期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于空洞-稠密网络的交通拥堵预测模型
被引量：
6
1
作者
石敏
蔡少委
易清明
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2021年第2期124-130,共7页
在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首...
在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3%~23%.
展开更多
关键词
空洞-稠密网络
时空特征
卷积神经网络
短时交通拥堵预测
在线阅读
下载PDF
职称材料
基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测
被引量：
3
2
作者
张典震
陈捷
+1 位作者
王华
杨启帆
《振动与冲击》
EI
CSCD
北大核心
2021年第23期9-16,共8页
为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-...
为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-Net网络中的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比。结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务。
展开更多
关键词
回转支承
密集时间卷积网络(
dtcn
)
卷积自编码网络(CAE)
退化趋势预测
在线阅读
下载PDF
职称材料
题名
基于空洞-稠密网络的交通拥堵预测模型
被引量：
6
1
作者
石敏
蔡少委
易清明
机构
暨南大学信息科学技术学院
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2021年第2期124-130,共7页
基金
国家青年科学基金(61603153)
广州市产业技术重大攻关技术项目(201802010028)
广州市“羊城创新创业领军人才支持计划”(2019019)。
文摘
在利用卷积神经网络模型对短时交通拥堵情况等预测场景进行预测时,由于模型的卷积池化操作过程会丢失部分数据,使得目标位置的信息出现丢失及特征的分辨率持续下降,导致模型的预测能力降低.针对此,本文提出一种空洞-稠密神经网络模型.首先,利用空洞卷积用较少的网络参数获取更大感受野的特点,充分提取出复杂多变的数据时空特征.其次,通过下采样及稠密网络的等值映射,解决参数在神经网络层数增加过程出现退化的问题.最后,取实际的城市道路平均车速数据块对网络结构的有效性进行验证.结果表明:同卷积神经网络模型相比,该网络结构预测平均绝对误差降低3%~23%.
关键词
空洞-稠密网络
时空特征
卷积神经网络
短时交通拥堵预测
Keywords
dilated-dense
network
spatio-
temporal
characteristics
convolution
al neural
network
s
short-term traffic congestion prediction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
U495 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测
被引量：
3
2
作者
张典震
陈捷
王华
杨启帆
机构
南京工业大学机械与动力工程学院
南京工业大学江苏省工业装备数字制造及控制技术重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第23期9-16,共8页
基金
国家重点研发计划(2019YFB2005005)。
文摘
为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-Net网络中的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比。结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务。
关键词
回转支承
密集时间卷积网络(
dtcn
)
卷积自编码网络(CAE)
退化趋势预测
Keywords
slewing support
densely
temporal
convolution
network
(
dtcn
)
convolution
al auto-encoder(CAE)
degradation trend prediction
分类号
TH17 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于空洞-稠密网络的交通拥堵预测模型
石敏
蔡少委
易清明
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2021
6
在线阅读
下载PDF
职称材料
2
基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测
张典震
陈捷
王华
杨启帆
《振动与冲击》
EI
CSCD
北大核心
2021
3
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
