检索结果-维普期刊中文期刊服务平台

基于平行多尺度时空图卷积网络的三维人体姿态估计算法: 1; 作者杨红红刘泓希 +1 位作者张玉梅吴晓军《软件学报》北大核心 2025年第5期2151-2166,共16页; 针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(D... 展开更多; 关键词三维人体姿态估计对角占优的时空注意力图卷积平行多尺度子网络多尺度特征交叉融合; 在线阅读下载PDF 职称材料

基于MCSANet网络的运动想象脑电分类: 2; 作者杜江毕峰《现代电子技术》北大核心 2025年第16期67-74,共8页; 针对传统深度学习方法在解码脑电信号时可能存在的特征挖掘不足及利用不充分问题,提出一种并行多尺度时间卷积结合滑动窗口技术与注意力机制的深度学习模型,即MCSANet。首先,利用并行多尺度时间卷积有效捕获脑电信号在不同时间尺度下的... 展开更多; 关键词脑机接口脑电信号并行多尺度时间卷积滑动窗口切片技术多头自注意力机制消融实验; 在线阅读下载PDF 职称材料

交通速度预测时空图卷积网络及其FPGA实现研究被引量：1: 3; 作者谭会生杨威严舒琪《电子测量技术》北大核心 2024年第18期108-119,共12页; 时空图卷积网络(STGCN)通过图卷积和时间卷积捕获交通数据的空间依赖性和时间依赖性,可有效提升交通速度预测的精度。但是硬件实现交通速度预测STGCN具有计算量大难以满足实际应用的实时性要求、资源消耗大导致成本增高等问题,在优化交... 展开更多; 关键词交通速度预测时空图卷积网络 FPGA 硬件实现结构流水线并行结构; 在线阅读下载PDF 职称材料

基于ResNet-BLSTM的端到端语音识别被引量：11: 4; 作者胡章芳徐轩 +2 位作者付亚芹夏志广马苏东《计算机工程与应用》 CSCD 北大核心 2020年第18期124-130,共7页; 基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语... 展开更多; 关键词残差网络(ResNet) 双向长短时记忆网络(BLSTM) 并行卷积层连接时序分类; 在线阅读下载PDF 职称材料

题名基于平行多尺度时空图卷积网络的三维人体姿态估计算法: 1; 作者杨红红刘泓希张玉梅吴晓军; 机构现代教学技术教育部重点实验室(陕西师范大学) 民歌智能计算与服务技术文化和旅游部重点实验室(陕西师范大学) 陕西师范大学计算机科学学院; 出处《软件学报》北大核心 2025年第5期2151-2166,共16页; 基金国家自然科学基金(61907028,11872036) 陕西省青年科技新星项目(2021KJXX-91) +1 种基金陕西省自然科学基金面上项目(2024JC-YBMS-503)。; 文摘针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(DDA-STGConv),构建跨域时空邻接矩阵,对骨架关节点信息进行基于自约束和注意力机制约束的建模,增强节点间的信息交互;然后,通过设计图拓扑聚合函数构造不同的图拓扑结构,以DDA-STGConv为基本单元构建平行多尺度子网络模块(PM-SubGNet);最后,为了更好地提取骨架关节的上下文信息,设计多尺度特征交叉融合模块(MFEB),实现平行子图网络之间多尺度信息的交互,提高GCN的特征表示能力.在主流3D姿态估计数据集Human3.6M和MPI-INF-3DHP数据集上的对比实验结果表明,所提PMST-GNet模型在三维人体姿态估计中具有较好的效果,优于Sem-GCN、GraphSH、UGCN等当前基于GCN网络的主流算法.; 关键词三维人体姿态估计对角占优的时空注意力图卷积平行多尺度子网络多尺度特征交叉融合; Keywords 3D human pose estimation(3D HPE) diagonally dominant spatio-temporal attention graph convolution parallel multi-scale subgraph network multi-scale feature cross fusion; 分类号 TP391 [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MCSANet网络的运动想象脑电分类: 2; 作者杜江毕峰; 机构沈阳化工大学计算机科学与技术学院辽宁省化工过程工业智能化技术重点实验室辽东学院信息工程学院; 出处《现代电子技术》北大核心 2025年第16期67-74,共8页; 基金辽宁省教育厅高校基本科研项目(LJKMZ20221756) 辽宁省科技计划联合计划项目:脑机接口系统中特征脑电信号的提取与分类关键技术研究(2024JH2/102600133)。; 文摘针对传统深度学习方法在解码脑电信号时可能存在的特征挖掘不足及利用不充分问题,提出一种并行多尺度时间卷积结合滑动窗口技术与注意力机制的深度学习模型,即MCSANet。首先,利用并行多尺度时间卷积有效捕获脑电信号在不同时间尺度下的时域特征和空域特征;再利用滑动窗口切片技术对特征序列进行划分,增加特征序列样本数;之后,每部分特征序列样本都通过多头自注意力机制分配权重并加以融合,进一步突显出更多关键特征;最后,全连接层和SoftMax层共同协作,对捕获到的特征进行深入学习和精准分类。为了验证该模型的性能,在BCICIV-2a数据集上进行了详尽的实验分析。结果表明,所有受试者的平均分类准确率都高达81.69%,验证了所提出的方法在挖掘脑电深层潜在特征、提升运动想象脑电分类性能方面的有效性。; 关键词脑机接口脑电信号并行多尺度时间卷积滑动窗口切片技术多头自注意力机制消融实验; Keywords braincomputer interface EEG signal parallel multi-scale temporal convolution sliding window slicing technology multi-head self-attention mechanism ablation experiment; 分类号 TN929.5-34 [电子电信—通信与信息系统] TP391 [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

题名交通速度预测时空图卷积网络及其FPGA实现研究被引量：1: 3; 作者谭会生杨威严舒琪; 机构湖南工业大学轨道交通学院; 出处《电子测量技术》北大核心 2024年第18期108-119,共12页; 基金湖南省教育厅科学研究重点项目(20A163) 湖南省学位与研究生教学改革研究项目(2022JGYB183)资助。; 文摘时空图卷积网络(STGCN)通过图卷积和时间卷积捕获交通数据的空间依赖性和时间依赖性,可有效提升交通速度预测的精度。但是硬件实现交通速度预测STGCN具有计算量大难以满足实际应用的实时性要求、资源消耗大导致成本增高等问题,在优化交通速度预测STGCN模型基础上,提出了一种交通速度预测STGCN的FPGA实现结构组合优化的方法。首先,通过轻量化裁剪和预测数据位宽的精确选择,对交通速度预测STGCN进行了模型优化,以降低计算复杂度和资源消耗,并经过Python仿真验证其可行性。其次,通过采用流水线、并行计算和数据交替流水存取等组合优化策略,提出了一种交通速度预测STGCN的FPGA实现结构组合优化的方法,以提升系统计算速度。最后,使用Verilog编程对交通速度预测STGCN进行了FPGA的实现仿真和硬件测试。利用PeMSD7(M)数据集进行实验,结果显示FPGA实现单数据交通速度预测的时间为355.5μs,相比CPU、GPU平台及FPGA设计方案1对比,其处理速度最大分别提高了25.9倍、6.7倍和3.5倍,证明了交通速度预测STGCN的FPGA实现结构组合优化方法,在保持预测准确性的前提下可较大幅度的提升系统处理速度。; 关键词交通速度预测时空图卷积网络 FPGA 硬件实现结构流水线并行结构; Keywords traffic speed prediction spatio-temporal graph convolutional network FPGA hardware implementation structure pipeline parallel structure; 分类号 TN791 [电子电信—电路与系统]; 在线阅读下载PDF 职称材料

题名基于ResNet-BLSTM的端到端语音识别被引量：11: 4; 作者胡章芳徐轩付亚芹夏志广马苏东; 机构重庆邮电大学光电工程学院重庆邮电大学先进制造学院; 出处《计算机工程与应用》 CSCD 北大核心 2020年第18期124-130,共7页; 基金重庆市科委项目(No.cstc2017zdcy-zdzxX0011)。; 文摘基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语谱图作为输入,同时在残差网络中设计并行卷积层,提取不同尺度的特征,然后进行特征融合,最后采用连接时序分类方法进行分类,实现一个端到端的语音识别模型。实验结果表明,该模型在Aishell-1语音集上字错误率相较于传统端到端模型的WER下降2.52%,且鲁棒性较好。; 关键词残差网络(ResNet) 双向长短时记忆网络(BLSTM) 并行卷积层连接时序分类; Keywords Residual Network(ResNet) Bi-directional Long Short-Term Memory(BLSTM) parallel convolutional layer connectionist temporal classification; 分类号 TP391 [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	基于平行多尺度时空图卷积网络的三维人体姿态估计算法	杨红红刘泓希张玉梅吴晓军	《软件学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于MCSANet网络的运动想象脑电分类	杜江毕峰	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	交通速度预测时空图卷积网络及其FPGA实现研究	谭会生杨威严舒琪	《电子测量技术》北大核心	2024	1	在线阅读下载PDF 职称材料
4	基于ResNet-BLSTM的端到端语音识别	胡章芳徐轩付亚芹夏志广马苏东	《计算机工程与应用》 CSCD 北大核心	2020	11	在线阅读下载PDF 职称材料