期刊文献+
共找到5,646篇文章
< 1 2 250 >
每页显示 20 50 100
基于时空Transformer-encoder的跨社交网络用户匹配方法
1
作者 张洋 马强 《计算机应用研究》 CSCD 北大核心 2024年第12期3742-3748,共7页
针对目前基于签到时空数据的跨社交网络用户匹配方法未充分利用时空信息之间的耦合关系,导致时空数据特征提取困难,匹配准确率下降的问题,提出了一种基于时空Transformer-encoder的跨社交网络用户匹配方法。该方法通过网格映射将签到时... 针对目前基于签到时空数据的跨社交网络用户匹配方法未充分利用时空信息之间的耦合关系,导致时空数据特征提取困难,匹配准确率下降的问题,提出了一种基于时空Transformer-encoder的跨社交网络用户匹配方法。该方法通过网格映射将签到时空信息转换为序列数据,生成签到序列;利用序列嵌入层将离散的签到序列映射到连续高维空间;然后借助多头注意力机制和卷积神经网络提取高维签到特征,并利用卷积神经网络实现优化多头注意力模块权重变换和特征融合;最后利用前馈神经网络实现分类,输出用户匹配得分。在两组真实社交网络用户数据集上进行大量用户匹配实验,与现有方法相比,准确率提升了0.40~10.53百分点,F_(1)值提升了0.43~9.5百分点。这验证了所提方法能够有效提取用户签到耦合特征,并提高用户匹配的性能。 展开更多
关键词 跨社交网络 用户匹配 Transformer-encoder 卷积神经网络
在线阅读 下载PDF
一种融合AutoEncoder与CNN的混合算法用于图像特征提取 被引量:20
2
作者 刘兴旺 王江晴 徐科 《计算机应用研究》 CSCD 北大核心 2017年第12期3839-3843,3847,共6页
深度学习方法在图像的特征提取方面具有优势。针对传统特征提取方法需要先验知识的不足,提出一种自动编码器(Auto Encoder)与卷积神经网络(convolutional neural network,CNN)相结合的深度学习特征提取方法。该方法给Auto Encoder加入... 深度学习方法在图像的特征提取方面具有优势。针对传统特征提取方法需要先验知识的不足,提出一种自动编码器(Auto Encoder)与卷积神经网络(convolutional neural network,CNN)相结合的深度学习特征提取方法。该方法给Auto Encoder加入快速稀疏性控制,据此对图像训练出基本构件,并初始化CNN的卷积核;同时,给CNN加入了滤波机制,使输出特征保持稀疏性。实验结果表明,在Minist手写数字库和Yale人脸库的识别效果上,提出的特征提取方法均取得了较好的结果,实验进一步通过交叉验证T检验指出,引入滤波机制的特征提取模型优于没有采用滤波机制的模型。 展开更多
关键词 深度学习 卷积神经网络 自动编码器 滤波 稀疏控制
在线阅读 下载PDF
基于ENCODER_ATT机制的远程监督关系抽取
3
作者 王健 郑七凡 +1 位作者 李超 石晶 《广西师范大学学报(自然科学版)》 CAS 北大核心 2019年第4期53-60,共8页
在信息抽取中,关系抽取是一项准确识别自然语言中实体间关系的关键技术。针对关系抽取模型中容易丢失关键语义特征问题及远程监督的基本假设容易引入噪声数据的问题,本文提出一种基于远程监督的ENCODER_ATT关系抽取模型。基于循环神经... 在信息抽取中,关系抽取是一项准确识别自然语言中实体间关系的关键技术。针对关系抽取模型中容易丢失关键语义特征问题及远程监督的基本假设容易引入噪声数据的问题,本文提出一种基于远程监督的ENCODER_ATT关系抽取模型。基于循环神经网络构造的ENCODER模型在以词级别进行特征记忆提取,并在句子层面进行语义特征信息整合,保证不遗失关键语义特征的同时去除冗余特征。然后在句子层面引入了注意力机制来降低噪声数据对实验结果的影响。在真实的数据集上进行实验,并绘制准确率-召回率曲线,实验结果表明ENCODER_ATT模型对比同类型的关系抽取方法有明显的提升。 展开更多
关键词 关系抽取 远程监督 encoder 注意力机制
在线阅读 下载PDF
基于时空特征融合的Encoder-Decoder多步4D短期航迹预测 被引量:2
4
作者 石庆研 张泽中 韩萍 《信号处理》 CSCD 北大核心 2023年第11期2037-2048,共12页
航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变... 航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变量都呈现出长短期的时间变化模式,并且这些变量之间还存在着相互依赖的空间信息。为了充分提取这种时空特征,本文提出了基于融合时空特征的编码器-解码器(Spatio-Temporal EncoderDecoder,STED)航迹预测模型。在Encoder中使用门控循环单元(Gated Recurrent Unit,GRU)、卷积神经网络(Convolutional Neural Network,CNN)和注意力机制(Attention,AT)构成的双通道网络来分别提取航迹时空特征,Decoder对时空特征进行拼接融合,并利用GRU对融合特征进行学习和递归输出,实现对未来多步航迹信息的预测。利用真实的航迹数据对算法性能进行验证,实验结果表明,所提STED网络模型能够在未来10 min预测范围内进行高精度的短期航迹预测,相比于LSTM、CNN-LSTM和AT-LSTM等数据驱动航迹预测模型具有更高的精度。此外,STED网络模型预测一个航迹点平均耗时为0.002 s,具有良好的实时性。 展开更多
关键词 4D航迹预测 时空特征 encoder-Decoder 门控循环单元
在线阅读 下载PDF
基于encoder-decoder框架的城镇污水厂出水水质预测 被引量:3
5
作者 史红伟 陈祺 +1 位作者 王云龙 李鹏程 《中国农村水利水电》 北大核心 2023年第11期93-99,共7页
由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encod... 由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encoder-decoder结构的神经网络预测水质。结果显示,所提结构对LSTM和GRU网络预测能力都有一定提升,对长期预测能力提升更加显著,ED-GRU模型效果最佳,短期预测中的4个出水水质指标均方根误差(RMSE)为0.7551、0.2197、0.0734、0.3146,拟合优度(R2)为0.9013、0.9332、0.9167、0.9532,可以预测出水质局部变化,而长期预测中的4个指标RMSE为1.7204、1.7689、0.4478、0.8316,R2为0.4849、0.5507、0.4502、0.7595,可以预测出水质变化趋势,与顺序结构相比,短期预测RMSE降低10%以上,R2增加2%以上,长期预测RMSE降低25%以上,R2增加15%以上。研究结果表明,基于encoder-decoder结构的神经网络可以对污水厂出水水质进行准确预测,为污水处理工艺改进提供技术支撑。 展开更多
关键词 污水厂出水 encoder-decoder 多指标水质预测 GRU模型
在线阅读 下载PDF
基于Auto Encoder的智能监控指纹识别系统
6
作者 常峰 贺元骅 《中国测试》 CAS 北大核心 2015年第8期71-74,93,共5页
针对目前已有的嵌入式指纹识别系统往往采用手工提取,不能自动学习并提取识别所需的特征及识别正确率仍然不高的缺点,提出一种基于自动编码器(Auto Encoder)和LSSVM的指纹识别系统。首先,提出采用FPS200作为指纹传感器采集指纹数据,然... 针对目前已有的嵌入式指纹识别系统往往采用手工提取,不能自动学习并提取识别所需的特征及识别正确率仍然不高的缺点,提出一种基于自动编码器(Auto Encoder)和LSSVM的指纹识别系统。首先,提出采用FPS200作为指纹传感器采集指纹数据,然后将采集的数据经过滤波和二值化等预处理,通过比较差异算法获得Auto Encoder中的权值和偏置等参数,从而得到训练好的Auto Encoder用于指纹图像特征提取。最后,将自动提取的特征进行训练和分类,将投票最多的分类作为指纹识别的结果。通过测试表明,系统能较精确地实现指纹识别,具有收敛速度快、正确识别率高和匹配时间短的优点。 展开更多
关键词 指纹 识别率 匹配 自动编码器
在线阅读 下载PDF
基于Encoder-CNN的土壤氮含量光谱预测模型研究 被引量:4
7
作者 冀荣华 赵迎迎 +1 位作者 李民赞 郑立华 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第5期1372-1377,共6页
基于光谱的土壤氮含量预测模型泛化能力弱是制约其推广应用的瓶颈。鉴于特征提取及非线性表达能力方面的优势,深度学习模型具有较强的泛化能力。提出一种融合自动编码器和卷积神经网络(Encoder-CNN)的土壤氮含量光谱预测模型,探索模型... 基于光谱的土壤氮含量预测模型泛化能力弱是制约其推广应用的瓶颈。鉴于特征提取及非线性表达能力方面的优势,深度学习模型具有较强的泛化能力。提出一种融合自动编码器和卷积神经网络(Encoder-CNN)的土壤氮含量光谱预测模型,探索模型结构和参数对模型性能的影响。根据以往研究成果和相关性分析,获得180个与氮含量强相关的波长,将其作为Encoder-CNN模型输入,而将土壤氮含量作为模型输出。Encoder-CNN模型利用自动编码器的编码部分进行光谱数据降维,然后输入到卷积神经网络进行土壤氮含量预测。设计2种网络结构,每种网络结构包含2种不同参数设置,共4个模型,用以探索Encoder-CNN土壤氮含量光谱预测模型结构和参数对模型性能的影响。利用公开数据集LUCAS对模型进行训练。按3σ原则对公开数据集LUCAS进行异常值检测与处理,获得20791个数据,其中18711个样本作为训练集,2080个样本作为测试集,对Encoder-CNN模型进行训练。结果表明:对于自动编码器,在相同隐含层数下,最后的隐含层神经元个数为30时,复现效果最优。增加隐含层数,会提升复现效果。增加卷积核数量,特别是尺寸为1×1卷积核,能够提高模型的预测性能与可靠性。增加池化层的网络结构,模型预测精度提升至0.90以上。增加全连接层神经元数量也会提升模型性能。利用自采集的黑龙江黑土实时光谱数据集进行模型迁移,观察模型泛化能力。当模型迭代100次后,在黑龙江数据集上的预测精度即可达到0.90以上;当迭代次数为900时,模型在训练集和测试集上的预测精度可以达到0.98。结果表明,所构建的Encoder-CNN土壤氮含量光谱预测模型具有较好的泛化能力。 展开更多
关键词 土壤 氮含量 光谱预测 卷积神经网络 自动编码器
在线阅读 下载PDF
Blind recognition of k/n rate convolutional encoders from noisy observation 被引量:13
8
作者 Li Huang Wengu Chen +1 位作者 Enhong Chen Hong Chen 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2017年第2期235-243,共9页
Blind recognition of convolutional codes is not only essential for cognitive radio, but also for non-cooperative context. This paper is dedicated to the blind identification of rate k/n convolutional encoders in a noi... Blind recognition of convolutional codes is not only essential for cognitive radio, but also for non-cooperative context. This paper is dedicated to the blind identification of rate k/n convolutional encoders in a noisy context based on Walsh-Hadamard transformation and block matrix (WHT-BM). The proposed algorithm constructs a system of noisy linear equations and utilizes all its coefficients to recover parity check matrix. It is able to make use of fault-tolerant feature of WHT, thus providing more accurate results and achieving better error performance in high raw bit error rate (BER) regions. Moreover, it is more computationally efficient with the use of the block matrix (BM) method. © 2017 Beijing Institute of Aerospace Information. 展开更多
关键词 Cognitive radio CONVOLUTION Convolutional codes Error correction Hadamard matrices Hadamard transforms Linear transformations Mathematical transformations Matrix algebra Signal encoding
在线阅读 下载PDF
基于AutoEncoder的油气管道控制系统异常状态监测方法 被引量:6
9
作者 梁凤勤 高媛 +3 位作者 刘功银 黄建国 周权 盛瀚民 《电子测量与仪器学报》 CSCD 北大核心 2019年第12期10-18,共9页
压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺... 压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺。采用一种基于自编码器(auto encoder,AE)的单分类方法对油气管道控制系统的异常状态进行辨识。该模型仅需对系统的正常工作状态进行学习,通过编码器可实现特征的自适应提取,从而对数据进行抽象表示,并获得较好的非线性映射能力;当数据分布异常时,系统可区分其与正常信号间的差异,并进行预警。实验部分采用西部输油管道控制系统中实地获取的通信解码信号以及电源信号进行验证,并以单分类支持向量机方法作对比实验,表明了所提出方法的有效性。 展开更多
关键词 故障预警 故障诊断和健康管理 单分类学习 自编码器 深度学习
在线阅读 下载PDF
Determination of optimal period of absolute encoders with single track cyclic gray code 被引量:1
10
作者 张帆 朱衡君 《Journal of Central South University》 SCIE EI CAS 2008年第S2期362-366,共5页
Low cost and miniaturized rotary encoders are important in automatic and precise production. Presented here is a code called Single Track Cyclic Gray Code (STCGC) that is an image etched on a single circular track of ... Low cost and miniaturized rotary encoders are important in automatic and precise production. Presented here is a code called Single Track Cyclic Gray Code (STCGC) that is an image etched on a single circular track of a rotary encoder disk read by a group of even spread reading heads to provide a unique codeword for every angular position and features such that every two adjacent words differ in exactly one component, thus avoiding coarse error. The existing construction or combination methods are helpful but not sufficient in determining the period of the STCGC of large word length and the theoretical approach needs further development to extend the word length. Three principles, such as the seed combination, short code removal and ergodicity examination were put forward that suffice determination of the optimal period for such absolute rotary encoders using STCGC with even spread heads. The optimal periods of STCGC in 3 through 29 bit length were determined and listed. 展开更多
关键词 ROTARY encoder ABSOLUTE encoder single track GREY code CYCLIC reliability
在线阅读 下载PDF
基于Encoder-Decoder注意力网络的异常驾驶行为在线识别方法 被引量:2
11
作者 唐坤 戴语琴 +2 位作者 徐永能 郭唐仪 邵飞 《兵器装备工程学报》 CAS CSCD 北大核心 2023年第8期63-71,共9页
异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为... 异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为的在线识别方法。该方法由基于LSTM(long short-term memory)的Encoder-Decoder、Attention机制与基于SVM(support vector machine)的分类器3个模块构成。该系统识别方法包括:输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类等6个步骤。该技术方法利用自然驾驶条件下所采集的手机传感器数据进行实验。实验结果表明:①手机多传感器数据融合方法对驾驶行为识别具备有效性;②异常驾驶行为必然会造成数据异常波动;③Attention机制有助于提升模型学习效果,对所提出模型的识别准确率F1-score为0.717,与经典同类模型比较,准确率得到显著提升;④对于汽车异常驾驶行为来说,SVM比Logistic与随机森林算法具有更优越的识别效果。 展开更多
关键词 异常驾驶 深度学习 编码器-解码器 长短时记忆网络 注意力机制
在线阅读 下载PDF
基于改进Encoder-Decoder模型的新闻摘要生成方法 被引量:5
12
作者 李晨斌 詹国华 李志华 《计算机应用》 CSCD 北大核心 2019年第S02期20-23,共4页
针对通过Extractive方式实现自动文摘而存在文本连贯性欠缺和出现未登录词问题,提出一种基于改进Encoder-Decoder模型的新闻摘要生成方法。首先,在数据预处理的过程中融入额外的语言特征,如词语的词性和TF-IDF,使词语具有多维度的含义;... 针对通过Extractive方式实现自动文摘而存在文本连贯性欠缺和出现未登录词问题,提出一种基于改进Encoder-Decoder模型的新闻摘要生成方法。首先,在数据预处理的过程中融入额外的语言特征,如词语的词性和TF-IDF,使词语具有多维度的含义;其次,采用Decoder/Pointer机制在摘要中指向原文本中的位置对低频词进行处理;最后,采用注意力机制来协助模型记忆输入数据并确定其注意程度。在News2016zh数据集上进行实验,结果表明基于改进Encoder-Decoder模型与基线Encoder-Decoder相比,ROUGE-1、ROUGE-2和ROUGE-L值分别提高了32.1%、30.5%和32.5%,在摘要连贯性方面也得到了较好提升。 展开更多
关键词 摘要生成 注意力机制 未登录词 数据预处理 encoder 输入数据 自动文摘 低频词
在线阅读 下载PDF
利用Encoder-Decoder框架的深度学习网络实现绕射波分离及成像 被引量:3
13
作者 马铭 包乾宗 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期56-64,共9页
利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的... 利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的因素分析并不完备。相较于反射波,由于存在不连续构造而产生的绕射波能量微弱并且相互干涉,同时环境干扰使得绕射波进一步湮没。因此,更高精度的波场分离及单独成像是现阶段基于绕射波超高分辨率处理、解释的重点研究方向。为此,首先针对地球物理勘探中地质异常体的准确定位,以携带高分辨率信息的绕射波为研究对象,系统分析在不同尺度、不同物性参数的异常体情况下绕射波的能量大小及形态特征,掌握绕射波与其他类型波叠加的具体形式;然后根据相应特征性质提出基于深度学习技术的绕射波分离成像方法,即利用Encoder-Decoder框架的空洞卷积网络捕获绕射波场特征,从而实现绕射波分离,基于速度连续性原则构建单纯绕射波场的偏移速度模型并完成最终成像。数据测试表明,该方法最终可满足微小地质异常体高精度识别的需求。 展开更多
关键词 绕射波分离成像 深度神经网络 encoder-Decoder框架 方差最大范数
在线阅读 下载PDF
基于长短时记忆网络的Encoder-Decoder多步交通流预测模型 被引量:22
14
作者 王博文 王景升 +3 位作者 王统一 张子泉 刘宇 于昊 《重庆大学学报》 CSCD 北大核心 2021年第11期71-80,共10页
交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经... 交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证。实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系。除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210~5.422、0.061~0.191。相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136。实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务。 展开更多
关键词 交通流预测 LSTM 编码器解码器 多步预测 深度学习
在线阅读 下载PDF
基于LSTM的Encoder-Decoder多步轨迹预测技术 被引量:4
15
作者 李青勇 何兵 +2 位作者 张显炀 朱晓宇 刘刚 《航空兵器》 CSCD 北大核心 2021年第2期49-54,共6页
针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问... 针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问题,研究多步预测过程中模型性能的变化,实现端到端的轨迹预测。仿真结果表明,该方法能够从历史轨迹数据中提取更多的轨迹特征,在多步轨迹预测中具有明显的优势。与KFTP和HMMTP算法相比,EDMTP的误差增长率分别同比下降了2.18%和3.52%,取得了较好的轨迹预测效果。 展开更多
关键词 轨迹预测 LSTM 编码器-解码器 监督学习 多步预测
在线阅读 下载PDF
Application of deep autoencoder model for structural condition monitoring
16
作者 PATHIRAGE Chathurdara Sri Nadith LI Jun +2 位作者 LI Ling HAO Hong LIU Wanquan 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2018年第4期873-880,共8页
Damage detection in structures is performed via vibra-tion based structural identification. Modal information, such as fre-quencies and mode shapes, are widely used for structural dama-ge detection to indicate the hea... Damage detection in structures is performed via vibra-tion based structural identification. Modal information, such as fre-quencies and mode shapes, are widely used for structural dama-ge detection to indicate the health conditions of civil structures.The deep learning algorithm that works on a multiple layer neuralnetwork model termed as deep autoencoder is proposed to learnthe relationship between the modal information and structural stiff-ness parameters. This is achieved via dimension reduction of themodal information feature and a non-linear regression against thestructural stiffness parameters. Numerical tests on a symmetri-cal steel frame model are conducted to generate the data for thetraining and validation, and to demonstrate the efficiency of theproposed approach for vibration based structural damage detec-tion. 展开更多
关键词 auto encoder non-linear regression deep auto en-coder model damage identification VIBRATION structural health monitoring
在线阅读 下载PDF
基于GRU Encoder-decoder和注意力机制的RUL预测方法 被引量:1
17
作者 兰杰 李宁 +1 位作者 李志宁 吕建刚 《现代电子技术》 2023年第8期99-105,共7页
深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基... 深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基于门控循环神经网络(GRU)构建一个时序编码解码器以实现输入序列的重构,其中GRU-Encoder对输入的多元时间序列进行编码;再引入注意力机制对GRU-Encoder在每个时刻的输出向量进行加权融合,以融合后的向量作为编码结果,并将其输入到GRU-Decoder中实现输入序列的重构,同时将编码结果映射为输入样本的RUL。采用CMAPSS数据集对所提方法的有效性进行验证,结果表明,该方法预测精度较高,可行且有效。 展开更多
关键词 剩余使用寿命 RUL预测方法 门控循环神经网络 解码编码器 注意力机制 对比验证
在线阅读 下载PDF
基于多层特征嵌入的单目标跟踪算法
18
作者 才华 周鸿策 +1 位作者 付强 赵义武 《兵工学报》 北大核心 2025年第3期333-348,共16页
针对现有视觉目标跟踪方法仅使用初始帧的目标单一外观特征,导致当背景复杂或外观发生剧烈变化时跟踪失效的问题,提出一种基于多层特征嵌入的单目标跟踪算法。增强目标的外观区分度,使用稀疏内嵌注意力机制编码器,嵌入具有高实例区分度... 针对现有视觉目标跟踪方法仅使用初始帧的目标单一外观特征,导致当背景复杂或外观发生剧烈变化时跟踪失效的问题,提出一种基于多层特征嵌入的单目标跟踪算法。增强目标的外观区分度,使用稀疏内嵌注意力机制编码器,嵌入具有高实例区分度的外观特征;采用类间特征聚合编码器嵌入目标的类别信息,在外观发生变化时保持类内的紧凑性;同时将预测的历史帧跟踪框坐标转化为目标运动轨迹特征嵌入,为算法提供高置信度的时间上下文特征。研究结果表明:所提算法在OTB100基准测试中成功率和准确率分别达到71.4%和92.6%,在GOT-10K、LaSOT、TrackingNet共3个大规模公开数据上取得了鲁棒的效果,成功率分别达到64.9%、72.0%和78.7%;基于多层特征嵌入的单目标跟踪算法有效地克服了现有算法的局限,具有较好的准确性和鲁棒性。 展开更多
关键词 目标跟踪 稀疏内嵌注意力机制编码器 类间特征聚合编码器 运动特征嵌入
在线阅读 下载PDF
基于多尺度卷积自编码器的船舶逆变器故障诊断 被引量:1
19
作者 崔博文 张思远 《舰船科学技术》 北大核心 2025年第3期135-140,共6页
为实现对船舶逆变器的有效维护,确保船舶逆变器模块的正常运行,提出一种基于多尺度特征融合和降噪卷积自编码器的船舶逆变器开路故障诊断方法。可以直接对一维原始电流数据自适应地提取数据特征,降低信号内的噪声,实现端到端的故障诊断... 为实现对船舶逆变器的有效维护,确保船舶逆变器模块的正常运行,提出一种基于多尺度特征融合和降噪卷积自编码器的船舶逆变器开路故障诊断方法。可以直接对一维原始电流数据自适应地提取数据特征,降低信号内的噪声,实现端到端的故障诊断。首先,利用数据增强方法来增强数据集;其次,根据数据特点设计可以提取局部细节和整体结构信息的多尺度卷积特征融合模块,并在编码器中引入该模块,形成特征提取模型;最后,利用全连接神经网络对模型输出的数据特征进行分类,根据分类结果实现故障诊断。实验结果表明,所提出的方法具有优越的数据特征提取性能及噪声鲁棒性能,可以实现船舶逆变器开关器件开路故障诊断。 展开更多
关键词 船舶逆变器 故障诊断 多尺度特征融合 卷积自编码器
在线阅读 下载PDF
结合特征融合注意力的规范化卷积图像去雾网络 被引量:1
20
作者 王燕 卢鹏屹 他雪 《计算机工程与应用》 北大核心 2025年第8期226-238,共13页
图像去雾方法可以从受雾、霾或大气干扰影响的模糊图像中恢复清晰图像,在自动驾驶、监控系统等领域有重要意义。近年来,基于深度学习方法在图像去雾领域取得了显著进展,但在去雾过程中会损失一些细节信息,导致纹理信息恢复不足、去雾不... 图像去雾方法可以从受雾、霾或大气干扰影响的模糊图像中恢复清晰图像,在自动驾驶、监控系统等领域有重要意义。近年来,基于深度学习方法在图像去雾领域取得了显著进展,但在去雾过程中会损失一些细节信息,导致纹理信息恢复不足、去雾不均匀现象。为了解决这个问题,提出了一种端到端的单幅图像去雾方法,称为EFANNet。该方法由编码器模块、去雾模块、解码器模块组成。编码器模块用于提取图像特征信息传递给去雾模块;去雾模块通过特征融合组(FFG)获得更多图像信息使去雾图像颜色失真更小、伪影更少,将获得的图像信息传递给深度规范化修正卷积块(DNCC)减少协变量偏移,使模型更容易训练。多路径特征卷积块(MFCB)获得纹理细节更丰富的图像信息,最后经过解码器模块通过反卷积和上采样操作将低维的特征映射转换回高维的原始输入空间,得到去雾图像。大量实验结果表明,所提方法在定量和定性上都取得了较好的结果并优于相关的最新方法。 展开更多
关键词 图像去雾 深度学习 编码器-解码器 深度规范化修正卷积块
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部