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336篇文章
< 1 2 … 17 >
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：
卷积循环神经网络的高光谱图像解混方法 被引量：2
1
作者 孔繁锵 余圣杰 +2 位作者 王坤 方煦 吕志杰 《西安电子科技大学学报》 北大核心 2025年第1期142-151,共10页
针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创... 针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创新性的网络结构设计,通过卷积层深入挖掘空间特征,同时利用卷积长短期记忆单元充分挖掘波段间的光谱变异性及其光谱相关性,有效处理光谱维度的序列信息,从而实现对高光谱数据更加精准和高效的分析。为了更加细致地区分和利用高光谱数据中不同谱段的特异性,采用深度光谱分区方法优化网络输入,通过自适应学习机制对不同光谱区域精细化处理,增强了模型对高光谱数据中复杂光谱关系的捕捉能力,进一步提升网络的解混性能。在模拟和多个真实高光谱数据集上的对比实验表明,该方法在解混精度和模型鲁棒性等方面均优于现有方法,特别是在处理复杂地物光谱特征时,表现出良好的泛化能力和稳定性,能够准确估计端元和丰度。 展开更多
关键词 高光谱图像 循环神经网络 自编码器 卷积长短期记忆网络 深度光谱分区
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
2
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
基于ECA-TCN的数据中心磁盘故障预测 被引量：1
3
作者 张铭泉 王宝兴 《智能系统学报》 北大核心 2025年第2期389-399,共11页
随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-tem... 随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-temporal convolutional network,ECA-TCN)模型,通过结合传统卷积神经网络一维卷积的优势,融入扩张卷积和残差结构,并引入注意力机制,该模型能够提高磁盘故障预测的准确性和稳定性。在实验中,将ECA-TCN模型与其他经典深度学习方法进行了比较,实验结果表明,ECA-TCN模型在磁盘故障预测任务上具有较高的准确性和稳定性。 展开更多
关键词 磁盘故障预测 长短时记忆网络 循环神经网络 扩张卷积 高效通道注意力机制 神经网络模型 时间序列预测 深度学习优化
在线阅读 下载PDF
基于MSCNN-BiGRU-Attention的短期电力负荷预测
4
作者 李科 潘庭龙 许德智 《中国电力》 北大核心 2025年第6期10-18,共9页
为解决电力负荷关键特征难以提取的问题,提出一种结合多尺度卷积神经网络-双向门控循环单元-注意力机制(multi-scale convolutional neural network-bi-directional gated recurrent unit-Attention,MSCNN-BiGRU-Attention)的组合模型... 为解决电力负荷关键特征难以提取的问题,提出一种结合多尺度卷积神经网络-双向门控循环单元-注意力机制(multi-scale convolutional neural network-bi-directional gated recurrent unit-Attention,MSCNN-BiGRU-Attention)的组合模型进行短期电力负荷预测。首先,通过Spearman相关系数分析电力负荷数据集的相关性,筛选出相关性较高的特征,构建电力负荷数据集;其次,将数据输入到多尺度卷积神经网络(multi-scale convolutional neural network,MSCNN),对电力负荷数据进行多尺度的时序提取;然后,将提取后的时序特征输入到双向门控循环单元(bi-directional gated recurrent unit,BiGRU)神经网络进行时序预测,并通过注意力(Attention)机制对时序特征进行过滤和筛选;最后,通过全连接层整合输出预测值。以澳大利亚某地区3年的多维电力负荷数据作为数据集,并设置5种对照组模型。同时选用国内南方某地区2年的多维电力负荷数据作为模型验证数据集。结果表明,相较其他模型,MSCNN-BiGRU-Attention组合模型能够取得更好的预测效果,有效解决区域级电力负荷关键特征难以提取的问题。 展开更多
关键词 电力负荷预测 多尺度卷积神经网络 双向门控循环单元 注意力机制 深度学习 Spearman相关系数
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
5
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
深度学习在心力衰竭检测中的应用综述 被引量：1
6
作者 王永威 魏德健 +1 位作者 曹慧 姜良 《计算机科学与探索》 北大核心 2025年第1期65-78,共14页
随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用... 随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用。概述了心力衰竭检测涉及的主要生物医学信号和公开数据集。详细分析了深度学习在心力衰竭诊断领域的应用及其发展,特别是对卷积神经网络和长短期记忆网络处理心电图、心率变异性、心音等关键生物医学信号的能力进行了深入分析,总结了这些技术的优势、局限性,并对各类模型性能进行了比较。探讨了通过融合多种人工智能技术所构建的混合模型在提升检测精度和模型泛化能力方面的潜力,以及如何利用模型的可解释性来增加检测过程的透明度,提升医生的信任度。最后总结了当前研究存在的不足,并对未来研究方向提出展望,强调了跨学科合作在推动心力衰竭检测技术进步中的重要性。 展开更多
关键词 心力衰竭 生物医学信号 深度学习 卷积神经网络 循环神经网络 混合模型
在线阅读 下载PDF
基于深度学习的旋转机械大数据智能故障诊断方法 被引量：3
7
作者 宫文峰 张美玲 陈辉 《计算机集成制造系统》 北大核心 2025年第1期264-277,共14页
深度学习作为一种智能高效的模式识别技术,已得到基于大数据驱动的机械装备故障诊断领域学者的广泛关注。为了更加有效地从多传感器原始故障数据中提取出故障特征,解决单一诊断算法提取时序数据特征时的信息丢失问题,提出一种基于改进... 深度学习作为一种智能高效的模式识别技术,已得到基于大数据驱动的机械装备故障诊断领域学者的广泛关注。为了更加有效地从多传感器原始故障数据中提取出故障特征,解决单一诊断算法提取时序数据特征时的信息丢失问题,提出一种基于改进的长短期记忆循环神经网络-全局均值池化卷积神经网络(LSTM-GCNN)的深度循环卷积神经网络新算法,用于机械装备大数据的故障智能诊断。该算法首先运用长短时记忆循环神经网络(LSTM)从多通道原始数据中提取时间关联性记忆特征,然后再将特征数据输入到一维卷积神经网络(1D-CNN)中进行微小差异特征辨识,并且为了减少模型参数量和提高算法检测速度,设计了一个一维全局均值池化层用于代替传统1D-CNN算法中的全连接层结构。通过将提出的算法用于滚动轴承在1马力、2马力和3马力多种负载工况下采集的3通道振动信号数据进行诊断验证,分别得到100%、99.85%和99.78%的诊断准确率,实验结果相比传统的DNN、LSTM和CNN算法具有更加优越的诊断性能;对齿轮箱在空载和承载两种运行工况下的8通道原始数据进行故障诊断的准确率分别高达99.93%和99.8%,具有良好的迁移通用性能。 展开更多
关键词 智能故障诊断 深度学习 循环神经网络 卷积神经网络 多传感器
在线阅读 下载PDF
基于循环神经网络的核电厂复合故障诊断方法 被引量：3
8
作者 陈逸龙 林萌 周士祺 《海军工程大学学报》 北大核心 2025年第1期36-42,共7页
核电厂单一故障识别的方法有很多,但是由于核电厂的复杂性,复合故障识别的难度较大,且传统故障诊断方法存在难以利用核电厂运行数据中时序信息的问题。针对上述问题,提出一种循环神经网络和多标签分类方法相结合的核电厂复合故障诊断方... 核电厂单一故障识别的方法有很多,但是由于核电厂的复杂性,复合故障识别的难度较大,且传统故障诊断方法存在难以利用核电厂运行数据中时序信息的问题。针对上述问题,提出一种循环神经网络和多标签分类方法相结合的核电厂复合故障诊断方法。该方法首先将故障数据切分为携带时序信息的输入样本;然后,通过循环神经网络提取故障样本中的时序特征;最后,通过多标签分类器完成多个故障标签的解耦输出,实现了复合故障的诊断。仿真实验验证了所提方法无论是对单一故障还是复合故障都具有良好的故障诊断效果。同时,还探究了不同循环神经单元和不同长度的输入样本对模型诊断效果的影响,结果表明:LSTM模型和GRU模型的效果优于常规RNN模型,且增加输入样本的长度并不一定能够提升模型诊断准确率。 展开更多
关键词 核电厂 循环神经网络 复合故障 多标签 深度学习
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量：1
9
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
锅炉过热汽温系统的DRNN网络自整定PID控制 被引量：24
10
作者 王东风 韩璞 郭启刚 《中国电机工程学报》 EI CSCD 北大核心 2004年第8期196-200,共5页
火电厂过热汽温控制系统具有大惯性、大迟延、参数慢时变的特点,受到的扰动因素较多;随机组负荷的变化又表现出参数快时变的特性,常规的按照典型工况整定的固定参数PID控制难以适应负荷变化,往往未能取得满意的调节效果。为此,提出一种... 火电厂过热汽温控制系统具有大惯性、大迟延、参数慢时变的特点,受到的扰动因素较多;随机组负荷的变化又表现出参数快时变的特性,常规的按照典型工况整定的固定参数PID控制难以适应负荷变化,往往未能取得满意的调节效果。为此,提出一种基于DRNN的两级神经网络的过热汽温系统自整定PID控制策略,其中两级神经网络分别为静态网络SNN和动态网络DNN,SNN依据机组运行工况如负荷进行PID参数的粗调整定,以适应机组负荷的较大范围变化,如参与调峰:DNN依据偏差和偏差变化率进行PID参数的细调整定,以克服机组负荷的小范围变化、参数的慢时变漂移 和各种扰动。为了克服系统的大惯性和大迟延,引入灰色预测器对未来信号进行预测,预测结果作为DNN使用的整定信息。对某汽温系统的计算机仿真研究结果表明:基于两级神经网络自整定控制策略的主汽温控制系统获得了良好的动态调节品质,具有较强的鲁棒性。 展开更多
关键词 锅炉 过热器 汽温系统 drnn网络 自整定PID控制 灰色预测理论 神经网络
在线阅读 下载PDF
基于自适应DRNN的无刷直流电机控制方法研究 被引量：1
11
作者 王立标 李军 +1 位作者 范剑 李绣峰 《中国机械工程》 EI CAS CSCD 北大核心 2011年第19期2337-2340,2392,共5页
针对无刷直流电机速度控制存在高度非线性特性,提出了基于自适应DRNN(diagonal re-current neural network)的"前馈+反馈"控制方法。反馈控制器以目标转速与实际转速的误差为输入量,采用PI控制来提高控制系统的稳定性。前馈... 针对无刷直流电机速度控制存在高度非线性特性,提出了基于自适应DRNN(diagonal re-current neural network)的"前馈+反馈"控制方法。反馈控制器以目标转速与实际转速的误差为输入量,采用PI控制来提高控制系统的稳定性。前馈控制器采用DRNN,以反馈控制器的输出作为性能误差进行自适应控制,以提高控制系统的瞬态响应性能。仿真和实验结果表明:该控制系统能较好地跟踪目标转速,在突变负载扰动下,能有效地改善相电流波形,降低电机电磁转矩脉动,而且该控制系统具有较强的鲁棒性。 展开更多
关键词 无刷直流电机 自适应 drnn 鲁棒性
在线阅读 下载PDF
基于无阈值递归图和CNN-LSTM的人体活动识别算法 被引量：3
12
作者 史立宇 孙杨帆 +2 位作者 谢溢翀 黄旭萍 周彪 《传感器与微系统》 北大核心 2025年第3期130-133,共4页
人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无... 人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无阈值递归图(URP)和卷积神经网络—长短期记忆(CNN-LSTM)的活动识别算法。首先,使用SMOTE-ENN算法对惯性数据集进行增强,平衡各个类别样本数量比例;然后,使用URP方法将多维惯性传感时序波形构造为对应多个二维递归矩阵;最后,构建CNN-LSTM组合的分类模型。通过在UCI-HAR、WISDM公开数据集上的实验结果表明:所提算法在测试集上4种分类指标均得到提高,其中准确率分别达到98.32%和98.97%,性能优于现存的其他深度学习算法。 展开更多
关键词 人体活动识别 数据增强 深度学习 无阈值递归图 卷积神经网络 长短期记忆神经网络
在线阅读 下载PDF
基于深度学习的视频超分辨率重建算法进展
13
作者 唐麒 赵耀 +1 位作者 刘美琴 姚超 《自动化学报》 北大核心 2025年第7期1480-1524,共45页
视频超分辨率重建是底层计算机视觉任务中的一个重要研究方向,旨在利用低分辨率视频的帧内和帧间信息,重建具有更多细节和内容一致的高分辨率视频,有助于提升下游任务性能和改善用户观感体验.近年来,基于深度学习的视频超分辨率重建算... 视频超分辨率重建是底层计算机视觉任务中的一个重要研究方向,旨在利用低分辨率视频的帧内和帧间信息,重建具有更多细节和内容一致的高分辨率视频,有助于提升下游任务性能和改善用户观感体验.近年来,基于深度学习的视频超分辨率重建算法大量涌现,在帧间对齐、信息传播等方面取得突破性的进展.首先,在简述视频超分辨率重建任务的基础上,梳理现有的视频超分辨率重建的公共数据集及相关算法;接着,详细综述基于深度学习的视频超分辨率重建算法的创新性工作进展情况;最后,总结视频超分辨率重建算法面临的挑战及未来的发展趋势. 展开更多
关键词 视频超分辨率重建 深度学习 循环神经网络 注意力机制 光流估计 可变形卷积
在线阅读 下载PDF
基于循环神经网络的棒束通道流动参数实时计算方法研究
14
作者 李翔宇 解衡 《原子能科学技术》 北大核心 2025年第7期1386-1396,共11页
针对深度学习求解物理场方程时存在的算法不可解释性,训练模型时所需数据量大、训练时间长,且不能随意修改模型边界条件等问题,本文设计了一个可用于实时计算棒束通道内流速分布的循环神经网络(recurrent neural network,RNN)。该算法以... 针对深度学习求解物理场方程时存在的算法不可解释性,训练模型时所需数据量大、训练时间长,且不能随意修改模型边界条件等问题,本文设计了一个可用于实时计算棒束通道内流速分布的循环神经网络(recurrent neural network,RNN)。该算法以RNN作为基本结构,利用多松弛时间-格子玻尔兹曼方法(multiple relaxation time-lattice Boltzmann method,MRT-LBM)构造RNN的计算单元,利用浸入法和特征线法确定神经元的结构和数量,并利用顶盖驱动流模型、5×5棒束通道仿真计算和PIV测量结果验证算法的有效性。计算结果表明,RNN在计算上述两个模型的无量纲化流速分布时,与MRT-LBM和商业CFD软件相比,残差约为0.1,残差较模型入口处的流速小1个数量级。RNN在计算棒束通道截面的无量纲化流速时,消耗的计算时间约为0.005~0.03 s,仅为MRT-LBM的1/6~1/3,且计算结果基本与PIV的测量结果相符合。同时RNN所有的计算过程都有物理方程对应,因此RNN可以在保证计算精度的前提下极大提升计算速度,且具有可解释性。RNN可为反应堆数字孪生系统提供实时模拟流动参数的计算方法,进一步提升数字孪生系统对现实环境的模拟能力。 展开更多
关键词 反应堆数字孪生系统 棒束通道 深度学习 循环神经网络 多松弛时间-格子玻尔兹曼方法
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
复数双路径Conformer和深度复数卷积循环神经网络结合的语声增强方法
16
作者 郝鑫语 伍忠东 +1 位作者 杨充六合 楚秦 《应用声学》 北大核心 2025年第6期1652-1661,共10页
针对现有语声增强网络在处理语声信号特征时,无法有效地捕捉到较长的时间跨度或频率范围内的信息,且计算参数过多的问题,提出一个复数双路径Conformer,将其与深度复数卷积循环神经网络(DCCRN)结合,设计了一个新的时-频域语声增强模型,称... 针对现有语声增强网络在处理语声信号特征时,无法有效地捕捉到较长的时间跨度或频率范围内的信息,且计算参数过多的问题,提出一个复数双路径Conformer,将其与深度复数卷积循环神经网络(DCCRN)结合,设计了一个新的时-频域语声增强模型,称为Conformer-CRN。将DCCRN中的复数长短时记忆网络模块替换为复数双路径Conformer模块,能够有效捕捉长距离的时-频依赖,更全面地利用全局上下文信息。此外,还在编解码器中增加了复数通道注意力机制模块,进一步提高增强语声的质量。在公开数据集Voice Bank+DEMAND上的实验结果显示,所提出的模型使用更少的参数,在主客观语声质量评估都取得更优的结果。与SE-Conformer相比,增强后的语声感知质量增长了3.20%;与MetricGAN+相比,预测信号失真度增长了7.17%,预测噪声失真度增长了9.97%,预测综合质量测度增长了3.44%。该研究为基于深度学习中参数映射的语声增强方法的发展提供了一定的参考。 展开更多
关键词 深度学习 语声增强 CONFORMER DCCRN 复数通道注意力机制
在线阅读 下载PDF
基于深度时序聚类的城市卡口短时交通流量预测
17
作者 郭健 郑皎凌 +3 位作者 乔少杰 邓鸿耀 孙吉刚 李欣稼 《计算机应用研究》 北大核心 2025年第2期371-380,共10页
目前,基于深度学习的交通流量预测方法存在不足。首先,基于图卷积网络的预测模型使用简化的路网拓扑,忽视了实际交通组织信息,影响预测准确性。其次,基于聚类的预测模型未考虑交通流的区域和时间相似性,未能有效利用时空模式,导致聚类... 目前,基于深度学习的交通流量预测方法存在不足。首先,基于图卷积网络的预测模型使用简化的路网拓扑,忽视了实际交通组织信息,影响预测准确性。其次,基于聚类的预测模型未考虑交通流的区域和时间相似性,未能有效利用时空模式,导致聚类结果对预测提升有限。此外,过大的训练样本增加了训练和预测时间,影响实时性。为了解决上述问题,提出了基于深度聚类的城市卡口短时流量预测模型(deep temporal clustering traffic flow prediction,DTCTFP)。首先,构建包含实际交通组织信息的路网拓扑,利用图卷积网络挖掘卡口间的时空特性;其次,引入改进的动态时间规整和最短路径分析方法,将相似的交通流对象归类到同一簇,使模型充分利用流量、时间、位置等特征信息,提升预测精度;最后利用基于簇的循环神经网络进行预测,提高模型的实时性和计算效率。基于重庆大渡口交通数据进行了实验验证,结果显示,相较于最新基准模型,在MAE、RMSE、MAPE指标上,平均降低了15.02%、10.72%、10.98%,并通过消融实验证实了所提出的聚类方法能够提升14.5%的预测准确性。 展开更多
关键词 深度聚类 交通流量预测 循环神经网络 动态时间规整 交通卡口
在线阅读 下载PDF
基于多尺度数据的股票操纵检测集成模型
18
作者 刘成明 李海霞 +1 位作者 李韶川 李英豪 《计算机科学》 北大核心 2025年第S1期621-628,共8页
股票市场是我国金融市场的重要组成部分,其稳定性影响着整个金融体系的稳定,其中的股票价格操纵一直是一个受到广泛关注的问题。现有检测模型的研究往往仅基于日间交易数据或日内交易数据,但股票操纵行为在短期和长期内都能产生影响,单... 股票市场是我国金融市场的重要组成部分,其稳定性影响着整个金融体系的稳定,其中的股票价格操纵一直是一个受到广泛关注的问题。现有检测模型的研究往往仅基于日间交易数据或日内交易数据,但股票操纵行为在短期和长期内都能产生影响,单一时间尺度的研究方法可能无法全面把握股票操纵的模式特征。文中提出一种基于多尺度数据的股票操纵检测集成模型,整合了使用分钟级和日级交易数据的子模型,以增强识别基于交易的股票操纵行为的能力。对比实验结果显示,所提出的使用了多尺度数据的模型在AUC、准确度、召回率、精确度等各项指标上均有较大的提升。 展开更多
关键词 股票操纵检测 集成学习 深度学习 循环神经网络 多时间尺度
在线阅读 下载PDF
基于LSTM-DDPG算法的四翼变掠角飞行器主动变形决策
19
作者 彭余萧 何真 仇靖雯 《北京航空航天大学学报》 北大核心 2025年第10期3504-3514,共11页
针对变体飞行器主动变形控制问题,提出一种基于长短期记忆(LSTM)网络深度确定性策略梯度(DDPG)算法的智能变形控制方法;以一种串置翼构型的四翼变掠角飞行器为研究对象,利用OPENVSP软件计算其几何模型和气动参数,并建立了飞行器动力学模... 针对变体飞行器主动变形控制问题,提出一种基于长短期记忆(LSTM)网络深度确定性策略梯度(DDPG)算法的智能变形控制方法;以一种串置翼构型的四翼变掠角飞行器为研究对象,利用OPENVSP软件计算其几何模型和气动参数,并建立了飞行器动力学模型;针对四翼变掠角飞行器的加速爬升过程,设计了基于LSTM-DDPG算法学习框架,并在对称变形条件下,针对纵向轨迹跟踪进行主动变形决策训练。仿真结果表明:应用于主动变形控制过程中的LSTMDDPG算法可以快速收敛并达到更高的平均奖励,且训练获得的主动变形控制器在四翼变掠角飞行器的轨迹跟踪任务中具有良好的控制效果。 展开更多
关键词 变体飞行器 飞行控制 深度强化学习 深度确定性策略梯度 长短期记忆递归神经网络
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
20
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
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 … 17 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