属性特点,使用异构图神经网络挖掘拓扑动态变化、边特征信息和长依赖关系等和切片相关的底层特征,即分别选用GraphSAGE图神经网络、EGRET图神经网络和门控循环单元GRU来提取切片、队列和链路特征。同时,利用基于异构图神经网络的深度回归实现了网络切片特征表达的更新迭代和切片时延的准确预测。最后,通过构建基于OMNeT++的不同拓扑结构、流量模型和调度策略的切片数据库,验证了HGNN在实际网络场景下对切片端到端时延预测的有效性,并通过对比多种基于图深度学习的切片时延预测算法,进一步验证了HGNN在时延预测准确度和泛化性方面的优越性。 展开更多
关键词 网络切片 异构图神经网络 时延预测 深度回归
在线阅读 下载PDF
基于骨骼图神经网络的人体行为识别综述 被引量：1
7
作者 蒋悦晗 陈俊杰 李洪均 《计算机工程与应用》 北大核心 2025年第3期34-47,共14页
基于骨骼图神经网络的人体行为识别凭借其简洁性和鲁棒性引起了人们的广泛关注,图数据对于处理人体骨骼信息有天然的优势,逐渐成为行为识别领域的研究热点。从行为识别这个宽泛的基本概念入手,进一步引入用骨骼图神经网络进行的人体行... 基于骨骼图神经网络的人体行为识别凭借其简洁性和鲁棒性引起了人们的广泛关注,图数据对于处理人体骨骼信息有天然的优势,逐渐成为行为识别领域的研究热点。从行为识别这个宽泛的基本概念入手,进一步引入用骨骼图神经网络进行的人体行为识别任务,分别从4个方面对近些年基于骨骼图神经网络的人体行为识别的研究成果进行了归纳总结;介绍了图结构构造拓扑图的不同方法分类、行为识别模型中的常用机制、目前常用的数据集及评价指标与目前主流方法的比较。最后,针对目前的研究状况对基于骨骼图神经网络的人体行为识别存在的问题进行详细的阐述,并立足于研究现状对该领域的未来发展进行了展望。 展开更多
关键词 行为识别 深度学习 图神经网络 注意力机制
在线阅读 下载PDF
时空图神经网络在物联网中的应用综述 被引量：1
8
作者 张建伟 陈旭 +2 位作者 王叔洋 景永俊 宋吉飞 《计算机工程与应用》 北大核心 2025年第5期43-54,共12页
随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网... 随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。 展开更多
关键词 物联网 深度学习 时空图神经网络 图结构数据
在线阅读 下载PDF
基于双通道图卷积网络的人体行为识别方法 被引量：1
9
作者 商樊淇 李志新 +3 位作者 郇战 陈瑛 王永松 梁久祯 《传感器与微系统》 北大核心 2025年第3期138-142,共5页
通过可穿戴传感器识别人体行为受到了广泛关注。现有的方法忽略了个体行为数据之间的潜在关系,尤其不能处理类内差异和类间相似的问题。为了解决这一限制,本文提出了具有特征相似性和个人特点的双通道混合图卷积网络(GCN)。一个通道通... 通过可穿戴传感器识别人体行为受到了广泛关注。现有的方法忽略了个体行为数据之间的潜在关系,尤其不能处理类内差异和类间相似的问题。为了解决这一限制,本文提出了具有特征相似性和个人特点的双通道混合图卷积网络(GCN)。一个通道通过特征图收集相似的活动信息,另一个通道根据个人特征图挖掘个人习惯对人类活动的内在影响。考虑到不同数据分布的差异,引入自注意机制对双通道进行加权,并根据不同的输入数据自适应调整两种拓扑的重要性,以提高网络的泛化性能。为了评估所提出的模型的性能,在UCI-HAR和WISDM数据集上进行了实验验证。结果表明:HSP-GCN的性能优于对比神经网络,F1分别为98.4%和96.5%,与现有工作相比有显著提高。 展开更多
关键词 深度学习 人体行为识别 图卷积神经网络
在线阅读 下载PDF
基于GNN因果推断的结构增强漏洞检测模型
10
作者 司文 赵富成 +2 位作者 李硕 杨帅林 任家东 《燕山大学学报》 北大核心 2025年第4期309-318,共10页
针对现有漏洞检测方法基于单纯的图神经网络模型来提取图结构特征会出现信息标签与图结构直接存在分布外泛化情况从而导致检测效率低的问题,提出了一种基于图神经网络因果推断结合的结构增强漏洞检测模型。该模型将源代码视为一个线性... 针对现有漏洞检测方法基于单纯的图神经网络模型来提取图结构特征会出现信息标签与图结构直接存在分布外泛化情况从而导致检测效率低的问题,提出了一种基于图神经网络因果推断结合的结构增强漏洞检测模型。该模型将源代码视为一个线性化的令牌序列,首先基于词共现关系构建图结构,然后通过图神经网络的剩余连接将图分成因果图和混淆图,分层混淆变量,模拟因果变量与标签之间的因果性关系。最后对因果图和混淆图进行节点嵌入,实现图结构特征的增强。并在CodeXGLUE的真实基准数据集上进行了验证,检测结果在准确率、精确率、F1值上比最优基线方法分别提升了3.15%、3.77%、2.57%,在漏洞检测的性能上取得了显著提升。 展开更多
关键词 深度学习 图神经网络 因果推断 结构增强 漏洞检测
在线阅读 下载PDF
LHG-VD:一种可学习的层次化图表示漏洞检测方法
11
作者 胡菘 罗嘉驰 +3 位作者 万文凯 闫阳 郭帆 曲彦文 《计算机研究与发展》 北大核心 2025年第9期2348-2361,共14页
软件漏洞严重威胁了计算机系统和软件的安全稳定运行,因此针对其自动检测的相关研究一直受到广泛关注.与传统静态漏洞检测工具采用人类专家提供的预定义规则进行代码分析不同,基于图神经网络(GNN)的漏洞检测方法通过自动学习易受攻击的... 软件漏洞严重威胁了计算机系统和软件的安全稳定运行,因此针对其自动检测的相关研究一直受到广泛关注.与传统静态漏洞检测工具采用人类专家提供的预定义规则进行代码分析不同,基于图神经网络(GNN)的漏洞检测方法通过自动学习易受攻击的代码模式,在一些数据集上的检测效果已经超越传统方法.然而,目前基于GNN的漏洞检测方法中,由于未结合代码自身特点对GNN模型进行设计,导致在真实漏洞代码数据集上检测效果较差.提出一种可学习的层次化图表示的漏洞检测方法 LHG-VD,其特点是针对传统读出函数的局限提出一种可学习的读出函数,针对图池化过程中的代码局部结构信息保持问题设计了一种基于对比学习思想的跨粒度损失函数.在真实漏洞数据集的实验结果表明,LHG-VD的F1值为71.5%,与切片级检测方法 DeepWukong相比提升4.9个百分点,与函数级检测方法 AMPLE相比提升8.9个百分点. 展开更多
关键词 漏洞检测 深度学习 图神经网络 对比学习 图池化
在线阅读 下载PDF
基于时空动态图的交通流量预测方法研究
12
作者 孟祥福 谢伟鹏 崔江燕 《智能系统学报》 北大核心 2025年第4期776-786,共11页
为改进现有交通流量预测方法在建模时空数据和捕捉动态空间相关性方面的不足,提出了一种时空动态图卷积网络(spatio-temporal dynamic graph network,STDGNet)。该模型采用带嵌入层的编码器–解码器架构,通过动态图生成模块从数据驱动... 为改进现有交通流量预测方法在建模时空数据和捕捉动态空间相关性方面的不足,提出了一种时空动态图卷积网络(spatio-temporal dynamic graph network,STDGNet)。该模型采用带嵌入层的编码器–解码器架构,通过动态图生成模块从数据驱动的角度挖掘潜在的时空关系,并重构每个时间步的节点动态关联图。嵌入层使用时空自适应嵌入方法建模交通数据的内在时空关系和时间信息;编码器部分利用时空记忆注意力机制,从全局视角对时空特征进行建模;解码器部分将图卷积模块注入循环神经网络中,以同时捕捉时间和空间依赖关系,并输出未来流量情况。实验结果表明,所提模型与最优基线模型解耦动态时空图神经网络(decoupled dynamic spatial-temporal graph neural network,D2STGNN)相比,平均绝对误差降低了1.63%,模型训练时间缩短了近2.5倍。本研究有效提升了交通流量预测的准确性与效率,为智能交通系统的建设提供了有力支撑。 展开更多
关键词 交通流量 时空数据 混合模型 注意力机制 时空动态图 图卷积神经网络 循环神经网络 深度学习
在线阅读 下载PDF
ROE格式的物理增强图神经网络求解Euler与层流不可压NS方程
13
作者 宋尚校 姜龙祥 +2 位作者 王丽媛 褚新坤 张浩 《应用数学和力学》 北大核心 2025年第1期55-71,共17页
近年来,融合物理信息的深度学习方法为偏微分方程的求解提供了一个新的思路.然而,到目前为止,大多数工作在解空间存在间断的问题上的计算精度不高,时间外推能力差.针对以上两个问题,该文提出了使用图神经网络结合流体计算领域的ROE格式... 近年来,融合物理信息的深度学习方法为偏微分方程的求解提供了一个新的思路.然而,到目前为止,大多数工作在解空间存在间断的问题上的计算精度不高,时间外推能力差.针对以上两个问题,该文提出了使用图神经网络结合流体计算领域的ROE格式融合方程或数据信息的模型———ROE-PIGNN.数值实验表明,该模型在求解由Euler方程控制的激波管问题时,可达到与传统ROE格式相当的计算精度,并具备一定时间范围的外推能力.最后,对由Navier-Stokes(NS)方程控制的二维圆柱绕流问题进行了求解,实验结果表明:模型可以预测后续的周期性流动,并实现对部分关键位置流动结构的更精确的复现,相比纯数据驱动,误差降低了60%. 展开更多
关键词 深度学习 图神经网络 ROE格式 EULER方程 NS方程
在线阅读 下载PDF
基于图注意力网络的门级网表功能识别
14
作者 秦永旺 张洋 +2 位作者 胡星 刘胜 李少青 《计算机工程》 北大核心 2025年第6期29-37,共9页
随着集成电路设计复杂度的急剧攀升,其呈现出全球化和分工化的发展趋势,需要越来越多的第三方知识产权(IP)核提供者的参与。第三方IP核的广泛使用会引入硬件木马,为了检测和评估第三方IP核是否存在硬件木马以及硬件木马的功能,迫切需要... 随着集成电路设计复杂度的急剧攀升,其呈现出全球化和分工化的发展趋势,需要越来越多的第三方知识产权(IP)核提供者的参与。第三方IP核的广泛使用会引入硬件木马,为了检测和评估第三方IP核是否存在硬件木马以及硬件木马的功能,迫切需要探索出一种可行的IP核硬件安全评估方法,数字电路模块的功能识别作为硬件木马分析的基础研究引起了人们的广泛关注。将电路功能检测任务转换为多分类任务,结合电路结构和图数据结构的特点,提出一种基于图注意力网络(GAT)的门级电路功能分类和检测方法。首先,针对门级网表缺乏功能识别数据集的问题,通过搜集具有代表性的寄存器传输级(RTL)代码并综合生成门级网表,构建一个规模适当、种类多样的门级电路数据集。然后,为了提取和处理电路特征信息,开发了一种基于文本识别的软件工具,将复杂的电路互连结构映射为结构简单的JSON(JavaScript Object Notation)格式,便于神经网络处理。最后,采用图注意力神经网络,利用构建的门级网表数据集对多分类器进行训练,经过训练后的多分类器能够对未知门级电路进行分类和识别。实验结果表明,该多分类器通过对自建数据集中6类共计3000多条网表数据进行学习后,最终对6类645个网表能够达到90%的分类正确率。 展开更多
关键词 集成电路 电路网表 功能识别 深度学习 图神经网络
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
15
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于并行流量图和图神经网络的加密流量分类方法
16
作者 刘涛涛 付钰 +1 位作者 俞艺涵 安义帅 《通信学报》 北大核心 2025年第6期45-59,共15页
针对传统加密流量分类方法受限于数据集类不平衡以及复杂网络环境下所用特征不可靠等问题,提出一种基于并行流量图和图神经网络的加密流量分类方法。首先,从数据包头部和有效负载2个角度分别构建流量图以突出二者的差异;其次,引入改进... 针对传统加密流量分类方法受限于数据集类不平衡以及复杂网络环境下所用特征不可靠等问题,提出一种基于并行流量图和图神经网络的加密流量分类方法。首先,从数据包头部和有效负载2个角度分别构建流量图以突出二者的差异;其次,引入改进的图注意力网络提取并行流量图的有效信息;然后,利用特征交叉融合注意力模块将提取到的信息进行融合以获得更为鲁棒的特征表示;最后,通过全连接层和Softmax层进行分类。实验表明,所提方法在ISCX-VPN、ISCX-nonVPN、ISCX-Tor和ISCX-nonTor数据集上取得了较好的效果,准确率分别为96.88%、90.62%、99.24%和98.13%,有效提升了加密流量分类性能。 展开更多
关键词 加密流量分类 深度学习 图神经网络 特征融合
在线阅读 下载PDF
基于改进时空图神经网络的高渗透率有源配电网故障定位 被引量：1
17
作者 黄南天 程铎 蔡国伟 《电力系统自动化》 北大核心 2025年第10期112-122,共11页
针对目前围绕同步波形测量数据展开的配电网故障定位研究较少、传统智能方法对电网物理拓扑结构与波形数据信息利用程度较低、高比例分布式电源接入降低了现有方法精度的问题,提出一种基于改进时空图神经网络的配电网故障区段定位方法... 针对目前围绕同步波形测量数据展开的配电网故障定位研究较少、传统智能方法对电网物理拓扑结构与波形数据信息利用程度较低、高比例分布式电源接入降低了现有方法精度的问题,提出一种基于改进时空图神经网络的配电网故障区段定位方法。首先,将配电网的同步波形测量数据映射为时空图结构数据,通过结合电网物理结构信息,提高方法的鲁棒性;然后,通过时空融合图卷积最大化利用数据时空信息,提取故障位置特征,实现高比例分布式电源接入下的更精确故障区段定位。最后,引入残差连接与门控激活函数,扩大感受野,降低对量测条件的需求。仿真结果表明,所提方法能够在高比例分布式电源接入以及不同故障条件、噪声干扰环境下以较高的准确率定位故障线路。 展开更多
关键词 配电网 故障定位 分布式电源 波形测量数据 深度学习 图神经网络
在线阅读 下载PDF
时空图神经网络在PM_(2.5)浓度预测中的应用综述
18
作者 唐博源 李琦 《计算机科学》 北大核心 2025年第8期71-85,共15页
大气细颗粒物(PM_(2.5))因对健康和环境有着严重的负面影响而备受公众关注。实现PM_(2.5)浓度的高精度时空预测,对于指导居民有效防范健康风险和协助环境监管部门制定科学的环境保护策略至关重要。研究旨在探索提高PM_(2.5)浓度预测准... 大气细颗粒物(PM_(2.5))因对健康和环境有着严重的负面影响而备受公众关注。实现PM_(2.5)浓度的高精度时空预测,对于指导居民有效防范健康风险和协助环境监管部门制定科学的环境保护策略至关重要。研究旨在探索提高PM_(2.5)浓度预测准确性的有效方法,特别是时空图神经网络技术在该领域的应用潜力与挑战。首先,回顾了PM_(2.5)浓度预测方法的发展历程;随后,深入探讨了时空图神经网络与空气质量监测网络的结合点,包括图的构建策略;进一步,系统地概述了应用于PM_(2.5)浓度预测的时空图神经网络模型,并分析了在预测任务中应考虑的主要因素以及时空模块的设计;最后,从多源数据融合、动态图建模、数据稀疏性问题以及模型评估标准的缺失等多个维度,全面探讨了基于时空图神经网络的PM_(2.5)浓度预测所面临的挑战,并展望了未来可能的发展方向。 展开更多
关键词 PM_(2.5)浓度预测 深度学习 图神经网络 时空相关性 多源数据
在线阅读 下载PDF
深度学习驱动的区域产业联动模型:“苏超”赛事对区域经济的多层级拉动效应仿真
19
作者 程子瑞 徐雄 吴超 《体育科学》 北大核心 2025年第7期22-30,共9页
在“体育赛事进景区、进街区、进商圈”活动背景下,群众赛事日益成为区域经济增长的重要引擎。基于江苏省城市足球联赛系列赛事数据,融合面板回归与图神经网络(graph neural network,GNN)方法,系统评估群众赛事对区域GDP、文旅消费与特... 在“体育赛事进景区、进街区、进商圈”活动背景下,群众赛事日益成为区域经济增长的重要引擎。基于江苏省城市足球联赛系列赛事数据,融合面板回归与图神经网络(graph neural network,GNN)方法,系统评估群众赛事对区域GDP、文旅消费与特色产业的多层级拉动效应。研究发现,赛事评级指数显著提升区域GDP增速、旅游消费与特产销售,并通过“赛事—文旅—产业”的路径形成协同增长机制。GNN模型进一步揭示关键传播路径与节点效应,识别非中心区域的扩散潜力和交通、产业结构等异质性变量的调节作用。研究建议构建群众赛事评估体系与“赛事—传播—招商”政策闭环机制,精准配置赛事资源、推动“赛事+产业”融合发展。 展开更多
关键词 群众赛事 江苏省城市足球联赛(“苏超”) 深度学习 图神经网络 产业联动
在线阅读 下载PDF
融合深度强化学习和图卷积神经网络的类集成测试序列生成方法
20
作者 王晨源 张艳梅 袁冠 《计算机科学》 北大核心 2025年第6期58-65,共8页
类集成测试确保软件系统中多个类之间正常交互和协作,合理的类集成测试序列可以降低测试成本。为了降低程序中类集成测试序列的测试成本,国内外研究人员提出了多种类集成测试序列生成方法,但已有的方法生成的类集成测试序列的测试成本... 类集成测试确保软件系统中多个类之间正常交互和协作,合理的类集成测试序列可以降低测试成本。为了降低程序中类集成测试序列的测试成本,国内外研究人员提出了多种类集成测试序列生成方法,但已有的方法生成的类集成测试序列的测试成本过高。针对上述问题,提出一种融合深度强化学习和图卷积神经网络的类集成测试序列生成方法。该方法首先将图卷积神经网络作为深度强化学习中的神经网络部分,并对智能体的网络结构和环境状态等方面进行改进,使环境和智能体可以基于图结构的数据进行交互;然后通过设计强化学习中的动作空间和奖励函数等基本要素,完成类集成测试序列的生成场景;最终实现智能体在不断地学习和尝试中得到最佳的类集成测试序列。实验结果表明,在以总体测试桩复杂度作为度量指标时,该方法能够在一定程度上降低生成类集成测试序列所需的测试桩代价。 展开更多
关键词 类集成测试序列 深度强化学习 图卷积神经网络 测试桩 测试桩复杂度
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 … 11 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