检索结果-维普期刊中文期刊服务平台

基于时序卷积特征过滤模型的地下水位预测方法: 1; 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... 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 职称材料

基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究: 2; 作者丁榕邱成鹏王帅《金属矿山》北大核心 2025年第8期150-157,共8页; 矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模... 展开更多; 关键词皮带运输机电机寿命预测 MSC-ECA-Transformer 多尺度因果膨胀卷积时间序列; 在线阅读下载PDF 职称材料

数据驱动的半无限介质裂纹识别模型研究被引量：4: 3; 作者江守燕邓王涛 +1 位作者孙立国杜成斌《力学学报》 EI CAS CSCD 北大核心 2024年第6期1727-1739,共13页; 缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自... 展开更多; 关键词数据驱动比例边界有限元法自编码器因果膨胀卷积神经网络裂纹识别; 在线阅读下载PDF 职称材料

基于波网络的相位敏感光时域反射系统模式识别方法研究被引量：6: 4; 作者张耀鲁于淼 +5 位作者常天英李姝凡郑志丰杨悦王忠民崔洪亮《光子学报》 EI CAS CSCD 北大核心 2021年第3期50-61,共12页; 针对相位敏感光时域反射系统中传统人工特征提取和模式识别方法实时性差、准确率低的问题,提出一种波网络模式识别方法。该方法通过因果空洞卷积结构充分分析光纤振动信号的时序因果性,通过残差块结构使模型更快收敛,以实现更高的识别... 展开更多; 关键词相位敏感光时域反射系统深度神经网络因果空洞卷积残差网络模式识别; 在线阅读下载PDF 职称材料

基于深度可分离卷积的轻量级时间卷积网络设计被引量：21: 5; 作者曹渝昆桂丽嫒《计算机工程》 CAS CSCD 北大核心 2020年第9期95-100,109,共7页; 时间卷积网络(TCN)在处理时间序列预测问题时存在计算量大和参数冗余问题,导致其难以应用于存储空间和计算能力受限的手机、平板电脑、笔记本电脑等移动终端。为此,设计一种轻量级时间卷积网络(L-TCN)。采用深度可分离卷积代替TCN中的... 展开更多; 关键词时间卷积网络深度可分离卷积空洞卷积因果卷积残差网络; 在线阅读下载PDF 职称材料

基于深度学习的水平非均匀蒸发波导反演方法研究: 6; 作者吴佳静张金鹏 +1 位作者张玉石魏志强《电波科学学报》 CSCD 北大核心 2023年第4期665-672,共8页; 水平非均匀蒸发波导是一种异常的大气结构,在海上出现的概率高,对海上低空雷达具有较强的电磁捕获能力.然而,海上低空蒸发波导修正折射率剖面反演过程中由于水平方向剖面参数的非均匀变化,导致在实际的海洋环境中产生较大的反演复杂度... 展开更多; 关键词海杂波蒸发波导水平非均匀深度学习反演主分量分析(PCA)法一维残差扩张因果卷积自编码器多尺度卷积残差网络; 在线阅读下载PDF 职称材料

基于时间卷积网络的刀具磨损在线监测: 7; 作者柳大虎汪永超何欢《组合机床与自动化加工技术》北大核心 2023年第4期174-176,182,共4页; 在刀具磨损监测领域中,传统卷积神经网络难以选择合适的卷积核大小,循环神经网络容易发生梯度消失和梯度爆炸,为克服以上缺点,引入时间卷积网络构建在线监测模型对刀具磨损量进行监测。考虑到原始数据量过大且每次走刀过程所采集数据量... 展开更多; 关键词刀具磨损时间卷积网络时间序列预测因果膨胀卷积残差连接; 在线阅读下载PDF 职称材料

题名基于时序卷积特征过滤模型的地下水位预测方法: 1; 作者孙均雨徐佳磊张黎明王在泉文金浩; 机构青岛理工大学土木工程学院青岛北洋建筑设计有限公司; 出处《水文》北大核心 2025年第4期22-28,共7页; 基金国家自然科学基金项目(42272329,42272334,52204140)。; 文摘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。; 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; Keywords groundwater level prediction dilated filtering attention residual network neural network dilated causal convolution filtering attention; 分类号 P333.9 [天文地球—水文科学] TV121.3 [水利工程—水文学及水资源]; 在线阅读下载PDF 职称材料

题名基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究: 2; 作者丁榕邱成鹏王帅; 机构中煤资源发展集团有限公司中煤信息技术(北京)有限公司; 出处《金属矿山》北大核心 2025年第8期150-157,共8页; 基金陕西省重点研发计划(编号:2023-YBGY-367) 国家自然科学基金青年项目(编号:51704229)。; 文摘矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模型进行剩余寿命预测。该模型在Transformer主干网络中嵌入了多尺度因果膨胀卷积(MSC)和高效通道注意力(ECA)模块,通过MSC构建多级时序特征提取,解决传统自注意力机制对设备渐进式退化模式多尺度特征捕捉不足的问题。同时引入ECA模块实现特征通道的动态权重分配,增强故障敏感特征的显著性表达。试验表明,MSC-ECA-Transformer模型在预测精度和稳定性上表现优异,改进后模型的平均绝对误差(MAE)以及均方根误差(RMSE)分别为0.0851以及0.0918,与Transformer模型相比,分别降低34.0%及36.2%,为矿用电机剩余寿命预测提供了技术支撑。; 关键词皮带运输机电机寿命预测 MSC-ECA-Transformer 多尺度因果膨胀卷积时间序列; Keywords belt conveyer electrical machine residual life prediction MSC-ECA-Transformer multiscale causal dilation convolution time series; 分类号 TD687 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名数据驱动的半无限介质裂纹识别模型研究被引量：4: 3; 作者江守燕邓王涛孙立国杜成斌; 机构河海大学工程力学系; 出处《力学学报》 EI CAS CSCD 北大核心 2024年第6期1727-1739,共13页; 基金国家自然科学基金(52279130) 中国地球物理学会工程物探检测重点实验室开放研究基金(CJ2021GE06)资助项目。; 文摘缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自编码器(autoencoder,AE)、因果膨胀卷积神经网络(causal dilated convolutional neural network,CDCNN)相结合用于半无限介质中的裂纹识别.在该模型中,SBFEM用于模拟波在含不同裂纹状缺陷半无限介质中的传播过程,对于不同的裂纹状缺陷,仅需改变裂纹尖端的比例中心和裂纹开口处节点的位置,避免了复杂的重网格过程,可高效地生成足够的训练数据.模拟波在半无限介质中传播时,建立了基于瑞利阻尼的吸收边界模型,避免了对结构全域模型进行计算.搭建了CDCNN,确保了时序数据的有序性,并获得更大的感受野而不增加神经网络的复杂性,可捕捉更多的历史信息,AE具有较强的非线性特征提取能力,可将高维的原始输入特征向量空间映射到低维潜在特征向量空间,以获得低维潜在特征用于网络模型训练,有效提升了网络模型的学习效率.数值算例表明:提出的模型能够高效且准确地识别半无限介质中裂纹的量化信息,且AE-CDCNN模型的识别效率较单CDCNN模型提高了约2.7倍.; 关键词数据驱动比例边界有限元法自编码器因果膨胀卷积神经网络裂纹识别; Keywords data-driven algorithm scaled boundary finite element methods autoencoder causal dilated convolutional neural network crack identification; 分类号 TB115 [理学—应用数学]; 在线阅读下载PDF 职称材料

题名基于波网络的相位敏感光时域反射系统模式识别方法研究被引量：6: 4; 作者张耀鲁于淼常天英李姝凡郑志丰杨悦王忠民崔洪亮; 机构吉林大学仪器科学与电气工程学院电子科技大学中山学院电子信息学院山东大学海洋研究院珠海任驰光电科技有限公司; 出处《光子学报》 EI CAS CSCD 北大核心 2021年第3期50-61,共12页; 基金广东省引进领军人才计划项目(No.00201507) 海洋公益性行业科研专项(No.201405026-01)。; 文摘针对相位敏感光时域反射系统中传统人工特征提取和模式识别方法实时性差、准确率低的问题,提出一种波网络模式识别方法。该方法通过因果空洞卷积结构充分分析光纤振动信号的时序因果性,通过残差块结构使模型更快收敛,以实现更高的识别准确率和效率。实验结果表明,在对手拍、脚踩、棒击三种信号识别时,与一维卷积神经网络结构和长短期记忆网络结构方法相比,该方法识别准确率高达99.85%;且训练耗时最少,低至96 s,测试耗时也仅为30 ms,满足应用实时性的要求。该模式识别方法既具有高准确率又具有高实时性,对于φ-OTDR系统在周界安防中的应用推广具有重要意义。; 关键词相位敏感光时域反射系统深度神经网络因果空洞卷积残差网络模式识别; Keywords Phase-sensitive Optical time-domain reflectometric system Deep neural network causal dilated convolution residual network Pattern recognition; 分类号 TP212 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于深度可分离卷积的轻量级时间卷积网络设计被引量：21: 5; 作者曹渝昆桂丽嫒; 机构上海电力大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2020年第9期95-100,109,共7页; 基金国家自然科学基金(61702321)。; 文摘时间卷积网络(TCN)在处理时间序列预测问题时存在计算量大和参数冗余问题,导致其难以应用于存储空间和计算能力受限的手机、平板电脑、笔记本电脑等移动终端。为此,设计一种轻量级时间卷积网络(L-TCN)。采用深度可分离卷积代替TCN中的普通卷积,先通过通道卷积对普通卷积在空间维度上进行分离,以增加网络宽度并扩大特征提取范围,再利用逐点卷积降低普通卷积操作的计算复杂度。实验结果表明,与TCN网络相比,L-TCN在保证时间序列预测精度的同时,能减少网络模型的参数量和计算量,适用于存储空间和计算能力受限的移动终端。; 关键词时间卷积网络深度可分离卷积空洞卷积因果卷积残差网络; Keywords Temporal convolutional Network(TCN) depthwise separable convolution dilated convolution causal convolution residual network; 分类号 TP399 [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

题名基于深度学习的水平非均匀蒸发波导反演方法研究: 6; 作者吴佳静张金鹏张玉石魏志强; 机构中国电波传播研究所电波环境特性及模化技术重点实验室中国海洋大学; 出处《电波科学学报》 CSCD 北大核心 2023年第4期665-672,共8页; 基金国家自然科学基金(U2006207)。; 文摘水平非均匀蒸发波导是一种异常的大气结构,在海上出现的概率高,对海上低空雷达具有较强的电磁捕获能力.然而,海上低空蒸发波导修正折射率剖面反演过程中由于水平方向剖面参数的非均匀变化,导致在实际的海洋环境中产生较大的反演复杂度和误差.为解决上述问题,首先提出了一维残差扩张因果卷积自编码器(one-dimensional residual dilated causal convolutional autoencoder,1D-RDCAE)网络实现低自由度的非均匀蒸发波导剖面建模,其次提出了多尺度卷积残差网络(multi-scale convolutional attention residual network,MSCA-ResNet)框架来实现水平非均匀蒸发波导剖面反演.为验证建模模型的有效性,在模拟海杂波功率数据集上验证降维模型的有效性,实验结果表明,基于1D-RDCAE比基于主分量分析法、堆栈自动编码器和一维卷积自动编码器降维重构后更接近原始数据,并且在模型训练过程中收敛速度更快.为了验证反演模型的有效性,在模拟的海杂波和实测海杂波数据上进行了测试,结果表明基于仿真海杂波和实测海杂波数据分别可实现蒸发波导高度反演准确率为96.98%和91.25%,优于目前典型的反演方法.本文提出的基于深度学习的水平非均匀蒸发波导反演方法具有模型反演效率高、模型复杂度低、反演误差小的特点,为海上反常传播环境实时高精度认知提供了新技术.; 关键词海杂波蒸发波导水平非均匀深度学习反演主分量分析(PCA)法一维残差扩张因果卷积自编码器多尺度卷积残差网络; Keywords sea clutter evaporation duct range direction inhomogeneous deep learning inversion principal component analysis(PCA) one-dimensional residual dilated causal convolutional autoencoder multi-scale convolutional residual network; 分类号 TN011 [电子电信—物理电子学] P732 [天文地球—海洋科学]; 在线阅读下载PDF 职称材料

题名基于时间卷积网络的刀具磨损在线监测: 7; 作者柳大虎汪永超何欢; 机构四川大学机械工程学院; 出处《组合机床与自动化加工技术》北大核心 2023年第4期174-176,182,共4页; 基金国家自然科学基金资助项目(51875370)。; 文摘在刀具磨损监测领域中,传统卷积神经网络难以选择合适的卷积核大小,循环神经网络容易发生梯度消失和梯度爆炸,为克服以上缺点,引入时间卷积网络构建在线监测模型对刀具磨损量进行监测。考虑到原始数据量过大且每次走刀过程所采集数据量不同,对数据进行降采样处理,获得了大小为(7,5000)的网络输入数据。通过一维卷积神经网络和时间卷积块的依次叠加,对数据进行特征提取,使用全连接网络将特征映射到刀具磨损值。最后,使用PHM大赛中铣刀磨损的数据验证了模型的效果。实验结果证明,基于时间卷积网络的刀具磨损在线监测模型具有较强的泛化能力,在验证集上均方误差和平均绝对误差分别仅为65.16与6.21,相较于隐马尔科夫、梯度提升树等模型具有较大的提升。; 关键词刀具磨损时间卷积网络时间序列预测因果膨胀卷积残差连接; Keywords tool wear temporal convolutional network time series prediction causal dilation convolution residual connection; 分类号 TH16 [机械工程—机械制造及自动化] TG506 [金属学及工艺—金属切削加工及机床]; 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	基于时序卷积特征过滤模型的地下水位预测方法	孙均雨徐佳磊张黎明王在泉文金浩	《水文》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究	丁榕邱成鹏王帅	《金属矿山》北大核心	2025	0	在线阅读下载PDF 职称材料
3	数据驱动的半无限介质裂纹识别模型研究	江守燕邓王涛孙立国杜成斌	《力学学报》 EI CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于波网络的相位敏感光时域反射系统模式识别方法研究	张耀鲁于淼常天英李姝凡郑志丰杨悦王忠民崔洪亮	《光子学报》 EI CAS CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
5	基于深度可分离卷积的轻量级时间卷积网络设计	曹渝昆桂丽嫒	《计算机工程》 CAS CSCD 北大核心	2020	21	在线阅读下载PDF 职称材料
6	基于深度学习的水平非均匀蒸发波导反演方法研究	吴佳静张金鹏张玉石魏志强	《电波科学学报》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
7	基于时间卷积网络的刀具磨损在线监测	柳大虎汪永超何欢	《组合机床与自动化加工技术》北大核心	2023	0	在线阅读下载PDF 职称材料