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156篇文章
< 1 2 … 8 >
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：
基于结构多维特征构建图卷积神经网络的结构损伤识别方法
1
作者 杨建辉 赵清瑄 蒲脯林 《湖南大学学报(自然科学版)》 北大核心 2025年第8期158-171,共14页
以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征... 以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征,从图的视角挖掘节点间的复杂属性关系,为SDI提供多维度学习信息.为此,设计了一种融合结构多维特征的图卷积神经网络模型(graph convolutional neural network integrating multi-dimensional features of structure,S-GCN),基于结构振动数据构造损伤特征矩阵,并通过衍生图网络,以图的节点和边表征结构节点的连接关系,构建边索引矩阵,将结构损伤状态、振动数据及节点属性等多维特征信息输入GCN进行结构损伤特征提取及预测识别,探索结构多维特征信息驱动下的GCN在损伤预测中的应用效果.通过两个钢结构验证方法的可行性及有效性,结果表明,S-GCN能够整合结构多维特征信息,对两个结构对象均实现了较高的损伤预测准确性,并展现出良好的噪声鲁棒性.进一步的对比分析显示,相较于三种非GCN模型,S-GCN能够高效地依托节点间关系快速更新节点特征并预测节点损伤状态,其损伤识别准确率、计算效率及网络各层演进过程均优于对比模型,验证了在结构损伤识别中融合结构空间特征的有效性. 展开更多
关键词 结构损伤识别 图卷积神经网络 结构多维特征融合 噪声鲁棒性 训练效率
在线阅读 下载PDF
基于深度子领域适应卷积神经网络的结构损伤识别
2
作者 张健飞 曹雨 《振动与冲击》 北大核心 2025年第3期251-260,共10页
针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结... 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。 展开更多
关键词 结构损伤识别 子领域适应 局部最大均值差异 卷积神经网络(CNN)
在线阅读 下载PDF
面向复杂刑事案件的涉案金额识别方法
3
作者 田如君 林川 +3 位作者 黄瑞章 陈艳平 杨志 秦永彬 《计算机工程与设计》 北大核心 2025年第6期1556-1563,共8页
针对现有涉案金额识别方法在复杂案件(一案多人)上面临金额的所属关系易混淆及意图多样性问题,提出一种面向复杂刑事案件的涉案金额识别推理方法。通过分析裁判文书的逻辑结构,抽取文书中的金额相关要素并结合文书的特征构建金额共现图... 针对现有涉案金额识别方法在复杂案件(一案多人)上面临金额的所属关系易混淆及意图多样性问题,提出一种面向复杂刑事案件的涉案金额识别推理方法。通过分析裁判文书的逻辑结构,抽取文书中的金额相关要素并结合文书的特征构建金额共现图,用图的形式对金额的归属关系进行表示,使用图神经网络(graph neural network, GNN)在金额共现图中学习要素节点之间的语义依赖信息和结构信息,获取其深层的节点特征,实现对涉案金额的识别和推理。在公共比赛数据集LAIC2021(Legal AI Challenge 2021)上的准确率(Accuracy, Acc)值达到94.75%,比当前最优模型提升了3.7%,在某省人民法院裁判文书复杂案件数据集上的Acc值达到74.16%。 展开更多
关键词 刑事案件 涉案金额识别 裁判文书逻辑结构 金额共现图 图神经网络 司法智能 特征融合
在线阅读 下载PDF
基于多结构数据驱动的车轮扁疤定量识别方法
4
作者 钱新宇 谢清林 +1 位作者 陶功权 温泽峰 《浙江大学学报(工学版)》 北大核心 2025年第4期688-697,共10页
为了快速、准确检测车轮扁疤,提出以不同结构数据为驱动载体的车轮扁疤定量识别方法.将合成的扁疤车轮数据作为车轮不圆激励输入地铁车辆−轨道刚柔耦合动力学模型,获取不同工况下的轴箱振动响应.对轴箱振动响应进行数据规整,制成不同结... 为了快速、准确检测车轮扁疤,提出以不同结构数据为驱动载体的车轮扁疤定量识别方法.将合成的扁疤车轮数据作为车轮不圆激励输入地铁车辆−轨道刚柔耦合动力学模型,获取不同工况下的轴箱振动响应.对轴箱振动响应进行数据规整,制成不同结构形式的样本集,将它与速度信号融合输入多输入卷积神经网络(MCNN)模型进行训练,探究MCNN模型在不同数据结构输入下的性能差异.结果表明:相较于设置的其他输入数据结构,输入数据结构为时域、频域和时频域组合的MCNN模型识别性能最佳,平均绝对百分比误差与拟合度(R2)分别为1.947%和0.9978,耗时相对较低,单个样本为0.1579 ms.经典模型对比实验、速度信息消融实验和实测数据迁移学习实验的结果表明,输入数据结构为时域、频域和时频域组合的MCNN模型具有工程应用价值. 展开更多
关键词 车轮扁疤 定量识别 多结构数据样本集 多输入卷积神经网络 轴箱振动加速度
在线阅读 下载PDF
基于MFCC⁃CNN的轨道交通车致二次结构噪声信号识别
5
作者 卓文海 刘庆杰 +2 位作者 徐璐 刘博亮 刘文武 《铁道建筑》 北大核心 2025年第4期137-142,共6页
针对背景噪声干扰下轨道交通诱发室内二次结构噪声的识别难题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的室内二次结构噪声识别方法。通过梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)提取噪声信... 针对背景噪声干扰下轨道交通诱发室内二次结构噪声的识别难题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的室内二次结构噪声识别方法。通过梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)提取噪声信号的时域特征,将噪声识别问题转变成图片识别问题。建立二次结构噪声图像库与背景噪声库,设计网络结构,将时域图输入CNN模型,实现噪声信号的分类。设计多组学习率与MFCC维度的对比试验,优化模型分类效果。结果表明:MFCC提取的时频特征中车致二次结构噪声相对连续,各频段能量均匀分布,且高低频段能量分布差异明显;背景噪声能量分布随时间变化而变化;当学习率设置为0.0005、MFCC特征维度为40时,模型分类效果最佳,二次结构噪声的F1分数可达到97.1%;对现场实时采集的数据分类效果良好,说明建立的MFCC‑CNN模型能有效识别列车诱发二次结构噪声信号。 展开更多
关键词 轨道交通 二次结构噪声 卷积神经网络 梅尔倒谱系数 信号识别
在线阅读 下载PDF
有限元模型修正中的贝叶斯深度神经网络构架优化设计
6
作者 何宇轩 尹涛 王曦 《振动与冲击》 北大核心 2025年第6期184-190,共7页
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相... 贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力,但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。该研究旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究,发展基于证据对数的多隐含层BNN网络性能定量量度,并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法,获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。 展开更多
关键词 结构系统识别 结构健康监测 有限元模型修正 贝叶斯深度神经网络 构架优化设计
在线阅读 下载PDF
语义引导的全局-局部图神经网络的关系抽取
7
作者 任楚岚 刘长胜 +1 位作者 邹绍强 井立志 《计算机工程与设计》 北大核心 2025年第3期705-711,共7页
为解决实体间距离过长导致关系抽取性能不佳的问题,提出一种基于上下文语义引导的全局-局部图神经网络的关系抽取方法。通过注意力增强神经网络集中不同时间步的单词的重要性和相关性,获取上下文语义引导的信息;构建全局-局部图神经网... 为解决实体间距离过长导致关系抽取性能不佳的问题,提出一种基于上下文语义引导的全局-局部图神经网络的关系抽取方法。通过注意力增强神经网络集中不同时间步的单词的重要性和相关性,获取上下文语义引导的信息;构建全局-局部图神经网络增强全局结构和局部实体之间的交互,通过改进的APPNP(approximate personalized propagation of neural predications)算法增强全局依赖关系;融合两个模块进行关系抽取。在NYT数据集上的实验结果表明,F1达到83.7%,较目前主流方法更具优势,验证了模型的有效性。 展开更多
关键词 关系抽取 上下文语义 注意力增强神经网络 图神经网络 全局结构 局部实体 长距离
在线阅读 下载PDF
面向说话人日志的多原型驱动图神经网络方法
8
作者 毛青青 贾洪杰 朱必松 《计算机应用研究》 北大核心 2025年第6期1778-1783,共6页
最近,图神经网络在会话级建模中的应用,已显示出其在说话人日志任务上的有效性。然而,现有的大多数图神经网络变体仅依赖于局部结构信息,忽略了全局说话人信息的重要性,无法充分弥补说话人日志任务中说话人信息不足的问题。提出了面向... 最近,图神经网络在会话级建模中的应用,已显示出其在说话人日志任务上的有效性。然而,现有的大多数图神经网络变体仅依赖于局部结构信息,忽略了全局说话人信息的重要性,无法充分弥补说话人日志任务中说话人信息不足的问题。提出了面向说话人日志的多原型驱动图神经网络方法(MPGNN)用于表示学习,该方法在每个会话中有效地结合了局部和全局说话人信息,并同时将x-vector重新映射到一个更适合聚类的新的嵌入空间。此外,多原型学习模块的设计采用了动态自适应的方法,这一关键组件能够捕获更准确的全局说话人信息。实验结果表明,所提出的MPGNN方法显著优于基线系统,能在AMI_SDM和CALLHOME数据集上分别达到3.33%、3.52%、5.66%和6.52%的说话人日志错误率(DER)。 展开更多
关键词 说话人日志 图神经网络 局部结构信息 全局说话人信息 多原型学习
在线阅读 下载PDF
城轨轨道结构病害室内试验模拟与识别方法研究
9
作者 刘潇 王少林 +4 位作者 闫宇智 丁德云 刘敏 姜博龙 陈万里 《铁道科学与工程学报》 北大核心 2025年第5期2333-2345,共13页
城市轨道交通轨道结构的安全性、可靠性和稳定性是保障正常运营的关键要素。为有效应对轨道结构病害带来的安全挑战,开展高效、精准的轨道结构异常状态识别研究是行业的技术趋势。针对3种轨道结构形式,采用激振设备模拟列车荷载,开展实... 城市轨道交通轨道结构的安全性、可靠性和稳定性是保障正常运营的关键要素。为有效应对轨道结构病害带来的安全挑战,开展高效、精准的轨道结构异常状态识别研究是行业的技术趋势。针对3种轨道结构形式,采用激振设备模拟列车荷载,开展实验室内病害模拟试验,模拟扣件失效、断轨、钢弹簧失效、剪力铰失效等4种轨道结构病害,获得了不同病害下钢轨和道床振动加速度响应;分析不同轨道结构病害表现的时域和频域特征。以加速度时域和频域数据作为输入参数,基于一维卷积神经网络算法,建立了轨道结构病害识别模型,基于ReduceLROnPlateau改进学习率调节策略,形成了可动态衰减和膨胀的学习率调节机制。研究结果表明:钢轨和道床振动加速度时域和频域特征均可反应轨道结构病害特征;病害识别模型推理时间短,鲁棒性高,能有效规避局部最优问题,可对4类轨道结构病害进行快速精准识别;频域数据集的识别精度优于时域数据集,在采用钢轨加速度、道床加速度、钢轨与道床加速度叠加情况下,识别精度分别为99.7%、100%、100%;在SNR=7 dB的噪声干扰下,频域模型依然能保证90%的预测准确率。研究显示了轨道结构病害识别模型的有效性,可为工程中轨道结构病害识别提供一种技术参考方法。 展开更多
关键词 轨道结构病害 实验室试验 一维卷积神经网络 识别方法 学习率调节
在线阅读 下载PDF
基于多标签卷积神经网络的结构损伤识别 被引量：1
10
作者 秦世强 苏晟 杨睿 《建筑科学与工程学报》 CAS 北大核心 2024年第3期108-119,共12页
准确识别结构多位置损伤一直是结构损伤识别的难题。为提升结构多位置损伤识别的准确率,提出一种基于卷积神经网络(CNN)的多标签分类(MLC)方法(CNN-MLC)进行结构损伤识别。该方法将结构多个位置损伤识别转换为多标签分类问题,每个损伤... 准确识别结构多位置损伤一直是结构损伤识别的难题。为提升结构多位置损伤识别的准确率,提出一种基于卷积神经网络(CNN)的多标签分类(MLC)方法(CNN-MLC)进行结构损伤识别。该方法将结构多个位置损伤识别转换为多标签分类问题,每个损伤位置均用一个对应的标签表示;利用CNN强大的特征提取能力,深入挖掘不同损伤工况之间公共损伤位置的相关性,实现结构多位置损伤识别。通过四层框架结构和一座铁路连续梁桥多位置损伤识别验证了CNN-MLC方法的识别准确率,并将其识别结果与基于CNN的多类别分类(MCC)方法(CNN-MCC)和基于示例差异化算法(InsDif)的多标签分类方法(InsDif-MLC)进行了对比。结果表明:框架结构在两位置和三位置损伤工况下,CNN-MLC方法比CNN-MCC方法的识别准确率分别提升2.50%和9.64%,比InsDif-MLC方法识别准确率提升17.50%和29.28%;对于铁路连续梁桥的两位置损伤和三位置损伤,CNN-MLC方法比CNN-MCC方法识别准确率提升1.63%和6.85%,比InsDif-MLC方法识别准确率提升4.18%和18.49%;随着损伤位置数量的增加,CNN-MLC方法的识别准确率显著提升。 展开更多
关键词 结构损伤识别 卷积神经网络 多位置损伤 多类别分类 多标签分类
在线阅读 下载PDF
局部随机点蚀钢构件的卷积神经网络损伤智能识别
11
作者 强旭红 田伟潇 +1 位作者 姜旭 赵波森 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第11期43-54,共12页
海洋等结构服役环境引起的点蚀会对钢结构的安全产生影响,而点蚀形式具有较强的多尺度多参数随机性。为在实际工程中对点蚀进行有效检测与损伤识别,基于卷积神经网络,结合试验研究、数值模拟、理论分析,对钢构件的局部随机点蚀进行系统... 海洋等结构服役环境引起的点蚀会对钢结构的安全产生影响,而点蚀形式具有较强的多尺度多参数随机性。为在实际工程中对点蚀进行有效检测与损伤识别,基于卷积神经网络,结合试验研究、数值模拟、理论分析,对钢构件的局部随机点蚀进行系统研究。选用多参数局部随机点蚀数值模型,在遵循点蚀坑深度的分布模型、点蚀坑的直径时变模型的前提下,对点蚀坑的位置分布进行边界限制和交叉限制,利用Python实现点蚀坑在尺寸、位置和数量等方面的随机性,使Abaqus能够批量生成锈蚀位置和锈蚀率各不相同的钢板有限元模型,进行运算分析,得到各有限元模型的振型样本。之后,以有限元模型作为试验原型,将数值试验得到的大量前6阶振型样本作为数据集,用于建立、训练一种适用于损伤位置识别的卷积神经网络模型,并使用有限元数据集对模型的精度进行验证。最后,采用足尺试验的振型结果进一步验证卷积神经网络模型的精度。研究表明,该模型充分考虑了点蚀在形状参数和位置坐标等方面的随机性,参数合理,接近现实中的实际点蚀情况,识别准确率较高,在数值试验中点蚀损伤识别到真实区域及其相邻区域的准确率高达95.9%,在足尺试验中的准确率达到81.2%,能满足钢构件智能损伤识别实际应用的精度需求。 展开更多
关键词 钢结构 局部点蚀损伤 损伤识别 卷积神经网络
在线阅读 下载PDF
基于孪生神经网络的楔形环连接结构预紧状态辨识
12
作者 盛俊杰 王九龙 +1 位作者 李树勇 文勇 《振动与冲击》 EI CSCD 北大核心 2024年第8期162-168,共7页
楔形环连接结构由于其连接简单可靠、同时兼具节省空间及减重的优势,常被应用于鱼雷、航天飞行器等武器装备。针对楔形环连接结构预紧状态辨识方面存在的机理模型复杂、样本量小且类别不平衡的问题,提出了一种基于孪生神经网络模型的预... 楔形环连接结构由于其连接简单可靠、同时兼具节省空间及减重的优势,常被应用于鱼雷、航天飞行器等武器装备。针对楔形环连接结构预紧状态辨识方面存在的机理模型复杂、样本量小且类别不平衡的问题,提出了一种基于孪生神经网络模型的预紧状态辨识方法。为提高模型训练效率和效果,首先利用时频处理技术进行孪生神经网络模型特征增强,基于增强特征建立了3层孪生神经网络分类模型,实现楔形环预紧状态宏观分类。同时,为指导楔形环精密装配,通过特征可视化技术,深入分析了孪生神经网络训练过程特征聚类效果,并基于二维特征建立了预紧状态定量表征模型,引入目标状态聚类中心与接受域参量,用于实现楔形环连接结构预紧状态定量评估。通过试验验证了所提方法的有效性,该方法可为楔形环连接结构定量辨识提供新的技术途径和思路,具有一定工程应用价值。 展开更多
关键词 楔形环连接结构 孪生神经网络 状态辨识 特征可视化 定量表征
在线阅读 下载PDF
定位键指数用于含氧多环芳烃对斑马鱼胚胎的急性毒性预测
13
作者 堵锡华 李靖 陈艳 《环境化学》 CAS CSCD 北大核心 2024年第5期1498-1506,共9页
含氧多环芳烃化合物是一种在多环芳烃苯环上,含有一个或数个羰基氧原子的持久性污染物,它具有比亲代多环芳烃更强的毒性、致癌、致畸和致突变性,因此探究高效的研究方法来建立毒性数据库非常重要.为研究含氧多环芳烃对斑马鱼胚胎的急性... 含氧多环芳烃化合物是一种在多环芳烃苯环上,含有一个或数个羰基氧原子的持久性污染物,它具有比亲代多环芳烃更强的毒性、致癌、致畸和致突变性,因此探究高效的研究方法来建立毒性数据库非常重要.为研究含氧多环芳烃对斑马鱼胚胎的急性毒性与其分子结构之间的定量结构-毒性关系,根据含氧多环芳烃分子中原子空间拓扑结构,提出了一种新的结构指数–定位键指数L,并分别计算了32个含氧多环芳烃化合物分子的电性拓扑态指数Em、电性距离矢量M_(n),分析优化筛选了电性拓扑态指数其中的E16、电性距离矢量其中的M_(14)、M_(21)和M_(32)作为结构描述符,将它们与定位键指数L有机结合,与含氧多环芳烃化合物对斑马鱼胚胎的生物毒性进行回归分析,以5种结构参数为输入变量点价值,神经网络结构采用5-3-1,建构了一种预测含氧多环芳烃急性毒性lgEC_(50)的神经网络模型,该预测模型的总相关系数R_(T)值达到较高的0.9826,对毒性的预测值与实验值两者之间的平均误差仅为0.112;结果表明,含氧多环芳烃的急性毒性与定位键指数、电性拓扑态指数、电性距离矢量等结构参数有良好的非线性关系.研究可为含氧多环芳烃的环境污染及生态风险评估提供理论指导. 展开更多
关键词 含氧多环芳烃 定位键指数 斑马鱼胚胎 定量结构-毒性关系 神经网络
在线阅读 下载PDF
基于生成对抗网络的树种识别方法 被引量：3
14
作者 苏彤 许杰 《林业科学》 EI CAS CSCD 北大核心 2024年第2期97-105,共9页
【目的】利用卷积神经网络模型进行图像自动识别时,为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率,在原有叶片图像基础上进行图像样本扩充来保证训练质量,提出一种融合生成对抗网络与卷积神经网络的树种识别方法... 【目的】利用卷积神经网络模型进行图像自动识别时,为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率,在原有叶片图像基础上进行图像样本扩充来保证训练质量,提出一种融合生成对抗网络与卷积神经网络的树种识别方法。【方法】在Pytorch框架下,采集10种常见树种(山杨、梣叶槭、榆、刺槐、紫丁香、杜仲、火炬树、山荆子、水曲柳、红端木)叶片图像作为研究对象。首先,采用均值滤波去噪和尺寸归一化对图像进行预处理。其次,以生成对抗网络生成的图像扩充数据集,其中,以深度卷积生成对抗网络(DCGAN)模型为基础并对其进行改进,建立残差条件深度卷积生成对抗网络(RC-DCGAN)模型,将随机噪声和类别标签作为生成器的输入,以控制样本生成过程;在生成器中嵌入残差结构,使生成模型学习更多特征信息,以提高生成图像质量。然后,将原始图像和扩充图像作为卷积神经网络(CNN)的训练集,一方面,使用RC-DCGAN模型和旋转、镜像、改变对比度等传统图像扩充方法,扩充图像11400幅;另一方面,将原始图像与生成图像、原始图像与传统扩充图像,分别输入至CNN中进行训练,并在原始图像的每个类别中随机挑选50幅对模型进行测试,以验证生成对抗网络对提升识别准确率的可行性。最后,确定适合试验要求的CNN分类模型,并与AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型的识别效果进行对比,以检验本研究方法的可行性。【结果】RC-DCGAN模型比DCGAN模型生成的图像质量更高,贴合真实图像;利用生成对抗网络扩充图像的方法与ResNet30树种识别模型,训练准确率为99.03%,平均验证识别准确率为97.20%;而在相同树种识别模型下,传统图像扩充方法的识别率为95.50%;在相同数据集下,AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型所获得的识别率分别为86.52%、87.57%、91.43%、93.25%,均低于本研究模型的识别率。【结论】联合生成对抗网络和卷积神经网络的方法对本研究10种树种叶片图像的识别准确率最高,且克服了使用传统图像处理扩充方法使模型泛化能力下降的问题,说明利用生成对抗网络对图像扩充的方法具有可行性和有效性,可为相关研究工作提供借鉴。 展开更多
关键词 卷积神经网络 树种识别 生成对抗网络 残差结构
在线阅读 下载PDF
基于迁移卷积神经网络的桥梁结构损伤识别方法 被引量：3
15
作者 罗旭欣 陈龙 +1 位作者 梁韬 黄天立 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3888-3899,共12页
针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensio... 针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensional Convolutional Neural Network,1D-CNN)的结构损伤识别方法。首先,基于结构有限元数值模拟数据训练1D-CNN模型,选择损伤识别效果较好、性能优良的模型作为源模型;然后,将源模型中的网络结构和超参数迁移到实际结构实测数据集(目标域)网络模型的对应位置并冻结,得到预训练模型;最后,使用实测数据微调预训练模型得到目标模型。为验证该方法的有效性,通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验,对比源模型(模型Ⅰ)、仅采用实测数据训练得到的CNN模型(模型Ⅱ)和采用迁移学习得到的CNN目标模型(模型Ⅲ)等3种神经网络模型的结构损伤模式识别准确率。研究结果表明:3层钢框架结构实验室试验中,3种CNN模型的最高损伤模式识别准确率分别为63.44%,98.44%,99.06%;日本某简支钢桁梁桥的现场试验中,3种CNN模型的最高损伤模式识别准确率分别为59.50%,97.00%,99.50%。针对不同结构,目标模型(模型Ⅲ)的损伤模式识别准确率均最高,收敛速度最快,优于其他2种CNN模型。基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力,为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径。 展开更多
关键词 桥梁结构 损伤模式识别 一维卷积神经网络 迁移学习 源域 目标域
在线阅读 下载PDF
基于节点结构的点云分类网络 被引量：1
16
作者 高文烁 陈晓云 《计算机应用》 CSCD 北大核心 2024年第5期1471-1478,共8页
点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征,现有方法多采用复杂的局部特征提取结构组建分层网络,导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取不... 点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征,现有方法多采用复杂的局部特征提取结构组建分层网络,导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取不均匀分布的点云物体特征,提出采样点卷积密度自适应加权的节点结构网络(NsNet)。该卷积网络通过高斯密度对采样点自适应加权以区分采样点的密度差异,从而更好地刻画物体的整体结构;其次,通过加入球形坐标简化网络结构以降低模型复杂度。在3个公开数据集上与PointNet++和PointMLP等方法进行比较,实验结果表明:基于自适应密度加权的NsNet比PointNet++和PointMLP的总准确率(OA)分别提高了9.1和1.3个百分点;与PointMLP相比减少了4.6×10^(6)的参数量。NsNet可有效解决点云分布不均导致的边缘点信息损失问题,提高分类精度,降低模型复杂度。 展开更多
关键词 三维点云 点云分类 卷积神经网络 密度权重 整体结构 局部结构
在线阅读 下载PDF
强噪声小样本条件下基于图卷积神经网络的结构损伤识别 被引量：1
17
作者 李行 骆勇鹏 +2 位作者 郭旭 廖飞宇 鲁四平 《地震工程与工程振动》 CSCD 北大核心 2024年第3期52-60,共9页
基于深度学习的结构损伤识别主要通过捕捉数据特征及内部规律来实现。训练样本不足、噪声干扰均可能导致有效特征及内部规律的挖掘失败。从数据中尽可能挖掘更多的信息用于识别损伤尤为重要。文中提出了基于图卷积神经网络的结构损伤识... 基于深度学习的结构损伤识别主要通过捕捉数据特征及内部规律来实现。训练样本不足、噪声干扰均可能导致有效特征及内部规律的挖掘失败。从数据中尽可能挖掘更多的信息用于识别损伤尤为重要。文中提出了基于图卷积神经网络的结构损伤识别方法。首先,为了能够提取更多特征,即同时考虑不同位置传感器之间的相关性和各个传感器数据的自身特性,通过图构造方法将一维振动数据转换为图数据。然后采用图卷积神经网络提取图样本的数据特征并实现快速分类,完成损伤识别的目的。采用卡塔尔大学看台结构模型来验证所提方法的可行性及可靠性,并探讨噪声程度、样本个数、构图方式及相关图卷积网络参数对识别结果的影响。结果表明:与一维卷积神经网络相比,图卷积神经网络模型在强噪声、小样本的情况下具有较高的损伤识别精度。构图方式及图池化方法对识别结果有一定的影响,Path构图方式与Topk池化的识别结果较为稳定且高于其他组合形式。 展开更多
关键词 结构健康监测 损伤识别 振动响应 深度学习 图卷积神经网络
在线阅读 下载PDF
飞机异常动载荷快速定位的深度神经网络方法
18
作者 梁舒雅 徐昕炜 +2 位作者 杨特 王乐 杨智春 《振动工程学报》 EI CSCD 北大核心 2024年第10期1651-1659,共9页
飞机在服役中往往处于复杂多变的动载荷环境,动载荷定位是需首要解决的问题。本文针对飞机结构多种常见且易引起异常振动的动载荷定位需求,结合深度神经网络,建立了一种面向飞机结构的异常动载荷快速定位方法。采用长短期记忆(Long Shor... 飞机在服役中往往处于复杂多变的动载荷环境,动载荷定位是需首要解决的问题。本文针对飞机结构多种常见且易引起异常振动的动载荷定位需求,结合深度神经网络,建立了一种面向飞机结构的异常动载荷快速定位方法。采用长短期记忆(Long Short-Term Memory,LSTM)神经网络构建可以精确描述结构所受动载荷的作用位置与振动响应间对应关系的逆向隐式函数模型,提出了基于LSTM神经网络分类模型的动载荷定位技术。建立了简化的全机结构有限元模型,对飞机在实际飞行中可能遇到的几个典型动载荷工况进行了模拟,准确完成了对动载荷的定位,并对所建立深度神经网络的抗噪性、鲁棒性进行了研究。仿真结果表明,所提方法对多种载荷工况下的动载荷位置可以进行准确识别,且在10 dB的测量噪声水平和2.8%的参数摄动下仍能保持较高的定位准确率。 展开更多
关键词 动载荷定位 深度神经网络 LSTM神经网络 飞机结构 反问题
在线阅读 下载PDF
基于卷积神经网络的滚动轴承故障诊断研究综述 被引量：9
19
作者 赖荣燊 闫高强 《机电工程》 CAS 北大核心 2024年第2期194-204,共11页
随着机器学习技术的兴起,深度学习被用于故障诊断领域并得到迅速发展,其中,卷积神经网络是具有出色特征提取能力的深度学习模型,因其适用于处理图像数据和高维数据而成为故障诊断研究的热点。针对传统故障诊断方法难以解决轴承振动信号... 随着机器学习技术的兴起,深度学习被用于故障诊断领域并得到迅速发展,其中,卷积神经网络是具有出色特征提取能力的深度学习模型,因其适用于处理图像数据和高维数据而成为故障诊断研究的热点。针对传统故障诊断方法难以解决轴承振动信号存在的特征提取困难和信号噪声污染的问题,为高效、准确地完成滚动轴承故障诊断工作,首先,对卷积神经网络的结构进行了简单介绍,并研究了近年来经典卷积神经网络模型用于滚动轴承故障诊断的重要进展;然后,从深度特征提取、超参数调整和网络结构优化等角度,对各种优化卷积神经网络的方法原理进行了简单介绍,详细探讨了将卷积神经网络应用于滚动轴承故障诊断的优化途径和已经取得的研究进展;最后,对几种典型优化方法的优势与不足进行了比较,并对不同角度优化卷积神经网络的途径进行了总结。研究结果表明:基于卷积神经网络的滚动轴承故障诊断方法还需要解决数据不平衡、模型特征提取能力不足和泛化性不强的问题,后续研究工作应聚焦于多源数据融合、模型性能优化以及多方技术结合等方向。 展开更多
关键词 滚动轴承 故障识别 卷积神经网络 深度学习 深度特征提取 超参数调整 网络结构优化
在线阅读 下载PDF
基于应变影响线的桥梁模型修正试验 被引量：2
20
作者 周宇 甘露一 +2 位作者 狄生奎 贺文宇 李宁波 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第3期537-546,共10页
为了验证桥梁应变影响线用于模型修正的有效性,针对某三跨钢板组合连续梁桥在单辆重车移动加载下的应变时程响应进行研究.联合实测应变影响线和计算影响线构建目标函数;以影响线形态控制点处的微应变试验值作为输入层参数,以有限元模型... 为了验证桥梁应变影响线用于模型修正的有效性,针对某三跨钢板组合连续梁桥在单辆重车移动加载下的应变时程响应进行研究.联合实测应变影响线和计算影响线构建目标函数;以影响线形态控制点处的微应变试验值作为输入层参数,以有限元模型结构几何尺寸信息与材料特征值作为输出层参数,构建反向传播(BP)神经网络进行自我学习;基于训练完毕的BP神经网络,对待修参数进行预测,开展桥梁模型修正研究.结果表明,所提出的有限元模型修正方法能够减小真实结构不确定性带来的建模误差,修正后的优化模型比初始模型更加贴近真实结构,目标函数相对误差降低29%;可以采用基于BP神经网络的模型参数修正方法对有限元模型参数进行预测. 展开更多
关键词 桥梁工程 模型修正 应变影响线 影响线识别 前馈神经网络
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 … 8 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