题名 融合特征编码和短语交互感知的隐式篇章关系识别
1
作者
王秀利 金方焱
机构
中央财经大学信息学院 国家金融安全教育部工程研究中心
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第4期1377-1388,共12页
基金
教育部哲学社会科学研究重大课题攻关项目(No.22JZD011) 中央财经大学新兴交叉学科建设项目。
文摘
隐式篇章关系识别难度大、普遍性高.从论元编码和论元交互角度入手,提出了一种融合特征编码和短语交互感知的隐式篇章关系识别模型.该模型兼顾了论元本身特征和论元间交互特征的作用,并分别进行了优化.论元编码部分整合了双向长短时记忆网络和循环注意力卷积神经网络,能够更全面地捕获论元全局和局部特征;论元交互部分从短语层级考虑论元间的语义关系建模,构建了短语级交互注意力机制,并利用神经张量网络深入挖掘其中的关系模式,更能体现出论元间潜在的更深层次的关联关系.在宾州篇章树库数据集上的实验结果表明,该模型F1值均优于其他模型.
关键词
隐式篇章关系识别 双向长短时记忆网络 循环注意力卷积神经网络 短语级交互注意力 神经张量网络
Keywords
implicit discourse relation recognition bidirectional long short-term memory recurrent attention convo⁃lution neural network phrase-level interactive attention neural tensor network
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 高分辨率遥感图像的聚类
被引量：4
2
作者
邓湘金 王彦平 彭海良
机构
中国科学院电子学研究所
出处
《电子与信息学报》
EI
CSCD
北大核心
2003年第8期1073-1080,共8页
文摘
高分辨率遥感图像中的细小目标(如道路等)使图像的同类区域表现变得不一致,从而增加了高分辨率图像聚类的难度,本文提出了一种高分辨率遥感图像的聚类方法,其聚类过程包括如下三个步骤:第一步,在滑动窗口内使用消除次要成分法处理遥感图像,该处理过程使用一维形态学分水岭技术获得直方图中的左侧阈值和右侧阈值,再根据这两个阈值滤除图像中的次要成分;第二步,计算滑动窗口内的图像特征;第三步根据图像特征量利用BPC(Back Propagation and Competitive)网络进行图像聚类。三组试验(本文提出的聚类算法,最邻近距离聚类法,K均值聚类法)表明本文提出的图像聚类方法可以有效实现高分辨率遥感图像的聚类。
关键词
遥感图像 累量 BPC网络 图像聚类
Keywords
Cumulant, Eliminating the minor components, BPC neural network , High reso- lution remote sensing imagery, Clustering
分类号
TN911.73
[电子电信—通信与信息系统]
题名 区域卷积神经网络用于遥感影像车辆检测
被引量：5
3
作者
王雪 隋立春 李顶萌 李丽
机构
长安大学地质工程与测绘学院 地理国情监测国家测绘地理信息局工程技术研究中心 西安国际港务区规划局
出处
《公路交通科技》
CAS
CSCD
北大核心
2018年第3期103-108,共6页
基金
国家自然科学基金项目(41372330 41601345)
文摘
针对大范围快速的车辆检测与计数,利用高分辨率卫星影像数据,提出了一种基于区域卷积神经网络的车辆检测算法。区域卷积神经网络是深度卷积神经网络和区域建议网络二者的结合。首先利用深度卷积神经网络自动提取各个层的特征,为了减少检测窗口的数量,提出区域建议网络,对下采样后的每个位置考虑3种窗口和对应的3种比例,这样大大减少了检测窗口的数量。再根据分类器对目标进行分类。这样将特征、检测窗口和分类器有效地结合在一起。在对遥感影像车辆检测试验中,通过对手工标注的车辆样本数据多次迭代来训练卷积神经网络和区域建议网络获取车辆检测的先验模型,再由先验模型检测出测试影像中车辆目标。与传统的基于梯度方向直方图(HOG)特征和支持向量机(SVM)车辆检测算法进行比较,在检测率方面,区域卷积神经网络算法明显高于HOG+SVM算法;在误检率方面,区域卷积神经网络检测明显小于HOG+SVM算法;在检测时间方面,同样的一张图像,区域卷积神经网络检测速度比HOG+SVM算法提升近800倍。试验结果表明:利用区域卷积神经网络方法进行大范围车辆检测,在精度和速度方面都有显著提升。
关键词
交通工程 车辆检测 卷积神经网络 区域建议网络 遥感影像
Keywords
traffic engineering vehicle detection conw）lutional neural network region proposal network remote sensing image
分类号
U491.116
[交通运输工程—交通运输规划与管理]
题名 基于改进CNN-LSTM的飞控系统剩余寿命预测
被引量：3
4
作者
李梦蝶 赵光 罗灵鲲 胡士强
机构
上海交通大学航空航天学院 中国商用飞机有限责任公司
出处
《计算机工程与应用》
CSCD
北大核心
2022年第16期274-283,共10页
基金
国家自然科学基金(61773262,62006152) 中国航空科学基金(20142057006)。
文摘
数据驱动的剩余寿命(remaining useful life,RUL)预测是复杂系统健康管理的重点研究内容,然而数据集的缺乏制约了不同系统上RUL预测的研究。针对这一问题,以飞控系统为例,提出一种仿真模型和数据混合驱动的RUL预测方法。该方法通过模型仿真提供充足的故障数据,并结合改进CNN-LSTM网络实现高质量的故障信息提取。首先对系统及其故障模式建立仿真模型,利用蒙特卡罗方法生成随机故障时间序列并依次注入故障,根据仿真响应和失效阈值确定序列的寿命标签,即可生成包含多组随机序列的系统失效数据集;其次利用长短时记忆网络(long short-term memory,LSTM)提取系统状态参数时间序列的故障信息,结合一维卷积神经网络(1D-CNN)提取不同状态参数之间的关联特征,从而形成时序-空间相结合的剩余寿命预测网络。充分的实验结果证明了所提方法对不同系统均能帮助达到动态和准确的剩余寿命预测。
关键词
剩余寿命预测 建模仿真 长短时记忆网络 一维卷积神经网络
Keywords
remaining useful life prediction model simulation long short-term memory network 1-dimensional convo-lution neural network
分类号
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
题名 基于深度先验的盲图像去模糊算法
被引量：4
5
作者
白勇强 禹晶 李一秾 肖创柏
机构
北京工业大学信息学部
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第4期1050-1067,共18页
基金
北京市自然科学基金(No.4212014) 北京市教育委员会科技计划(No.KM201910005029)。
文摘
盲图像去模糊旨在模糊核未知的情况下从模糊图像恢复清晰图像,这是一个欠定逆问题,需要引入图像先验信息限定解空间.受到SelfDeblur的启发,本文提出了一种基于深度先验的盲图像去模糊算法,结合深度网络与正则化模型对清晰图像与模糊核联合建模,交替迭代估计清晰图像与模糊核.在图像估计子问题中,模糊核参与RGB三通道损失函数的约束下,利用隐含图像平滑性约束的深度卷积神经网络DIP-Net生成清晰图像;在模糊核估计子问题中,直接求取模糊核正则化约束模型的全局极小解,不同于SelfDeblur的全连接网络使用梯度下降法更新模糊核.本文算法结合深度网络实现正则化方法,与监督学习相比,无需成对的模糊/清晰图像数据集训练网络;与传统模型方法相比,无需通过多级金字塔的方式由粗到细地估计模糊核.在模拟与真实模糊图像上的实验结果表明;本文算法能够快速、准确地估计出清晰图像和模糊核,并能够有效抑制图像复原过程中存在的噪声放大问题.
关键词
盲图像去模糊 深度先验 卷积神经网络 正则化 盲解卷积 图像复原
Keywords
blind image deblurring deep image prior convolutional neural network regularization blind deconvo-lution image restoration
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于非平衡问题的高斯混合模型卷积神经网络
6
作者
徐红 矫桂娥 张文俊
机构
上海海洋大学信息学院 上海建桥学院信息学院 上海大学上海电影学院
出处
《应用科学学报》
CAS
CSCD
北大核心
2023年第4期657-668,共12页
基金
校级重点科研项目(No.sjq17007) 江苏省研究生科研与实践创新基金(No.SJCX20_1352)资助。
文摘
为了提升分类模型对非平衡数据的分类性能,提出一种EMWRS(expectation-maximization weighted resampling)抽样算法和WCELoss(weighted cross entropy loss function)损失函数,在数据预处理阶段采用高斯混合模型得知数据分布特点,根据其聚类结果分析每个聚类簇中样本权重,以及样本分布和对应权重对数据进行采样,降低数据集不平衡程度;再依据样本比例权重对少数类和多数类赋予不同的代价损失,构建卷积神经网络模型,提高非平衡数据集的分类准确性。构建的卷积神经网络以F1和G-mean为评价指标,在UCI(university of California irvine)公共数据集adult上与SMOTE(synthetic minority over-sampling technique)和ADASYN(adaptive synthetic sampling)等多种经典算法进行比较,结果显示在这两种评价指标中所提模型均为第一,这表明改进后的卷积神经网络模型能够很好地提高少数类分类正确率。
关键词
非平衡数据 高斯混合模型 样本加权 代价损失 卷积神经网络
Keywords
imbalance data Gaussian mixture model sample weighting cost loss convo-lutional neural network
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于人工智能的风机叶片故障自动化监测系统
7
作者
闫浩伟
机构
大唐山西新能源公司
出处
《电子设计工程》
2025年第8期87-91,共5页
文摘
针对风机叶片长期暴露于恶劣环境且承受巨大应力,其健康状况监测不足导致故障发现滞后,影响风机性能和发电量的问题,设计基于人工智能的风机叶片故障自动化监测系统。通过集成多种设备的叶片数据采集模块实时监测叶片运行状态,利用模态动能法优化布置模块,采用卷积神经网络与短时傅里叶变换相结合的故障诊断模型进行诊断。最后以4.7m冷却塔风机为实验对象,进行了风机叶片故障诊断仿真实验,结果表明,该系统能实现叶片结冰故障诊断与定位,且对结冰、裂纹故障及正常信号分类性能优于对比方法。设计系统能够高精度实现叶片故障诊断,并获取风机叶片故障点位,具有较高的实际应用价值。
关键词
太阳能供电电路 模态动能法 风机叶片故障监测 卷积神经网络 短时傅里叶变换
Keywords
solar power supply circuit modal kinetic energy method fan blade fault monitoring convo-lutional neural network short time Fourier transform
分类号
TN919
[电子电信]
