期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
二次聚合个性化联邦的不同工况下滚动轴承寿命预测方法
1
作者
康守强
杨得济
+2 位作者
王玉静
王庆岩
谢金宝
《振动与冲击》
北大核心
2025年第2期254-266,共13页
针对不同工况下滚动轴承振动数据分布差异大,单一用户数据量少且多个用户间数据不共享的问题,提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图,实现特征增强;利用无监...
针对不同工况下滚动轴承振动数据分布差异大,单一用户数据量少且多个用户间数据不共享的问题,提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图,实现特征增强;利用无监督二元回归模型确定第一预测时间,构建分段退化标签;提出二次聚合个性化联邦学习算法,各用户构建改进的卷积神经网络-长短时记忆网络模型,并将其参数上传至服务端,服务端采用多任务学习框架,一次聚合多用户同种工况模型参数;在此基础上,利用批量归一化层参数统计信息计算一次聚合模型间相似度,引入权重更新机制指导模型参数二次聚合,减少不同工况模型间的负迁移现象并学习有益的全局知识,最终形成针对各工况的个性化预测模型。经试验验证,所提方法在保障数据隐私的前提下,可实现不同工况下滚动轴承寿命预测,并且预测的平均得分与不考虑数据隐私的集中式学习方法相当、相较于联邦平均算法平均得分提高0.2197。
展开更多
关键词
滚动轴承
多尺度特征提取
联邦学习
个性化
剩余寿命预测
在线阅读
下载PDF
职称材料
基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络
2
作者
韩玉兰
崔玉杰
+1 位作者
罗轶宏
兰朝凤
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第12期4563-4574,共12页
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差...
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想,对图像的高频和低频信息分开处理,从而提高高频信息捕捉能力,简化低频特征处理。该文对生成器中的基础块进行设计,将空间特征变换层融入密集宽激活残差中,增强深层特征表征能力的同时对局部信息差异化处理。此外,利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络,为重构网络提供全新的质量评估损失,进一步提高重构图像的视觉效果。实验结果表明,同当前先进的同类方法比,该方法在多个数据集上具有更佳的重构效果。由此表明,采用频率分离思想的生成对抗网络进行超分辨率重构,可以有效利用图像频率成分,提高重构效果。
展开更多
关键词
超分辨率
生成对抗网络
频率分离
质量评估
密集残差
在线阅读
下载PDF
职称材料
LGDNet:结合局部和全局特征的表格检测网络
3
作者
卢迪
袁璇
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第12期4553-4562,共10页
在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型...
在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型的表格检测网络。首先,设计一种图像预处理方法,旨在增强表格的角点和线特征,以更好地区分表格与文本等其他文档元素。其次,设计一种主干网络SwTNet-50,通过在ResNet中引入Swin Transformer Blocks (STB),有效地进行局部-全局特征信息的提取,提高模型的特征提取能力以及对表格边界的检测准确性。最后,为了弥补DINO模型在1对1匹配中编码器特征学习不足问题,采用协同混合匹配训练策略,提高编码器的特征学习能力,提升模型检测精度。与多种基于深度学习的表格检测方法进行对比,该文模型在表格检测数据集TNCR上优于对比算法,在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上,IoU阈值为0.5时F1-Score为98.6%。
展开更多
关键词
表格检测
卷积神经网络
TRANSFORMER
特征提取
在线阅读
下载PDF
职称材料
题名
二次聚合个性化联邦的不同工况下滚动轴承寿命预测方法
1
作者
康守强
杨得济
王玉静
王庆岩
谢金宝
机构
哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室
海南师范
大学
物理与电子工程学院
出处
《振动与冲击》
北大核心
2025年第2期254-266,共13页
基金
国家自然科学基金(52375533)
黑龙江省自然科学基金(PL2024E022)
+1 种基金
山东省自然科学基金(ZR2023ME057)
哈尔滨市制造业科技创新人才项目(2023CXRCCG017)。
文摘
针对不同工况下滚动轴承振动数据分布差异大,单一用户数据量少且多个用户间数据不共享的问题,提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图,实现特征增强;利用无监督二元回归模型确定第一预测时间,构建分段退化标签;提出二次聚合个性化联邦学习算法,各用户构建改进的卷积神经网络-长短时记忆网络模型,并将其参数上传至服务端,服务端采用多任务学习框架,一次聚合多用户同种工况模型参数;在此基础上,利用批量归一化层参数统计信息计算一次聚合模型间相似度,引入权重更新机制指导模型参数二次聚合,减少不同工况模型间的负迁移现象并学习有益的全局知识,最终形成针对各工况的个性化预测模型。经试验验证,所提方法在保障数据隐私的前提下,可实现不同工况下滚动轴承寿命预测,并且预测的平均得分与不考虑数据隐私的集中式学习方法相当、相较于联邦平均算法平均得分提高0.2197。
关键词
滚动轴承
多尺度特征提取
联邦学习
个性化
剩余寿命预测
Keywords
rolling bearing
multi-scale feature extraction
federated learning
personalized
remaining life prediction
分类号
TH165 [机械工程—机械制造及自动化]
TP18 [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
基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络
2
作者
韩玉兰
崔玉杰
罗轶宏
兰朝凤
机构
哈尔滨理工大学
测控技术与通信工程学院
哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第12期4563-4574,共12页
基金
国家自然科学基金(11804068)
黑龙江省省属高等学校基本科研业务(2020-KYYWF-0342)。
文摘
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想,对图像的高频和低频信息分开处理,从而提高高频信息捕捉能力,简化低频特征处理。该文对生成器中的基础块进行设计,将空间特征变换层融入密集宽激活残差中,增强深层特征表征能力的同时对局部信息差异化处理。此外,利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络,为重构网络提供全新的质量评估损失,进一步提高重构图像的视觉效果。实验结果表明,同当前先进的同类方法比,该方法在多个数据集上具有更佳的重构效果。由此表明,采用频率分离思想的生成对抗网络进行超分辨率重构,可以有效利用图像频率成分,提高重构效果。
关键词
超分辨率
生成对抗网络
频率分离
质量评估
密集残差
Keywords
Super-resolution
Generative adversarial network
Frequency separation
Quality assessment
Dense residual
分类号
TN911.73 [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
LGDNet:结合局部和全局特征的表格检测网络
3
作者
卢迪
袁璇
机构
哈尔滨理工大学
测控技术与通信工程学院
哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第12期4553-4562,共10页
文摘
在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型的表格检测网络。首先,设计一种图像预处理方法,旨在增强表格的角点和线特征,以更好地区分表格与文本等其他文档元素。其次,设计一种主干网络SwTNet-50,通过在ResNet中引入Swin Transformer Blocks (STB),有效地进行局部-全局特征信息的提取,提高模型的特征提取能力以及对表格边界的检测准确性。最后,为了弥补DINO模型在1对1匹配中编码器特征学习不足问题,采用协同混合匹配训练策略,提高编码器的特征学习能力,提升模型检测精度。与多种基于深度学习的表格检测方法进行对比,该文模型在表格检测数据集TNCR上优于对比算法,在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上,IoU阈值为0.5时F1-Score为98.6%。
关键词
表格检测
卷积神经网络
TRANSFORMER
特征提取
Keywords
Table detection
Convolutional Neural Network(CNN)
Transformer
Feature extraction
分类号
TN911.73 [电子电信—通信与信息系统]
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
二次聚合个性化联邦的不同工况下滚动轴承寿命预测方法
康守强
杨得济
王玉静
王庆岩
谢金宝
《振动与冲击》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络
韩玉兰
崔玉杰
罗轶宏
兰朝凤
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
LGDNet:结合局部和全局特征的表格检测网络
卢迪
袁璇
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
