期刊文献+
共找到271篇文章
< 1 2 14 >
每页显示 20 50 100
基于通道注意力机制增强DGNN的外骨骼机器人步态相位预测 被引量:1
1
作者 颜建军 许赢家 +2 位作者 林越 金理 江金林 《华东理工大学学报(自然科学版)》 北大核心 2025年第1期110-118,共9页
利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,... 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响。本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和方法。 展开更多
关键词 步态相位预测 惯性传感器 骨架 时空图卷积网络 通道注意力机制
在线阅读 下载PDF
基于多维注意力机制的高速公路交通流量预测方法
2
作者 虞安军 励英迪 +5 位作者 杨哲懿 付崇宇 童蔚苹 余佳 刘云海 刘志远 《汽车安全与节能学报》 北大核心 2025年第3期463-469,共7页
为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(T... 为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(TCN)提取交通流空间和时间维度的特征,结合多维注意力机制挖掘时空数据中的关键信息,同时引入多任务学习架构,通过基于同方差不确定性的损失函数来平衡不同任务共同学习,以提高模型的泛化能力和鲁棒性。结果表明:该模型在测试集上的均方根误差(RMSE)和平均绝对误差(MAE)分别为7.467和5.133,相较基准模型有更好的预测精度;提出的该交通流量预测方法可有效地挖掘交通流的时空特性,描述真实交通运行状态,对高速公路交通流量做出精准预测。 展开更多
关键词 交通流预测 图神经网络(GNN) 时间卷积网络(TCN) 多维注意力机制
在线阅读 下载PDF
动静图融合和时序流注意力网络用于交通流预测
3
作者 闫敬 王祥 郑铮 《兵工自动化》 北大核心 2025年第5期66-70,共5页
为准确预测交通流量有利于优化交通管理、提高交通效率的问题,提出一种新的动静态图融合和时序流注意力网络。通过图卷积网络捕捉动态和静态的空间相关性,引入流注意力机制,有效缓解二次复杂度问题;设计时间相关性建模(temporal correla... 为准确预测交通流量有利于优化交通管理、提高交通效率的问题,提出一种新的动静态图融合和时序流注意力网络。通过图卷积网络捕捉动态和静态的空间相关性,引入流注意力机制,有效缓解二次复杂度问题;设计时间相关性建模(temporal correlation modeling,TCM)模块替换流注意力机制的线性变换方法,以增强模型的时序建模能力。在4个真实世界的交通数据集上进行了大量实验。实验结果表明:所提出的模型具有优越的性能,并且明显优于基线。 展开更多
关键词 交通流预测 时空相关性 流注意力机制 图卷积网络 特征融合
在线阅读 下载PDF
融合变分图自编码器与局部-全局图网络的认知负荷脑电识别模型
4
作者 周天彤 郑妍琪 +2 位作者 魏韬 戴亚康 邹凌 《计算机应用》 北大核心 2025年第6期1849-1857,共9页
针对认知负荷识别模型存在过于依赖手动特征提取、忽视脑电图(EEG)信号的空间信息和无法有效学习图结构数据的问题,提出一种融合变分图自编码器(VGAE)与局部-全局图网络(VLGGNet)的认知负荷EEG识别模型。该模型由时间学习模块和图形学... 针对认知负荷识别模型存在过于依赖手动特征提取、忽视脑电图(EEG)信号的空间信息和无法有效学习图结构数据的问题,提出一种融合变分图自编码器(VGAE)与局部-全局图网络(VLGGNet)的认知负荷EEG识别模型。该模型由时间学习模块和图形学习模块这2个部分组成。首先,使用时间学习模块通过多尺度时间卷积捕捉EEG信号的动态频率表示,并通过空间与通道重建卷积(SCConv)和1×1卷积核级联模块融合多尺度卷积提取的特征;其次,使用图形学习模块将EEG数据定义为局部-全局图,其中,局部图特征提取层将节点属性聚合到一个低维向量,全局图特征提取层通过VGAE重构图结构;最后,对全局图和节点特征向量执行轻量化图卷积操作,由全连接层输出预测结果。通过嵌套交叉验证,实验结果表明,在心算任务(MAT)数据集上,相较于次优的局部-全局图网络(LGGNet),VLGGNet的平均准确率(mAcc)和平均F1分数(mF1)分别提升了4.07和3.86个百分点;在同时任务EEG工作量(STEW)数据集上,相较于表现最好的多尺度时空卷积神经网络(TSception),VLGGNet的mAcc与TSception相同,mF1仅降低了0.01个百分点。可见VLGGNet提高了认知负荷分类的性能,也验证了前额叶和额叶区域与认知负荷状态密切相关。 展开更多
关键词 认知负荷 脑电信号 多尺度时间卷积 变分图自编码器 局部-全局图网络
在线阅读 下载PDF
融合时空特征的多模态车辆轨迹预测方法
5
作者 史昕 王浩泽 +1 位作者 纪艺 马峻岩 《计算机工程与应用》 北大核心 2025年第7期325-333,共9页
针对考虑车辆行驶不确定性的轨迹分布准确快速预测问题,提出了一种融合时空特征的多模态车辆轨迹预测方法(GCNTA)。利用空间关联度系数和图卷积神经网络(GCN)实现空间关联特征提取。构建具有时间注意力机制的时域卷积网络(TCN)完成时间... 针对考虑车辆行驶不确定性的轨迹分布准确快速预测问题,提出了一种融合时空特征的多模态车辆轨迹预测方法(GCNTA)。利用空间关联度系数和图卷积神经网络(GCN)实现空间关联特征提取。构建具有时间注意力机制的时域卷积网络(TCN)完成时间特征提取。通过特征融合门控单元实现每个时间步长对应时空特征的自适应融合,并利用门控循环单元(GRU)网络构建解码器进一步生成未来车辆轨迹的概率分布。利用公开的NGSIM数据集对所提出模型进行消融实验及预测精度分析。仿真结果表明,GCNTA模型在预测误差均方根(RMSE)平均值相比GCN、图注意力网络(GAT)和长短期记忆网络(LSTM)模型分别减少15.6%、16.3%和23.8%。 展开更多
关键词 车辆轨迹预测 深度学习 图神经网络 时域卷积网络 注意力机制
在线阅读 下载PDF
利用混合深度学习算法的时空风速预测
6
作者 贵向泉 孟攀龙 +2 位作者 孙林花 秦三杰 刘靖红 《太阳能学报》 北大核心 2025年第3期668-678,共11页
风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLS... 风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)来预测高频分量;使用自适应图时空Transformer网络(ASTTN)来预测低频分量,以充分考虑输入序列的时空相关性。最后将高频分量和低频分量合并叠加,得到最终的预测结果。将该模型应用于甘肃省某风电场进行风速预测,实验结果表明,所提出混合深度学习模型能有效提高风速预测的准确性。 展开更多
关键词 风速 预测 深度学习 图卷积神经网络 双向长短期记忆网络 自适应图时空Transformer
在线阅读 下载PDF
基于蜉蝣优化算法的时空融合交通流预测研究
7
作者 张红 巩蕾 +1 位作者 曹洁 张玺君 《哈尔滨工程大学学报》 北大核心 2025年第4期764-771,796,共9页
针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性... 针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。 展开更多
关键词 交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络
在线阅读 下载PDF
计及动态时空相关性的多风电场短期功率预测
8
作者 李丹 黄烽云 +3 位作者 杨帆 唐建 罗娇娇 方泽仁 《电力系统及其自动化学报》 北大核心 2025年第2期1-9,共9页
针对同一区域内多风电场出力间复杂且动态的时空相关性,提出一种基于注意力时空同步图卷积网络的多风电场短期功率预测模型。首先引入注意力机制量化天气特征对风功率的影响,构建相邻3个时间步的风功率局部时空图,卷积提取局部时空特征... 针对同一区域内多风电场出力间复杂且动态的时空相关性,提出一种基于注意力时空同步图卷积网络的多风电场短期功率预测模型。首先引入注意力机制量化天气特征对风功率的影响,构建相邻3个时间步的风功率局部时空图,卷积提取局部时空特征;然后用时空同步图卷积层聚合输入时窗的整体时空特征;最后非线性映射输出多风电场未来时段的功率预测结果。实际算例结果表明,所提模型通过学习不同天气条件下风功率的时空动态演变规律,可将多风电场日前功率预测精度提高2.10%~13.94%。 展开更多
关键词 深度学习 风电功率 相关性 时空同步图卷积网络 功率预测
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
9
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STGCN-Transformer的短期电力净负荷预测
10
作者 孟伟 俞斌 +3 位作者 白隆 徐婕 顾晋豪 郭锋 《中国测试》 北大核心 2025年第6期160-169,共10页
智能电网的发展认识到短期电力净负荷预测对综合能源系统(integrated energy system,IES)的重要性。净负荷预测代表用电负荷与安装的可再生能源之间的差异,是能量管理和优化调度的基础。为解决IES波动性大,传统统计模型预测精较差的问题... 智能电网的发展认识到短期电力净负荷预测对综合能源系统(integrated energy system,IES)的重要性。净负荷预测代表用电负荷与安装的可再生能源之间的差异,是能量管理和优化调度的基础。为解决IES波动性大,传统统计模型预测精较差的问题,该文提出一种基于时空图卷积网络(spatial temporal graph convolutional networks,STGCN)和Transformer相结合的综合能源系统短期负荷预测模型。首先,利用STGCN作为输入嵌入层对多元输入序列进行编码,填补Transformer中没有充分考虑相关信息的空白。然后,利用Transformer中的自注意机制捕获序列数据的时间依赖性。最后,利用前馈神经网络输出预测负荷值。以浙江省某地区电力数据集为例,与其他4种预测模型相比较平均绝对百分比误差均在5%以内,结果表明该文模型具有较高的预测精度和稳定性。 展开更多
关键词 时空图卷积网络 TRANSFORMER 多头注意力机制 短期净负荷预测
在线阅读 下载PDF
中国省域绿色全要素生产率空间关联网络的结构特征及其演化机制
11
作者 吴朝霞 龙思宇 +1 位作者 杨胜苏 孙坤 《生态学报》 北大核心 2025年第12期5736-5752,共17页
精准把握区域绿色全要素生产率的空间关联网络特征,探究省域绿色全要素生产率空间关联网络的动态演变机制,找寻区域绿色全要素生产率的最优提升路径,是实现区域经济高质量发展的的关键所在。基于社会网络分析法剖析2006—2021年中国30... 精准把握区域绿色全要素生产率的空间关联网络特征,探究省域绿色全要素生产率空间关联网络的动态演变机制,找寻区域绿色全要素生产率的最优提升路径,是实现区域经济高质量发展的的关键所在。基于社会网络分析法剖析2006—2021年中国30个省绿色全要素生产率空间关联特征,结合TERGM模型探究省域绿色全要素生产率空间关联网络的形成和演化机制。研究结果表明:(1)区域绿色全要素生产率整体呈增长态势,空间上呈现东部>中部>西部的不均衡特征,且由于马太效应东西差距逐渐扩大。(2)省际间绿色全要素生产率合作关联突破了地理邻近性。探索发现虽然绿色全要素生产率空间关联网络呈现出复杂、多线程的结构特征,但核心-边缘结构明显,说明目前尚未构成完整的要素传递路径。(3)借助块模分析将总区域划分为四个板块,发现板块发展不平衡,板块内联系稀疏,板块间联系存在深化空间。其中以北京、天津、上海为主的“净受益”板块虹吸效应大于辐射效应,主导地位凸显;以内蒙古、黑龙江、青海等在内的“净溢出”板块溢出效应显著,绿色发展潜力有待激发。(4)TERGM结果表明中国绿色全要素生产率空间关联网络的形成和演化受到要素、市场、政府、地理距离等多重因素的综合影响,因此缓解区域绿色全要素生产率增长差异,加快经济社会发展全面绿色转型需发挥多主体、多要素、多环节的协同作用。 展开更多
关键词 绿色全要素生产率 空间网络结构 社会网络分析 时序指数随机图模型(TERGM)
在线阅读 下载PDF
基于时空图卷积网络与多层次特征融合的快递员3D人体姿态估计
12
作者 丁德波 史耀群 《传感技术学报》 北大核心 2025年第8期1457-1462,共6页
将快递员的人体动作数字化,赋能物流行业的智能化转型,从提升效率、保障健康到推动人机协作,具有广泛的应用潜力。提出了一种新方法,融合了时空图卷积网络与多层次特征融合技术。该方法首先利用时空图卷积网络对人体骨架序列进行建模,... 将快递员的人体动作数字化,赋能物流行业的智能化转型,从提升效率、保障健康到推动人机协作,具有广泛的应用潜力。提出了一种新方法,融合了时空图卷积网络与多层次特征融合技术。该方法首先利用时空图卷积网络对人体骨架序列进行建模,有效提取关节间的空间关系及时序依赖性。接着,通过引入多层次特征融合模块,融合来自不同网络层的特征信息,包括低层次的细节特征和高层次的抽象特征,从而更全面地捕捉快递员的人体关节动态变化和运动模式。为了验证所提方法的性能,在公开数据集Human3.6M上进行了实验。该数据集由视觉传感器采集得到,包含了丰富的人体姿态信息。仿真实验结果表明,所提出的方法能够显著提高三维姿态估计的精度。 展开更多
关键词 三维人体姿态估计 时空图卷积网络 多层次特征融合
在线阅读 下载PDF
融合时空注意力机制的多尺度卷积车辆轨迹预测
13
作者 闫建红 刘芝妍 王震 《计算机工程》 北大核心 2025年第8期406-414,共9页
车辆轨迹预测是自动驾驶的重要环节,提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响,考虑相邻车辆运动和相对空间位置等交通环境因素,在长短期记忆(LSTM)神经网络编码器-解码器模型基础上... 车辆轨迹预测是自动驾驶的重要环节,提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响,考虑相邻车辆运动和相对空间位置等交通环境因素,在长短期记忆(LSTM)神经网络编码器-解码器模型基础上引入时空注意力机制,通过时间注意力层关注目标车辆和相邻车辆的历史轨迹,空间注意力层关注车辆的相对空间位置。为了增强特征提取程度和实现更全面的特征融合,使用多尺度卷积社交池增大感受野,融合多尺度特征,并提出基于LSTM编码器-解码器架构融合多尺度卷积社交池和时空注意力机制的车辆轨迹预测模型MCS-STA-LSTM。通过学习车辆运动相互依赖关系,以达到获得目标车辆未来轨迹基于机动类别的多模态预测分布的目的。在公开数据集NGSIM上进行训练、验证和测试,实验结果表明,相较于其他轨迹预测模型,该方法在3 s内的均方根误差平均降低了9.35%,5 s内均方根误差平均降低了5.53%,提高了轨迹预测准确性,在中短期预测上更具有优势。 展开更多
关键词 多尺度卷积社交池化 轨迹预测 长短期记忆神经网络 时空注意力机制 多尺度特征融合
在线阅读 下载PDF
时–空特征驱动的多轮次重构图卷积网络故障诊断方法 被引量:1
14
作者 王庆昕 张先杰 +3 位作者 张海峰 钟凯 陈宏田 韩敏 《控制理论与应用》 北大核心 2025年第1期149-157,共9页
近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出... 近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出了一种时–空特征驱动的多轮次重构图卷积网络(STMR-GCN)故障诊断方法.该方法首先利用多尺度卷积神经网络与GCN对故障信号进行特征提取.然后根据样本之间的余弦相似性对图结构进行多次重构,重构后的图模型能够更精确地反映样本之间的连边关系,并将得到的图模型输入到GCN进行故障种类的识别.最后,在东南大学(SEU)仿真数据集和真实的磨煤机数据集上进行实验,实验结果表明所提方法与其他对比方法相比诊断精度均有提高,从而证明STMR-GCN模型在故障诊断方面的有效性和实用性. 展开更多
关键词 故障诊断 时空特征 多轮次图重构 图卷积网络
在线阅读 下载PDF
融合同步知识和时空信息的电力系统暂态稳定评估框架 被引量:1
15
作者 刘雨晴 刘曌 +4 位作者 王小君 刘畅宇 裴玮 郄朝辉 窦嘉铭 《电网技术》 北大核心 2025年第6期2334-2346,共13页
新型电力系统复杂耦合特性和时变因素骤增,对暂态稳定评估(transientstabilityassessment,TSA)的准确性和快速性提出更高要求。深度学习算法的引入为TSA问题提供新的解决思路,但模型的结果可靠性问题制约其实际应用。因此提出一种融合... 新型电力系统复杂耦合特性和时变因素骤增,对暂态稳定评估(transientstabilityassessment,TSA)的准确性和快速性提出更高要求。深度学习算法的引入为TSA问题提供新的解决思路,但模型的结果可靠性问题制约其实际应用。因此提出一种融合同步知识和时空信息的评估框架,从电气特征选择、融入领域知识和模型内嵌可解释性方面提升评估性能与结果可信度。首先分析电气特征量与暂态稳定间的理论映射关系,引导模型特征选择;其次分析基于Kuramoto耦合振子模型的同步现象,将同步关键参数(节点耦合强度)引入图卷积神经网络(graph convolution network,GCN)的空间拓扑表示;在此基础上,结合内嵌可解释的Informer模型,提出Infor-GCN模型提取暂态过程特征时空耦合信息并进行特征增强;然后针对不同特征的稳定判别结果设计综合输出策略,提高模型结果可靠性。最后在IEEE-68节点系统的仿真算例表明所提方法在评估准确度和分析效率上具有优越性,并且在新样本下具备较强的泛化能力。 展开更多
关键词 暂态稳定评估 深度学习 图卷积神经网络 同步知识 时空特征
在线阅读 下载PDF
基于时空图神经网络的城市路网行程时间预测研究综述 被引量:1
16
作者 董慧 潘晓 +2 位作者 郭景峰 陈晓 王书海 《燕山大学学报》 北大核心 2025年第2期95-105,共11页
随着城市化进程的加速和交通网络的不断扩展,城市交通管理面临着日益复杂的挑战。准确的行程时间预测对于优化交通管理、提升出行体验以及推动智慧城市发展具有重要意义。受复杂的城市网络结构、交通流量的动态变化以及外界因素的影响,... 随着城市化进程的加速和交通网络的不断扩展,城市交通管理面临着日益复杂的挑战。准确的行程时间预测对于优化交通管理、提升出行体验以及推动智慧城市发展具有重要意义。受复杂的城市网络结构、交通流量的动态变化以及外界因素的影响,城市路网行程时间表现为强时空依赖性和随机性。时空图神经作为一种强大的时空建模工具,能够有效地捕获城市路网中复杂的时空关系。因此,基于时空图神经网络构建行程时间预测框架成为智慧交通领域的研究热点之一。从基于时空图神经网络行程时间预测框架的关键要素出发,即时空信息建模、预测任务选择以及学习范式设计,介绍此类研究近三年的研究进展。首先,对基于时空图神经网络的行程时间预测研究从问题定义和基本框架进行概述性描述。然后,根据关键要素中预测任务选择数量的不同,将相关研究工作分为单任务和多任务行程时间预测方法两类,并详细介绍每一类预测方法独有的特点以及代表性工作。最后,讨论行程时间预测在时空高阶相关性、隐式时空依赖关系以及可解释性方面建模的难点,并展望其未来发展趋势。 展开更多
关键词 图神经网络 时空图序列 时空数据挖掘 行程时间预测
在线阅读 下载PDF
基于骨架识别的城轨车站监控视频乘客行为特征辨识研究 被引量:1
17
作者 管洋 贾利民 +1 位作者 陶思涵 豆飞 《都市快轨交通》 北大核心 2025年第1期106-111,共6页
城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿... 城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿态估计技术,采用Alpha Pose模型对乘客姿态进行精确估计,并结合时空图卷积网络(spatial temporal graph convolutional networks,ST-GCN)模型的方法,实现对城轨车站监控场景中异常行为的辨识。在COCO数据集和MPII数据集上分别达到了72.3 mAP和82.1 mAP的效果,相比较于Open Pose模型提升高达17%,验证了模型的有效性和实用性。结果表明,本文所提出的方法不仅提高了乘客行为的识别速度,同时具备对复杂场景的适应能力,为城轨安全监控提供一种新的技术方案。 展开更多
关键词 轨道交通 骨架识别 模式识别 城轨车站安全 乘客行为特征辨识 st-gcn
在线阅读 下载PDF
面向无人机协同定位的机载深度计算编译优化
18
作者 熊康 刘思聪 +3 位作者 王宏涛 高元 郭斌 於志文 《计算机科学与探索》 北大核心 2025年第1期141-157,共17页
随着无人机技术快速发展,在定位信号缺失的情况下进行无人机定位成为一个研究难题。而近几年图神经网络的出现与发展,为解决这一难题提供了一种新的解决思路。然而在资源受限的无人机端侧部署图神经网络面临着无人机算储资源受限及实时... 随着无人机技术快速发展,在定位信号缺失的情况下进行无人机定位成为一个研究难题。而近几年图神经网络的出现与发展,为解决这一难题提供了一种新的解决思路。然而在资源受限的无人机端侧部署图神经网络面临着无人机算储资源受限及实时性难以满足等挑战。提出面向无人机协同定位的机载深度计算编译优化方法。采用了一种轻量化的时间图卷积神经网络模型,该时间图卷积网络由图卷积网络和门控递归单元组成,将无人机群的空间依赖性和无人机位置变化的时间依赖性同时加以考虑,对无人机群位置进行精确的预测;针对该模型在时间图卷积网络上的冗余特性,提出了基于逆向Cuthill-McKee图重排和基于双深度确定性策略梯度的全局自适应剪枝算法。在保证无人机群坐标精确预测的同时,不仅能提高数据在主存的空间局部性,加速模型的运算速度,而且能够对模型进行自适应的非结构化剪枝,降低模型的存储复杂度。实验结果表明,相对于已有的时间图卷积神经网络模型,编译优化后的轻量化时间图卷积神经网络模型在保留78.8%准确率的同时,模型计算时间降低37.9%,模型的平均剪枝率达到90.3%。 展开更多
关键词 时间图卷积网络 协同定位 通道剪枝 图重排算法 深度确定性策略梯度
在线阅读 下载PDF
计及多公共充电站差异化耦合关联的电动汽车充电负荷时-空短期预测 被引量:1
19
作者 黄南天 孙赫宏 +3 位作者 王圣元 蔡国伟 张良 王日俊 《中国电机工程学报》 北大核心 2025年第4期1424-1435,I0016,共13页
现有电动汽车充电负荷预测研究,多对单一预测对象开展研究。同时,对充电场景下多公共充电站的充电负荷时-空预测研究较少。公共充电站的充电负荷波动剧烈,较私人充电设施的充电负荷难以预测。为此,提出一个基于自适应时-空图卷积神经网... 现有电动汽车充电负荷预测研究,多对单一预测对象开展研究。同时,对充电场景下多公共充电站的充电负荷时-空预测研究较少。公共充电站的充电负荷波动剧烈,较私人充电设施的充电负荷难以预测。为此,提出一个基于自适应时-空图卷积神经网络的多公共充电站充电负荷时-空短期预测方法。首先,通过快速最大信息系数构建含有日期、气象以及历史负荷特征的多节点特征集。并通过数据自适应图生成,构建动态相似权时-空图,实现多公共充电站空间连接关系重构。然后,构建图卷积层,差异化生成各节点的空间聚合特征,实现全域充电节点差异化特征增强。同时,通过节点自适应参数学习方法学习不同充电节点的充电模式。最后,通过门控循环单元层挖掘空间聚合特征的时域特征。所提出的公共充电站充电负荷时-空预测方法相应的对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)和平均绝对误差(mean absolute error,MAE)分别为12.95%和31.72 kW。 展开更多
关键词 充电负荷时-空短期预测 多公共充电站 图神经网络 自适应图生成 差异化时空耦合关联 节点自适应参数学习
在线阅读 下载PDF
应用STGCN时空建模的地震波阻抗反演方法
20
作者 王泽峰 赵海波 +3 位作者 杨懋新 王团 许辉群 毛伟建 《石油地球物理勘探》 北大核心 2025年第1期43-53,共11页
现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓... 现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓扑结构及互相关性,使用马氏距离对地震数据进行空间邻近度的加权处理建立邻接矩阵;进一步通过切比雪夫多项式扩大空间感受野的同时减少参数量,高效地提取地震数据的空间构造特征,同时利用门控循环单元捕获其时序相关性;最后构建时空图卷积单元实现基于STGCN的地震数据与波阻抗在时间和空间两个维度的映射。模型测试及实际资料反演结果表明,该方法在提高反演精度的同时对噪声具有一定的适应性,并可以很好的体现地层的横向变化。 展开更多
关键词 地震波阻抗反演 深度学习 时空建模 时空图卷积神经网络
在线阅读 下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部