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812篇文章
< 1 2 … 41 >
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Vague软集的海上风电功率区间预测 被引量：1
1
作者 田书欣 朱峰 +2 位作者 杨喜军 符杨 苏向敬 《中国电机工程学报》 北大核心 2025年第4期1465-1476,I0019,共13页
海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真... 海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真隶属度和伪隶属度函数的交错式海上风电功率区间划分方法,实现风电功率数据Vague软区间化。其次,建立基于Vague-卷积神经网络(convolutional neural network,CNN)-长短期记忆神经网络(long short-term memory neural network,LSTM)的海上风电功率组合预测模型。通过类Vague软区间转换方法将双隶属度区间概率向量转化为海上风电功率复杂不确定信息下的区间预测结果。然后,从预测准确性、清晰性和兼顾性角度建立预测区间覆盖精度、预测区间宽度和预测综合水平等Vague软区间预测评估指标。最后,以我国东部某海上风电机组实际数据为算例进行验证。结果表明,所提预测模型预测结果可以兼顾预测区间的覆盖精度和清晰度,能够为海上风电不同工况下运行需求提供支撑。 展开更多
关键词 海上风电 Vague-卷积神经网络(CNN)-长短期记忆神经网络(LSTM)模型 Vague软集 软区间转换 区间预测
在线阅读 下载PDF
基于ECA-TCN的数据中心磁盘故障预测 被引量：1
2
作者 张铭泉 王宝兴 《智能系统学报》 北大核心 2025年第2期389-399,共11页
随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-tem... 随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-temporal convolutional network,ECA-TCN)模型,通过结合传统卷积神经网络一维卷积的优势,融入扩张卷积和残差结构,并引入注意力机制,该模型能够提高磁盘故障预测的准确性和稳定性。在实验中,将ECA-TCN模型与其他经典深度学习方法进行了比较,实验结果表明,ECA-TCN模型在磁盘故障预测任务上具有较高的准确性和稳定性。 展开更多
关键词 磁盘故障预测 长短时记忆网络 循环神经网络 扩张卷积 高效通道注意力机制 神经网络模型 时间序列预测 深度学习优化
在线阅读 下载PDF
基于YOLOv8n改进的水稻病害轻量化检测
3
作者 郭丽峰 黄俊杰 +5 位作者 吴禹竺 王思吉 王轶哲 包羽健 苏中滨 刘宏新 《农业工程学报》 北大核心 2025年第8期156-164,共9页
为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile blo... 为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile block,iRMB)增强小目标特征捕捉能力,采用变形卷积模块DCNv2(deformable convolutional networks)优化目标几何变化适应性,结合采样算子DySample(dynamic sample)算法提升复杂环境适应能力,并改进快速空间金字塔池化模块(spatial pyramid pooling fast,SPPF)为大核分离卷积注意力模块(large separable kernel attention,LSKA)增强多尺度特征融合。试验结果表明,改进的YOLOv8-DiDL模型准确率、召回率和平均精度均值分别为91.4%、83.5%、90.8%;与原始基础网络YOLOv8n相比分别提升7.0、0.5、2.5个百分点,模型权重降低9.7%,每秒浮点运算次数提升7.4%。该研究通过改进模型显著提高了水稻病害检测的精度和部署效率,为智能化农业的实时病害监测提供了技术基础。 展开更多
关键词 水稻 病害 目标检测 YOLOv8n改进模型 卷积神经网络 模型轻量化设计
在线阅读 下载PDF
聚类和群智能优化算法的自动剪枝方法
4
作者 刘洲峰 吴文涛 +2 位作者 李环宇 邵昕楠 李春雷 《计算机工程与应用》 北大核心 2025年第11期204-215,共12页
近年来,网络剪枝技术作为一种极为有效的卷积神经网络压缩方案,得到了迅猛的发展,其中通道剪枝得益于其硬件友好性,有着尤为明显的优势。然而,当前主流方法集中于通过通道重要性评估或人工干预来实现剪枝,低效且容易导致次优结果;同时... 近年来,网络剪枝技术作为一种极为有效的卷积神经网络压缩方案,得到了迅猛的发展,其中通道剪枝得益于其硬件友好性,有着尤为明显的优势。然而,当前主流方法集中于通过通道重要性评估或人工干预来实现剪枝,低效且容易导致次优结果;同时一些基于搜索算法的自动化剪枝方法则难以控制搜索空间与搜索效率之间的平衡。为了解决这些问题,提出了一种基于聚类与群智能优化算法的自动通道剪枝方法。具体来说,根据特征图的相似度利用K-Mediod算法进行逐层的通道聚类,并通过灵敏度分析找到当前最优剪枝率,从而形成初步的压缩模型,引入粒子群算法(PSO)对其进行迭代搜索并找到最优剪枝网络结构。对剪枝网络进行微调,以降低精度损失。在CIFAR-10、ILSVRC-2012上对几种最为常用的CNN模型进行了评估,与近年来的主流方法相比实验结果有所提升,证明了剪枝后网络的有效性,在ILSVRC-2012中,在ResNet-50达到45.5%剪枝率的前提下,模型准确度只降低了0.23个百分点。 展开更多
关键词 卷积神经网络 模型压缩 网络剪枝 网络结构搜索 粒子群算法
在线阅读 下载PDF
基于多参数磁共振成像特征的深度学习预测直肠癌患者的BRAF基因突变状态
5
作者 胡鸿博 赵升 +2 位作者 姜昊 张莹 姜慧杰 《磁共振成像》 北大核心 2025年第1期22-28,共7页
目的探讨鼠类肉瘤病毒癌基因同源物B基因(B-Raf proto-oncogene serine/threonine kinase,BRAF)突变状态与直肠癌患者生存率的相关性。本研究旨在评估影像组学模型预测结直肠癌患者BRAF基因突变情况的可行性。材料与方法对我院2020年6月... 目的探讨鼠类肉瘤病毒癌基因同源物B基因(B-Raf proto-oncogene serine/threonine kinase,BRAF)突变状态与直肠癌患者生存率的相关性。本研究旨在评估影像组学模型预测结直肠癌患者BRAF基因突变情况的可行性。材料与方法对我院2020年6月至2023年6月确诊为直肠癌的患者病例资料进行回顾性分析,采用外显子测序鉴定BRAF基因突变状态。通过生存分析评估BRAF基因突变与直肠癌预后的关系。从260名接受多参数MRI的直肠癌患者中提取7388个特征模块,包括术前T1加权图像(T1-weighted imaging,T1WI)、T2加权图像(T2-weighted imaging,T2WI)和对比增强T1加权图像(contrast-enhanced T1-weighted imaging,CE-T1WI)。随后,基于卷积神经网络(convolutional neural network,CNN)构建了放射组学模型。通过受试者工作特征曲线(receiver operating characteristic,ROC)曲线、准确率、敏感度和特异度等指标评估模型效能。结果本研究共纳入89例BRAF突变患者和171例BRAF野生型患者。两组在肿瘤恶性分期、年龄、性别等临床特征上差异无统计学意义(P>0.05),但5年生存率差异存在统计学意义,BRAF突变组生存期低于BRAF野生型组(P<0.001)。所构建模型的ROC曲线下面积(area under the curve,AUC)为0.929,与病理结果一致性分析的Kappa统计量为0.87,表明模型具有较高的预测价值。结论基于CNN的放射组学特征模型在区分直肠癌患者BRAF突变状态方面表现优异,为未来无创筛查BRAF突变状态提供了新的研究思路。 展开更多
关键词 直肠癌 磁共振成像 影像特征 深度学习 鼠类肉瘤病毒癌基因同源物B基因 卷积神经网络 影像组学模型
在线阅读 下载PDF
融合CNN和WDF模型的电商企业商品销量预测研究
6
作者 袁瑞萍 魏辉 +1 位作者 傅之家 李俊韬 《计算机工程与应用》 北大核心 2025年第2期335-343,共9页
为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特... 为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特征提取,降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型(WDF)进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性,且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证,结果表明:CNN-WDF融合模型在不同规模京东销售数据集上,预测准确率均显著高于其他对比模型,且随着数据集规模的扩大,预测准确率提高更加明显。 展开更多
关键词 商品销量预测 深度学习 融合模型 卷积神经网络 加权深度森林
在线阅读 下载PDF
基于4D-Arnold不等长映射的深度隐写模型参数加密研究
7
作者 段新涛 李壮 张恩 《河南师范大学学报(自然科学版)》 北大核心 2025年第4期66-73,I0011-I0013,共11页
隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映... 隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映射对卷积层参数跨卷积核、跨通道置乱.其次,扩散阶段采用相邻参数扩散机制在相邻参数间实现数值扩散并完成参数加密.最后,第三方无法获取任何秘密信息,实现对隐写模型的保护.实验表明,隐写模型加密后提取出的图像在PSNR,MSE,LPIPS和SSIM指标以及视觉效果上,显著降低了模型原始性能,模型隐蔽通信功能丧失.此外,所提方法在保证隐写模型加密有效性和安全性的同时,还可以应用于图像分类等其他深度模型的加密保护. 展开更多
关键词 AI模型安全 参数加密 4D-Arnold不等长映射 图像隐写模型 卷积神经网络
在线阅读 下载PDF
基于CBAM-CNN的CPS负荷重分配攻击检测定位方法设计
8
作者 陆玲霞 马朝祥 +1 位作者 闫旻睿 于淼 《实验技术与管理》 北大核心 2025年第6期78-89,共12页
负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷... 负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷积注意力模块神经网络的负荷重分配攻击定位检测方法。首先对电力信息物理系统中的信息系统进行建模,总结得到三种信息侧负荷重分配攻击行为。随后建立考虑攻击者和调度中心管理者博弈关系的双层规划模型,针对不同攻击场景生成负荷重分配攻击数据集。为了检测定位不同类型的攻击,将所研究问题转化为多标签分类问题,利用卷积神经网络的卷积结构特性挖掘并学习具有稀疏标签数据的邻域信息,引入卷积注意力模块,从通道信息和空间信息两个角度增强网络对于重点信息的学习能力,改善了网络漏判率较高的问题,提高了网络检测定位性能。在38节点电力信息物理系统算例上进行仿真实验,验证了所提方法的有效性。与对比方法相比,所提方法对于三种攻击类型都有较低的误判率和漏判率,检测定位性能更加出色。 展开更多
关键词 电力信息物理系统 负荷重分配攻击 双层规划模型 数据驱动 卷积注意力模块 卷积神经网络
在线阅读 下载PDF
结合通道分类贡献与特征缩放系数的网络剪枝方法
9
作者 徐飞 张乐怡 +1 位作者 禹婷婷 张瑞轩 《计算机工程与应用》 北大核心 2025年第16期205-214,共10页
现有的通道剪枝方法大多采用单一的评判规则来筛选冗余通道,难以准确评估通道的重要性。一些剪枝方法尝试通过迭代或分层修剪并多次筛选通道来提升准确率,但却增加了剪枝的时间成本。针对以上问题,提出了一种改进的基于通道分类贡献和... 现有的通道剪枝方法大多采用单一的评判规则来筛选冗余通道,难以准确评估通道的重要性。一些剪枝方法尝试通过迭代或分层修剪并多次筛选通道来提升准确率,但却增加了剪枝的时间成本。针对以上问题,提出了一种改进的基于通道分类贡献和特征缩放系数的结构化剪枝方法。该方法通过对卷积神经网络模型进行L1、L2正则化相结合的稀疏正则化,得到参数较稀疏的深度卷积神经网络模型,并结合通道对分类任务的贡献度以及特征缩放系数两种因素对网络模型进行结构化剪枝,以更全面、准确的方式筛选网络中的冗余参数。在CIFAR-10数据集上,使用所提方法压缩的VGG-16网络模型在FLOPs减少76.6%的情况下,微调后的模型精度达到93.52%,比FLOPs减少65.6%的补偿感知剪枝(compensation-aware pruning,CaP)方法高出1.65个百分点。实验结果表明,该剪枝方法在大幅度压缩神经网络模型的同时,能够更有效地保持甚至提升模型的精度。 展开更多
关键词 模型压缩 结构化剪枝 通道剪枝 卷积神经网络
在线阅读 下载PDF
基于超图卷积和多角度拓扑细化的骨骼行为识别方法
10
作者 黄倩 苏新凯 +1 位作者 李畅 巫义锐 《计算机科学》 北大核心 2025年第5期220-226,共7页
由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空... 由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空间拓扑随时间的动态变化。这些不足影响了模型的表现。为此,利用K-NN计算出相关性高的关节点构成超边,提出了超图构建方法和超边图卷积来动态地学习关节点间的高阶关系。此外,设计了一个从时间和通道角度细化的拓扑图来学习帧级的和通道级的关节点对之间的相关性。最后,开发了一个多角度拓扑细化的超图卷积网络(HyperMTR-GCN)用于骨骼行为识别,其在NTU RGB+D和NTU RGB+D 120数据集上具有显著优势。具体地,所提方法在NTU RGB+D的X-sub基准上比2s-AGCN提高了3.7%,在NTU RGB+D 120的X-sub基准上比2s-AGCN提高了5.7%。 展开更多
关键词 行为识别 图卷积网络 超图神经网络 骨架建模 拓扑细化
在线阅读 下载PDF
炉排式垃圾焚烧炉燃烧过程动态建模方法研究
11
作者 赵征 周孜钰 +2 位作者 卢叶 魏强 许洪滨 《中国电机工程学报》 北大核心 2025年第11期4360-4371,I0020,共13页
为对垃圾焚烧炉控制优化提供有效帮助,该文提出一种炉排式垃圾焚烧炉燃烧过程动态建模方法。首先,根据控制目标确定模型输出变量;然后,根据焚烧炉运行机理进行输入变量初选,计算反映燃烧状态的火焰图像特征及垃圾料层厚度作为模型输入... 为对垃圾焚烧炉控制优化提供有效帮助,该文提出一种炉排式垃圾焚烧炉燃烧过程动态建模方法。首先,根据控制目标确定模型输出变量;然后,根据焚烧炉运行机理进行输入变量初选,计算反映燃烧状态的火焰图像特征及垃圾料层厚度作为模型输入关键变量;之后,改进WesselN符号转移熵算法,完成进一步输入参数降维并找到变量之间的延迟时间;最后,利用多元宇宙优化算法对卷积神经网络-双向长短期记忆网络模型进行超参数优化,建立焚烧炉多输入多输出动态模型。结果表明:模型拟合效果良好,输出参数:主蒸汽流量、水平烟道出口氧量、竖直烟道温度的均方根误差分别为0.23 t/h、0.11%、0.55℃。与对比模型相比,提出的建模方法具有更高精度和更强的拟合能力。 展开更多
关键词 垃圾焚烧炉 动态建模 转移熵 卷积神经网络 长短期记忆网络
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
12
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
基于用户数据特征深度挖掘的快速图书检索算法
13
作者 窦淑庆 刘思豆 《现代电子技术》 北大核心 2025年第14期137-142,共6页
针对传统图书推荐系统所得到的计算结果滞后于实时需求且准确性较低的缺陷,文中基于用户画像数据,提出一种快速图书检索算法。该算法在用户画像构建部分对静态属性抽取和动态标签行为进行建模。在图书特征提取模型中,使用BERT-Word2Vec... 针对传统图书推荐系统所得到的计算结果滞后于实时需求且准确性较低的缺陷,文中基于用户画像数据,提出一种快速图书检索算法。该算法在用户画像构建部分对静态属性抽取和动态标签行为进行建模。在图书特征提取模型中,使用BERT-Word2Vec作为基础框架进行多模态特征提取,并利用双塔深度匹配模型构建了用户MLP塔和图书改进CNN塔,对特征进行充分细致的多维分析。模型通过将实时反馈机制Kafka-Redis流处理算法与会话注意力加权融合,最终实现了场景化的推荐。实验测试结果显示,NDCG@10指标较最优基准提升了约21.0%,行为反馈延迟在峰值500 QPS流量下小于等于3.5 s。表明所提算法能够为知识服务场景提供兼具准确性、时效性与场景适应性的信息推荐解决方案。 展开更多
关键词 用户画像 双向编码器表示技术 双塔深度匹配模型 多层感知器 卷积神经网络 推荐算法
在线阅读 下载PDF
面向AI生成的产品概念设计方案智能评估方法 被引量：2
14
作者 王愫 刘月林 孙利 《计算机集成制造系统》 北大核心 2025年第1期20-34,共15页
面向批量生成的产品概念设计方案,为了实现在方案初筛阶段的高效且精准的智能化评估,提出一种基于改进的卷积神经网络的方案选择方法和评估模型。首先通过主成分法进行指标降维,筛选出产品概念设计方案具有代表性的指标,其次为具有更高... 面向批量生成的产品概念设计方案,为了实现在方案初筛阶段的高效且精准的智能化评估,提出一种基于改进的卷积神经网络的方案选择方法和评估模型。首先通过主成分法进行指标降维,筛选出产品概念设计方案具有代表性的指标,其次为具有更高的适用性,通过调查问卷建立结构方程模型,验证评估认知逻辑的合理性并得到评估指标的权重,作为数据集标注的依据。以头戴式耳机为研究案例,分别构建了带有方案感知价值标签的三分类和二分类数据集进行二分类对比实验,验证了方案图像分类效果与各评估指标的相关性。然后基于ResNet算法和卷积注意力机制对三分类数据集进行训练,获得方案图像智能评估模型,输出结果通过SHAP(Shapley Additive Explanations)算法进行可解释性分析,以助于设计师明确设计重点,为产品设计方案的初步筛选与设计迭代提供参考。将模型与其他经典卷积神经网络模型进行对比实验,结果表明产品概念设计方案评估模型的有效性和可行性。 展开更多
关键词 生成式人工智能 产品概念设计 结构方程模型 卷积神经网络 设计评估
在线阅读 下载PDF
基于ALIF-VMD二次分解的NGO-CNN-LSTM电力负荷短期组合预测模型 被引量：1
15
作者 张琳 高胜强 +2 位作者 宋煜 卜帅羽 余伟 《科学技术与工程》 北大核心 2025年第11期4583-4597,共15页
针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍... 针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍鹰优化算法(northern goshawk optimization, NGO)优化CNN-LSTM(convolutional neural networks-long short-term memory)的电力负荷组合预测模型,在使用交叉映射收敛方法(convergent cross-mapping, CCM)准确识别电力负荷的关键影响因素的基础上,创新性地联合使用ALIF、基于NGO的VMD和模糊熵(fuzzy entropy, FE)对原始负荷序列进行组合分解和必要的重组;针对分解和重组后生成的模态分量,结合NGO确定的CNN-LSTM模型最优超参数组合,建立预测精度高、训练时间短、收敛速度快的NGO-CNN-LSTM日前电力负荷组合预测模型。与其他基准模型的对比结果表明,该模型具有更好的适应性和预测精度,可为电力系统的安全、可靠、经济运行提供重要的技术支撑。 展开更多
关键词 负荷预测 序列分解与重组 北方苍鹰算法 卷积神经网络-长短期记忆神经网络模型
在线阅读 下载PDF
深度学习在心力衰竭检测中的应用综述
16
作者 王永威 魏德健 +1 位作者 曹慧 姜良 《计算机科学与探索》 北大核心 2025年第1期65-78,共14页
随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用... 随着生物医学技术的发展,利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下,深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用。概述了心力衰竭检测涉及的主要生物医学信号和公开数据集。详细分析了深度学习在心力衰竭诊断领域的应用及其发展,特别是对卷积神经网络和长短期记忆网络处理心电图、心率变异性、心音等关键生物医学信号的能力进行了深入分析,总结了这些技术的优势、局限性,并对各类模型性能进行了比较。探讨了通过融合多种人工智能技术所构建的混合模型在提升检测精度和模型泛化能力方面的潜力,以及如何利用模型的可解释性来增加检测过程的透明度,提升医生的信任度。最后总结了当前研究存在的不足,并对未来研究方向提出展望,强调了跨学科合作在推动心力衰竭检测技术进步中的重要性。 展开更多
关键词 心力衰竭 生物医学信号 深度学习 卷积神经网络 循环神经网络 混合模型
在线阅读 下载PDF
面向下肢外骨骼的运动意图识别算法研究 被引量：1
17
作者 牛苗赫 雷飞 《智能系统学报》 北大核心 2025年第2期407-415,共9页
随着人工智能和传感技术的快速发展,下肢外骨骼技术在助力行走和运动辅助领域展现出巨大的潜力,利用表面肌电(surface myoelectricity,sEMG)信号解码人体运动意图对实现人机运动的协调统一至关重要。然而,由于sEMG信号具有时空差异和非... 随着人工智能和传感技术的快速发展,下肢外骨骼技术在助力行走和运动辅助领域展现出巨大的潜力,利用表面肌电(surface myoelectricity,sEMG)信号解码人体运动意图对实现人机运动的协调统一至关重要。然而,由于sEMG信号具有时空差异和非线性动态的特点,导致现有方法存在特征捕捉单一、识别准确率低等不足。针对上述问题,提出一种基于多尺度卷积神经网络的运动意图感知模型。该模型采用多个差异卷积块提取sEMG信号的时间与空间尺度特征,并利用多层深度网络捕捉sEMG信号的非线性动态特征。该模型针对离线肌电数据库的识别准确率达到94%,其中对全脚离地运动类别的识别准确率高达98%。在人体穿戴下肢外骨骼进行在线运动意图识别实验中,该模型的平均识别准确率超过90%,验证了其在下肢外骨骼意图识别领域的有效性。 展开更多
关键词 下肢外骨骼 助力行走 表面肌电信号 人机运动 多尺度 卷积神经网络 感知模型 意图识别
在线阅读 下载PDF
图像处理中CNN与视觉Transformer混合模型研究综述 被引量：5
18
作者 郭佳霖 智敏 +1 位作者 殷雁君 葛湘巍 《计算机科学与探索》 北大核心 2025年第1期30-44,共15页
卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存... 卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存在的弱项,高效地发挥出各自的亮点,在图像处理任务中表现出优异的效果。基于CNN与视觉Transformer混合模型进行深入阐述。总体概述了CNN与Vision Transformer模型的架构和优缺点,并总结混合模型的概念及优势。围绕串行结构融合方式、并行结构融合方式、层级交叉结构融合方式以及其他融合方式等四个方面全面回顾梳理了混合模型的研究现状和实际进展,并针对各种融合方式的主要代表模型进行总结与剖析,从多方面对典型混合模型进行评价对比。多角度叙述了混合模型在图像识别、图像分类、目标检测和图像分割等实际图像处理特定领域中应用研究,展现出混合模型在具体实践中的适用性和高效性。深入分析混合模型未来研究方向,并为后续该模型在图像处理中的研究与应用提出展望。 展开更多
关键词 卷积神经网络(CNN) 视觉Transformer 混合模型 图像处理 深度学习
在线阅读 下载PDF
基于TAGE与基于神经网络分支预测器的比较与分析
19
作者 郑伟巍 郑重 +1 位作者 陈微 陆洪毅 《计算机工程与科学》 北大核心 2025年第8期1364-1380,共17页
随着处理器性能需求的不断增长,超标量和深度流水线技术被广泛应用于现代微处理器中,从而提升指令执行的并行性。然而,程序中的条件分支指令对流水线的连续执行构成了挑战,限制了指令并行执行的能力。为解决这一控制冒险问题,分支预测... 随着处理器性能需求的不断增长,超标量和深度流水线技术被广泛应用于现代微处理器中,从而提升指令执行的并行性。然而,程序中的条件分支指令对流水线的连续执行构成了挑战,限制了指令并行执行的能力。为解决这一控制冒险问题,分支预测技术应运而生,其核心在于预先推测分支指令的跳转方向和地址,进而最小化因分支指令引起的流水线停顿延迟。基于统一的性能评估框架,对比分析了当前主流的基于TAGE的分支预测器和基于神经网络的分支预测器。实验结果表明,不同分支预测器对特定轨迹存在不同的偏好性,融合多种预测机制或可以进一步挖掘预测潜能。同时,执行任务上下文对分支预测性能的影响不容忽视,特别是在多进程环境中。此外,实验还发现当前CNN预测器在处理复杂分支时的性能不稳定,整体表现未能超越基准TAGE-SC-L预测器,仍需继续优化。 展开更多
关键词 分支预测 TAGE 神经网络 感知机 CNN模型
在线阅读 下载PDF
双域渐进算法优化的自适应指导机制通道剪枝
20
作者 冯进 郭杰 +2 位作者 张铭津 李云松 徐志远 《西安电子科技大学学报》 北大核心 2025年第3期202-216,共15页
现有的剪枝方法面临着通道选择标准不一致问题,使通道的选择趋势存在明显差异,这种差异导致了剪枝策略中出现盲点。为了解决这一问题,提出了一种基于双域渐进算法优化的自适应指导机制的通道剪枝方法。具体而言,该指导机制引入了一个正... 现有的剪枝方法面临着通道选择标准不一致问题,使通道的选择趋势存在明显差异,这种差异导致了剪枝策略中出现盲点。为了解决这一问题,提出了一种基于双域渐进算法优化的自适应指导机制的通道剪枝方法。具体而言,该指导机制引入了一个正则化项来分配惩罚权重,平衡了单个标准的得分和多个标准的统一性。此外,双域渐进优化算法根据空间关系变化与迭代搜索进度动态调整搜索策略,灵活确定指导机制的最优作用深度和广度,达到最佳剪枝效果。所提方法以最优的作用深度和广度协调了基于个体视角与整体视角剪枝标准之间的对立和统一,形成了全面而高效的剪枝体系。实验结果表明,所提出的剪枝方法优于现有的剪枝方法,以最小的精度损失显著降低了模型参数规模和运算量。在CIFAR-10数据集上,所提方法将VGG-16模型压缩至原始大小的11.15%,而精度仅下降0.04%。在ImageNet数据集上,将ResNet-50模型的参数减少至27.01%,同时保持了73.83%的准确率。 展开更多
关键词 深度学习 卷积神经网络 通道剪枝 模型压缩
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 … 41 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