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
2
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
基于FNM-Net的轻量级遥感目标检测算法
1
作者
文斌
张俊
+2 位作者
王浚银
王子豪
丁弈夫
《现代电子技术》
北大核心
2025年第13期1-10,共10页
针对现阶段遥感目标检测精度低、速度慢、模型参数量大的问题,提出基于改进YOLOv7-tiny的FNM-Net轻量级遥感目标检测网络。首先,引入轻量级特征提取网络Faster-Net替换原有主干网络,避免网络对特征图的冗余覆盖;其次,引入焦点调制模块,...
针对现阶段遥感目标检测精度低、速度慢、模型参数量大的问题,提出基于改进YOLOv7-tiny的FNM-Net轻量级遥感目标检测网络。首先,引入轻量级特征提取网络Faster-Net替换原有主干网络,避免网络对特征图的冗余覆盖;其次,引入焦点调制模块,提出空间信息整合模块(SIIM)来构建新型路径聚合网络,解决特征融合过程中信息冗余和忽略层内特征的问题;然后,针对遥感目标尺度变化大的特点提出多细粒度检测头;最后,采用基于层自适应幅度剪枝(LAMP)评分的剪枝方法,修剪权值较小的连接,减少参数量和计算量并提高检测速度。该方法在公开数据集RSOD上进行验证,结果表明,相比基线模型,参数量减少51.2%,计算量(FLOPs)减少55.2%,检测速度提升6.5 f/s,mAP提升2.1%。同时,在NWPU VHR-10数据集上验证了其泛化能力。
展开更多
关键词
遥感目标检测
FNM-Net
轻量级
剪枝
改进YOLOv7-tiny
SIIM
在线阅读
下载PDF
职称材料
基于二次模态分解重构及BiTCN-BiGRU模型的光伏短期发电功率预测
2
作者
文斌
章学勤
+2 位作者
付文龙
丁弈夫
封宣宇
《电力系统保护与控制》
北大核心
2025年第18期74-87,共14页
针对光伏功率序列具有非平稳性和波动性的特点导致预测模型预测精度偏低的问题,提出一种基于二次模态分解重构、双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)-双向门控循环单元(bidirectional gated recircul...
针对光伏功率序列具有非平稳性和波动性的特点导致预测模型预测精度偏低的问题,提出一种基于二次模态分解重构、双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)-双向门控循环单元(bidirectional gated recirculation unit,BiGRU)组合模型及与多策略改进沙猫群优化算法(multi-strategy improved sand cat swarm algorithm,MSCSO)相结合的光伏短期发电功率预测方法。首先,利用Spearman相关系数选取气象特征作为模型输入,并采用模糊C均值聚类方法进行相似日分类。其次,采用改进完全集合经验模态分解、变分模态分解对光伏功率序列进行分解并采用样本熵对分量进行重构。最后,建立Bi TCN-Bi GRU组合预测模型进行预测并通过MSCSO优化模型参数,将各分量预测结果叠加得到最终光伏功率预测值。通过与多种预测模型在不同天气条件和不同地区的对比分析,验证了所提模型具有更高的预测精度和良好的适应性。
展开更多
关键词
二次模态分解重构
沙猫群算法
双向时序卷积网络
双向门控循环单元
光伏功率预测
在线阅读
下载PDF
职称材料
题名
基于FNM-Net的轻量级遥感目标检测算法
1
作者
文斌
张俊
王浚银
王子豪
丁弈夫
机构
三峡大学梯级水电站运行与控制湖北省重点实验室
三峡大学电气与新能源学院
国网重庆市电力公司南川供电分公司
出处
《现代电子技术》
北大核心
2025年第13期1-10,共10页
基金
国家自然科学基金项目(62273200)
湖北省输电线路工程技术研究中心研究基金(2022KXL03)
湖北省自然科学基金联合基金项目(2024AFD409)。
文摘
针对现阶段遥感目标检测精度低、速度慢、模型参数量大的问题,提出基于改进YOLOv7-tiny的FNM-Net轻量级遥感目标检测网络。首先,引入轻量级特征提取网络Faster-Net替换原有主干网络,避免网络对特征图的冗余覆盖;其次,引入焦点调制模块,提出空间信息整合模块(SIIM)来构建新型路径聚合网络,解决特征融合过程中信息冗余和忽略层内特征的问题;然后,针对遥感目标尺度变化大的特点提出多细粒度检测头;最后,采用基于层自适应幅度剪枝(LAMP)评分的剪枝方法,修剪权值较小的连接,减少参数量和计算量并提高检测速度。该方法在公开数据集RSOD上进行验证,结果表明,相比基线模型,参数量减少51.2%,计算量(FLOPs)减少55.2%,检测速度提升6.5 f/s,mAP提升2.1%。同时,在NWPU VHR-10数据集上验证了其泛化能力。
关键词
遥感目标检测
FNM-Net
轻量级
剪枝
改进YOLOv7-tiny
SIIM
Keywords
remote sensing object detection
FNM-Net
light weight
pruning
improved YOLOv7-tiny
SIIM
分类号
TN911.73-34 [电子电信—通信与信息系统]
TP391.41 [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
基于二次模态分解重构及BiTCN-BiGRU模型的光伏短期发电功率预测
2
作者
文斌
章学勤
付文龙
丁弈夫
封宣宇
机构
三峡大学电气与新能源学院
梯级水电站运行与控制湖北省重点实验室(三峡大学)
国网重庆市电力公司南川供电分公司
出处
《电力系统保护与控制》
北大核心
2025年第18期74-87,共14页
基金
国家自然科学基金项目资助(62273200)
湖北省输电线路工程技术研究中心研究基金项目资助(2022KXL03)
湖北省自然科学基金联合基金项目资助(2024AFD409)。
文摘
针对光伏功率序列具有非平稳性和波动性的特点导致预测模型预测精度偏低的问题,提出一种基于二次模态分解重构、双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)-双向门控循环单元(bidirectional gated recirculation unit,BiGRU)组合模型及与多策略改进沙猫群优化算法(multi-strategy improved sand cat swarm algorithm,MSCSO)相结合的光伏短期发电功率预测方法。首先,利用Spearman相关系数选取气象特征作为模型输入,并采用模糊C均值聚类方法进行相似日分类。其次,采用改进完全集合经验模态分解、变分模态分解对光伏功率序列进行分解并采用样本熵对分量进行重构。最后,建立Bi TCN-Bi GRU组合预测模型进行预测并通过MSCSO优化模型参数,将各分量预测结果叠加得到最终光伏功率预测值。通过与多种预测模型在不同天气条件和不同地区的对比分析,验证了所提模型具有更高的预测精度和良好的适应性。
关键词
二次模态分解重构
沙猫群算法
双向时序卷积网络
双向门控循环单元
光伏功率预测
Keywords
quadratic modal decomposition reconstruction
sand cat swarm optimization
bidirectional temporal convolutional networks
bidirectional gated recirculation unit
PV power prediction
分类号
TM615 [电气工程—电力系统及自动化]
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
作者
出处
发文年
被引量
操作
1
基于FNM-Net的轻量级遥感目标检测算法
文斌
张俊
王浚银
王子豪
丁弈夫
《现代电子技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于二次模态分解重构及BiTCN-BiGRU模型的光伏短期发电功率预测
文斌
章学勤
付文龙
丁弈夫
封宣宇
《电力系统保护与控制》
北大核心
2025
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
