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270篇文章
< 1 2 … 14 >
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：
融合梯度预测和无参注意力的高效地震去噪Transformer 被引量：1
1
作者 高磊 乔昊炜 +2 位作者 梁东升 闵帆 杨梅 《计算机科学与探索》 北大核心 2025年第5期1342-1352,共11页
压制随机噪声能够有效提升地震数据的信噪比(SNR)。近年来,基于卷积神经网络(CNN)的深度学习方法在地震数据去噪领域展现出显著性能。然而,CNN中的卷积操作由于感受野的限制通常只能捕获局部信息而不能建立全局信息的长距离连接,可能会... 压制随机噪声能够有效提升地震数据的信噪比(SNR)。近年来,基于卷积神经网络(CNN)的深度学习方法在地震数据去噪领域展现出显著性能。然而,CNN中的卷积操作由于感受野的限制通常只能捕获局部信息而不能建立全局信息的长距离连接,可能会导致细节信息的丢失。针对地震数据去噪问题,提出了一种融合梯度预测和无参注意力的高效Transformer模型(ETGP)。引入多头“转置”注意力来代替传统的多头注意力,它能在通道间计算注意力来表示全局信息,缓解了传统多头注意力复杂度过高的问题。提出了无参注意力前馈神经网络,它能同时考虑空间和通道维度计算注意力权重,而不向网络增加参数。设计了梯度预测网络以提取边缘信息,并将信息自适应地添加到并行Transformer的输入中,从而获得高质量的地震数据。在合成数据和野外数据上进行了实验,并与经典和先进的去噪方法进行了比较。结果表明,ETGP去噪方法不仅能更有效地压制随机噪声,并且在弱信号保留和同相轴连续性方面具有显著优势。 展开更多
关键词 地震数据去噪 卷积神经网络 TRANSFORMER 注意力模块 梯度融合
在线阅读 下载PDF
VMD-小波去噪与双线性ResNet结合坐标注意力机制的水声信号调制识别方法 被引量：1
2
作者 周锋 韦少帅 乔钢 《哈尔滨工程大学学报》 北大核心 2025年第7期1357-1366,共10页
针对复杂的水声环境噪声干扰导致提取信号特征不明显、水声通信调制信号类内差异大、类间相似导致调制识别准确率低的问题,本文提出一种基于去噪与改进的ResNet网络调制识别方法。运用变分模态分解与小波相结合的去噪方法,保留了低相关... 针对复杂的水声环境噪声干扰导致提取信号特征不明显、水声通信调制信号类内差异大、类间相似导致调制识别准确率低的问题,本文提出一种基于去噪与改进的ResNet网络调制识别方法。运用变分模态分解与小波相结合的去噪方法,保留了低相关性模态分量含有的有效信息;运用双线性ResNet18使网络具备捕获区分性强的局部信息;引入坐标注意力机制,使网络不仅能关注通道信息也能关注图像的空间信息。仿真结果表明:本文降噪方法相关系数更高、均方根误差均降低了20%;以0 dB条件为例,本文改进网络准确率相比于ResNet提升了8%,7种调制信号都达到了95%以上,调相调制准确率也达到了90%。 展开更多
关键词 水声通信 调制识别 残差网络 去噪 双线性模型 注意力机制 神经网络 变分模态
在线阅读 下载PDF
特征融合与BP神经网络结合的刀具磨损预测 被引量：1
3
作者 郭宏 徐延 +1 位作者 伊亚聪 胡孔耀 《机械设计与制造》 北大核心 2025年第1期108-111,116,共5页
通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在... 通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在时域、频域和时频域内分析并提取特征,再将融合后的各类传感器特征使用Pearson相关系数和主成分分析(PCA)实现数据降维,最后将降维后的融合特征输入搭建好的BP神经网络,通过非线性仿真分析,从而实现刀具磨损量的预测。案例验证表明:与单一传感器预测相比,提出的多传感器特征融合的刀具磨损预测方法误差最小,且决定系数R2达到0.993。 展开更多
关键词 传感器 特征提取 小波去噪 PCA BP神经网络 磨损预测
在线阅读 下载PDF
基于小波降噪的神经网络盾构泥水分离系统参数预测方法
4
作者 周翠红 周富强 +1 位作者 刘兆赫 翟志国 《土木与环境工程学报（中英文）》 北大核心 2025年第1期11-17,共7页
泥水盾构穿越复合地层时,掘进控制参数和泥水分离系统参数往往出现大幅波动,影响施工安全和掘进效率。为提升施工过程的安全稳定性,实现异常工况预测,依托望京隧道盾构工程,针对地层状况采用筛分、双旋流、离心/压滤固液分离协同控制技... 泥水盾构穿越复合地层时,掘进控制参数和泥水分离系统参数往往出现大幅波动,影响施工安全和掘进效率。为提升施工过程的安全稳定性,实现异常工况预测,依托望京隧道盾构工程,针对地层状况采用筛分、双旋流、离心/压滤固液分离协同控制技术,采集盾构机掘进参数(掘进速度、刀盘转速和总推进力等)和泥水分离系统运行参数(进浆量、进浆密度和进浆黏度等),通过Cook距离离群检测和小波阈值去噪处理提升数据质量;以双旋流分离密度比值、黏度比值等12个参数为输入,排浆量、排浆密度和排浆黏度为输出,建立BP神经网络泥水分离系统参数的预测模型,并选取3个不同地层环段进行预测对比分析。预测结果表明:预测平均绝对误差均在5%以内,该预测模型在复合地层下仍具有较高的准确性。 展开更多
关键词 盾构隧道 泥水分离 COOK距离 小波去噪 BP神经网络 参数预测
在线阅读 下载PDF
基于改进Transformer的持续血糖浓度预测模型
5
作者 徐鹤 杨丹丹 +1 位作者 刘思行 季一木 《数据采集与处理》 北大核心 2025年第4期1065-1081,共17页
糖尿病是一种普遍存在的慢性疾病,做好血糖控制对糖尿病的预防具有重要作用。然而,持续血糖监测(Continuous glucose monitoring,CGM)过程中数据的不确定性显著增加了血糖预测的难度。因此,提出一种新的基于深度学习的血糖浓度预测模型... 糖尿病是一种普遍存在的慢性疾病,做好血糖控制对糖尿病的预防具有重要作用。然而,持续血糖监测(Continuous glucose monitoring,CGM)过程中数据的不确定性显著增加了血糖预测的难度。因此,提出一种新的基于深度学习的血糖浓度预测模型,旨在提高模型对传感器提取数据的适应性。在该模型中,堆叠式降噪自编码器(Stacked denoising auto encoder,SDAE)被嵌入Transformer编码器的结构中,实现对输入数据的重构去噪和特征提取;然后,采用混合位置编码策略替代原来的单一绝对位置编码嵌入,同时将轻量级解码器引入Transformer模型中,替代原始结构复杂的解码器,聚合来自不同层次的特征信息,同时获取局部和全局特征;最后,通过搭建的SDAE-改进Transformer网络对CGM数据序列并行化训练,更全面地捕捉数据中的时序模式和复杂关联,提高预测性能。实验结果表明,该模型相较于传统方法在血糖预测任务中取得了显著的性能提升,证实了其在处理CGM数据时的有效性和鲁棒性。 展开更多
关键词 持续血糖监测 神经网络 堆叠降噪自编码器 TRANSFORMER 注意力机制
在线阅读 下载PDF
基于深度学习的语音增强方法综述
6
作者 王华朋 冯嘉琪 《科学技术与工程》 北大核心 2025年第20期8331-8346,共16页
随着深度学习技术的兴起,基于深度学习的语音增强方法日益广泛应用,性能普遍优于传统方法。概述语音增强中降噪信号处理的基本框架,逐步分析深度学习驱动的语音增强模型的最新进展。对基于深度学习的语音增强算法进行全面整理,详细介绍... 随着深度学习技术的兴起,基于深度学习的语音增强方法日益广泛应用,性能普遍优于传统方法。概述语音增强中降噪信号处理的基本框架,逐步分析深度学习驱动的语音增强模型的最新进展。对基于深度学习的语音增强算法进行全面整理,详细介绍不同神经网络的语音增强方法的原理、特点、评价指标及代表性研究,综合评估这些方法的优势与不足。最后,结合当前发展状况,分析语音增强过程中面临的核心挑战,并对未来发展路径进行讨论与预测。 展开更多
关键词 语音增强 深度学习 语音降噪 神经网络
在线阅读 下载PDF
基于注意力机制的双卷积图像去噪网络
7
作者 周先春 吕梦楠 +3 位作者 芮旸 唐彬鑫 杜志亭 陈玉泽 《电子测量与仪器学报》 北大核心 2025年第2期60-71,共12页
近年来,深度卷积神经网络在图像去噪领域表现出了优越的性能。然而,深度网络结构往往伴随着大量的模型参数,导致训练成本高,推理时间长,限制了其在实际去噪任务中的应用。提出了一种新的基于注意力机制的双卷积图像去噪网络(MA-DFRNet)... 近年来,深度卷积神经网络在图像去噪领域表现出了优越的性能。然而,深度网络结构往往伴随着大量的模型参数,导致训练成本高,推理时间长,限制了其在实际去噪任务中的应用。提出了一种新的基于注意力机制的双卷积图像去噪网络(MA-DFRNet),它由多尺度特征特征提取网络、双卷积神经网络及动态特征精炼注意力机制组成。多尺度特征提取网络通过不同尺度的卷积获取图像特征,提高灵活性。双卷积神经网络上下分支均采用跳跃连接及扩张卷积来增大感受野。动态特征精炼注意力机制增强特征表示的精度和区分能力。这种结构设计不仅扩大了感受野,还更有效地提取和融合图像特征,显著提升去噪效果。研究结果表明,与最先进的模型相比,提出的MA-DFRNet在所有对比的噪声水平下具有更高的峰值信噪比(PSNR)和结构相似性(SSIM)值,PSNR提高了0.2 dB左右,SSIM提高了1%左右,对于噪声水平较高的图像更具鲁棒性,并且在视觉上更好地保留了图像细节,实现去噪和细节保留之间的平衡。 展开更多
关键词 图像去噪 卷积神经网络 注意力机制 跳跃连接 多尺度特征提取网络
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
8
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
基于级联的多尺度特征融合残差去噪网络
9
作者 郭业才 胡晓伟 毛湘南 《计算机科学》 北大核心 2025年第6期239-246,共8页
针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特... 针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特征。在多尺度空间U-Net模块中,利用多尺度空间融合块增强网络对图像整体结构的学习能力,学习不同层次的信息,获取基于图像空间和上下文信息的多级特征。跳跃连接促进结构之间的参数共享,使不同尺度的特征充分融合,保证信息的完整性。最后,采用双残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上的峰值信噪比分别为39.68 dB和39.50 dB,结构相似性分别为0.953和0.957,优于主流去噪算法。所提算法在增强去噪性能的同时,也保留了更详细的信息,使图像质量进一步提升。 展开更多
关键词 图像去噪 真实噪声 卷积神经网络 多尺度特征融合 密集残差
在线阅读 下载PDF
多尺度密集交互注意力残差真实图像去噪网络
10
作者 郭业才 胡晓伟 +1 位作者 AMITAVE Saha 毛湘南 《图学学报》 北大核心 2025年第2期279-287,共9页
针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级... 针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级联模块(MSCM)利用多维密集交互残差单元(MDIU)对图像特征进行多维映射,并逐步级联以增强模型之间的信息传递和交互性,充分拟合训练数据;引入双路全局注意力模块(DGAM)对多级特征进行全局联合学习,获取更具有判别性的特征信息;跳跃连接促进结构之间的参数共享,使不同维度的特征充分融合,保证信息的完整性;最后,采用残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上峰值信噪比分别为39.80 dB和39.62 dB,结构相似性分别为95.4%和95.8%,均优于主流去噪算法。此外,该算法在低光度场景下应用也能保留更多细节,从而显著提升图像质量。 展开更多
关键词 图像去噪 多尺度特征提取 多维密集交互 卷积神经网络 注意力
在线阅读 下载PDF
基于去噪图自编码器的无监督社交媒体文本摘要
11
作者 贺瑞芳 赵堂龙 刘焕宇 《软件学报》 北大核心 2025年第5期2130-2150,共21页
社交媒体文本摘要旨在为面向特定话题的大规模社交媒体短文本(称为帖子)产生简明扼要的摘要描述.考虑帖子表达内容短小、非正式等特点,传统方法面临特征稀疏与信息不足的挑战.近期研究利用帖子间的社交关系学习更好的帖子表示并去除冗... 社交媒体文本摘要旨在为面向特定话题的大规模社交媒体短文本(称为帖子)产生简明扼要的摘要描述.考虑帖子表达内容短小、非正式等特点,传统方法面临特征稀疏与信息不足的挑战.近期研究利用帖子间的社交关系学习更好的帖子表示并去除冗余信息,但其忽略了真实社交媒体情景中存在的不可靠噪声关系,使得模型会误导帖子的重要性与多样性判断.因此,提出一种无监督模型DSNSum,其通过去除社交网络中的噪声关系来改善摘要性能.首先,对真实社交关系网络中的噪声关系进行了统计验证;其次,根据社会学理论设计两个噪声函数,并构建一种去噪图自编码器(denoising graph auto-encoder,DGAE),以降低噪声关系的影响,并学习融合可信社交关系的帖子表示;最终,通过稀疏重构框架选择保持覆盖性、重要性及多样性的帖子构成一定长度的摘要.在两个真实社交媒体(Twitter与新浪微博)共计22个话题上的实验结果证明了所提模型的有效性,也为后续相关领域的研究提供了新的思路. 展开更多
关键词 社交媒体文本摘要 图表示学习 图神经网络 去噪自编码器
在线阅读 下载PDF
一种基于神经网络的航磁数据噪声识别和抑制方法 被引量：1
12
作者 冯进凯 李姗姗 +3 位作者 何兆超 范昊鹏 李新星 范雕 《中国惯性技术学报》 北大核心 2025年第1期18-26,共9页
航空磁力测量极易受到外界因素的干扰,噪声抑制是航磁数据处理中的关键一环。为高效识别和抑制航磁测线中存在的随机噪声,提高航磁测量精度,将神经网路方法引入到航磁测线数据的处理中,搭建了涵盖磁测数据噪声识别和噪声抑制的网络,并... 航空磁力测量极易受到外界因素的干扰,噪声抑制是航磁数据处理中的关键一环。为高效识别和抑制航磁测线中存在的随机噪声,提高航磁测量精度,将神经网路方法引入到航磁测线数据的处理中,搭建了涵盖磁测数据噪声识别和噪声抑制的网络,并提出了一套适配于该网络的数据处理流程。仿真实验表明,所搭建的模型可以实现航磁测线的噪声识别和抑制,模型对验证集中的三种类型的含噪测线识别准确率达到99.85%;针对于不同类型的测线数据,噪声抑制效果相比于传统的中值滤波方法、小波滤波方法和经验模态分解方法均有不同程度的提升。实测数据实验表明,模型对航磁测线的噪声识别率为97.78%,而且能够适配实测数据中的各种噪声类别并达到较好的去噪效果,模型不受输入测线长度限制,使用更加方便灵活。 展开更多
关键词 卷积神经网络 残差卷积神经网络 STFT转换 噪声识别 航磁信号去噪
在线阅读 下载PDF
基于深层卷积神经网络的连续光空间外差干涉图降噪方法
13
作者 罗炜 叶松 +4 位作者 熊伟 张紫杨 王新强 李树 王方原 《红外与激光工程》 北大核心 2025年第3期352-365,共14页
空间外差光谱仪在探测过程中可能存在着噪声干扰的现象,导致具有连续光谱的目标特征信号被掩盖而无法获取所需信息,因此需要有效方法降低噪声对连续光空间外差干涉图的影响。提出了一种基于深层卷积神经网络的连续光空间外差干涉图降噪... 空间外差光谱仪在探测过程中可能存在着噪声干扰的现象,导致具有连续光谱的目标特征信号被掩盖而无法获取所需信息,因此需要有效方法降低噪声对连续光空间外差干涉图的影响。提出了一种基于深层卷积神经网络的连续光空间外差干涉图降噪方法,利用深层卷积结合残差的方式去除高斯噪声。结果表明该方法可以对连续光空间外差干涉图有效地去噪并复原目标光谱信号。在Sigma=25高斯噪声条件下,深层卷积神经网络的降噪干涉图在峰值信噪比、结构相似性和光谱差值方面分别达到51.74 dB、0.9997和2.20%,优于其他算法最佳值2.83 dB、0.001和0.49%。进一步的研究还表明,深层卷积神经网络的层数对降噪性能有重要影响,为网络模型的优化提供了有益的参考。最后将该方法应用在“高分五号”数据中,网络模型表现出了不错的降噪有效性。该工作在降低噪声对连续光空间外差光谱信息的影响和实现对目标的高精度探测等方面具有研究意义和应用价值。 展开更多
关键词 空间外差光谱 降噪 神经网络 干涉图 连续光
在线阅读 下载PDF
基于多录井参数特征同步的溢流事故监测研究
14
作者 陈青 黄志强 +3 位作者 孔祥伟 何弦桀 徐洲 安果涛 《应用数学和力学》 北大核心 2025年第2期241-253,共13页
依据录井参数进行溢流事故的判断十分依赖坐岗人员的经验,且现场采集的综合录井参数信噪严重,参数变化特征不明显,溢流监测准确率低.通过低通滤波处理和局部加权线性回归,去除现场综合录井参数曲线的高频信号和低频信噪,经归一化处理,... 依据录井参数进行溢流事故的判断十分依赖坐岗人员的经验,且现场采集的综合录井参数信噪严重,参数变化特征不明显,溢流监测准确率低.通过低通滤波处理和局部加权线性回归,去除现场综合录井参数曲线的高频信号和低频信噪,经归一化处理,得到了多参数同步的溢流识别方法,并结合GCN图形匹配和BRNN双向传递的特点,建立了GCN-BRNN相融合的模型,提高了溢流事故监测的准确率.结果表明,通过局部加权线性回归处理后能够使曲线变化特征更加明显,且归一化后的多参数同步监测比单一参数监测的准确率更高;以川西某井的综合录井数据为例进行溢流识别测试,与原先模型相比,结合后的模型溢流识别准确率更高,可达到85%;储层特征会影响录井参数的采集精度,储层分布结构越均匀、性质越稳定,溢流监测的准确率越高.经JT井现场应用,溢流事故识别准确率≥89%,实际溢流风险与模型识别结果一致.该方法能有效处理多源信息间的冲突,提高溢流监测的识别精度,对现场结合录井参数的溢流事故监测方法具有指导意义. 展开更多
关键词 钻井溢流监测 参数特征 滤波去噪 局部加权线性回归 神经网络
在线阅读 下载PDF
RPMNet++:结合Copula去噪模块的双向注意力点云配准网络
15
作者 陈睿星 吴军 +3 位作者 赵雪梅 徐刚 罗瀛 王海舰 《计算机辅助设计与图形学学报》 北大核心 2025年第6期944-960,共17页
针对点云实际获取存在噪声干扰,密度差异及遮挡等问题,为了提高复杂场景,非理想样本条件下的点云配准精度,提出一种结合Copula去噪模块的双向注意力点云配准网络RPMNet++.首先构建Copula去噪模块,以邻域数据点具有相似特征这一假设为基... 针对点云实际获取存在噪声干扰,密度差异及遮挡等问题,为了提高复杂场景,非理想样本条件下的点云配准精度,提出一种结合Copula去噪模块的双向注意力点云配准网络RPMNet++.首先构建Copula去噪模块,以邻域数据点具有相似特征这一假设为基础,通过卷积神经网络提取点云特征,计算肯德尔相关系数τ和Clayton Copula分布函数,并保留正相关的内点,滤除负相关的噪声点,缓解噪声干扰导致的特征偏差,参数估计误差和对应点关系误判等问题;然后在双向注意力机制下尽显局部特征学习,将双向注意力明确分为采样点到邻域点注意力和邻域点到中心点注意力2部分,综合两者并结合邻域特征编码增强对采样点特征及其邻域空间相关性的学习,以利于从去噪后稀疏的、局部结构不完善的点云中有效地提取数据特征,在保证邻域相关性特征完整的同时,提高网络对点云数据局部细粒度特征的学习能力.点云配准实验结果表明,在ModelNet40数据集上,与RPM-Net相比, RPMNet++对各向同性平均旋转误差和平移误差的提升效果显著,分别在无噪声数据集,噪声数据集和部分可见的噪声数据集上下降(0.026, 0.001),(0.267 0, 0.001 9)和(0.560, 0.007);在斯坦福3D数据集上,与7种跨源配准算法相比, RPMNet++均能达到最优,并具有良好的泛化性能与应用价值. 展开更多
关键词 点云配准 卷积神经网络 Copula去噪 自注意力机制
在线阅读 下载PDF
BEMD和狼群算法的自适应PCNN图像去噪方法
16
作者 杨虹 晋涛 +3 位作者 申冲 米康民 黄纯德 刘永鑫 《计算机应用与软件》 北大核心 2025年第4期251-256,共6页
提出一种二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)和狼群算法(Grey Wolf Optimization,GWO)自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的复合图像去噪方法。通过BEMD将原始图像分解成多个... 提出一种二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)和狼群算法(Grey Wolf Optimization,GWO)自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的复合图像去噪方法。通过BEMD将原始图像分解成多个二维固有模态函数分量和一个残余分量,用狼群算法对PCNN参数进行优化,对分解的各个分量进行去噪,并将去噪后的各分量进行重建得到去噪后的图像。主要优点包括:(1)有效确定PCNN关键参数,提高模型收敛速度;(2)有效解决高强度噪声的抑制问题;(3)通过对噪声点进行隔离并恢复原始像素点,最终使得图像细节信息得以完整保留。 展开更多
关键词 图像去噪 脉冲耦合神经网络 狼群算法 二维经验模态分解
在线阅读 下载PDF
融合数据去噪及神经网络算法的目标威胁判别方法
17
作者 李玉玺 方子穆 +2 位作者 李正宇 宋振华 葛尧 《火力与指挥控制》 北大核心 2025年第3期178-185,共8页
目标威胁评判作为战场智能感知的重要组成部分,在作战决策中具有重要作用。为了能够高效准确地预测敌方目标的威胁程度,将目标威胁判别转化为深度学习中的连续变量输出问题。选取敌方目标相对距离、相对速度、可打击角度、火力分配强度... 目标威胁评判作为战场智能感知的重要组成部分,在作战决策中具有重要作用。为了能够高效准确地预测敌方目标的威胁程度,将目标威胁判别转化为深度学习中的连续变量输出问题。选取敌方目标相对距离、相对速度、可打击角度、火力分配强度、目标类型和战术意图6组特征作为原始数据集,采用T-SNE数据可视化算法进行数据预处理和数据去噪;分别基于线性回归和神经网络算法构建威胁判别模型,引入正则化和Dropout策略进行神经网络模型优化;设计具体算例,使用3种方法进行威胁判别,结果表明提出的优化神经网络模型效果最优。 展开更多
关键词 威胁判别 神经网络 T-SNE 线性回归 数据去噪
在线阅读 下载PDF
自编码器神经网络与小波变换相结合的高频GNSS地震波降噪方法
18
作者 张成枫 倪四道 +2 位作者 张涵 郭爱智 谷旺旺 《地球物理学报》 北大核心 2025年第1期66-80,共15页
高频GNSS (Global Navigation Satellite System)技术能够直接获取近场大振幅动态位移,在强震震源反演等研究领域发挥着重要的作用.当震级不高或者震中距较远,台站位移较小时,高频GNSS动态波形信噪比较低,不利于震源参数的精确确定.如... 高频GNSS (Global Navigation Satellite System)技术能够直接获取近场大振幅动态位移,在强震震源反演等研究领域发挥着重要的作用.当震级不高或者震中距较远,台站位移较小时,高频GNSS动态波形信噪比较低,不利于震源参数的精确确定.如何对信噪比较低的高频GNSS地震波降噪处理,提高波形信噪比,是高频GNSS地震学研究的重要内容之一.本文尝试将深度学习应用于高频GNSS地震学,提出了一种自编码器与小波变换相结合的高频GNSS地震波降噪方法.以2019年7月美国加利福尼亚州MW7.0地震事件为研究对象,本文对1 Hz的GNSS解算结果进行了模型训练和降噪测试.合成测试集的降噪处理与分析表明,通过此方法降噪后三分量波形的均方根误差和静态位移误差均在毫米量级,数据信噪比提升2到5倍. GNSS实际观测数据的降噪处理和分析进一步验证了其降噪效果.在此基础上,用此模型对2022年9月中国四川省泸定M6.8地震的GNSS地震波做了降噪处理,初步验证了此模型的时空适应性. 展开更多
关键词 高频GNSS地震波降噪 自编码器 小波变换 神经网络
在线阅读 下载PDF
基于去噪扩散概率模型的离线真实无线干扰信号分类
19
作者 刘春雨 袁俊 +2 位作者 孙晓萌 张磊 张博 《电波科学学报》 北大核心 2025年第3期546-551,共6页
无线通信数据传输的可靠性和有效性在很大程度上取决于对干扰信号的检测和分类。近年来,深度学习(deep learning,DL)算法被广泛用于干扰信号的检测和分类。DL算法需要高质量的训练样本,然而,在无线通信系统中,实时获得大量高质量的干扰... 无线通信数据传输的可靠性和有效性在很大程度上取决于对干扰信号的检测和分类。近年来,深度学习(deep learning,DL)算法被广泛用于干扰信号的检测和分类。DL算法需要高质量的训练样本,然而,在无线通信系统中,实时获得大量高质量的干扰信号样本是具有挑战性的。为了解决这些挑战,本文提出了一种基于去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)的离线真实无线干扰信号分类的方法,该方法利用DDPM在特征提取之前对收集的信号进行离线处理,然后将信号发送到预定义的分类器中。仿真结果表明,本文所提算法能够在4个样本信号的情况下,将干扰信号分类和识别的准确率提高到91%,有效地解决了真实无线通信场景中由于样本数量少和数据质量差而导致的干扰识别准确度较低的问题。此外,证明了在信号处理中使用生成模型的可行性,并在真实通信场景中实现了高精度的识别性能。 展开更多
关键词 去噪扩散概率模型(DDPM) 生成对抗网络 深度学习(DL)算法 神经网络算法 无线通信干扰(WCI)
在线阅读 下载PDF
基于DAE-BiLSTM-CNN的滚动轴承故障诊断方法 被引量：6
20
作者 王英杰 朱景建 +1 位作者 龚智强 何彦虎 《机械设计》 CSCD 北大核心 2024年第11期123-129,共7页
滚动轴承作为机械设备中的核心组件,其运行状态直接影响系统的安全性与可靠性。由于轴承运转过程中的噪声干扰,传统故障诊断方法存在识别不准确、模型泛化有限等不足。为解决此问题,提出了一种基于DAE-BiLSTM-CNN的滚动轴承故障诊断方... 滚动轴承作为机械设备中的核心组件,其运行状态直接影响系统的安全性与可靠性。由于轴承运转过程中的噪声干扰,传统故障诊断方法存在识别不准确、模型泛化有限等不足。为解决此问题,提出了一种基于DAE-BiLSTM-CNN的滚动轴承故障诊断方法。通过去噪自动编码器(DAE)提高模型去除噪声干扰能力、采用双向长短时记忆网络(BiLSTM)提取轴承运转过程中的时序特征,再采用卷积神经网络(CNN)提取显著特征进行故障判别与分类。采用已公开数据对模型进行训练及超参数优化,并比较了提出的故障诊断模型与现有模型的准确性、精度、召回率及F1分数等性能评价指标。结果表明:相比于现有的故障诊断模型,所提方法具有更高的精度及召回率,验证了该故障诊断模型的准确性及可靠性,同时也说明该诊断方法对于实际工业应用中的滚动轴承故障诊断具备一定的理论参考价值。 展开更多
关键词 滚动轴承 故障诊断 去噪自动编码器 双向长短时记忆网络 卷积神经网络
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 … 14 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