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175篇文章
< 1 2 … 9 >
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CNN-BiLSTM-Attention的特高压三端混合直流输电线路故障区域判别研究
1
作者 陈仕龙 宋国雄 +3 位作者 邓健 毕贵红 杨毅 李国辉 《电机与控制学报》 北大核心 2025年第7期132-141,共10页
针对现有混合三端直流输电系统线路故障定位难度大、准确率低以及阀值整定繁杂的问题,提出一种基于CNN-BiLSTM-Attention的故障区域判别方法。首先,分析LCC侧、T区、MMC2侧的故障区域特征,指出不同区域的故障特征具有各自的独特性。然后... 针对现有混合三端直流输电系统线路故障定位难度大、准确率低以及阀值整定繁杂的问题,提出一种基于CNN-BiLSTM-Attention的故障区域判别方法。首先,分析LCC侧、T区、MMC2侧的故障区域特征,指出不同区域的故障特征具有各自的独特性。然后,采集T区左右4个保护装置故障时刻的暂态电流、电压数据得到功率突变量数据,通过卷积神经网络(CNN)提取局部特征,利用双向长短期记忆网络(BiLSTM)学习更为丰富的故障特征,使模型更好地理解和利用所提取的故障特征,并利用注意力机制(AM)对所提取的故障特征信息进行加权,筛选有助于故障区域判别的故障特征从而提高模型性能。最后,通过仿真验证所提方法能够迅速且精确地识别故障区域,既保证了较高的准确度,又具备良好的过渡电阻适应性和抗噪声干扰能力。 展开更多
关键词 三端混合柔性直流 暂态功率 卷积神经网络 双向长短期记忆网络 注意力机制 故障区域判别
在线阅读 下载PDF
基于CNN-BiGRU-Attention的短期电力负荷预测 被引量：11
2
作者 任爽 杨凯 +3 位作者 商继财 祁继明 魏翔宇 蔡永根 《电气工程学报》 CSCD 北大核心 2024年第1期344-350,共7页
针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电... 针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电力负荷预测上的不同优点,提出一种基于CNN-BiGRU-Attention的混合预测模型。该方法首先通过CNN对历史负荷和气象数据进行初步特征提取,然后利用BiGRU进一步挖掘特征数据间时序关联,再引入注意力机制,对BiGRU输出状态给与不同权重,强化关键特征,最后完成负荷预测。试验结果表明,该模型的平均绝对百分比误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)、判定系数(R-square,R~2)分别为0.167%、0.057%、0.993,三项指标明显优于其他模型,具有更高的预测精度和稳定性,验证了模型在短期负荷预测中的优势。 展开更多
关键词 卷积神经网络 双向门控循环单元 注意力机制 短期电力负荷预测 混合预测模型
在线阅读 下载PDF
基于ResNet-Bi-LSTM-Attention的锂离子电池剩余使用寿命预测 被引量：10
3
作者 王朋凯 张新燕 张光昊 《储能科学与技术》 CAS CSCD 北大核心 2023年第4期1215-1222,共8页
锂离子电池剩余使用寿命(RUL)预测是锂离子电池研究的一个重要方向,通过对RUL的准确预测,可以降低锂离子电池出现事故的概率。针对锂离子电池RUL的准确预测,该研究提出一种综合残差神经网络(ResNet)和双向长短期记忆网络(Bi-LSTM)的优势... 锂离子电池剩余使用寿命(RUL)预测是锂离子电池研究的一个重要方向,通过对RUL的准确预测,可以降低锂离子电池出现事故的概率。针对锂离子电池RUL的准确预测,该研究提出一种综合残差神经网络(ResNet)和双向长短期记忆网络(Bi-LSTM)的优势,并且加入注意力机制(Attention)的锂离子电池RUL预测模型。首先选取能够表现电池寿命的特征参数作为输入量,利用ResNet提取输入数据的隐含特征信息,然后利用Bi-LSTM对时间序列信息进行预测,并且结合注意力机制对预测结果进行权重分配,得到最终的锂离子电池的RUL预测结果。通过美国马里兰大学(CALCE)提供的开源数据集进行锂离子电池RUL预测试验,并与现有的预测模型进行对比试验,对比模型的预测结果,试验结果表明提出的ResNet-Bi-LSTM-Attention模型能够准确地进行锂离子电池RUL预测,各项误差都比较低,具有较好的精度和准确性。最后使用美国航空航天局(NASA)提供的锂离子电池开源数据集进行泛化性实验,证明了ResNet-Bi-LSTM-Attention模型在不同电池RUL预测中具有良好的准确性,可以被广泛使用。 展开更多
关键词 锂离子电池 残差神经网络 双向长短期记忆网络 注意力机制 剩余使用寿命预测
在线阅读 下载PDF
基于融合Attention机制的残差神经网络雷达干扰感知方法 被引量：3
4
作者 郎彬 宫健 陈赓 《电光与控制》 CSCD 北大核心 2022年第9期53-57,69,共6页
针对复杂电磁环境中,雷达干扰信号在低干噪比条件下识别率低,干扰样本难以大量获取用于训练的问题,提出一种基于Attention机制、迁移学习和残差神经网络的雷达干扰感知方法。模型以干扰与回波的时频域数据为输入,自动提取特征并做出类... 针对复杂电磁环境中,雷达干扰信号在低干噪比条件下识别率低,干扰样本难以大量获取用于训练的问题,提出一种基于Attention机制、迁移学习和残差神经网络的雷达干扰感知方法。模型以干扰与回波的时频域数据为输入,自动提取特征并做出类型判断。实验结果表明,模型实现了低干噪比、小样本训练条件下的雷达干扰有效感知识别,Attention机制和迁移学习能够有效提高感知识别正确率,识别性能相较于传统机器学习模型与未改进过的神经网络模型鲁棒性更好,更加精确。 展开更多
关键词 雷达干扰 attention机制 迁移学习 残差神经网络
在线阅读 下载PDF
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量：1
5
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
在线阅读 下载PDF
融合深度残差网络与注意力机制的驾驶人行为检测方法研究
6
作者 陈运星 崔军华 +2 位作者 吴钊 吴华伟 袁星宇 《重庆理工大学学报(自然科学)》 北大核心 2025年第3期34-42,共9页
为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾... 为提高驾驶人行为检测的准确性及模型的可解释性,提出了一种融合深度残差网络与注意力机制的驾驶人行为检测模型。利用深度残差网络提取特征模块的优势,对比不同层数的网络模型结果,选取合适的网络模型作为基础网络;为剔除无用信息对驾驶行为的干扰,引入SE Block注意力机制并对图像进行特征提取和分类预测;通过与其他模型的对比试验、消融试验和特征可视化试验验证所提出模型的性能。结果表明:与其他检测模型相比,所提出模型的平均分类准确率为99.89%,其展现出更优的性能;采用Grad-CAM可视化方法解释模型的关注区域,所提出模型更精准地关注对驾驶行为判定的关键特征,进一步增强了本模型的可解释性,提高了人们对驾驶行为检测模型的信任性。 展开更多
关键词 深度学习 驾驶人行为检测 深度残差网络 注意力机制 神经网络可视化
在线阅读 下载PDF
基于BiLSTM-AM-ResNet组合模型的山西焦煤价格预测
7
作者 樊园杰 睢祎平 张磊 《中国煤炭》 北大核心 2025年第3期42-51,共10页
煤炭作为我国重要的基础能源,其价格的波动会直接影响国民经济发展与能源市场稳定,因此对煤炭价格进行预测具有重要意义。针对我国煤炭价格受政策与供求关系影响大、多呈现非线性的变化趋势,且目前存在的煤价预测方法存在滞后性大等问题... 煤炭作为我国重要的基础能源,其价格的波动会直接影响国民经济发展与能源市场稳定,因此对煤炭价格进行预测具有重要意义。针对我国煤炭价格受政策与供求关系影响大、多呈现非线性的变化趋势,且目前存在的煤价预测方法存在滞后性大等问题,以山西焦煤价格为研究对象,分析影响煤炭价格的多种因素,并利用先进的人工智能机器学习算法来解决煤价预测问题。综合双向长短期记忆网络、注意力机制和残差神经网络的优势,构建双向长短期残差神经网络(BiLSTM-AM-ResNet)进行山西焦煤价格预测实验。采集2012-2023年的山西焦煤价格周度数据作为实验数据,对其进行空缺值处理和归一化处理,绘制相关系数热图并确定模型输入特征类型,进而简化模型并提高预测准确率与预测速度。通过模型预测实验得出,经BiLSTM-AM-ResNet模型预测的山西焦煤价格与实际煤价的发展趋势有着较高的线性拟合性,且预测结果与真实煤价在数值上非常接近,预测准确率达到了95.08%。 展开更多
关键词 焦煤价格预测 长短期记忆网络 注意力机制 残差神经网络 相关性分析
在线阅读 下载PDF
多注意力残差脉冲神经网络的接地网故障诊断
8
作者 闫孝姮 丁一凡 +1 位作者 陈伟华 张雪 《电子测量与仪器学报》 北大核心 2025年第3期77-91,共15页
针对目前接地网故障诊断方法效果单一与非智能化的问题,提出了一种多注意力残差脉冲神经网络(MAR-SNN)的接地网故障诊断方法。首先,创建用于训练的接地网数据集,通过对电阻抗成像技术(EIT)网格大小的重新剖分,提高成像速度,并利用局部... 针对目前接地网故障诊断方法效果单一与非智能化的问题,提出了一种多注意力残差脉冲神经网络(MAR-SNN)的接地网故障诊断方法。首先,创建用于训练的接地网数据集,通过对电阻抗成像技术(EIT)网格大小的重新剖分,提高成像速度,并利用局部自适应对比度增强方法,增强不同故障等级间的图像特征;其次,利用所提出的多注意力脉冲残差块,构建MAR-SNN模型,实现对接地网故障等级的识别任务,该残差模块通过在两次脉冲神经元后进行身份映射,同时引入多注意力机制,并采用参数-泄露-积分-触发脉冲神经元与批归一化层,分别提升模型识别准确率;最后,利用EIT与训练好的MAR-SNN模型,建立对接地网故障的智能诊断模型。模型对比分析结果表明,MAR-SNN在接地网智能故障诊断中的效果优于现有先进模型,在测试集中准确率可达96.31%,其中在轻、中腐蚀程度下的准确率可达100%、97.20%;同时实验结果证明,所提方法可以完成对接地网故障检测与等级识别的综合诊断任务,实现对接地网的智能故障诊断,验证了该方法的有效性与可行性。 展开更多
关键词 接地网智能故障诊断 多注意力残差 脉冲神经网络 电阻抗成像技术 对比度增强
在线阅读 下载PDF
基于自适应ECA的串联故障电弧检测
9
作者 袁建华 黄淘 卢云 《燕山大学学报》 北大核心 2025年第2期137-145,共9页
在用户侧负载不断增加和复杂的情况下,串联故障电弧变得更加难以有效识别,威胁到了线路的安全和系统的运行。以往的检测方法多采用二维或三维模型,相比于一维模型通常需要更大的计算量,且较少关注特征通道间的信息。由此提出一种基于自... 在用户侧负载不断增加和复杂的情况下,串联故障电弧变得更加难以有效识别,威胁到了线路的安全和系统的运行。以往的检测方法多采用二维或三维模型,相比于一维模型通常需要更大的计算量,且较少关注特征通道间的信息。由此提出一种基于自适应高效通道注意力的串联故障电弧检测方法,自适应地提取电流信号中的有效特征。首先,使用高效通道注意力及残差结构对一维的卷积网络进行改进,构建出网络模型结构。然后,通过搭建的故障电弧实验平台,采集正常工况和故障电弧情况下的各类负载电流数据,建立相应的数据库。最后,利用构建的一维网络模型对数据样本进行训练和分类,使其能够有效地识别故障电弧。结果表明,该模型对故障电弧的平均识别准确率为98.68%,具有良好的识别效果。 展开更多
关键词 串联故障电弧 高效通道注意力 残差结构 卷积神经网络 电弧检测
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
10
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
结合图同构和混合阶残差门控图神经网络的会话推荐
11
作者 王永贵 于琦 《计算机科学与探索》 北大核心 2025年第2期502-512,共11页
基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的... 基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。 展开更多
关键词 会话推荐 图同构网络 混合阶残差门控图神经网络 对比学习
在线阅读 下载PDF
基于级联MCNN-MMLP双残差网络的短期负荷预测 被引量：1
12
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... 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。 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
两阶段特征迁移图像去雾算法 被引量：1
13
作者 袁姮 颜廷昊 张晟翀 《计算机工程与应用》 北大核心 2025年第4期241-252,共12页
针对常见去雾算法处理后图像容易产生伪影、颜色失真以及对非均匀雾气影响下图像的去雾效果不理想等问题,提出了两阶段特征迁移图像去雾算法,基于编解码器结构实现图像去雾。第一阶段将清晰图像送入特征学习网络,通过混合注意力机制学... 针对常见去雾算法处理后图像容易产生伪影、颜色失真以及对非均匀雾气影响下图像的去雾效果不理想等问题,提出了两阶段特征迁移图像去雾算法,基于编解码器结构实现图像去雾。第一阶段将清晰图像送入特征学习网络,通过混合注意力机制学习清晰图像空间结构信息与色彩规律。第二阶段利用特征迁移损失,将特征学习网络中学习到的清晰图像特征知识迁移至特征细化图像去雾网络中,并通过多尺度特征提取模块与全局特征细化块对图像上下文信息进行有效提取与融合。最后将两阶段输出进行特征融合,恢复清晰无雾图像。实验结果表明,该算法在RESIDE数据集以及真实非均匀雾天图像中具备较好的去雾效果,且处理后图像色彩合理,更加符合人类视觉感知。 展开更多
关键词 图像去雾 卷积神经网络 特征迁移 特征学习 混合注意力机制 全局特征细化
在线阅读 下载PDF
采用三输入和混合注意力机制的残差颌骨囊肿分类网络
14
作者 周克伟 王远军 刘玉 《小型微型计算机系统》 北大核心 2025年第8期2000-2006,共7页
锥形束CT(Cone Beam CT,CBCT)对诊断成釉细胞瘤与牙源性角化囊肿至关重要,两种疾病在影像学上的表现较为相似,在鉴别诊断上非常困难.针对这一问题,本文提出了一种基于三通道输入和混合注意力机制的残差颌骨囊肿分类网络(THRNet).该方法... 锥形束CT(Cone Beam CT,CBCT)对诊断成釉细胞瘤与牙源性角化囊肿至关重要,两种疾病在影像学上的表现较为相似,在鉴别诊断上非常困难.针对这一问题,本文提出了一种基于三通道输入和混合注意力机制的残差颌骨囊肿分类网络(THRNet).该方法以ResNet50作为基线网络,结合迁移学习策略使模型在小数量数据集上能有更好的表现;通过采用三输入结构以充分利用CBCT影像数据的上下文信息;引入混合注意力机制以加强模型对局部特征信息的学习能力.最后,在4314张三通道数据中,所提出的模型的平均准确率、特异性、灵敏度和F1指数分别为82.42%、84.03%、82.70%、和83.59%,相较于基线网络,分别提升了6.45%、3.88%、9.07%、4.43%.实验结果表明,所提出模型可以有效实现成釉细胞瘤与牙源性角化囊肿的分类. 展开更多
关键词 卷积神经网络 混合注意力 迁移学习 CBCT
在线阅读 下载PDF
基于时序卷积特征过滤模型的地下水位预测方法
15
作者 孙均雨 徐佳磊 +2 位作者 张黎明 王在泉 文金浩 《水文》 北大核心 2025年第4期22-28,共7页
针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关... 针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关系。首先对水文数据进行预处理,然后采用空洞因果卷积方法作为特征提取器,结合注意力过滤模块提取水文数据特征,最后引入残差连接缓解模型训练过程中存在的网络层数过深、梯度消失和梯度爆炸问题。分别采用本文方法(DAR)、长短期神经网络(LSTM)、门控循环单元(GRU)、卷积门控循环单元(CNN-GRU)、时序卷积网络(TCN)预测意大利Petrignano水文数据变化,本文方法训练耗时最短,预测地下水位变化最为准确,验证了本文方法的可靠性。 展开更多
关键词 地下水位预测 时序卷积特征过滤 神经网络 空洞因果卷积 注意力过滤
在线阅读 下载PDF
一种加权分数融合的牙科X线病变分类方法
16
作者 李炜 王远军 刘玉 《小型微型计算机系统》 北大核心 2025年第5期1169-1176,共8页
根尖周X线片是诊断龋病和根尖周炎常用手段之一,传统的诊断方式通常依赖牙医的经验,主观性较强.针对这一问题,本文提出了一种基于混合注意力机制和加权分数融合的分类方法(DenseNet201-PCAM).该方法以DenseNet201为基线网络,结合迁移学... 根尖周X线片是诊断龋病和根尖周炎常用手段之一,传统的诊断方式通常依赖牙医的经验,主观性较强.针对这一问题,本文提出了一种基于混合注意力机制和加权分数融合的分类方法(DenseNet201-PCAM).该方法以DenseNet201为基线网络,结合迁移学习策略使网络在小数据集上有更好的表现;通过引入混合注意力机制提高模型对局部特征信息的关注程度,并采用可视化方式呈现出所关注区域.在预测阶段,通过加权分数融合策略进一步提高了模型的分类表现.最后,在1838张根尖周X线片中,所提出方法的分类准确率、特异性和F1指数分别达到了93.41%、96.61%和93.65%,相较于基线网络分别提升了4.62%、2.33%和4.52%.实验结果表明,所提出模型可以有效的实现龋病和根尖周炎的分类. 展开更多
关键词 卷积神经网络 混合注意力 加权分数融合 迁移学习 根尖周X线片
在线阅读 下载PDF
基于流序列特征融合与注意力机制的加密流量分类方法
17
作者 李志远 吴安昊 +1 位作者 谭林 卜凡亮 《小型微型计算机系统》 北大核心 2025年第7期1718-1726,共9页
现有加密流量分类方法中对缺少对流量字节本身特征的研究,存在特征冗余、流量表征方式不全面和公开数据集中样本分布不平衡等问题.为解决上述问题,本文提出了一种基于流序列特征融合与注意力机制的加密流量分类方法SFAN(Stream Feature ... 现有加密流量分类方法中对缺少对流量字节本身特征的研究,存在特征冗余、流量表征方式不全面和公开数据集中样本分布不平衡等问题.为解决上述问题,本文提出了一种基于流序列特征融合与注意力机制的加密流量分类方法SFAN(Stream Feature Attention Network).首先,针对特征冗余问题,提出了一个基于混合神经网络的特征提取方法;其次,针对流量表征问题,结合流量原始字节序列与数据包长度序列表征网络流量,再利用注意力机制衡量不同特征的重要性;最后,针对公开数据集中样本分布不平衡的问题,在模型训练层面优化损失函数提高分类精度.利用公开数据集ISCX VPN-nonVPN进行了广泛的实验,SFAN的总体准确率达到98.49%,F1值为98.03%.实验表明,所提出的加密流量分类方法能够有效识别不同应用程序产生的网络流量. 展开更多
关键词 加密流量分类 混合神经网络 多维度特征融合 注意力机制
在线阅读 下载PDF
多源信息融合的电机小样本故障诊断
18
作者 贾晗 尚前明 金华标 《机械科学与技术》 北大核心 2025年第5期847-856,共10页
在实际的工程应用中,电机故障发生的频率极低,电机的故障数据通常较少,正常数据与故障数据存在严重的比例失衡,这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题,该文提出一种多源信息融合的电机故障诊断方法。首先,采用快... 在实际的工程应用中,电机故障发生的频率极低,电机的故障数据通常较少,正常数据与故障数据存在严重的比例失衡,这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题,该文提出一种多源信息融合的电机故障诊断方法。首先,采用快速谱峭度的特征提取方法将电机定子电流信号和振动加速度信号转化为谱峭度特征图像;其次,搭建一种双通道残差网络模型融合振动信号和电流信号的故障特征并完成故障分类;最后,利用实验台架所采集的5种故障电机数据对多源信息融合的故障诊断方法进行了验证。研究结果表明:在故障数据严重缺失的情况下,故障诊断准确度可以达到95%以上,远高于传统的基于数据驱动的故障诊断方法,同时该方法还可以同样应用于旋转机械设备的故障诊断,具备良好的泛化性。 展开更多
关键词 故障诊断 信息融合 快速谱峭度法 残差神经网络 卷积注意力模块
在线阅读 下载PDF
基于一维卷积神经网络的雷达个体识别算法
19
作者 杨孟璋 农丽萍 +1 位作者 李然 王俊义 《计算机工程与设计》 北大核心 2025年第5期1281-1288,共8页
为解决利用长序列雷达信号对雷达辐射源个体进行分类识别的问题,提出一种融合注意力机制和残差的一维卷积深度神经网络(1CDNN)模型,利用一维卷积从原始长序列雷达信号中直接提取特征,减少模型的参数量。引入注意力机制帮助模型学习利用... 为解决利用长序列雷达信号对雷达辐射源个体进行分类识别的问题,提出一种融合注意力机制和残差的一维卷积深度神经网络(1CDNN)模型,利用一维卷积从原始长序列雷达信号中直接提取特征,减少模型的参数量。引入注意力机制帮助模型学习利用全局信息选择关键特征,提高模型的分类识别精度。引入残差使得模型在缓解梯度消失的同时更容易进行优化和训练。实验结果表明,所提模型在实际采集数据集上具有结构简单、训练难度低、分类识别精度高和收敛速度快的优点。 展开更多
关键词 雷达辐射源识别 长序列雷达信号 深度学习 端到端 一维卷积神经网络 注意力机制 残差学习
在线阅读 下载PDF
CBi_AT:基于字符级和单词级的恶意URL检测
20
作者 郭应政 袁建廷 钱育蓉 《计算机应用与软件》 北大核心 2025年第5期332-340,共9页
针对恶意URL的高效检测问题,目前基于黑名单的检测方法时效性差且适应性弱,基于传统机器学习的检测方法效率和准确率较低。该文充分考虑URL的语义含义和时序特征,设计一种混合神经网络模型(CBi_AT),同时从字符级和单词级水平处理URL,有... 针对恶意URL的高效检测问题,目前基于黑名单的检测方法时效性差且适应性弱,基于传统机器学习的检测方法效率和准确率较低。该文充分考虑URL的语义含义和时序特征,设计一种混合神经网络模型(CBi_AT),同时从字符级和单词级水平处理URL,有效地捕获URL字符串的语义含义和时序特征,并引入多组注意力机制,抽取URL数据之间的关联性和依赖关系。实验结果表明,该混合神经网络模型能够高效检测恶意URL,可达到99.86%的准确率和99.85%的F1值。 展开更多
关键词 网络安全 恶意URL 混合神经网络模型 注意力机制
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 … 9 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