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1,230篇文章
< 1 2 … 62 >
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Bert+GCN多模态数据融合的药物分子属性预测 被引量：1
1
作者 闫效莺 靳艳春 +1 位作者 冯月华 张绍武 《生物化学与生物物理进展》 北大核心 2025年第3期783-794,共12页
目的药物研发成本高、周期长且成功率低。准确预测分子属性对有效筛选药物候选物、优化分子结构具有重要意义。基于特征工程的传统分子属性预测方法需研究人员具备深厚的学科背景和广泛的专业知识。随着人工智能技术的不断成熟,涌现出... 目的药物研发成本高、周期长且成功率低。准确预测分子属性对有效筛选药物候选物、优化分子结构具有重要意义。基于特征工程的传统分子属性预测方法需研究人员具备深厚的学科背景和广泛的专业知识。随着人工智能技术的不断成熟,涌现出大量优于传统特征工程方法的分子属性预测算法。然而这些算法模型仍然存在标记数据稀缺、泛化性能差等问题。鉴于此,本文提出一种基于Bert+GCN的多模态数据融合的分子属性预测算法(命名为BGMF),旨在整合药物分子的多模态数据,并充分利用大量无标记药物分子训练模型学习药物分子的有用信息。方法本文提出了BGMF算法,该算法根据药物SMILES表达式分别提取了原子序列、分子指纹序列和分子图数据,采用预训练模型Bert和图卷积神经网络GCN结合的方式进行特征学习,在挖掘药物分子中“单词”全局特征的同时,融合了分子图的局部拓扑特征,从而更充分利用分子全局-局部上下文语义关系,之后,通过对原子序列和分子指纹序列的双解码器设计加强分子特征表达。结果5个数据集共43个分子属性预测任务上,BGMF方法的AUC值均优于现有其他方法。此外,本文还构建独立测试数据集验证了模型具有良好的泛化性能。对生成的分子指纹表征(molecular fingerprint representation)进行t-SNE可视化分析,证明了BGMF模型可成功捕获不同分子指纹的内在结构与特征。结论通过图卷积神经网络与Bert模型相结合,BGMF将分子图数据整合到分子指纹恢复和掩蔽原子恢复的任务中,可以有效地捕捉分子指纹的内在结构和特征,进而高效预测药物分子属性。 展开更多
关键词 Bert预训练 注意力机制 分子指纹 分子属性预测 图卷积神经网络
在线阅读 下载PDF
SSGCN-混合式图卷积网络:用于三维CAD模型的加工特征识别
2
作者 王洪申 王尚旭 强会英 《机械科学与技术》 北大核心 2025年第1期30-39,共10页
为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系... 为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系,构建图数据结构。提取面的几何属性信息,自定义编码构建节点属性矩阵,作为网络的输入。提取图结构的邻接矩阵、度矩阵等构建混合式图卷积网络。通过Python-OCC相关算法以及布尔运算,设计了一种批量生成带有面标签的加工特征模型数据集算法。使用带有面标签的加工特征模型数据集对网络进行训练,对加工特征模型进行测试,得到很好的识别效果。 展开更多
关键词 CAD模型 图卷积网络 加工特征识别 邻接矩阵
在线阅读 下载PDF
基于GCN-LSTM的多交叉口信号灯控制
3
作者 徐东伟 朱宏俊 +2 位作者 郭海锋 周晓刚 汤立新 《高技术通讯》 北大核心 2025年第5期472-479,共8页
强化学习(reinforcement learning,RL)由于其解决高度动态环境中复杂决策问题的能力,成为信号灯控制中一种具有前景的解决方案。大多数基于强化学习的方法独立生成智能体的动作,它们可能导致交叉口的动作冲突、道路资源浪费。因此,本文... 强化学习(reinforcement learning,RL)由于其解决高度动态环境中复杂决策问题的能力,成为信号灯控制中一种具有前景的解决方案。大多数基于强化学习的方法独立生成智能体的动作,它们可能导致交叉口的动作冲突、道路资源浪费。因此,本文提出了基于图卷积网络和长短期记忆(graph convolution network-long short-term memory,GCNLSTM)的多交叉口信号灯控制方法。首先,基于二进制权重网络对多交叉口进行构图。其次,通过图卷积网络聚合周围交叉口的空间状态信息,利用长短期记忆(long short-term memory,LSTM)获得交叉口的历史状态信息。最后,通过基于竞争网络框架的Q值网络进行动作的选择,实现对交叉口相位的控制。实验结果表明,与其他强化学习方法相比,本文方法在多交叉口的信号灯控制中能够减少交叉口的队列长度,并使道路网络中的车辆获得更少的等待时间。 展开更多
关键词 智能交通系统 交通信号灯控制 多智能体强化学习 长短期记忆 图卷积网络
在线阅读 下载PDF
DeepCom-GCN:融入控制流结构信息的代码注释生成模型
4
作者 钟茂生 刘会珠 +1 位作者 匡江玲 严婷 《江西师范大学学报(自然科学版)》 北大核心 2025年第1期27-36,共10页
代码注释生成是指给定一个代码片段,通过模型自动生成一段关于代码片段功能的概括性自然语言描述.不同于自然语言,程序语言具有复杂语法和强结构性.部分研究工作只利用了源代码的序列信息或抽象语法树信息,未能充分利用源代码的逻辑结... 代码注释生成是指给定一个代码片段,通过模型自动生成一段关于代码片段功能的概括性自然语言描述.不同于自然语言,程序语言具有复杂语法和强结构性.部分研究工作只利用了源代码的序列信息或抽象语法树信息,未能充分利用源代码的逻辑结构信息.针对这一问题,该文提出一种融入程序控制流结构信息的代码注释生成方法,将源代码序列和结构信息作为单独的输入进行处理,允许模型学习代码的语义和结构.在2个公开数据集上进行验证,实验结果表明:和其他基线方法相比,DeepCom-GCN在BLEU-4、METEOR和ROUGE-L指标上的性能分别提升了2.79%、1.67%和1.21%,验证了该方法的有效性. 展开更多
关键词 代码注释生成 抽象语法树 控制流图 图卷积神经网络 软件工程 程序理解 自然语言处理
在线阅读 下载PDF
基于STGCN-Transformer的短期电力净负荷预测
5
作者 孟伟 俞斌 +3 位作者 白隆 徐婕 顾晋豪 郭锋 《中国测试》 北大核心 2025年第6期160-169,共10页
智能电网的发展认识到短期电力净负荷预测对综合能源系统(integrated energy system,IES)的重要性。净负荷预测代表用电负荷与安装的可再生能源之间的差异,是能量管理和优化调度的基础。为解决IES波动性大,传统统计模型预测精较差的问题... 智能电网的发展认识到短期电力净负荷预测对综合能源系统(integrated energy system,IES)的重要性。净负荷预测代表用电负荷与安装的可再生能源之间的差异,是能量管理和优化调度的基础。为解决IES波动性大,传统统计模型预测精较差的问题,该文提出一种基于时空图卷积网络(spatial temporal graph convolutional networks,STGCN)和Transformer相结合的综合能源系统短期负荷预测模型。首先,利用STGCN作为输入嵌入层对多元输入序列进行编码,填补Transformer中没有充分考虑相关信息的空白。然后,利用Transformer中的自注意机制捕获序列数据的时间依赖性。最后,利用前馈神经网络输出预测负荷值。以浙江省某地区电力数据集为例,与其他4种预测模型相比较平均绝对百分比误差均在5%以内,结果表明该文模型具有较高的预测精度和稳定性。 展开更多
关键词 时空图卷积网络 TRANSFORMER 多头注意力机制 短期净负荷预测
在线阅读 下载PDF
一种基于RGCN的多功能雷达工作模式识别方法 被引量：1
6
作者 郁春来 冯明月 +2 位作者 金宏斌 张福群 张强飞 《现代防御技术》 北大核心 2025年第1期120-128,共9页
多功能雷达因其灵活的工作模式和捷变的波形特征,可并行执行多种任务等优势,已获得广泛应用,对雷达情报侦察对抗带来了极大挑战。识别多功能雷达工作模式是后续威胁评估、自适应对抗和引导攻击的前提和基础,直接决定着雷达对抗措施的针... 多功能雷达因其灵活的工作模式和捷变的波形特征,可并行执行多种任务等优势,已获得广泛应用,对雷达情报侦察对抗带来了极大挑战。识别多功能雷达工作模式是后续威胁评估、自适应对抗和引导攻击的前提和基础,直接决定着雷达对抗措施的针对性和有效性。主要以典型多功能雷达为研究对象,对典型的作战场景仿真建模,在深入分析多功能雷达不同工作模式的基础上,提出了一种基于关系图卷积网络(relational graph convolutional networks,RGCN)的多功能雷达工作模式识别的新方法,实现了数据的并行化处理,解决了不同工作模式与特征参数之间的相互作用。 展开更多
关键词 多功能雷达 工作模式识别 神经网络 图卷积网络 关系图卷积网络
在线阅读 下载PDF
基于相似度融合和GCN的音频分类模型
7
作者 何敏捷 陈宁 林家骏 《计算机应用与软件》 北大核心 2025年第5期116-121,197,共7页
为了充分利用样本间基于不同音频特征的相似度表示的拓扑结构特性的互补性,提出一种基于相似度融合和GCN的音频分类模型。分别利用基于CNN14和DenseNet的网络提取输入音频的特征,并进行音频类别的预测;利用相似度网络融合模型对基于以... 为了充分利用样本间基于不同音频特征的相似度表示的拓扑结构特性的互补性,提出一种基于相似度融合和GCN的音频分类模型。分别利用基于CNN14和DenseNet的网络提取输入音频的特征,并进行音频类别的预测;利用相似度网络融合模型对基于以上两个网络获得的预测标签向量的相似度进行非线性融合;分别用DenseNet提取的特征和融合相似度网络对GCN的节点特征和邻接矩阵进行初始化,通过GCN进行节点特征优化以提升音频分类准确性。实验结果表明,在不同的音频分类任务中,该模型相比于基线模型取得了更高的分类准确率,且基于SNF的相似度融合模块和基于GCN的分类模块均对模型性能的提升有贡献。 展开更多
关键词 特征融合 图卷积网络 相似度网络融合 深度学习 音频分类
在线阅读 下载PDF
基于KGCN的地质地震灾害事件演化结果预测
8
作者 邵舒羽 张扬 刘艳 《中国安全科学学报》 北大核心 2025年第2期212-219,共8页
为提高地质地震灾害事件预测的准确性和可靠性,提出一种结合知识图谱和图卷积神经网络(GCN)的预测模型。首先,构建地质地震灾害事件的知识图谱,将灾害相关的多源信息整合成结构化数据;然后,利用知识图谱卷积网络(KGCN)模型,对知识图谱... 为提高地质地震灾害事件预测的准确性和可靠性,提出一种结合知识图谱和图卷积神经网络(GCN)的预测模型。首先,构建地质地震灾害事件的知识图谱,将灾害相关的多源信息整合成结构化数据;然后,利用知识图谱卷积网络(KGCN)模型,对知识图谱中的实体和关系进行深度学习,挖掘潜在的关联规则,从而预测灾害的演化结果;最后,通过地质地震灾害事件案例集验证模型的有效性。结果表明:结合知识图谱和GCN的预测模型在地质地震灾害事件演化结果预测方面展现出显著效果,特别是在处理复杂的多源数据时,模型能够高效整合信息,准确挖掘潜在关联,在灾害等级、伤亡等级、承灾体类别等多个方面的预测准确率均表现优异,尤其是在灾害应急响应等级的预测上,准确率达到89.92%。 展开更多
关键词 知识图谱卷积网络(Kgcn) 地质地震灾害 灾害事件 演化结果 知识图谱 图卷积神经网络(gcn)
在线阅读 下载PDF
应用STGCN时空建模的地震波阻抗反演方法
9
作者 王泽峰 赵海波 +3 位作者 杨懋新 王团 许辉群 毛伟建 《石油地球物理勘探》 北大核心 2025年第1期43-53,共11页
现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓... 现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓扑结构及互相关性,使用马氏距离对地震数据进行空间邻近度的加权处理建立邻接矩阵;进一步通过切比雪夫多项式扩大空间感受野的同时减少参数量,高效地提取地震数据的空间构造特征,同时利用门控循环单元捕获其时序相关性;最后构建时空图卷积单元实现基于STGCN的地震数据与波阻抗在时间和空间两个维度的映射。模型测试及实际资料反演结果表明,该方法在提高反演精度的同时对噪声具有一定的适应性,并可以很好的体现地层的横向变化。 展开更多
关键词 地震波阻抗反演 深度学习 时空建模 时空图卷积神经网络
在线阅读 下载PDF
基于CNN-GraphSAGE双分支特征融合的齿轮箱故障诊断方法
10
作者 韩延 吴迪 +1 位作者 黄庆卿 张焱 《电子测量与仪器学报》 北大核心 2025年第3期115-124,共10页
针对卷积神经网络(CNN)在振动数据结构信息上挖掘不足导致故障诊断精度不高的问题,提出一种基于卷积神经网络与图采样和聚合网络(CNN-GraphSAGE)双分支特征融合的齿轮箱故障诊断方法。首先,对齿轮箱振动数据进行小波包分解,利用分解后... 针对卷积神经网络(CNN)在振动数据结构信息上挖掘不足导致故障诊断精度不高的问题,提出一种基于卷积神经网络与图采样和聚合网络(CNN-GraphSAGE)双分支特征融合的齿轮箱故障诊断方法。首先,对齿轮箱振动数据进行小波包分解,利用分解后的小波包特征系数构建包含节点和边的图结构数据;然后,建立CNN-GraphSAGE双分支特征提取网络,在CNN分支中采用空洞卷积网络提取数据的全局特征,在GraphSAGE网络分支中通过多层特征融合策略来挖掘数据结构中隐含的关联信息;最后,基于SKNet注意力机制融合提取的双分支特征,并输入全连接层中实现对齿轮箱的故障诊断。为验证研究方法在齿轮箱故障诊断上的优良性能,首先对所提方法进行消融实验,然后在无添加噪声和添加1 dB噪声的条件下进行对比实验。实验结果表明,即使在1 dB噪声的条件下,研究方法的平均诊断精度为92.07%,均高于其他对比模型,证明了研究方法能够有效地识别齿轮箱的各类故障。 展开更多
关键词 图卷积神经网络 卷积神经网络 故障诊断 注意力机制
在线阅读 下载PDF
融入WGCN和附带监督的跨语言装备实体对齐
11
作者 李子康 刘旭红 +2 位作者 吴天宇 郭冬冬 苗琳 《小型微型计算机系统》 北大核心 2025年第7期1571-1577,共7页
为解决跨语言实体对齐任务中由于装备知识图谱的复杂关系和噪声数据导致实体邻居节点包含无关或错误信息,从而影响对齐准确率的问题,本文提出了一种名为WGISEA的装备领域跨语言实体对齐模型.首先通过将每一种语言装备知识图谱中的实体... 为解决跨语言实体对齐任务中由于装备知识图谱的复杂关系和噪声数据导致实体邻居节点包含无关或错误信息,从而影响对齐准确率的问题,本文提出了一种名为WGISEA的装备领域跨语言实体对齐模型.首先通过将每一种语言装备知识图谱中的实体与对应语言的文本语料库的词汇结合,利用文本语料库中的信息作为监督信号为实体对齐任务提供额外的语义和关联信息;结合加权图卷积网络中的权重矩阵来动态调整实体之间的关系权重,减弱邻居节点引入的噪声信息;最后利用反向传播算法来更新实体的嵌入向量以获得更好的跨语言知识图谱实体对齐效果.在自行构建的数据集CEED和公开数据集DBP15k上的实验表明,WGISEA模型相比于基线模型取得了更好的实体对齐效果,其中Hits@1性能比基线模型分别提高了3.3%和2.7%.此外,通过一系列消融实验进一步验证了WGISEA模型的有效性. 展开更多
关键词 装备知识图谱 实体对齐 跨语言 附带监督 加权图卷积网络
在线阅读 下载PDF
基于GCN-LSTM的电力系统暂态电压稳定评估 被引量：1
12
作者 徐焕 夏凡 +3 位作者 陈铈 赵青尧 魏晓燕 梅子薇 《高压电器》 北大核心 2025年第1期104-111,144,共9页
为了提高电力系统暂态电压在系统拓扑结构发生变化时能够稳定评估,以及提高在时空方面的特征提取能力,提出一种图卷积网络与循环神经网络相融合的方法。首先,引入图卷积网络对电力数据进行图表示,将电力系统建模为网络结构,自动学习电... 为了提高电力系统暂态电压在系统拓扑结构发生变化时能够稳定评估,以及提高在时空方面的特征提取能力,提出一种图卷积网络与循环神经网络相融合的方法。首先,引入图卷积网络对电力数据进行图表示,将电力系统建模为网络结构,自动学习电压节点的特征表示。其次,提出使用循环神经网络来处理暂态电压数据的时间依赖关系,捕捉暂态电压数据的时序特征。然后,提出自适应增强模块,用于将两个输出特征表示相互融合,提高模型在系统拓扑结构上的时空特征提取能力。最后,通过算例验证表明,相比于传统的评估模型,所提方法具有更高的预测精度和有效性。 展开更多
关键词 电力系统 暂态电压稳定性 循环神经网络 图卷积网络
在线阅读 下载PDF
基于3Cur-ResNet50-GCN的齿轮箱故障诊断模型
13
作者 方学宠 张才 +2 位作者 白植志 李科 易灿灿 《机床与液压》 北大核心 2025年第14期15-23,共9页
针对太阳轮不同类型故障信号识别过程中特征提取不完全、图数据运算环境单一等问题,提出一种基于残差网络(ResNet50)和图卷积神经网络(GCN)的ResNet50-GCN模型,并通过三重混合曲率(3Cur)空间环境对半监督学习进行训练,以实现齿轮箱故障... 针对太阳轮不同类型故障信号识别过程中特征提取不完全、图数据运算环境单一等问题,提出一种基于残差网络(ResNet50)和图卷积神经网络(GCN)的ResNet50-GCN模型,并通过三重混合曲率(3Cur)空间环境对半监督学习进行训练,以实现齿轮箱故障信号的准确分类。利用ResNet50模型对输入的切分信号成分进行特征提取,并作为GCN的节点信息充分挖掘数据间的关系与依赖性。将图网络结构嵌入到3种不同曲率构成的混合曲率空间进行训练和验证,获得3Cur构型空间下该模型的预测类别标签。最后,对实验数据进行分析,绘制预测类别的稀疏混淆矩阵,并计算准确率相关的4类评判指标。实验结果表明:所提3Cur-ResNet50-GCN模型的分类效果相比ResNet50-GNN和ResNet50-GCN有所提升,且最大池化核为2时的准确率达到了97.51%,验证了该方法在准确度和有效性上的优势。 展开更多
关键词 行星齿轮箱 残差网络 图卷积神经网络 三重混合曲率 故障诊断
在线阅读 下载PDF
基于GCN-BiLSTM的非侵入式负荷分解
14
作者 徐健 胡博 +1 位作者 邢作霞 张鹏飞 《南方电网技术》 北大核心 2025年第6期133-142,共10页
近年来,以深度学习为基础的负荷分解方法得到了广泛应用。但是,目前的研究主要局限于传统欧氏空间序列的输入,难以精确刻画电气设备工作过程中的时序相关性,从而降低了对电气设备的解析精度。此外,家电开关动作可能在时间序列数据中产... 近年来,以深度学习为基础的负荷分解方法得到了广泛应用。但是,目前的研究主要局限于传统欧氏空间序列的输入,难以精确刻画电气设备工作过程中的时序相关性,从而降低了对电气设备的解析精度。此外,家电开关动作可能在时间序列数据中产生长距离影响,但现有模型很少考虑负荷数据的长距离依赖问题。针对上述问题,提出了一种基于图卷积网络(graph convolutional network,GCN)和双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的非侵入式负荷分解模型。该方法基于图理论将总负荷序列转换为包含节点和边的图结构数据,充分考虑节点之间的相关性特征,并利用GCN进行特征提取。同时,引入BiLSTM神经网络以处理长时间序列数据的局限性。通过算例分析验证了所提模型在分解精度和效果上显著优于传统方法。 展开更多
关键词 非侵入式负荷分解 深度学习 图卷积神经网络 BiLSTM
在线阅读 下载PDF
极低标记比下基于NLP-RGCN的半监督故障诊断方法
15
作者 马奔驰 章翔峰 《机床与液压》 北大核心 2025年第10期1-6,共6页
针对齿轮箱状态监测数据中标记样本有限、标签信息挖掘不足以及节点信息缺乏等问题,提出一种基于节点级路径图和鲁棒图卷积网络(NLP-RGCN)的半监督故障诊断方法。通过构建无向节点级路径图,灵活表示节点间的连接关系,细化信号特征,从而... 针对齿轮箱状态监测数据中标记样本有限、标签信息挖掘不足以及节点信息缺乏等问题,提出一种基于节点级路径图和鲁棒图卷积网络(NLP-RGCN)的半监督故障诊断方法。通过构建无向节点级路径图,灵活表示节点间的连接关系,细化信号特征,从而充分利用有限的标记样本信息。引入鲁棒图卷积网络(RGCN),通过吸收高斯分布方差的图结构和节点属性的微小故意扰动变化,增强模型的鲁棒性和特征提取能力。此外,设计基于半监督学习的故障诊断框架,利用有限的标记样本挖掘未标记样本所包含的信息,增强模型的泛化能力。最后,在0.5%极低标记比的齿轮箱数据集诊断案例上验证了所提方法的有效性和优越性。实验结果表明:NLP-RGCN的平均诊断准确率达99.85%,显著优于其他对比方法(如MLP、GAT、GCN、SGCN、LPS-DGAT等);通过混淆矩阵和t-SNE可视化技术,进一步验证了NLP-RGCN在不同健康状态下的特征区分能力。该方法能够有效学习故障特征表示,并在极低标记样本下实现高精度的故障诊断。 展开更多
关键词 故障诊断 齿轮箱 极低标记比 半监督学习 节点级路径图 鲁棒图卷积网络
在线阅读 下载PDF
基于改进STGCN与N-BEATS的风功率超短期预测
16
作者 程旭初 刘景霞 康荣凯 《现代电子技术》 北大核心 2025年第8期115-121,共7页
精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提... 精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提取数据时空特征来提高预测精度。首先,利用STGCN对多元输入序列进行深度特征提取,充分挖掘风机SCADA数据中的时空潜在关系;同时,为了进一步提高预测精度,通过构建序列分解模块与多分辨率卷积对STGCN模型进行改进,使其能够更好地适应风电数据的复杂特性;然后,神经基扩展分析(N-BEATS)新型神经网络对STGCN提取的时空信息数据进行时序关系分析,得到最终预测结果;最后,以内蒙古某风场SCADA数据为例,通过多模型对比实验与自身消融实验验证了所提组合模型策略的有效性以及对STGCN的改进效果。实验结果表明,所设计模型在预测精度上取得了显著的提升,为风电功率预测领域的研究提供了新的思路和方法。 展开更多
关键词 超短期风功率预测 时空图卷积 神经基扩展分析 序列分解 深度特征提取 图卷积网络
在线阅读 下载PDF
基于GCN-GRU-ATT的云平台资源负载预测
17
作者 赵旭辉 傅颖勋 马礼 《计算机工程与设计》 北大核心 2025年第8期2403-2409,共7页
云计算技术的广泛应用使资源负载预测对云服务的高效稳定运行至关重要,为解决传统方法难以应对动态复杂性的问题,提出了混合预测模型GCN-GRU-ATT。该模型融合了图卷积网络(GCN)和门控循环单元(GRU),并引入注意力机制,有效提升了预测准... 云计算技术的广泛应用使资源负载预测对云服务的高效稳定运行至关重要,为解决传统方法难以应对动态复杂性的问题,提出了混合预测模型GCN-GRU-ATT。该模型融合了图卷积网络(GCN)和门控循环单元(GRU),并引入注意力机制,有效提升了预测准确性和模型适应性。通过深入分析云资源间的复杂拓扑关系并处理资源使用的时间序列数据,GCN-GRU-ATT在资源需求波动大和系统动态复杂的情况下显著优化了资源分配和管理。实验结果表明,与LSTM、RNN、ARIMA-LSTM和CNN-LSTM模型相比,GCN-GRU-ATT在多个关键性能指标上表现优异。 展开更多
关键词 云计算 资源负载预测 图卷积网络 门控循环单元 注意力机制 混合预测模型 动态复杂性 时间序列数据
在线阅读 下载PDF
基于MMFFCNN-GCN的门式启闭机轴承半监督故障诊断
18
作者 包唐伟 张世杰 +1 位作者 武世虎 夏诗雨 《机床与液压》 北大核心 2025年第15期158-165,共8页
在实际水电站门式启闭机中,收集到的轴承标记数据往往很少,传统数据驱动故障诊断方法在有限标记数据集上无法获得令人满意的结果。针对这一问题,提出一种基于多域多尺度特征融合卷积网络(MMFFCNN)和图卷积(GCN)的半监督故障诊断方法。... 在实际水电站门式启闭机中,收集到的轴承标记数据往往很少,传统数据驱动故障诊断方法在有限标记数据集上无法获得令人满意的结果。针对这一问题,提出一种基于多域多尺度特征融合卷积网络(MMFFCNN)和图卷积(GCN)的半监督故障诊断方法。通过变分模态分解对振动信号进行分解,选择主要成分进行重构。对重构信号采用快速傅里叶变换提取频域特征,同时利用连续小波变换提取时频域特征,采用多尺度卷积网络进行特征提取与融合。采用K最近邻基于特征向量构建图结构,继而构建图卷积模型实现半监督故障诊断。最后,利用凯斯西储大学轴承数据集进行验证。结果表明:所提方法在20%标记数据下准确率达到99.59%;相比单一时频特征(方法四),加入时域和频域特征(文中方法)使准确率提升0.93%;多尺度卷积网络(方法三)比单尺度CNN(方法二)准确率提高1.78%;引入GCN半监督机制,文中方法比方法五的准确率提升2.44%;表明该方法能够提高有限标记数据集下模型故障诊断的准确率。 展开更多
关键词 门式启闭机轴承 半监督故障诊断 多域多尺度特征融合卷积网络(MMFFCNN) 图卷积(gcn)
在线阅读 下载PDF
基于GCN-BiGRU-STMHSA的农业干旱预测研究
19
作者 权家璐 陈雯柏 +2 位作者 王一群 程佳璟 刘亦隆 《智慧农业(中英文)》 2025年第1期156-164,共9页
[目的/意义]农业干旱对中国农业生产发展具有消极影响,甚至威胁到粮食安全。为了降低灾害损失,保障中国的作物产量,根据标准化土壤湿度指数(Standardized Soil Moisture Index, SSMI)对农业干旱进行准确预测和等级分类具有重要意义。[方... [目的/意义]农业干旱对中国农业生产发展具有消极影响,甚至威胁到粮食安全。为了降低灾害损失,保障中国的作物产量,根据标准化土壤湿度指数(Standardized Soil Moisture Index, SSMI)对农业干旱进行准确预测和等级分类具有重要意义。[方法]基于遥感数据,采用深度学习相关模型实现了农业干旱预测。首先,考虑了农业干旱的空间特点,提出了一种结合图神经网络、双向门控循环单元(Bi-Directional Gated Recurrent Unit, BiGRU)和多头自注意力机制的农业干旱预测模型GCN-BiGRU-STMHSA (Graph Convolutional Networks-Bidirectional Gated Recurrent Unit-Spatio-Temporal Multi-Head Self-Attention)。其次,使用日尺度的SSMI作为农业干旱指标。最后,根据搭建的GCN-BiGRU-STMHSA模型实现对SSMI的精准预测和分类。采用全球陆地数据同化系统2.1(Global Land Data Assimilation System-2.1, GLDAS-2.1)为数据集,在该数据集上训练GCN-BiGRU-STMHSA模型,以预测SSMI值并进行农业干旱等级分类。并与经典深度学习模型进行了比较。[结果和讨论]实验结果表明,GCN-BiGRU-STMHSA模型结果优于其他模型。在5个研究地点中,固始县数据集上误差最小,预测10天后的SSMI时,其平均绝对误差(Mean Absolute Error, MAE)为0.053、均方根误差(Root Mean Square Error, RMSE)为0.071、决定系数(Coefficient of Determination, R2)为0.880,准确率(Accuracy, ACC)为0.925,调和平均值(F1)为0.924。预测步长越短,预测的效果越好,当预测步长为28天时,模型预测干旱分类表现依然良好。[结论]该模型在农业干旱预测和分类任务中具有更高的精度和更好的泛化能力。 展开更多
关键词 农业干旱预测 BiGRU 多头自注意力机制 图神经网络 标准化土壤湿度指数
在线阅读 下载PDF
基于GCN的轴向柱塞泵故障诊断方法
20
作者 袁科研 兰媛 +6 位作者 黄家海 刘智飞 王君 李国彦 牛蔺楷 钮晨光 熊晓燕 《振动.测试与诊断》 北大核心 2025年第1期140-145,205,共7页
目前的深度学习方法在故障诊断领域中没有考虑数据之间的相互依赖关系,从而忽略了数据彼此之间的空间特征。针对此问题,提出一种基于图卷积神经网络(graph convolutional neural networks,简称GCN)模型的轴向柱塞泵故障诊断方法。首先,... 目前的深度学习方法在故障诊断领域中没有考虑数据之间的相互依赖关系,从而忽略了数据彼此之间的空间特征。针对此问题,提出一种基于图卷积神经网络(graph convolutional neural networks,简称GCN)模型的轴向柱塞泵故障诊断方法。首先,将轴向柱塞泵各类故障状态的原始信号进行预处理,构建具有标签的数据集;其次,使用欧式距离判定数据集中各个样本彼此之间的特征相似度,通过相似度对比的方法将数据集转化为图结构数据;然后,使用GCN自适应学习图结构数据中的节点特征和节点与节点彼此之间的空间特征,确定GCN模型的参数;最后,对测试样本进行故障状态识别,并分析该模型在不同工况下的性能表现。结果表明,该模型结构稳定,可以在不同工况下保持良好的泛化性能。 展开更多
关键词 轴向柱塞泵 故障诊断 深度学习 图卷积神经网络
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 … 62 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