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205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：
基于DCNN-BiGRU的离子刻蚀机冷却系统故障诊断
1
作者 李嘉程 王璠 +1 位作者 邓超 程聘 《仪表技术与传感器》 北大核心 2025年第8期25-33,50,共10页
离子刻蚀机是半导体制造领域中为晶圆提供刻蚀加工的关键设备,冷却系统作为离子刻蚀机的重要组成部分,一旦在运行过程中发生故障,会导致后续在设备上加工的晶圆报废。针对离子刻蚀机冷却系统运行过程中的传感器信号存在多尺度信息的问题... 离子刻蚀机是半导体制造领域中为晶圆提供刻蚀加工的关键设备,冷却系统作为离子刻蚀机的重要组成部分,一旦在运行过程中发生故障,会导致后续在设备上加工的晶圆报废。针对离子刻蚀机冷却系统运行过程中的传感器信号存在多尺度信息的问题,提出了一种基于混合动态时空网络(DCNN-BiGRU)的故障诊断方法。该方法利用动态卷积神经网络挖掘样本序列中的多尺度空间特征,然后通过双向门控循环单元进一步挖掘样本中的时序特征,使模型能够充分学习样本中所蕴含的故障信息,实现离子刻蚀机的精确故障诊断。在离子刻蚀机冷却系统故障数据集上的实验结果表明:所提出的方法能够准确对故障进行诊断,在各腔室上的平均故障诊断准确率达到了91.81%,优于CNN、LSTM等故障诊断算法。 展开更多
关键词 故障诊断 离子刻蚀机 动态卷积神经网络 双向门控循环单元 多尺度特征
在线阅读 下载PDF
基于DCNN网络及Self-Attention-BiGRU机制的轴承剩余寿命预测 被引量：4
2
作者 刘森 刘美 +2 位作者 贺银超 韩惠子 孟亚男 《机电工程》 CAS 北大核心 2024年第5期786-796,共11页
深度神经网络在剩余寿命预测(RUL)领域得到了广泛的应用。传统的滚动轴承寿命预测模型存在预测精确度较低、鲁棒性较弱的问题。为了进一步提升预测模型的精确度以及鲁棒性,提出了一种融合深度卷积神经网络(DCNN)、双向门控循环单元(BiG... 深度神经网络在剩余寿命预测(RUL)领域得到了广泛的应用。传统的滚动轴承寿命预测模型存在预测精确度较低、鲁棒性较弱的问题。为了进一步提升预测模型的精确度以及鲁棒性,提出了一种融合深度卷积神经网络(DCNN)、双向门控循环单元(BiGRU)以及自注意力机制(Self-Attention)三种模块的滚动轴承剩余使用寿命预测模型。首先,利用DCNN网络对原始振动信号的时域特征、频域特征进行了提取;然后,使用不确定量化的方法对提取到的特征进行了评价和筛选,利用筛选过后的特征构建了新的替代特征集;最后,利用Self-Attention-BiGRU网络对轴承的剩余使用寿命进行了预测,并在IEEE PHM2012数据集上进行了验证。实验结果表明:相较于BiGRU、GRU和BiLSTM三种模型的预测结果,基于DCNN及Self-Attention-BiGRU方法的预测结果最优,两项误差值:平均绝对误差(MAE)、均方根误差(RMSE)最低,其中工况一的一号轴承RUL预测的MAE值相较于BiGRU、GRU以及BiLSTM网络分别下降了7.0%、7.4%和6.5%,RMSE值相较于其他三种模型分别下降了7.6%、8.4%和6.9%,预测的Score值最高,分值为0.985。通过不同数据集的划分,证明了该方法在轴承RUL预测时的强鲁棒性。实验结果验证了基于DCNN网络及Self-Attention-BiGRU模型在轴承剩余使用寿命预测中的有效性。 展开更多
关键词 滚动轴承 剩余使用寿命 双向门控循环单元 不确定量化 自注意力机制 深度卷积神经网络 预测与健康管理
在线阅读 下载PDF
改进抗噪1D-CNN的旋转车轮动平衡状态监测 被引量：1
3
作者 周海超 关浩东 +2 位作者 王国林 张宇 赵春来 《振动.测试与诊断》 北大核心 2025年第2期309-315,412,413,共9页
针对实车旋转车轮动平衡状态难以实时监测及预判的问题,提出了一种融合注意力机制的抗噪一维卷积神经网络(noise resistant 1D convolutional neural network,简称NRCNN)的旋转车轮动平衡健康状态监测方法。首先,构建NRCNN模型,以在实... 针对实车旋转车轮动平衡状态难以实时监测及预判的问题,提出了一种融合注意力机制的抗噪一维卷积神经网络(noise resistant 1D convolutional neural network,简称NRCNN)的旋转车轮动平衡健康状态监测方法。首先,构建NRCNN模型,以在实车车轮上添加3种不同质量平衡块的方式获得3种不同速度下对应的旋转车轮动不平衡状态下的振动信息;其次,以高斯白噪声为噪声输入,对所测旋转车轮不同动平衡状态的振动信息进行处理,获得试验样本数据,并用其进行模型训练;然后,综合运用卷积运算机制和特征变换进行t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,简称t-SNE)可视化显示,实现对不同动平衡状态的分类输出。结果表明,在不同信噪比的工况下,所提出的改进NRCNN模型旋转车轮的动平衡状态监测方法相比于传统一维卷积神经网络(1D convolutional neural network,简称1D-CNN)模型,展现出更高的诊断准确性,最高可达到99.95%。 展开更多
关键词 卷积神经网络 注意力机制 车轮动平衡 状态监测 高斯白噪声
在线阅读 下载PDF
基于动态自适应门控图卷积网络的交通拥堵预测
4
作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多
关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络
在线阅读 下载PDF
基于双分支卷积神经网络的气水动态分析
5
作者 李道伦 吕茂春 +1 位作者 查文舒 沈路航 《合肥工业大学学报(自然科学版)》 北大核心 2025年第6期828-832,838,共6页
传统气水分析方法主要有数值分析方法、实验模拟法等,但数值分析方法需要大量难以测量的数据,实验模拟法难以表征复杂油气开发现场,为此,文章基于深度学习神经网络提出一种新的气水分析方法。该方法根据气水动态物理模型建立的双分支卷... 传统气水分析方法主要有数值分析方法、实验模拟法等,但数值分析方法需要大量难以测量的数据,实验模拟法难以表征复杂油气开发现场,为此,文章基于深度学习神经网络提出一种新的气水分析方法。该方法根据气水动态物理模型建立的双分支卷积神经网络分别对排水井和产气井进行建模,个性化表征生产井和排水井的动静态数据;将产气井的气水产量数据作为输出,实现井组动态耦合关联,建立井组气水动态分析的深度学习网络模型。主动排水井组动态生产数据分析表明,该双分支卷积神经网络可实现3口生产井的日产气量和日产水量的高质量预测,揭示了主动排水井组中的复杂关联,可进行气水关系动态分析,从而为油气藏工程师提供了一种方便快捷的分析方法。 展开更多
关键词 气水动态分析 主动排水井组 双分支卷积神经网络 日产气 日产水
在线阅读 下载PDF
融合动态蛇形卷积的山区道路提取
6
作者 戴激光 马争 +2 位作者 李宛潼 秦志伟 王继承 《遥感信息》 北大核心 2025年第4期11-18,共8页
针对山区道路曲率变化大、阴影遮挡等特点导致的提取精度低的问题,提出了一种新的山区道路提取模型。该方法以MANet为基础,首先,采用动态蛇形卷积(dynamic snake convolution,DSCov)自适应聚焦细长和弯曲的局部结构,来准确捕捉道路结构... 针对山区道路曲率变化大、阴影遮挡等特点导致的提取精度低的问题,提出了一种新的山区道路提取模型。该方法以MANet为基础,首先,采用动态蛇形卷积(dynamic snake convolution,DSCov)自适应聚焦细长和弯曲的局部结构,来准确捕捉道路结构的特征,聚焦道路曲率变化大的问题;其次,提出多卷积上下文提取模块(multiple convolution context extraction,MCCE)关注道路的远程依赖关系,有效地捕获长距离的道路环境,增强阴影遮挡情况下模型的稳定性与泛化性。为验证该方法的有效性,在自主绘制的GF-2山区道路数据集和Massachusetts数据集上进行实验,F1分数分别达到了82.41%、88.87%;同时,在GF-2山区道路数据集上进行消融实验,F1分数相较于MANet提高2.24个百分点。通过对比分析,该方法在道路曲率大和遮挡处的提取效果均优于其他模型。 展开更多
关键词 山区道路提取 动态蛇形卷积 多卷积上下文提取 深度学习 卷积神经网络
在线阅读 下载PDF
炉排式垃圾焚烧炉燃烧过程动态建模方法研究
7
作者 赵征 周孜钰 +2 位作者 卢叶 魏强 许洪滨 《中国电机工程学报》 北大核心 2025年第11期4360-4371,I0020,共13页
为对垃圾焚烧炉控制优化提供有效帮助,该文提出一种炉排式垃圾焚烧炉燃烧过程动态建模方法。首先,根据控制目标确定模型输出变量;然后,根据焚烧炉运行机理进行输入变量初选,计算反映燃烧状态的火焰图像特征及垃圾料层厚度作为模型输入... 为对垃圾焚烧炉控制优化提供有效帮助,该文提出一种炉排式垃圾焚烧炉燃烧过程动态建模方法。首先,根据控制目标确定模型输出变量;然后,根据焚烧炉运行机理进行输入变量初选,计算反映燃烧状态的火焰图像特征及垃圾料层厚度作为模型输入关键变量;之后,改进WesselN符号转移熵算法,完成进一步输入参数降维并找到变量之间的延迟时间;最后,利用多元宇宙优化算法对卷积神经网络-双向长短期记忆网络模型进行超参数优化,建立焚烧炉多输入多输出动态模型。结果表明:模型拟合效果良好,输出参数:主蒸汽流量、水平烟道出口氧量、竖直烟道温度的均方根误差分别为0.23 t/h、0.11%、0.55℃。与对比模型相比,提出的建模方法具有更高精度和更强的拟合能力。 展开更多
关键词 垃圾焚烧炉 动态建模 转移熵 卷积神经网络 长短期记忆网络
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
8
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
基于卷积神经网络和模糊PID的掘进机截割控制系统研究 被引量：2
9
作者 李英娜 崔彦平 +2 位作者 安博烁 刘百健 靳建伟 《工矿自动化》 北大核心 2025年第1期61-70,137,共11页
针对悬臂式掘进机在掘进过程中面对煤岩硬度复杂变化时适应性不足、系统稳定性低等问题,提出一种基于卷积神经网络(CNN)及模糊PID的掘进机截割控制系统,该系统包括巷道断面成形特性和智能截割控制策略2个部分,其中掘进机智能截割控制策... 针对悬臂式掘进机在掘进过程中面对煤岩硬度复杂变化时适应性不足、系统稳定性低等问题,提出一种基于卷积神经网络(CNN)及模糊PID的掘进机截割控制系统,该系统包括巷道断面成形特性和智能截割控制策略2个部分,其中掘进机智能截割控制策略由CNN煤岩硬度动态感知模块和截割臂摆速模糊PID控制模块组成。提出一种有效的截割路径,使截割头沿规划路径从上至下进行煤岩截割,以提高断面完整性,减小掘进方向的误差。采用CNN煤岩硬度动态感知模块分析采集的截割电动机电流、截割臂振动加速度、回转油缸压力数据信息,以感知煤岩特性;采用截割臂摆速模糊PID控制模块对感知后的数据进行模糊化与解模糊化处理,输出相应控制参数信号;电液比例阀根据接收到的信号控制液压油的流量和压力,通过阀控液压缸控制截割臂摆速,实现截割臂摆速的自适应控制。现场实验结果表明:当掘进机截割较软介质与煤时,截割臂以高摆速工作;当掘进机截割复杂岩层时,摆速随截割信号的增大而降低,截割信号在0~1之间变动;当掘进机截割较硬岩层时,截割载荷信号接近1,截割臂的摆速降低至0。 展开更多
关键词 悬臂式掘进机 智能截割 截割臂摆速 截割路径 模糊PID控制 煤岩硬度动态感知 卷积神经网络
在线阅读 下载PDF
结合依存图卷积的中文文本相似度计算研究 被引量：1
10
作者 胡书林 张华军 +1 位作者 邓小涛 王征华 《计算机工程》 北大核心 2025年第3期76-85,共10页
目前中文文本相似度计算能够通过词嵌入技术在语义层面判别文本相似度,但通常忽略了文本中蕴含的丰富的句法结构信息,而以词为单位的中文句法分析与动态词嵌入模型中以字为单位的分词粒度不一致,使得当前大多数结合句法分析的研究只能... 目前中文文本相似度计算能够通过词嵌入技术在语义层面判别文本相似度,但通常忽略了文本中蕴含的丰富的句法结构信息,而以词为单位的中文句法分析与动态词嵌入模型中以字为单位的分词粒度不一致,使得当前大多数结合句法分析的研究只能使用静态词嵌入来表征词的语义向量。针对此问题,根据依存句法分析构建依存图,通过分词掩码映射与注意力混合池化的方法实现动态词嵌入表征词节点的语义特征,然后使用图卷积网络提取依存图中词节点之间的依存关系信息,最终读出依存图,将其作为句子的特征向量,从语义与句法2个层面计算句子间的相似度。在表示型与交互型2种结构模型上应用所提方法,并在BQ_Corpus与ATEC数据集上进行实验,结果显示,该模型的准确率最高分别达到87.12%与88.33%,结合依存句法信息后模型的各项评估指标均有提升。 展开更多
关键词 图卷积神经网络 依存句法分析 动态词嵌入 文本相似度 注意力机制
在线阅读 下载PDF
基于图插值和可变形卷积网络的序列推荐
11
作者 刘昕悦 尹海莲 +6 位作者 臧亚磊 吴文隆 卓俊男 徐凤如 陈吕莹 马维华 李博涵 《计算机研究与发展》 北大核心 2025年第10期2583-2594,共12页
序列推荐系统(sequential recommendation system,SRS)旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法,但仍然存在根本性的挑战.首先,随着在线服务的普及,推荐系统需要同时服务于热启动用户和冷启动用... 序列推荐系统(sequential recommendation system,SRS)旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法,但仍然存在根本性的挑战.首先,随着在线服务的普及,推荐系统需要同时服务于热启动用户和冷启动用户.然而,由于难以从交互数据有限的序列中学习到有效的序列依赖关系,大多数依赖于用户-项目交互的现有模型失去了优势.其次,由于现实中用户意图的可变性和主观随机性,用户在其历史序列中的行为往往是隐含和复杂的,很难从这些用户-项目交互数据中捕获这种动态转变模式.提出了一种基于图插值和可变形卷积网络的序列推荐(graph-based interpolation sequential recommender with deformable convolutional network,GISDCN)模型.对于冷启动用户,将序列对象重新构建成图,并提取全局序列中的知识来推断用户可能的偏好.为了捕捉复杂的顺序依赖关系,使用可变形卷积网络来生成更健壮和灵活的卷积核.最后,在4个数据集上进行了综合实验,验证了模型的有效性.实验结果表明,GISDCN优于大多数主流的模型. 展开更多
关键词 序列推荐 可变形卷积 图神经网络 冷启动 动态卷积
在线阅读 下载PDF
考虑光照特性的卫星柔性太阳翼动力学参数辨识方法
12
作者 程天明 刘天喜 +1 位作者 夏斌 魏承 《宇航学报》 北大核心 2025年第8期1674-1683,共10页
卫星柔性太阳翼在轨动力学参数测量与辨识已广泛采用非接触式的视觉测量方法。卫星长时间在轨运行,星载相机采集大量的图像数据;这些图像受光照条件等因素影响,存在诸多过曝、过暗的失效情况。针对失效图像的剔除和有效图像的参数辨识问... 卫星柔性太阳翼在轨动力学参数测量与辨识已广泛采用非接触式的视觉测量方法。卫星长时间在轨运行,星载相机采集大量的图像数据;这些图像受光照条件等因素影响,存在诸多过曝、过暗的失效情况。针对失效图像的剔除和有效图像的参数辨识问题,提出多深度并行卷积模块。此模块可以同时保留卷积前期和后期特征图的信息,实现多维度同步提取特征。基于该模块搭建超轻量化卷积神经网络,大幅降低了网络参数量。利用标定的训练数据集训练网络,通过测试数据集对网络效果进行评价,并利用网络反馈的图像进行航天器动力学参数辨识。试验表明,此轻量化卷积神经网络可以凭借不足10万的参数量实现99.60%的辨识准确度,利用其输出的图像可以实现太阳翼动力学参数计算。 展开更多
关键词 计算机视觉 卷积神经网络 动力学参数辨识 轻量化神经网络 在轨图像处理
在线阅读 下载PDF
面向交通标志检测的DSA-YOLOv8算法
13
作者 周新翔 王可庆 +2 位作者 周翔 张强 薛国强 《计算机工程与设计》 北大核心 2025年第8期2320-2327,共8页
针对交通标志检测存在精度欠佳及模型复杂度高的问题,提出了一种基于YOLOv8的轻量化交通标志检测模型。引入动态蛇形卷积模块,并结合其思想改进C2f模块,增强模型在复杂背景下的特征提取能力。通过优化小目标检测层,改善小目标检测精度... 针对交通标志检测存在精度欠佳及模型复杂度高的问题,提出了一种基于YOLOv8的轻量化交通标志检测模型。引入动态蛇形卷积模块,并结合其思想改进C2f模块,增强模型在复杂背景下的特征提取能力。通过优化小目标检测层,改善小目标检测精度并有效降低模型参数量。利用AFCA(adaptive fine-grained channel)注意力机制改造空间金字塔池化层,实现特征权重的动态调整。实验结果表明,在CCTSDB-2021交通标志数据集上,改进的模型在精确率、召回率和mAP_(50)方面较原始模型分别提升了1.8%、7.1%和7.6%,参数量和模型大小分别减少了50.53%、45.64%,展现出较高的实用价值。 展开更多
关键词 交通标志检测 YOLOv8 小目标 复杂场景 卷积神经网络 特征信息 动态蛇形卷积
在线阅读 下载PDF
基于CNN-LSTM的船体板架损伤位置检测研究
14
作者 王文婷 叶星宏 夏利娟 《舰船科学技术》 北大核心 2025年第19期87-93,共7页
船舶结构庞大且复杂,简单的分类模型难以满足船体损伤检测的全面需求。本文提出一种基于卷积神经网络和长短期记忆网络的船体板架损伤位置检测方法。通过Abaqus脚本对带有裂纹的船体板架进行参数化建模和响应计算,建立不同损伤位置板架... 船舶结构庞大且复杂,简单的分类模型难以满足船体损伤检测的全面需求。本文提出一种基于卷积神经网络和长短期记忆网络的船体板架损伤位置检测方法。通过Abaqus脚本对带有裂纹的船体板架进行参数化建模和响应计算,建立不同损伤位置板架的加速度响应数据集。然后,构建CNN-LSTM神经网络代理模型,直接以多通道加速度响应作为输入,避免了传统机器学习方法需要人工设计损伤敏感特征的问题,以裂纹中心坐标作为输出,避免了分类方法对损伤位置覆盖不充分的问题。结果显示,预测裂纹位置与实际位置的误差不超过板架尺寸的5%,噪声水平越低、裂纹越严重,此方法的预测精度越高,为船舶结构健康监测提供了较好的思路和方案。 展开更多
关键词 卷积神经网络 长短期记忆 结构损伤检测 动力学响应
在线阅读 下载PDF
动态时间序列建模的多模态情感识别方法 被引量：2
15
作者 李佳泽 梅红岩 +1 位作者 贾丽云 李文娅 《计算机工程与应用》 北大核心 2025年第1期196-205,共10页
现有的情感识别研究未充分考虑语音信号中的局部-全局信息和长期时间依赖关系,文本特征提取也存在特征稀疏和信息丢失的问题。为解决上述问题,提出动态时间序列建模的多模态情感识别方法。设计动态时间窗口模块分割语音信号从而捕捉局部... 现有的情感识别研究未充分考虑语音信号中的局部-全局信息和长期时间依赖关系,文本特征提取也存在特征稀疏和信息丢失的问题。为解决上述问题,提出动态时间序列建模的多模态情感识别方法。设计动态时间窗口模块分割语音信号从而捕捉局部-全局信息,并通过双向序列建模捕获信号中的空间信息。考虑到文本信息对情感分析的重要性,采用基于Transformer模型的卷积神经网络捕捉文本中不同位置间的依赖关系建模较长的上下文信息,最后将两种模态进行融合得到最终的情感分类。模型在IEMOCAP数据集上的实验结果表明,相比其他主流模型具有更好的多模态情感识别效果。 展开更多
关键词 多模态情感分析 动态时间窗口 双向时间序列建模 卷积神经网络 多模态融合
在线阅读 下载PDF
基于DCNN的人脸特征点检测及面部朝向计算 被引量：6
16
作者 郭克友 马丽萍 胡巍 《计算机工程与应用》 CSCD 北大核心 2020年第4期202-208,共7页
在介绍人脸特征点检测的理论知识的基础上,提出了一种基于深层卷积神经网络(Deep Convolutional Neural Network,DCNN)解决人脸5点特征点(眼角、鼻子、嘴角)预测问题的方法。通过添加更多的卷积层稳定地增加网络的深度,并且在所有层中使... 在介绍人脸特征点检测的理论知识的基础上,提出了一种基于深层卷积神经网络(Deep Convolutional Neural Network,DCNN)解决人脸5点特征点(眼角、鼻子、嘴角)预测问题的方法。通过添加更多的卷积层稳定地增加网络的深度,并且在所有层中使用3×3的卷积滤波器,有效减小参数,更好地解决了人脸特征点检测问题。然后计算双眼角与嘴角所成平面与正视时此平面的单应性矩阵,最后利用等效算法求解驾驶员面部转角。实验结果表明,面部特征点检测准确率达到97.96%,算法在角度判断上的误差是1°~5°,这证明了该算法对注意力分散监测的有效性。 展开更多
关键词 深度卷积神经网络(dcnn) 面部特征点检测 卷积层和池化层 驾驶员面部朝向
在线阅读 下载PDF
基于WPD-CNN的补偿电容故障诊断方法研究 被引量：2
17
作者 罗泽霖 孟景辉 +3 位作者 刘金朝 罗依梦 许庆阳 解婉茹 《铁道标准设计》 北大核心 2025年第1期191-197,共7页
为进一步挖掘动态检测数据中蕴含的补偿电容状态特征,针对ZPW-2000A型轨道电路,结合小波包分解与卷积神经网络,提出一种基于WPD-CNN的补偿电容故障诊断方法。采用功率谱分析的方法,找出检测曲线中趋势项特征与补偿电容特征所在频带范围... 为进一步挖掘动态检测数据中蕴含的补偿电容状态特征,针对ZPW-2000A型轨道电路,结合小波包分解与卷积神经网络,提出一种基于WPD-CNN的补偿电容故障诊断方法。采用功率谱分析的方法,找出检测曲线中趋势项特征与补偿电容特征所在频带范围,然后利用小波包分解方法对原始信号进行分解,提取其中特征频带内的小波包系数构造补偿电容特征矩阵。使用动态检测数据构造训练集与测试集,将不同故障类型的特征矩阵输入卷积神经网络进行训练学习,并在测试集上进行验证。实验结果表明,WPD-CNN方法对单个信号的特征提取用时5.9 ms,总体故障识别准确率为98.4%,可有效识别不同位置的补偿电容故障问题,为补偿电容故障诊断提供依据。 展开更多
关键词 轨道电路 补偿电容 动态检测 小波包分解 卷积神经网络 故障诊断
在线阅读 下载PDF
基于TB-IDACNN的新闻推荐模型
18
作者 辛春花 鲁晓波 何婷 《计算机工程与设计》 北大核心 2025年第5期1387-1394,共8页
针对现有新闻推荐方法存在未考虑新闻的动态特性、难以深度挖掘新闻的语义信息等问题,提出一种融合TinyBERT和改进型动态注意卷积神经网络的个性化新闻推荐模型(TB-IDACNN)。充分利用TinyBERT词向量模型、卷积神经网络和内积注意力网络... 针对现有新闻推荐方法存在未考虑新闻的动态特性、难以深度挖掘新闻的语义信息等问题,提出一种融合TinyBERT和改进型动态注意卷积神经网络的个性化新闻推荐模型(TB-IDACNN)。充分利用TinyBERT词向量模型、卷积神经网络和内积注意力网络等深度学习模型的优势,综合考虑新闻的动态特性和静态特性,实现个性化新闻推荐。在MIND和Adressa数据集上的结果表明,相比其它几种先进的新闻推荐模型,所提模型可以获得更好的推荐性能,能够有效满足用户在新闻推荐任务中的需求。 展开更多
关键词 动态神经网络 新闻推荐 词嵌入模型 内积注意力机制 卷积神经网络 词向量化 平均加权池化
在线阅读 下载PDF
基于改进CEEMDAN-DCNN的声发射源识别分类方法 被引量：1
19
作者 谢学斌 刘涛 张欢 《黄金科学技术》 CSCD 2022年第2期209-221,共13页
声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络(DCNN)的智能识别分类方法。首先,对信... 声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络(DCNN)的智能识别分类方法。首先,对信号进行改进CEEMDAN降噪处理,即利用相关性系数阈值和排列熵(PE)阈值剔除伪分量和噪声分量;然后,利用DCNN对降噪后的信号自动提取高维特征;最后,将特征用于softmax分类器分类识别,实现智能化井下信号源多分类。研究表明:改进CEEMDAN能够有效剔除伪分量及噪声分量;相比其他机器学习方法,改进CEEMDAN-DCNN方法具有准确率高和稳定性较好等优点。信号源识别分类方法研究为地压监测预警预报提供了重要的基础数据,准确的灾害预警预报可为矿山井下作业人员和设备提供安全保障。 展开更多
关键词 声发射监测 波形分类 信号分类识别 改进CEEMDAN 深度卷积神经网络(dcnn) 排列熵(PE)
在线阅读 下载PDF
基于特征融合进行活动识别的DCNN方法 被引量：2
20
作者 王金甲 杨中玉 《高技术通讯》 CAS CSCD 北大核心 2016年第4期374-380,共7页
研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络(CNN)不是对时... 研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络(CNN)不是对时间序列信号进行手工特征提取,而是自动学习最优特征;目前使用卷积神经网络处理有限标签数据仍存在过拟合问题。因此提出了一种基于融合特征的系统性的特征学习方法用于活动识别,用Image Net16对原始数据集进行预训练,将得到的数据与原始数据进行融合,并将融合数据和对应的标签送入有监督的深度卷积神经网络(DCNN)中,训练新的系统。在该系统中,特征学习和分类是相互加强的,它不仅能处理端到端的有限数据问题,也能使学习到的特征有更强的辨别力。与其他方法相比,该方法整体精度从87.0%提高到87.4%。 展开更多
关键词 融合特征 多通道时间序列 深度卷积神经网络(dcnn) 活动识别
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