检索结果-维普期刊中文期刊服务平台

基于VMD-MPE和并行双支路的变压器局部放电模式识别方法: 1; 作者陈康裕王飞 +1 位作者曾龙兴陈尔佳《电工电能新技术》北大核心 2025年第9期100-110,共11页; 针对变压器局部放电信号的非平稳性和非线性特点,本文提出了一种基于变分模态分解(VMD)和多尺度排列熵(MPE)以及并行双支路的变压器局部放电模式识别方法。首先,利用VMD技术对局部放电波形进行层次分解,分离出若干带限本征模态函数(IMF)... 展开更多; 关键词变压器局部放电变分模态分解多尺度排列熵 transformer encoder 一维卷积神经网络挤压与激励网络故障诊断; 在线阅读下载PDF 职称材料

基于BERT-TENER的服装质量抽检通告命名实体识别: 2; 作者陈进东胡超 +1 位作者郝凌霄曹丽娜《科学技术与工程》北大核心 2024年第34期14754-14764,共11页; 识别服装质量抽检通告中的实体信息,对于评估不同区域的服装质量状况以及制定宏观政策具有重要意义。针对质量抽检通告命名实体识别存在的长文本序列信息丢失、小类样本特征学习不全等问题,以注意力机制为核心,提出了基于BERT(bidirecti... 展开更多; 关键词命名实体识别服装质量抽检通告 BERT(Bidirectional encoder representations from transformers) TENER(transformer encoder for NER); 在线阅读下载PDF 职称材料

基于融合策略的突发公共卫生事件网络舆情多模态负面情感识别被引量：20: 3; 作者曾子明孙守强李青青《情报学报》 CSSCI CSCD 北大核心 2023年第5期611-622,共12页; 突发公共卫生事件以社交媒体为阵地进行线下舆情的线上映射,而图文并茂的多模态信息成为公众情感表达的主要方式。为充分利用不同模态间的关联性和互补性,提升突发公共卫生事件网络舆情多模态负面情感识别精准度,本文构建了两阶段混合... 展开更多; 关键词突发公共卫生事件网络舆情多模态负面情感识别 bidirectional encoder representations from transformers(BERT) vision transformer(ViT); 在线阅读下载PDF 职称材料

基于图卷积神经网络的古汉语分词研究被引量：11: 4; 作者唐雪梅苏祺 +1 位作者王军杨浩《情报学报》 CSSCI CSCD 北大核心 2023年第6期740-750,共11页; 古汉语的语法有省略、语序倒置的特点,词法有词类活用、代词名词丰富的特点,这些特点增加了古汉语分词的难度,并带来严重的out-of-vocabulary(OOV)问题。目前,深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功,但是这些研究... 展开更多; 关键词古汉语汉语分词图卷积神经网络预训练语言模型 BERT(bidirectional encoder representations from transformers); 在线阅读下载PDF 职称材料

面向密集场景结合TC-YOLOX的小目标检测方法被引量：2: 5; 作者李翔宇王伟 +1 位作者王峰萍韩岩江《电子测量技术》北大核心 2023年第15期133-142,共10页; 密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer E... 展开更多; 关键词小目标检测 YOLOX 卷积注意力机制模块 transformer Encode CIoU回归损失函数; 在线阅读下载PDF 职称材料

基于机器学习的槽型结构动态变形场重构: 6; 作者白金川胡高波 +2 位作者陈三桂肖汉林张涛《舰船科学技术》 2025年第22期38-45,共8页; 针对目前多数重构位移场的方法在实际工程应用中存在测点数量多、位置要求高等问题,引入机器学习建立了应变与位移之间的关系,实现了位移场的重构。分析LSTM、Transformer Encoder在动态变形重构中的精度和鲁棒性;然后设计加工槽型结构... 展开更多; 关键词结构健康监测位移场重构 LSTM transformer encoder; 在线阅读下载PDF 职称材料

题名基于VMD-MPE和并行双支路的变压器局部放电模式识别方法: 1; 作者陈康裕王飞曾龙兴陈尔佳; 机构佛山大学机电工程与自动化学院广东立胜综合能源服务有限公司; 出处《电工电能新技术》北大核心 2025年第9期100-110,共11页; 基金国家自然科学基金项目(52377139)。; 文摘针对变压器局部放电信号的非平稳性和非线性特点,本文提出了一种基于变分模态分解(VMD)和多尺度排列熵(MPE)以及并行双支路的变压器局部放电模式识别方法。首先,利用VMD技术对局部放电波形进行层次分解,分离出若干带限本征模态函数(IMF),并基于MPE提取各阶IMF分量的深层特征信息,构建特征向量样本集。接着,设计了一个并行双支路模型,其中支路一通过Transformer Encoder的多头注意力机制提取全局特征,支路二利用堆叠的一维卷积神经网络(1D-CNN)结合挤压与激励网络(SENet)进一步提取局部特征信息。通过特征融合拼接策略,将双支路提取的全局与局部特征信息有效融合,从而增强模式识别的表现力。实验结果表明,本文所提出的方法在变压器局部放电模式识别中的准确率达到96.37%,且具有较高的识别效率,能够有效提升变压器局部放电故障的诊断性能,为变压器设备的维护工作提供了坚实的技术保障。; 关键词变压器局部放电变分模态分解多尺度排列熵 transformer encoder 一维卷积神经网络挤压与激励网络故障诊断; Keywords transformer partial discharge variational mode decomposition multiscale permutation entropy transformer encoder One-Dimensional CNN(1D-CNN) squeeze-and-excitation network fault diagnosis; 分类号 TM372 [电气工程—电机]; 在线阅读下载PDF 职称材料

题名基于BERT-TENER的服装质量抽检通告命名实体识别: 2; 作者陈进东胡超郝凌霄曹丽娜; 机构北京信息科技大学经济管理学院智能决策与大数据应用北京市国际科技合作基地北京信息科技大学计算机学院华北科技学院经济管理学院; 出处《科学技术与工程》北大核心 2024年第34期14754-14764,共11页; 基金国家重点研发计划(2019YFB1405303) 北京市属高等学校优秀青年人才培育计划项目(BPHR202203233) 国家自然科学基金(72174018)。; 文摘识别服装质量抽检通告中的实体信息,对于评估不同区域的服装质量状况以及制定宏观政策具有重要意义。针对质量抽检通告命名实体识别存在的长文本序列信息丢失、小类样本特征学习不全等问题,以注意力机制为核心,提出了基于BERT(bidirectional encoder representations from transformers)和TENER(transformer encoder for NER)模型的领域命名实体识别模型。BERT-TENER模型通过预训练模型BERT获得字符的动态字向量;将字向量输入TENER模块中,基于注意力机制使得同样的字符拥有不同的学习过程,基于改进的Transformer模型进一步捕捉字符与字符之间的距离和方向信息,增强模型对不同长度、小类别文本内容的理解,并采用条件随机场模型获得每个字符对应的实体标签。在领域数据集上,BERT-TENER模型针对服装抽检领域的实体识别F_1达到92.45%,相较传统方法有效提升了命名实体识别率,并且在长文本以及非均衡的实体类别中也表现出较好的性能。; 关键词命名实体识别服装质量抽检通告 BERT(Bidirectional encoder representations from transformers) TENER(transformer encoder for NER); Keywords named entity recognition clothing quality sampling notice BERT(bidirectional encoder representations from transformers) TENER(transformer encoder for NER); 分类号 TP391.1 [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

题名基于融合策略的突发公共卫生事件网络舆情多模态负面情感识别被引量：20: 3; 作者曾子明孙守强李青青; 机构武汉大学信息管理学院武汉大学信息资源研究中心; 出处《情报学报》 CSSCI CSCD 北大核心 2023年第5期611-622,共12页; 基金国家社会科学基金项目“面向突发公共卫生事件的网络舆情时空演化与决策支持研究”(21BTQ046)。; 文摘突发公共卫生事件以社交媒体为阵地进行线下舆情的线上映射,而图文并茂的多模态信息成为公众情感表达的主要方式。为充分利用不同模态间的关联性和互补性,提升突发公共卫生事件网络舆情多模态负面情感识别精准度,本文构建了两阶段混合融合策略驱动的多模态细粒度负面情感识别模型(two-stage,hybrid fusion strategy-driven multimodal fine-grained negative sentiment recognition model,THFMFNSR)。该模型包括多模态特征表示、特征融合、分类器和决策融合4个部分。本文通过收集新浪微博新冠肺炎的相关图文数据,验证了该模型的有效性,并抽取了最佳情感决策融合规则和分类器配置。研究结果表明,相比于文本、图像、图文特征融合的最优识别模型,本文模型在情感识别方面精确率分别提高了14.48%、12.92%、2.24%;在细粒度负面情感识别方面,精确率分别提高了22.73%、10.85%、3.34%。通过该多模态细粒度负面情感识别模型可感知舆情态势,从而辅助公共卫生部门和舆情管控部门决策。; 关键词突发公共卫生事件网络舆情多模态负面情感识别 bidirectional encoder representations from transformers(BERT) vision transformer(ViT); Keywords public health emergencies online public opinion multimodal negative sentiment recognition BERT ViT; 分类号 C912.63 [经济管理] G353.1 [文化科学—情报学] G206 [文化科学—传播学]; 在线阅读下载PDF 职称材料

题名基于图卷积神经网络的古汉语分词研究被引量：11: 4; 作者唐雪梅苏祺王军杨浩; 机构北京大学信息管理系北京大学数字人文研究中心北京大学外国语学院北京大学人工智能研究院; 出处《情报学报》 CSSCI CSCD 北大核心 2023年第6期740-750,共11页; 基金国家自然科学基金国际重点合作项目“中国儒家学术史知识图谱构建研究”(72010107003)。; 文摘古汉语的语法有省略、语序倒置的特点,词法有词类活用、代词名词丰富的特点,这些特点增加了古汉语分词的难度,并带来严重的out-of-vocabulary(OOV)问题。目前,深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功,但是这些研究更关注的是如何提高分词效果,忽视了分词任务中的一大挑战,即OOV问题。因此,本文提出了一种基于图卷积神经网络的古汉语分词框架,通过结合预训练语言模型和图卷积神经网络,将外部知识融合到神经网络模型中来提高分词性能并缓解OOV问题。在《左传》《战国策》和《儒林外史》3个古汉语分词数据集上的研究结果显示,本文模型提高了3个数据集的分词表现。进一步的研究分析证明,本文模型能够有效地融合词典和N-gram信息;特别是N-gram有助于缓解OOV问题。; 关键词古汉语汉语分词图卷积神经网络预训练语言模型 BERT(bidirectional encoder representations from transformers); Keywords ancient Chinese Chinese word segmentation graph convolutional neural network pre-trained language model BERT(bidirectional encoder representations from transformers); 分类号 TP391.1 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名面向密集场景结合TC-YOLOX的小目标检测方法被引量：2: 5; 作者李翔宇王伟王峰萍韩岩江; 机构西安工程大学; 出处《电子测量技术》北大核心 2023年第15期133-142,共10页; 基金 2021年中国高校产学研创新基金(2021ALA02002) 2021年“纺织之光”中国纺织工业联合会高等教育教学改革研究项目(2021BKJGLX004) 西安工程大学2020年高等教育研究项目(20GJ05)资助; 文摘密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer Encode模块,不断更新目标权重实现增强目标特征信息,提高网络的特征提取能力;其次,在特征金字塔网络中增加卷积注意力机制模块,关注重要特征并抑制不必要特征,提高不同尺度目标的检测准确度;然后,采用CIoU代替IoU作为回归损失函数,使得模型训练过程中网络收敛更快,性能更好;最后在PASCAL VOC 2007数据集上验证。实验结果表明,所设计的TC-YOLOX模型能够有效的检测出多样化场景中正常、密集、稀疏、黑暗条件下的小目标物体,mAP和检测速度可以达到94.6%和38 fps,与原始模型相比提升了10.9%和1 fps,对多种密集场景下的小目标检测任务均具有较好的适用性。; 关键词小目标检测 YOLOX 卷积注意力机制模块 transformer Encode CIoU回归损失函数; Keywords small object detection YOLOX CBAM transformer Encode CIoU regression loss function; 分类号 TP391.4 [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

题名基于机器学习的槽型结构动态变形场重构: 6; 作者白金川胡高波陈三桂肖汉林张涛; 机构华中科技大学船舶与海洋工程学院; 出处《舰船科学技术》 2025年第22期38-45,共8页; 基金国家自然科学基金资助项目(51839005)。; 文摘针对目前多数重构位移场的方法在实际工程应用中存在测点数量多、位置要求高等问题,引入机器学习建立了应变与位移之间的关系,实现了位移场的重构。分析LSTM、Transformer Encoder在动态变形重构中的精度和鲁棒性;然后设计加工槽型结构搭建实验平台,对槽道侧壁进行动态加载,通过采集系统和激光位移传感器对应变、位移信息进行采集,对比分析测试集的动态预测结果与传感器的测试结果;最后,融合LSTM和Transformer Encoder这2种神经网络,提出一种新的LSTM-Transformer Encoder(LTE)网络。结果表明:测试集上LSTM网络重构的节点最大平均误差为0.610%,Transformer Encoder重构的节点最大平均相对误差为1.010%。LSTM网络相比Transformer Encoder网络具有更好鲁棒性的同时重构精度更高,提出的LTE网络在测试集上具有更小的MSE(均方误差)及更大的R^(2)(模型拟合系数),在整体的表现上优于LSTM和Transformer Encoder。; 关键词结构健康监测位移场重构 LSTM transformer encoder; Keywords structural health detection deformation reconstruction LSTM transformer encoder; 分类号 U661.43 [交通运输工程]; 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VMD-MPE和并行双支路的变压器局部放电模式识别方法	陈康裕王飞曾龙兴陈尔佳	《电工电能新技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于BERT-TENER的服装质量抽检通告命名实体识别	陈进东胡超郝凌霄曹丽娜	《科学技术与工程》北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于融合策略的突发公共卫生事件网络舆情多模态负面情感识别	曾子明孙守强李青青	《情报学报》 CSSCI CSCD 北大核心	2023	20	在线阅读下载PDF 职称材料
4	基于图卷积神经网络的古汉语分词研究	唐雪梅苏祺王军杨浩	《情报学报》 CSSCI CSCD 北大核心	2023	11	在线阅读下载PDF 职称材料
5	面向密集场景结合TC-YOLOX的小目标检测方法	李翔宇王伟王峰萍韩岩江	《电子测量技术》北大核心	2023	2	在线阅读下载PDF 职称材料
6	基于机器学习的槽型结构动态变形场重构	白金川胡高波陈三桂肖汉林张涛	《舰船科学技术》	2025		在线阅读下载PDF 职称材料