检索结果-维普期刊中文期刊服务平台

基于级联MCNN-MMLP双残差网络的短期负荷预测被引量：1: 1; 作者余凯峰吐松江·卡日 +2 位作者张紫薇马小晶王志刚《电力系统保护与控制》北大核心 2025年第2期151-162,共12页; 为了解决负荷特性复杂导致负荷预测精度低的问题,提出了一种GWO-VMD和级联MCNN-MMLP双残差网络的短期负荷预测模型。首先,利用由灰狼算法(grey wolf optimize,GWO)优化的变分模态分解(variational mode decomposition,VMD)对原始负荷数... 展开更多; 关键词负荷预测多尺度卷积神经网络双残差神经网络多头注意力机制迁移学习; 在线阅读下载PDF 职称材料

基于DTL与DC-ResNet的非侵入式多标签负荷识别方法被引量：2: 2; 作者潘国兵王振涛 +3 位作者欧阳静王杰高亚栋尹康《高技术通讯》 CAS 2021年第7期781-789,共9页; 针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有... 展开更多; 关键词双通道深度残差神经网络(dc-resnet) 深度转换学习(DTL) 非侵入式负荷识别多标签分类; 在线阅读下载PDF 职称材料

双任务卷积神经网络的图像去模糊方法被引量：1: 3; 作者陈清江胡倩楠李金阳《液晶与显示》 CAS CSCD 北大核心 2021年第11期1486-1496,共11页; 针对现有图像去模糊卷积神经网络在图像复原过程中易出现纹理细节丢失、不加区分地对待所有通道和空间特征信息以及去模糊效果不佳等问题,本文提出了一种基于双任务卷积神经网络的图像去模糊方法。将图像去模糊任务分为去模糊子任务和... 展开更多; 关键词卷积神经网络图像去模糊八度卷积注意力机制双残差; 在线阅读下载PDF 职称材料

结合LSTM与ResNet的声学回声消除被引量：3: 4; 作者许春冬徐锦武 +3 位作者王茹霞凌贤鹏黄乔月郭桥生《传感器与微系统》 CSCD 北大核心 2023年第5期29-32,共4页; 针对传统的声学回声消除(AEC)方法在双端讲话场景下较难实现快速收敛和动态自适应的问题,提出了一种结合长短时记忆(LSTM)与残差神经网络(ResNet)的AEC方法。通过使用LSTM和ResNet相结合的特征提取方法,同时提取到声学回声的时序特征和... 展开更多; 关键词声学回声消除双端讲话场景长短时记忆网络残差神经网络理想二值掩蔽深度可分离卷积; 在线阅读下载PDF 职称材料

基于双流残差卷积神经网络的养殖鳗鲡(Anguilla)摄食强度评估研究被引量：1: 5; 作者李凯江兴龙 +1 位作者许志扬林茜《海洋与湖沼》 CAS CSCD 北大核心 2023年第4期1207-1216,共10页; 为实现对养殖鳗鲡(Anguilla)摄食强度的准确评估,提出了一种基于双流残差卷积神经网络的鳗鲡摄食强度评估方法,该方法针对传统双流网络(Two-stream)中存在的问题做出了相应的改进。首先针对传统双流网络存在网络结构较浅,无法提取到充... 展开更多; 关键词鳗鲡摄食强度双流残差卷积神经网络 ResNet50 并行训练特征层融合; 在线阅读下载PDF 职称材料

基于深度残差反向传播神经网络的钢筋腐蚀检测被引量：5: 6; 作者林旭梅胡川 +2 位作者朱广辉陈一戈苗芳荣《科学技术与工程》北大核心 2021年第33期14351-14355,共5页; 针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差反向传播(back propagation,BP)神经网络模型,每个残差块堆叠3个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连... 展开更多; 关键词钢筋腐蚀腐蚀检测双跳跃残差模块残差映射 Adam算法神经网络; 在线阅读下载PDF 职称材料

题名基于级联MCNN-MMLP双残差网络的短期负荷预测被引量：1: 1; 作者余凯峰吐松江·卡日张紫薇马小晶王志刚; 机构新疆大学电气工程学院清华四川能源互联网研究院; 出处《电力系统保护与控制》北大核心 2025年第2期151-162,共12页; 基金国家自然科学基金项目资助(52067021,52207165) 新疆维吾尔自治区自然科学基金面上项目资助(2022D01C35) 新疆维吾尔自治区优秀青年科技人才培养项目资助(2019Q012)。; 文摘为了解决负荷特性复杂导致负荷预测精度低的问题,提出了一种GWO-VMD和级联MCNN-MMLP双残差网络的短期负荷预测模型。首先,利用由灰狼算法(grey wolf optimize,GWO)优化的变分模态分解(variational mode decomposition,VMD)对原始负荷数据进行处理,降低原始负荷数据的复杂程度。其次,使用多尺度卷积神经网络(multiscale convolutional neural networks,MCNN)和多层感知机(multi-layer perception,MLP)结合的双残差神经网络对各个模态进行迁移学习训练和预测,并在MLP网络中引入多头注意力机制弥补网络信息瓶颈问题。最后,再次使用MCNN-MMLP双残差模型对初步预测的误差进行预测并校正初值,从而进一步提升预测精确度。通过对实际负荷数据进行分析,本模型的均方误差为5.024(MW)^(2)、均方根误差为2.241 MW、平均绝对百分比误差为0.160%,决定系数为0.996,各性能指标均优于其他传统及智能负荷预测方法。; 关键词负荷预测多尺度卷积神经网络双残差神经网络多头注意力机制迁移学习; Keywords load forecasting multiscale convolutional neural network double residual neural network multi-head attention mechanism transfer learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于DTL与DC-ResNet的非侵入式多标签负荷识别方法被引量：2: 2; 作者潘国兵王振涛欧阳静王杰高亚栋尹康; 机构浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室; 出处《高技术通讯》 CAS 2021年第7期781-789,共9页; 基金国家重点研发计划(2017YFA0700301) 浙江省重点研发计划(2018C01081)资助项目。; 文摘针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有效的负荷特征,可以达到降维的效果。然后将负荷数据按时间滑窗生成特征图作为DC-ResNet的输入,利用卷积核自动提取时间尺度上的有效特征。DC-ResNet的一条通道用于提取大类特征预测负荷的开关状态,另一条通道用于提取小类特征预测负荷的运行模式,综合两条通道的输出可以得到最后的多标签分类结果。实验结果表明,经DTL提取后的负荷数据更易被识别,DC-ResNet在总体和单一设备的识别上都具有更好的效果,而且模型所需的训练时间较短。; 关键词双通道深度残差神经网络(dc-resnet) 深度转换学习(DTL) 非侵入式负荷识别多标签分类; Keywords double channel-deep residual neural network(dc-resnet) deep transform learning(DTL) non-intrusive load identification multi-label classification; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名双任务卷积神经网络的图像去模糊方法被引量：1: 3; 作者陈清江胡倩楠李金阳; 机构西安建筑科技大学理学院; 出处《液晶与显示》 CAS CSCD 北大核心 2021年第11期1486-1496,共11页; 基金国家自然科学基金(No.61403298) 陕西省自然科学基金(No.2015JM1024)。; 文摘针对现有图像去模糊卷积神经网络在图像复原过程中易出现纹理细节丢失、不加区分地对待所有通道和空间特征信息以及去模糊效果不佳等问题,本文提出了一种基于双任务卷积神经网络的图像去模糊方法。将图像去模糊任务分为去模糊子任务和高频细节恢复子任务来进行。其一,提出一种基于残差注意力模块和八度卷积残差块的编解码子网络模型,将此网络模型用于图像去模糊子任务;其二,提出一种基于双残差连接的高频细节恢复子网络模型,将此网络模型用于高频细节恢复子任务。将两个子网络采用并联方式组合起来,并使用平均绝对误差损失与结构损失来共同约束训练方向,实现图像去模糊。实验结果表明,本文方法具有较强的图像复原能力和较丰富的细节纹理,峰值信噪比(PSNR)为32.4276 dB,结构相似度为0.9470。与目前先进的去模糊算法相比能够有效提升图像去模糊效果。; 关键词卷积神经网络图像去模糊八度卷积注意力机制双残差; Keywords convolution neural network image deblurring octave convolution attention mechanism double residuals; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名结合LSTM与ResNet的声学回声消除被引量：3: 4; 作者许春冬徐锦武王茹霞凌贤鹏黄乔月郭桥生; 机构江西理工大学信息工程学院安克创新科技股份有限公司朝阳聚声泰(信丰)科技有限公司; 出处《传感器与微系统》 CSCD 北大核心 2023年第5期29-32,共4页; 基金国家自然科学基金资助项目(11864016,61671442)。; 文摘针对传统的声学回声消除(AEC)方法在双端讲话场景下较难实现快速收敛和动态自适应的问题,提出了一种结合长短时记忆(LSTM)与残差神经网络(ResNet)的AEC方法。通过使用LSTM和ResNet相结合的特征提取方法,同时提取到声学回声的时序特征和不同级别的抽象特征,且充分利用近端语音、近端麦克风语音和声学回声之间的幅度谱相似性的特点,引入它们之间的谱归一化互相关系数,构造了一种改进的理想二值掩蔽(iIBM)作为训练目标,此外引入深度可分离卷积使模型参数量减少了3.42 MB。实验结果表明:双端通话环境下所提出的方法相比参考算法取得了更高的客观评价得分。; 关键词声学回声消除双端讲话场景长短时记忆网络残差神经网络理想二值掩蔽深度可分离卷积; Keywords acoustic echo cancellation(AEC) double-ended speech scenarios long short-term memory(LSTM) residual neural network(ResNet) ideal binary mask depthwise separable convolution(DSC); 分类号 TN912 [电子电信—通信与信息系统] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于双流残差卷积神经网络的养殖鳗鲡(Anguilla)摄食强度评估研究被引量：1: 5; 作者李凯江兴龙许志扬林茜; 机构集美大学水产学院鳗鲡现代产业技术教育部工程研究中心; 出处《海洋与湖沼》 CAS CSCD 北大核心 2023年第4期1207-1216,共10页; 基金国家重点研发计划“特色鱼类精准高效养殖关键技术集成与示范”,2020YFD0900102号福建省科技厅高校产学合作项目,2020N5009号。; 文摘为实现对养殖鳗鲡(Anguilla)摄食强度的准确评估,提出了一种基于双流残差卷积神经网络的鳗鲡摄食强度评估方法,该方法针对传统双流网络(Two-stream)中存在的问题做出了相应的改进。首先针对传统双流网络存在网络结构较浅,无法提取到充分的鳗鲡摄食行为特征的问题,选择使用ResNet50网络进行替换,以提取到更具代表性的特征。其次针对传统双流网络最后的分类结果是把空间流和时间流的得分取平均值融合而获得,这种方式较为简单,且其空间流和时间流网络为独立进行训练,容易导致网络出现学习不到鳗鲡摄食行为的时空关联特征的问题,选择使用特征层融合方式对空间流和时间流网络提取获得的特征进行融合,让网络能够并行进行训练,以提取到时空信息间的关联特征。试验结果表明:文内提出的基于双流残差卷积神经网络的鳗鲡摄食强度评估方法准确率达到98.6%,与单通道的空间流和时间流网络相比,准确率分别提升了5.8%和8.5%,与传统的双流网络相比准确率也提升了3.2%。; 关键词鳗鲡摄食强度双流残差卷积神经网络 ResNet50 并行训练特征层融合; Keywords eel feeding intensity double-flow residual convolution neural network ResNet50 parallel training feature layer fusion; 分类号 Q959.9 [生物学—动物学] S965 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名基于深度残差反向传播神经网络的钢筋腐蚀检测被引量：5: 6; 作者林旭梅胡川朱广辉陈一戈苗芳荣; 机构青岛理工大学信息与控制工程学院; 出处《科学技术与工程》北大核心 2021年第33期14351-14355,共5页; 基金国家重点基础研究发展计划(973计划)(2015CB655100)。; 文摘针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差反向传播(back propagation,BP)神经网络模型,每个残差块堆叠3个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连接,增强浅层低非线性度特征信息向深层网络的直接传递和重复利用,且在反向传播过程中避免了梯度消失,提升模型分类准确率。同时引入一阶矩估计梯度指数加权平均因子对Adam算法中影响学习率的二阶矩估计梯度进行调整,优化网络的收敛能力。将改进后的算法模型用于钢筋腐蚀样本数据训练及测试,仿真结果表明,改进后的算法模型具有更好的分类性能。; 关键词钢筋腐蚀腐蚀检测双跳跃残差模块残差映射 Adam算法神经网络; Keywords reinforced concrete corrosion detection double jump residual module residual map Adam algorithm neural network; 分类号 TU528.33 [建筑科学—建筑技术科学]; 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	基于级联MCNN-MMLP双残差网络的短期负荷预测	余凯峰吐松江·卡日张紫薇马小晶王志刚	《电力系统保护与控制》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于DTL与DC-ResNet的非侵入式多标签负荷识别方法	潘国兵王振涛欧阳静王杰高亚栋尹康	《高技术通讯》 CAS	2021	2	在线阅读下载PDF 职称材料
3	双任务卷积神经网络的图像去模糊方法	陈清江胡倩楠李金阳	《液晶与显示》 CAS CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
4	结合LSTM与ResNet的声学回声消除	许春冬徐锦武王茹霞凌贤鹏黄乔月郭桥生	《传感器与微系统》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
5	基于双流残差卷积神经网络的养殖鳗鲡(Anguilla)摄食强度评估研究	李凯江兴龙许志扬林茜	《海洋与湖沼》 CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
6	基于深度残差反向传播神经网络的钢筋腐蚀检测	林旭梅胡川朱广辉陈一戈苗芳荣	《科学技术与工程》北大核心	2021	5	在线阅读下载PDF 职称材料