检索结果-维普期刊中文期刊服务平台

APK-CNN和Transformer增强的多域虚假新闻检测模型被引量：3: 1; 作者李金金桑国明张益嘉《计算机应用》 CSCD 北大核心 2024年第9期2674-2682,共9页; 为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm... 展开更多; 关键词虚假新闻检测领域转移软共享内存网络 transformER APK-CNN; 在线阅读下载PDF 职称材料

适应拓扑变化的数据驱动电力系统暂态主导失稳模式识别方法被引量：1: 2; 作者周芮杨燕 +4 位作者余娟杨知方朱晟毅余亚南孙昕炜《中国电机工程学报》北大核心 2025年第9期3436-3447,I0013,共13页; 电力系统暂态电压与功角混合失稳下的主导失稳模式(dominant instability mode,DIM)识别对制定快速调整措施至关重要。然而,现有数据驱动方法因拓扑变化适应能力不足,导致识别精度下降甚至失效。由此,该文提出一种适应拓扑变化的数据驱... 展开更多; 关键词暂态稳定主导失稳模式关键曲线选取多随机卷积核变换集成学习; 在线阅读下载PDF 职称材料

基于卷积神经网络的肌电信号人体运动模式识别技术被引量：1: 3; 作者刘亚丽鲁妍池 +1 位作者马勋举宋遒志《兵工学报》 EI CAS CSCD 北大核心 2024年第7期2144-2158,共15页; 随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的... 展开更多; 关键词外骨骼机器人表面肌电信号运动模式识别双卷积链神经网络能量核小波变换分析; 在线阅读下载PDF 职称材料

基于模糊梯度卷积核的在线棒材断面中心识别被引量：1: 4; 作者方红萍方康玲刘新海《计算机工程与设计》 CSCD 北大核心 2014年第9期3249-3253,共5页; 针对传动带上严重堆叠、形状尺寸不规则的棒材,提出基于模糊梯度卷积核的在线棒材断面中心识别方法。以标准圆边缘为中心环,结合棒材断面边缘点偏离中心环的程度定义一个模糊梯度卷积核;通过模糊梯度卷积核与实时棒材断面梯度图像的卷... 展开更多; 关键词类圆形对象棒材中心识别模糊梯度卷积核中心增强霍夫变换; 在线阅读下载PDF 职称材料

题名APK-CNN和Transformer增强的多域虚假新闻检测模型被引量：3: 1; 作者李金金桑国明张益嘉; 机构大连海事大学信息科学技术学院; 出处《计算机应用》 CSCD 北大核心 2024年第9期2674-2682,共9页; 基金国家自然科学基金资助项目(62072070) 中央高校基本科研业务费项目(3132019207)。; 文摘为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm3。首先,设计三通道网络对文本的语义、情感和风格信息进行特征提取和表示,并利用多粒度跨域交互器对这些特征进行视图组合;其次,通过优化的软共享内存网络和域适配器来完善新闻领域标签;再次,将Transformer与多粒度跨域交互器结合,使用更先进的融合网络动态加权聚合不同领域的交互特征;最后,将融合特征输入分类器中用于真/假新闻判别。实验结果表明,Transm3与M3FEND(Memory-guided Multi-view Multi-domain FakE News Detection)和EANN(Event Adversarial Neural Networks for multi-modal fake news detection)相比,综合F1值在中文数据集上分别提高了3.68%和6.46%,在英文数据集上分别提高了6.75%和11.93%,在各分领域上F1值也有明显的提高,充分验证了Transm3在多域虚假新闻检测工作上的有效性。; 关键词虚假新闻检测领域转移软共享内存网络 transformER APK-CNN; Keywords fake news detection domain shift soft-shared memory networking transformer APK-CNN(Adaptive Pooling kernel convolutional Neural Network); 分类号 TP391.1 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程] G210.7 [文化科学—新闻学]; 在线阅读下载PDF 职称材料

题名适应拓扑变化的数据驱动电力系统暂态主导失稳模式识别方法被引量：1: 2; 作者周芮杨燕余娟杨知方朱晟毅余亚南孙昕炜; 机构输变电装备技术全国重点实验室(重庆大学) 国网重庆市电力公司电力科学研究院国网四川省电力公司电力科学研究院; 出处《中国电机工程学报》北大核心 2025年第9期3436-3447,I0013,共13页; 基金国家电网有限公司科技项目(5108-202218280A-2-263-XG)。; 文摘电力系统暂态电压与功角混合失稳下的主导失稳模式(dominant instability mode,DIM)识别对制定快速调整措施至关重要。然而,现有数据驱动方法因拓扑变化适应能力不足,导致识别精度下降甚至失效。由此,该文提出一种适应拓扑变化的数据驱动DIM识别方法。首先,提出基于K-means聚类和多随机卷积核变换的DIM高精度智能识别基础模型,利用K-means自适应选取关键暂态曲线,基于多随机卷积核变换表征暂态曲线斜率、失稳持续时间等重要DIM判断特征,从而适应拓扑变化并高效提取暂态曲线时序特征。其次,针对单个基础模型输出不确定性、可信度不足问题,提出基于Bagging集成学习和误差-分歧分解理论的DIM智能识别框架,自适应最优选择多个基础模型共同决策,提高结果的稳定性和可信性。最后,在中国电力科学研究院有限公司36节点系统及其修改系统、某实际电网8897节点系统上的算例分析表明,所提方法可在保证较高DIM识别精度的情况下适应拓扑变化,验证了方法的有效性。; 关键词暂态稳定主导失稳模式关键曲线选取多随机卷积核变换集成学习; Keywords transient stability dominant instability mode critical curve selection multi-random convolutional kernel transform ensemble learning; 分类号 TM71 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的肌电信号人体运动模式识别技术被引量：1: 3; 作者刘亚丽鲁妍池马勋举宋遒志; 机构北京理工大学机电学院北京理工大学前沿技术研究院外骨骼技术研发中心; 出处《兵工学报》 EI CAS CSCD 北大核心 2024年第7期2144-2158,共15页; 基金国家自然科学基金青年项目(51905035) 北京理工大学青年教师学术启动计划项目(XSQD-202202001)。; 文摘随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的原始肌电信号,经特征提取,转化为能量核相图和离散小波变换系数特征图,分别输入双卷积链神经网络的卷积神经网络分支和MobileNetV2分支,利用融合模块提取高层隐藏特征并进行充分交互。制备包括以上两种特征图像和传统肌电信号图谱在内的3种数据集。3组交叉实验结果表明:所提方法对6种自测下肢运动的平均识别准确率达94.19%,显著优于其他特征组合与网络架构;在ENABL3S开源数据集识别7种下肢运动中取得98.32%的稳态识别准确率,进一步验证了所提方法优良的肌电特征捕捉能力和模式识别准确性。; 关键词外骨骼机器人表面肌电信号运动模式识别双卷积链神经网络能量核小波变换分析; Keywords exoskeleton robots surface electromyography motion pattern recognition dual convolutional chains neural network energy kernel wavelet transform analysis; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于模糊梯度卷积核的在线棒材断面中心识别被引量：1: 4; 作者方红萍方康玲刘新海; 机构武汉科技大学信息科学与工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2014年第9期3249-3253,共5页; 基金国家自然科学基金项目(61105058); 文摘针对传动带上严重堆叠、形状尺寸不规则的棒材,提出基于模糊梯度卷积核的在线棒材断面中心识别方法。以标准圆边缘为中心环,结合棒材断面边缘点偏离中心环的程度定义一个模糊梯度卷积核;通过模糊梯度卷积核与实时棒材断面梯度图像的卷积操作,实现棒材断面中心的增强;依次执行候选点选取、局部峰值抑制、距离检测步骤确定中心位置。实验结果表明,该方法能有效抑制棒材中心增强过程中易产生的峰值扩散现象,减少误识别和漏识别;平均计算时间为8.3ms,满足系统实时性要求。; 关键词类圆形对象棒材中心识别模糊梯度卷积核中心增强霍夫变换; Keywords quasi-circle object rebar section center recognition gradient orientation-based fuzzy convolution kernel center en- hancement Hough transform; 分类号 TP391.4 [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	作者	出处	发文年	被引量	操作
1	APK-CNN和Transformer增强的多域虚假新闻检测模型	李金金桑国明张益嘉	《计算机应用》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
2	适应拓扑变化的数据驱动电力系统暂态主导失稳模式识别方法	周芮杨燕余娟杨知方朱晟毅余亚南孙昕炜	《中国电机工程学报》北大核心	2025	1	在线阅读下载PDF 职称材料
3	基于卷积神经网络的肌电信号人体运动模式识别技术	刘亚丽鲁妍池马勋举宋遒志	《兵工学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
4	基于模糊梯度卷积核的在线棒材断面中心识别	方红萍方康玲刘新海	《计算机工程与设计》 CSCD 北大核心	2014	1	在线阅读下载PDF 职称材料