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88,016篇文章
< 1 2 … 250 >
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：
结合空间多层图卷积和时序分段Transformer的分心驾驶识别方法 被引量：1
1
作者 葛慧敏 欧阳宁 吴沛桐 《计算机工程与应用》 北大核心 2026年第4期152-167,共16页
识别分心驾驶行为是提升驾驶安全性的重要手段之一。目前基于图卷积的骨架动作识别方法采用单一的骨架图结构而忽略了关节点间的多种交互关系,且对骨架序列局部及全局时间特征提取能力不足。针对上述问题,提出一种结合空间多层图卷积和... 识别分心驾驶行为是提升驾驶安全性的重要手段之一。目前基于图卷积的骨架动作识别方法采用单一的骨架图结构而忽略了关节点间的多种交互关系,且对骨架序列局部及全局时间特征提取能力不足。针对上述问题,提出一种结合空间多层图卷积和时序分段Transformer的分心驾驶识别模型。在空间建模方面,通过多种索引方式构建包含多种空间关系的驾驶员关节点的多层图结构,并引入图注意力机制动态调整图结构中边的连接强度,利用层内与层间图卷积操作提取与融合空间特征。在时间建模方面,对时间序列进行分段处理,并使用Transformer来有效捕捉分段时间的局部特征及跨时段的全局特征。最终在Drive&Act、DAD数据集上对模型进行了性能验证,结果表明,模型相较于现有方法进一步提高了分心驾驶行为识别的准确率。 展开更多
关键词 智能交通 分心驾驶 基于骨架的动作识别 时序transformer 空间多层图
在线阅读 下载PDF
基于LSTM-Transformer模型的突水条件下矿井涌水量预测 被引量：2
2
作者 李振华 姜雨菲 +1 位作者 杜锋 王文强 《河南理工大学学报(自然科学版)》 北大核心 2026年第1期77-85,共9页
目的矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义,为精准预测矿井涌水量,构建适用于华北型煤田受底板L_(1-4)灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基... 目的矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义,为精准预测矿井涌水量,构建适用于华北型煤田受底板L_(1-4)灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基础,提出LSTMTransformer模型。利用LSTM捕捉矿井涌水量的动态时序特征,通过Transformer的多头注意力机制分析含水层水位变化和矿井涌水量之间的复杂时序关联,构建水位动态变化驱动下的矿井涌水量精准预测框架。结果结果表明,LSTM-Transformer模型预测精度显著优于LSTM,CNN,Transformer和CNN-LSTM模型的,其均方根误差为20.91 m^(3)/h,平均绝对误差为16.08 m^(3)/h,平均绝对百分比误差为1.12%,且和单因素涌水量预测模型相比,水位-涌水量双因素预测模型预测结果更加稳定。结论LSTM-Transformer模型成功克服传统方法在捕捉复杂水文地质系统中水位-涌水量动态关联上的局限,为矿井涌水量动态预测提供可解释性强、鲁棒性好的解决方案,也为类似地质条件下矿井涌水量预测提供了新方法。 展开更多
关键词 涌水量预测 水位动态响应 LSTM-transformer耦合模型 时间序列预测 注意力机制 矿井安全生产
在线阅读 下载PDF
基于监督反馈和Transformer的目标跟踪算法
3
作者 符强 殷奇晨 +1 位作者 纪元法 任风华 《电子测量技术》 北大核心 2026年第9期183-191,共9页
针对传统孪生网络在复杂场景下鲁棒性不足以及Transformer架构对计算资源依赖性强等问题,提出了一种基于监督反馈和Transformer的目标跟踪算法。首先,设计了监督反馈模块,在特征提取过程中引入任务相关的反馈信息,引导网络更加聚焦于目... 针对传统孪生网络在复杂场景下鲁棒性不足以及Transformer架构对计算资源依赖性强等问题,提出了一种基于监督反馈和Transformer的目标跟踪算法。首先,设计了监督反馈模块,在特征提取过程中引入任务相关的反馈信息,引导网络更加聚焦于目标区域,从而提升特征判别性并抑制背景干扰;其次,构建了轻量化的Transformer结构,在保持全局建模能力的基础上,有效降低计算复杂度和参数量,实现性能与效率的良好平衡;最后,提出自适应模板更新机制,结合当前帧的状态信息与场景变化,动态调整模板内容以应对目标外观变化,降低跟踪漂移风险。在多个主流公开数据集上的实验结果表明,所提出方法在鲁棒性和实时性方面均优于现有先进算法。 展开更多
关键词 目标跟踪 监督反馈 transformER 模板更新
在线阅读 下载PDF
基于CNN-Transformer架构的电磁传播损耗预测算法
4
作者 万勇 李骏杰 +1 位作者 孙伟峰 戴永寿 《现代电子技术》 北大核心 2026年第6期43-48,共6页
为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,... 为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,将从卫星图像中获取的传播路径上地物特征序列进行位置编码,增强对传播路径中不同地物特征顺序对传播损耗影响的理解。最后将CNN提取的浅层特征与位置编码后的地物特征输入到Transformer模型,通过多头自注意力机制捕捉特征间的全局关联性,从而有效校正传播损耗的预测结果。实验结果表明,所提出的CNN-Transformer方法显著降低了传播损耗预测的均方根误差(RMSE),达到了3.3745 dB,同时保持了0.8956的较高确定性系数(R^(2))。所提的电磁传播损耗预测算法为无线通信传播特性研究领域提供了参考,具有一定的应用价值。 展开更多
关键词 电磁传播 损耗预测 transformER CNN 斯皮尔曼系数法 地物类型 位置编码
在线阅读 下载PDF
融合视觉测量和Transformer的桥梁裂缝智能检测与三维映射
5
作者 余加勇 杨睿韬 +2 位作者 王昱东 彭志豪 周劲 《湖南大学学报(自然科学版)》 北大核心 2026年第3期108-118,共11页
无人机巡检方法已成为桥梁表观病害检测的重要手段.针对无人机(unmanned aerial vehicle,UVA)易受振动干扰、成像质量不稳定、卷积神经网络识别裂缝小目标效果差及裂缝定位困难等问题,提出了融合视觉测量与Transformer的桥梁裂缝智能检... 无人机巡检方法已成为桥梁表观病害检测的重要手段.针对无人机(unmanned aerial vehicle,UVA)易受振动干扰、成像质量不稳定、卷积神经网络识别裂缝小目标效果差及裂缝定位困难等问题,提出了融合视觉测量与Transformer的桥梁裂缝智能检测与三维映射方法,建立基于Real ESRGan图像超分辨率技术的航拍图像采集方法,复原运动模糊图像,实现对高质量桥梁图像的高效采集;在桥梁复杂背景下,通过具有全局注意力机制的Detection Transformer算法和数字图像处理技术,实现对裂缝病害的识别提取与高亮标识;利用多视角影像匹配法处理裂缝高亮标识图片,生成密集点云数据,构建桥梁病害面的精细模型,实现对裂缝病害的三维映射定位.以长沙市靳江河大桥为实验桥梁,使用无人机拍摄2316张桥梁表观图像用于生成三维实景模型,拍摄479张精细图像用于病害检测,使用Real ESRgan超分辨率重建算法对运动模糊图像进行复原,所建立的桥梁病害部位精细模型像素点分辨率达0.25 mm/pixel,裂缝宽度测量最小相对误差为1.37%,最大相对误差为9.90%.结果表明,融合视觉测量和Transformer的桥梁裂缝智能检测与三维映射方法,能够有效提升检测效率,保障人员安全,实现对桥梁裂缝的数字化、智能化、可视化检测,具备重要的研究价值与广阔的应用前景. 展开更多
关键词 桥梁 裂缝检测 无人机 三维建模 transformER
在线阅读 下载PDF
基于BSimilar优化PTransformer的光伏功率短期预测
6
作者 张文广 蔡浩 +1 位作者 刘科 孙盼荣 《动力工程学报》 北大核心 2026年第1期77-84,102,共9页
为提高光伏功率短期预测的精度,提出了考虑光伏设备性能退化因素的相似日算法优化的分时段多通道独立光伏功率短期预测方法。首先,在PTransformer模型中用分时段与通道独立的方法来处理光伏输入数据,以降低空间复杂度及提高长时间数据... 为提高光伏功率短期预测的精度,提出了考虑光伏设备性能退化因素的相似日算法优化的分时段多通道独立光伏功率短期预测方法。首先,在PTransformer模型中用分时段与通道独立的方法来处理光伏输入数据,以降低空间复杂度及提高长时间数据序列的关注度。其次,运用Transformer的编码器模型,通过自身注意力机制捕捉光伏序列特征之间的依赖关系,进行光伏功率的短期预测。最后,运用夹角余弦距离计算相似度并考虑光伏设备性能退化因素确定相似日,利用其功率数据优化PTransformer模型,以改善功率数据的滞后性。结果表明:相比典型的光伏功率短期预测方法,所提方法训练速度更快,预测精准度更高,并且对复杂天气状况下的光伏功率也有较好的预测结果。 展开更多
关键词 光伏功率 短期预测 性能退化 贝叶斯分析 transformER 相似日
在线阅读 下载PDF
基于行列栅格感知Transformer的车道线检测方法
7
作者 陈广秋 刘枫铭 +1 位作者 段锦 黄丹丹 《光学精密工程》 北大核心 2026年第6期953-972,共20页
低光照或光线不均的夜间环境下,道路成像存在车道线可见性低、局部过曝和阴影,现有车道线检测算法多聚焦于提升正常光照环境下的检测能力,忽略了夜间光照环境下的道路特征退化问题,导致算法的精确性和鲁棒性差。针对上述问题,本文在编... 低光照或光线不均的夜间环境下,道路成像存在车道线可见性低、局部过曝和阴影,现有车道线检测算法多聚焦于提升正常光照环境下的检测能力,忽略了夜间光照环境下的道路特征退化问题,导致算法的精确性和鲁棒性差。针对上述问题,本文在编解码语义分割框架下,提出了一种基于行列栅格感知Transformer的车道线检测方法。该方法首先采用光增强曲线模块对输入图像进行光照归一化,通过生成对抗网络实现光照失衡图像到光照分布合理图像的映射,有效抑制噪声与过曝;编码器采用ResNet34网络提取多尺度特征;行列栅格感知Transformer模块通过行、列双向令牌编码显式建模车道线的空间结构与上下文关系,增强模型对几何形变与局部遮挡的鲁棒性;解码器由双边上采样模块与置信度评估模块构成,分别完成特征重建与车道线存在性预测。实验结果表明,本文方法在TuSimple数据集下准确率为96.86%;在CULane数据集下整体场景F1分数为77.5%,其中夜间场景下F1值达到76.7%。本文方法的检测精度优于当前主流车道线检测模型,能有效实现复杂夜间环境下的车道线精准检测。 展开更多
关键词 交通工程 车道线检测 语义分割 transformER 栅格感知
在线阅读 下载PDF
Transformer架构驱动下的综采工作面矿压时序特征智能预测
8
作者 杜锋 陈博 +7 位作者 王文强 浦海 杜雪明 李国栋 乔瑞 李鑫磊 徐杰 曹煜 《煤田地质与勘探》 北大核心 2026年第2期1-13,共13页
【背景】矿压预测是顶板灾害预警和管理的重要手段,是智能化矿井安全生产的前提和基础。开采过程中综采工作面环境复杂多变,导致基于电液控制系统采集的支架压力数据分布差异较大,预测困难。【方法】基于Transformer的矿压预测模型,使... 【背景】矿压预测是顶板灾害预警和管理的重要手段,是智能化矿井安全生产的前提和基础。开采过程中综采工作面环境复杂多变,导致基于电液控制系统采集的支架压力数据分布差异较大,预测困难。【方法】基于Transformer的矿压预测模型,使用线性插值填补缺失的矿压值,并使用滑动窗口算法调整训练时的矿压数据结构;针对矿压数据的时序特性,构建融合时序特征的输入序列,利用多头注意力(multi-head-attention)机制动态计算权重,根据数据本身自适应地聚焦关键时间步,从而有效捕捉复杂的非线性时序依赖,显著提升特征表征与预测能力,最后使用迁移学习方法,完成对上、中、下工作面支架工作阻力预测,并搭建基于矿压大数据的智能分析及预测平台。【结果和结论】使用多头注意力机制代替神经网络捕捉全局矿压数据特征,比循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)具有更强长序列依赖能力和特征学习能力,能有效降低模型损失,更加适用于预测矿压,Transformer模型在测试集上的均方误差和平均绝对误差损失精度分别达到0.34%和2.57%。Transformer模型也具有较强的泛化能力,使用迁移学习方法微调后,能够有效降低模型损失,在迁移同工作面其他支架时具有更好的泛化效果,Transformer预测模型进一步验证在矿压预测问题的适用性和可行性。平台可视化显示系统可精准分析预测前后的来压次数、推进距离、来压判据和工作面矿压云图等关键参数,为顶板灾害预警乃至其他灾害预警提供新思路,也为矿井安全高效开采与智能化建设奠定了坚实基础。 展开更多
关键词 综采工作面 深度学习 transformer模型 时间序列 矿压显现 矿压预测
在线阅读 下载PDF
基于GTCN-Transformer的地铁深基坑地表沉降预测方法研究
9
作者 钟兴润 周明宇 赵江平 《中国安全生产科学技术》 北大核心 2026年第5期100-109,共10页
针对地铁深基坑施工环境复杂、周期长及影响基坑安全因素众多等问题,以地表沉降这一反映基坑安全状态的重要指标为研究对象,旨在实现其高精度预测。同时针对现有深基坑地表沉降预测方法未充分考虑监测点空间相关性、预测精度不足的局限... 针对地铁深基坑施工环境复杂、周期长及影响基坑安全因素众多等问题,以地表沉降这一反映基坑安全状态的重要指标为研究对象,旨在实现其高精度预测。同时针对现有深基坑地表沉降预测方法未充分考虑监测点空间相关性、预测精度不足的局限,提出1种基于自注意力机制与深度学习技术的时空协同预测模型(graph convolutional network-temporal convolutional network-transformer,GCN-TCN-Transformer),以下简称GTCN-Transformer。该模型构建空间、时间与自相关3个模块协同作用的端到端联合框架,采用图卷积网络提取监测点间动态空间相关信息,运用时序卷积网络提取沉降数据时间特征,并引入Transformer学习沉降序列内部自相关性,实现时空特征协同融合预测;以西安市某地铁深基坑开挖工程地表沉降监测数据为例,开展多监测点联合预测验证。研究结果表明:与GTCN-Transformer在各监测点均取得最优预测性能,MAE与RMSE均低于0.112和0.091,R^(2)均高于0.994,模型具有更高的准确度与稳定性。研究结果可为深基坑地表沉降预测提供准确、稳定的时空联合方法,为地铁深基坑施工安全控制提供参考。 展开更多
关键词 地铁深基坑 地表沉降预测 图卷积网络 时序卷积网络 transformER
在线阅读 下载PDF
基于DGAT-Transformer组合算法的区域光伏出力数据质量增强与超短期功率预测方法
10
作者 任惠 于光发 +3 位作者 强涵悦 王飞 甄钊 常喜强 《太阳能学报》 北大核心 2026年第5期639-649,共11页
针对区域内各电站的光伏数据存在不同程度的缺失值而导致预测精度低的问题,提出基于时空关联性与动态图注意力网络建模的光伏功率缺失数据填充和基于周期—趋势分量解耦模型的分布式光伏功率预测的新方法框架。首先基于贝叶斯算法优化... 针对区域内各电站的光伏数据存在不同程度的缺失值而导致预测精度低的问题,提出基于时空关联性与动态图注意力网络建模的光伏功率缺失数据填充和基于周期—趋势分量解耦模型的分布式光伏功率预测的新方法框架。首先基于贝叶斯算法优化后的变分模态分解模型对光伏功率分解为多个趋势平稳的子序列,并将对应子序列合并构造特征矩阵。其次,提出基于动态图注意力网络和Transformer组合模型,提高对特征矩阵在时空双维度上动态关联关系表征的准确性,并利用此模型对缺失时刻各个子序列预测后加以重构,得到光伏电站的完备数据集。最后,引入基于变分推断原理的周期—趋势分量解耦的预测模型(LaST),将光伏功率分解为周期性分量与趋势性分量,分别预测后加以重构,以提高光伏预测精度。仿真结果验证了该文所提方法获得的数据集真实性更高,并以此作为训练样本的预测精度显著优于其他方法,同时验证了LaST模型相较于传统算法在光伏预测中的优越性能。 展开更多
关键词 光伏发电 图神经网络 变分模态分解 transformER 数据准确性 动态关联性
在线阅读 下载PDF
基于改进Transformer网络的测井曲线生成方法
11
作者 贾澎涛 成宇超 +1 位作者 蒋永杰 李娜 《高技术通讯》 北大核心 2026年第3期279-288,共10页
为了解决测井曲线生成模型精度低、训练时间长的问题,提出了一种基于改进Transformer神经网络的测井曲线生成模型(well log prediction Transformer,WLP-T)。首先,该方法改进了Transformer的输入嵌入模块,使得网络能够捕捉输入序列中的... 为了解决测井曲线生成模型精度低、训练时间长的问题,提出了一种基于改进Transformer神经网络的测井曲线生成模型(well log prediction Transformer,WLP-T)。首先,该方法改进了Transformer的输入嵌入模块,使得网络能够捕捉输入序列中的局部特征,提升了模型的局部空间感知能力。其次,采用了一种可学习的位置编码方案,解决了原Transformer中位置编码无法很好地捕获时序数据位置特征的问题。最后,设计了一种更加轻量高效的解码器模块,替换了Transformer原有的解码器模块,在保证模型性能的前提下极大提升了模型的训练速度。在真实测井数据上分别进行了未钻地层曲线预测实验、缺失曲线补全实验以及曲线校正实验。结果表明,与长短期记忆网络(long short-term memory,LSTM)、门控循环单元(gated recurrent unit,GRU)及原始Transformer网络模型相比,WLP-T模型取得了更好的效果,为测井曲线生成工作提供了一种新思路。 展开更多
关键词 测井曲线生成模型 transformer神经网络 局部特征 位置编码 注意力机制
在线阅读 下载PDF
一种基于时域融合Transformer的4D航迹预测方法
12
作者 孔建国 马珂昕 +2 位作者 梁海军 张向伟 常瀚文 《电讯技术》 北大核心 2026年第1期21-29,共9页
针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以... 针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以体现飞行过程中不同阶段的差异;采用TFT模型有效捕捉各特征之间的隐式相关性,从而提高了预测精度;同时,结合分位数回归实现不确定性量化,提供了具有置信区间的航迹预测结果。实验表明,所提方法在真实数据上优于传统模型:与CNNLSTM模型和LSTM模型相比,平均距离误差分别减少了22.7%和50.9%,纵向、横向和垂直误差分别为305.01 m、177.91 m和25.23 m,验证了模型在解决航迹预测问题上的有效性,能够为管制精细化调控提供有效支持。 展开更多
关键词 空中交通管制 4D航迹预测 自动相关监视系统数据 时域融合transformer 时间序列预测
在线阅读 下载PDF
自适应Transformer-LSTM的滚动轴承故障预测方法研究
13
作者 董辛旻 职帅轩 崔富源 《重庆理工大学学报(自然科学)》 北大核心 2026年第2期96-104,共9页
针对滚动轴承故障预测中,模型预测精度低、参数难以确定等问题,提出一种自适应Transformer编码器与长短期记忆神经网络(long short-term memory, LSTM)的滚动轴承故障预测方法。提取轴承全周期振动信号24维时频特征,并基于信息熵、鲁棒... 针对滚动轴承故障预测中,模型预测精度低、参数难以确定等问题,提出一种自适应Transformer编码器与长短期记忆神经网络(long short-term memory, LSTM)的滚动轴承故障预测方法。提取轴承全周期振动信号24维时频特征,并基于信息熵、鲁棒性和相关性构建综合指标对特征进行筛选。采用核主元分析将优选特征进行融合,构建能够反应轴承退化状态的退化指标。综合时间序列全局特性与长短期特性,构建Transformer编码器与LSTM结合的故障预测模型,并引入极光优化算法(polar lights optimization, PLO)进行参数自适应寻优,应用XJTU-SY与IMS滚动轴承数据集进行方法分析验证。结果表明:所提模型在轴承故障预测中表现出良好效果,相较于经典的时域卷积网络(temporal convolutional network, TCN)、双向门控循环神经网络(gate recurrent unit, GRU)等,预测精度有较大提升。 展开更多
关键词 滚动轴承 故障预测 数据驱动 transformER 优化算法
在线阅读 下载PDF
基于BiLSTM-Transformer混合模型的丘陵地区履带式甘蔗收获机倾翻风险预测
14
作者 李尚平 宋家华 +3 位作者 文春明 李凯华 韦雨彤 程健华 《农业机械学报》 北大核心 2026年第4期213-223,共11页
针对履带式甘蔗收获机在丘陵地区作业时存在因车身重心高和轮距窄而易发生倾翻危险,且难以预测问题,本文通过样机测试,实时检测样机车架振动加速度变化,经频域处理分析,提取车架倾斜状态时振动特征,提出一种基于双向长短期记忆网络与Tra... 针对履带式甘蔗收获机在丘陵地区作业时存在因车身重心高和轮距窄而易发生倾翻危险,且难以预测问题,本文通过样机测试,实时检测样机车架振动加速度变化,经频域处理分析,提取车架倾斜状态时振动特征,提出一种基于双向长短期记忆网络与Transformer混合模型的倾翻预测方法。通过对振动加速度信号预处理,应用经验模态分解提取倾斜状态的时域与频域特征,重构去噪后信号。利用BiLSTM捕捉长期依赖关系,采用Transformer提取局部时序关系,有效提高了样机倾翻预测准确性。试验结果表明,在不同状态下履带式甘蔗收获机倾翻预测准确率达到95.39%,耗时11.87 ms。为进一步验证倾翻模型效果,对原始数据进行了t-SNE降维可视化,绘制了混淆矩阵图,为复杂环境下甘蔗收获机预警和调平系统的实时控制提供了依据。 展开更多
关键词 丘陵地区 甘蔗收获机 倾翻预测 BiLSTM transformER
在线阅读 下载PDF
基于Transformer多尺度融合网络的暖通空调能耗预测模型
15
作者 于水 韩府宏 +1 位作者 罗宇晨 孙圣坤 《太阳能学报》 北大核心 2026年第2期300-309,共10页
提出一种基于Transformer的多尺度融合网络模型,用于预测建筑暖通空调的能耗。通过引入多尺度金字塔模块与时间卷积网络结构,该模型能够有效捕捉时序特征的局部与整体信息,从而提高预测的准确性。实验结果表明,该模型在预测性能上优于... 提出一种基于Transformer的多尺度融合网络模型,用于预测建筑暖通空调的能耗。通过引入多尺度金字塔模块与时间卷积网络结构,该模型能够有效捕捉时序特征的局部与整体信息,从而提高预测的准确性。实验结果表明,该模型在预测性能上优于传统的单一模型,均方根误差(RMSE)与平均绝对误差(MAE)均显著降低,决定系数(R2)达到0.9826。该模型可为建筑能耗管理提供一种高效且准确的预测工具,有助于实现更高效的建筑能源管理与节能策略。 展开更多
关键词 HVAC 特征提取 深度学习 负荷预测 多尺度特征 transformer模型
在线阅读 下载PDF
基于近红外光谱与Transformer的烟叶感官指标预测方法
16
作者 张云伟 张健涛 +3 位作者 张海 周渭皓 李斌 陶成金 《农业机械学报》 北大核心 2026年第1期386-396,共11页
为克服传统卷烟配方设计与维护过程中存在的主观性强、过度依赖人工经验及感官评吸等技术瓶颈,利用“近红外光谱-化学成分-感官指标”的间接关联,提出了一种基于近红外光谱与Transformer架构的端到端烟叶感官质量指标预测方法。首先采用... 为克服传统卷烟配方设计与维护过程中存在的主观性强、过度依赖人工经验及感官评吸等技术瓶颈,利用“近红外光谱-化学成分-感官指标”的间接关联,提出了一种基于近红外光谱与Transformer架构的端到端烟叶感官质量指标预测方法。首先采用Savitzky-Golay卷积平滑法(SG)、一阶导数法(D1)、多元散射校正(MSC)3种光谱预处理技术有效消除基线漂移和散射干扰;进而设计了一种面向光谱数据特征的Transformer预测模型,实现了烟叶感官质量三维评价体系(风格特征:清香、甜香、焦香;烟气特征:浓度、劲头;质量特征:香气质、香气量、杂气、刺激、余味)的精准预测,并采用了SHAP方法对模型进行分析,增强了模型的可解释性。结果表明,模型对各感官指标测试集预测的平均绝对误差均不高于0.56,具有较好可用性;针对不同感官指标,模型表现出对不同光谱特征波段的捕捉,有效挖掘了光谱特征的协同作用机制,具有较好可解释性。在此基础上,进一步结合多维相似度分析设计了一种辅助烟叶替代方法,可为烟叶替代与配方优化提供量化决策支持。 展开更多
关键词 烟叶感官指标 近红外光谱 transformER 预测模型 烟叶替代
在线阅读 下载PDF
基于核注意力-Transformer的电力系统惯量估计方法
17
作者 张建华 程小轩 黄德豪 《郑州大学学报(工学版)》 北大核心 2026年第3期143-150,共8页
针对高比例可再生能源并网的区域互联电力系统惯量估计问题,提出了一种基于Transformer与核注意力网络相结合的新型核注意力-Transformer估计算法,旨在精准高效估计系统区域惯量。首先,构建含可再生能源的区域电力系统动态响应模型;其次... 针对高比例可再生能源并网的区域互联电力系统惯量估计问题,提出了一种基于Transformer与核注意力网络相结合的新型核注意力-Transformer估计算法,旨在精准高效估计系统区域惯量。首先,构建含可再生能源的区域电力系统动态响应模型;其次,利用Transformer的自注意力机制提取系统动态特征,并结合KAN的核注意力机制替代传统全连接层和softmax层,增强了模型对复杂非线性及强随机性数据的适应性与鲁棒性;最后,通过惯性分布的可视化,实现了惯量变化的实时监测,为系统运行人员提供了直观的决策依据。在改进的Australian 14机59节点系统中进行验证,与传统RNN、LSTM、GRU及Transformer相比,所提的核注意力-Transformer算法在不同仿真背景下,噪声过滤能力和估计精度均有显著提升。同时,惯量分布的可视化结果清晰呈现了系统惯量的时空变化特征,为电力系统的安全稳定运行提供了有力支撑。 展开更多
关键词 互联区域惯量估计 低惯性 深度学习网络 transformER KAN 惯性分布可视化
在线阅读 下载PDF
基于Transformer模型堤坝渗漏入口精准识别方法研究
18
作者 梁越 赵硕 +4 位作者 喻金桃 许彬 张斌 龚胜勇 舒云林 《岩土工程学报》 北大核心 2026年第1期187-195,共9页
渗漏是堤坝工程面临的主要安全隐患,渗漏入口精确识别与定位对降低堤坝风险至关重要。通过堤坝渗漏入口示踪剂分布及其运移特征模拟数据,训练学习Transformer模型以确定最优参数条件并分析该条件下该模型的预测效果,进一步通过室内模型... 渗漏是堤坝工程面临的主要安全隐患,渗漏入口精确识别与定位对降低堤坝风险至关重要。通过堤坝渗漏入口示踪剂分布及其运移特征模拟数据,训练学习Transformer模型以确定最优参数条件并分析该条件下该模型的预测效果,进一步通过室内模型试验验证该模型的可靠性。研究表明:①当迭代次数达600次时,模型预测的流速最大值相对误差最小,且最大流速值坐标与真实渗漏入口坐标最为接近,预测效果最佳;在此条件下,当数据采集时长为50 s时,模型预测的流速最大值相对偏差最小,预测效果最优。②在最佳迭代次数和数据采集时长条件下,模型预测精度超过95%,渗漏入口大小和渗漏流量的预测值与真实值差异极小,且流速和位置预测相对误差均较低,其中位置预测相对误差低于5%。③将电导率试验采集数据转换为示踪剂浓度并输入至该模型进行流速分布预测,可知该模型能准确定位渗漏入口位置,且流速和渗漏入口坐标的预测平均相对误差均低于10%,进而验证了该模型在渗漏入口定位中的有效性与准确性。相关研究成果可为堤坝渗漏入口精确识别奠定理论基础和提供技术支撑。 展开更多
关键词 堤坝 渗漏入口 transformer模型 精准识别 室内模型试验
在线阅读 下载PDF
融合群分解与Transformer-KAN的短期风速预测
19
作者 史加荣 张思怡 《南京信息工程大学学报》 北大核心 2026年第1期60-68,共9页
针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列... 针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列,建立Transformer-KAN模型,所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力.最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值.为了验证所提出模型的有效性,将其与其他模型进行实验对比,结果表明,SWD-Transformer-KAN模型具有最优的预测性能,其决定系数(R^(2))高达99.91%. 展开更多
关键词 风速预测 群分解 transformER Kolmogorov-Arnold网络
在线阅读 下载PDF
基于频率注意力Transformer的无人机目标跟踪算法
20
作者 但远宏 卢江 徐瑷骏 《计算机应用研究》 北大核心 2026年第6期1902-1911,共10页
针对无人机单目标跟踪中目标尺度动态变化、复杂场景干扰以及嵌入式平台算力受限等问题,提出一种基于频率注意力机制的轻量级视觉Transformer跟踪框架。首先,引入二维离散余弦变换构建多频特征选择机制,对高能量响应区域进行加权筛选,... 针对无人机单目标跟踪中目标尺度动态变化、复杂场景干扰以及嵌入式平台算力受限等问题,提出一种基于频率注意力机制的轻量级视觉Transformer跟踪框架。首先,引入二维离散余弦变换构建多频特征选择机制,对高能量响应区域进行加权筛选,以突出目标的关键频段并削弱背景噪声对局部特征的干扰;其次,设计基于时空相关性的自适应搜索区域调节机制,利用时域连续性实现非监督动态调整采样范围,在保持计算效率的同时提高跟踪精度;最后,为了满足嵌入式平台的实时性要求,构建带空间压缩的层次化骨干网络,并进行通道减枝以降低模型复杂度提升实时性。实验结果表明,所提算法在UAV123与LaSOT基准测试集上分别取得0.668与0.638的成功率,0.871与0.674的准确度,性能优于现有主流方法。在嵌入式无人机平台上实测帧率达30 fps,消融实验验证了各模块的有效性,展示出良好的实用价值与工程潜力。 展开更多
关键词 无人机 单目标跟踪 视觉transformer 搜索区域 模板更新
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 … 250 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
版权所有© 2001-2026 渝B2-20050021-1渝公网安备 50019002500403号
使用帮助 返回顶部