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7,138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：
基于并行深度卷积神经网络的移动通信网突发流量异常检测方法
1
作者 王璇 赵克勤 《长江信息通信》 2025年第2期43-45,共3页
针对当前移动通信网突发流量异常检测存在查全率和交并比较低的问题,无法达到预期的检测效果,提出基于并行深度卷积神经网络的移动通信网突发流量异常检测方法。采用网络爬虫技术爬取通信网突发流量数据,并对其聚合、标识预处理,通过对... 针对当前移动通信网突发流量异常检测存在查全率和交并比较低的问题,无法达到预期的检测效果,提出基于并行深度卷积神经网络的移动通信网突发流量异常检测方法。采用网络爬虫技术爬取通信网突发流量数据,并对其聚合、标识预处理,通过对数据主成分分析降低原始数据维度,采用并行深度卷积神经网络技术对突发流量数据异常特征提取和融合,识别检测到突发异常流量,实现基于并行深度卷积神经网络的移动通信网突发流量异常检测。经实验证明,设计方法查全率在95%以上,可以实现对移动通信网突发流量异常精准检测。 展开更多
关键词 并行深度卷积神经网络 移动通信网 突发 流量 异常检测
在线阅读 下载PDF
基于并行深度卷积神经网络的图像美感分类 被引量：54
2
作者 王伟凝 王励 +3 位作者 赵明权 蔡成加 师婷婷 徐向民 《自动化学报》 EI CSCD 北大核心 2016年第6期904-914,共11页
随着计算机和社交网络的飞速发展,图像美感的自动评价产生了越来越大的需求并受到了广泛关注.由于图像美感评价的主观性和复杂性,传统的手工特征和局部特征方法难以全面表征图像的美感特点,并准确量化或建模.本文提出一种并行深度卷积... 随着计算机和社交网络的飞速发展,图像美感的自动评价产生了越来越大的需求并受到了广泛关注.由于图像美感评价的主观性和复杂性,传统的手工特征和局部特征方法难以全面表征图像的美感特点,并准确量化或建模.本文提出一种并行深度卷积神经网络的图像美感分类方法,从同一图像的不同角度出发,利用深度学习网络自动完成特征学习,得到更为全面的图像美感特征描述;然后利用支持向量机训练特征并建立分类器,实现图像美感分类.通过在两个主流的图像美感数据库上的实验显示,本文方法与目前已有的其他算法对比,获得了更好的分类准确率. 展开更多
关键词 图像美感评估 深度卷积神经网络 并行卷积神经网络 特征提取
在线阅读 下载PDF
基于Im2col的并行深度卷积神经网络优化算法 被引量：12
3
作者 胡健 龚克 +2 位作者 毛伊敏 陈志刚 陈亮 《计算机应用研究》 CSCD 北大核心 2022年第10期2950-2956,2961,共8页
针对大数据环境下并行深度卷积神经网络(DCNN)算法中存在数据冗余特征多、卷积层运算速度慢、损失函数收敛性差等问题,提出了一种基于Im2col方法的并行深度卷积神经网络优化算法IA-PDCNNOA。首先,提出基于Marr-Hildreth算子的并行特征... 针对大数据环境下并行深度卷积神经网络(DCNN)算法中存在数据冗余特征多、卷积层运算速度慢、损失函数收敛性差等问题,提出了一种基于Im2col方法的并行深度卷积神经网络优化算法IA-PDCNNOA。首先,提出基于Marr-Hildreth算子的并行特征提取策略MHO-PFES,提取数据中的目标特征作为卷积神经网络的输入,有效避免了数据冗余特征多的问题;其次,设计基于Im2col方法的并行模型训练策略IM-PMTS,通过设计马氏距离中心值去除冗余卷积核,并结合MapReduce和Im2col方法并行训练模型,提高了卷积层运算速度;最后提出改进的小批量梯度下降策略IM-BGDS,排除异常节点的训练数据对批梯度的影响,解决了损失函数收敛性差的问题。实验结果表明,IA-PDCNNOA算法在大数据环境下进行深度卷积神经网络计算具有较好的性能表现,适用于大规模数据集的并行化深度卷积神经网络模型训练。 展开更多
关键词 大数据 深度卷积神经网络算法 并行计算 特征提取 图像分类
在线阅读 下载PDF
基于并行深度卷积神经网络的图像美感分类
4
作者 张光武 胡悦 秦吉 《中文科技期刊数据库（全文版）工程技术》 2023年第5期19-22,共4页
在当前计算机信息技术的发展背景下,社交网络发展速度逐渐加快,人们对于图像美感的自动评价也更加关注。但图像美感评级系统在实际运行的过程中存在一定的复杂性与主观性,难以使用传统手动方式对图像美感进行合理分类,难以实现图像美感... 在当前计算机信息技术的发展背景下,社交网络发展速度逐渐加快,人们对于图像美感的自动评价也更加关注。但图像美感评级系统在实际运行的过程中存在一定的复杂性与主观性,难以使用传统手动方式对图像美感进行合理分类,难以实现图像美感准确量化。为此,本文通过对并行深度卷积神经网络的结构以及实现进行分析,从而合理做好图像美感分类工作,提高图像美感分类准确率。 展开更多
关键词 并行深度卷积神经网络 图像美感 分类步骤
在线阅读 下载PDF
基于并行深度卷积神经网络的舰船通信异常数据检测研究 被引量：3
5
作者 邓雪阳 邓达平 苏万靖 《舰船科学技术》 北大核心 2023年第15期119-122,共4页
为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Soft... 为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Softmax分类函数得出舰船通信异常数据特征,输出舰船通信异常数据检测结果。实验结果表明:该方法可有效实现大规模舰船通信异常数据检测,其加速比最高,并行效果最优;具有较强的大规模舰船通信数据集检测能力,提高大规模舰船通信异常数据检测效果。 展开更多
关键词 并行深度 卷积神经网络 大规模舰船 通信异常数据 检测方法 数据预处理
在线阅读 下载PDF
ISW32离心泵深度一维卷积神经网络故障诊断
6
作者 贺婷婷 张晓婷 +1 位作者 李强 颜洁 《机械设计与制造》 北大核心 2025年第4期213-216,共4页
传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达... 传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达到更强的特征提取能力。通过参数设置对深度一维卷积神经网络进行调节,确定最优的参数范围:学习率为0.01,卷积核选取为(1×3),批处理量为50,采取最大池化条件,以Adam优化器优化实验参数。实验测试研究结果表明:深度一维卷积神经网络在离心泵故障诊断实现了99.97%准确率,可以满足智能故障诊断的要求。该研究对提高ISW32离心泵的故障诊断能量具有很好的实际应用价值。 展开更多
关键词 离心泵 故障诊断 深度一维卷积神经网络 准确率 实验 采样
在线阅读 下载PDF
基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计
7
作者 买买提·沙吾提 李荣鹏 +2 位作者 蔡和兵 赵明 梁嘉曦 《森林工程》 北大核心 2025年第2期277-287,共11页
新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识... 新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识别模型。其中融入轻量型的归一化注意力机制,提高模型对特征信息的敏感度,使模型关注显著性特征。同时,将L1正则化(L1 regularization或losso)添加到损失函数中,对权重进行稀疏性惩罚,抑制非显著性权重。试验结果表明,在叶片分类中,模型对自构建植物叶片病害识别数据集(Plant Village)、混合数据集的分类结果均表现良好,准确率分别达到97.05%、98.73%、94.91%,具有较好的泛化能力。在病害识别中,MobileNet-V2 NAM模型实现94.55%的识别准确率,高于深度卷积神经网络(AlexNet)、视觉几何群网络(VGG16)经典卷积神经网络(Convolutional Neural Networks,CNN)模型,且模型参数量只有3.56 M。MobileNet-V2 NAM在具有良好准确率同时保持了较低的模型参数量,为深度学习模型嵌入到移动设备提供技术支持。 展开更多
关键词 新疆 果树分类 病害识别 归一化注意力轻量级深度卷积神经网络(MobileNet-V2 NAM) 归一化注意力机制
在线阅读 下载PDF
融合深度强化学习的卷积神经网络联合压缩方法
8
作者 马祖鑫 崔允贺 +4 位作者 秦永彬 申国伟 郭春 陈意 钱清 《计算机工程与应用》 北大核心 2025年第6期210-219,共10页
随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。 展开更多
关键词 卷积神经网络 深度强化学习 模型压缩 通道剪枝 权值量化 边缘智能
在线阅读 下载PDF
基于深度卷积神经网络的雷达伺服转台消隙策略
9
作者 鲍子威 吴影生 房景仕 《雷达科学与技术》 北大核心 2025年第1期101-108,118,共9页
精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐... 精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐渐变差,影响雷达跟踪精度。针对此缺陷,本文提出一种基于深度卷积神经网络(DCNN)的精密雷达伺服转台消隙策略,通过采集位置闭环传动轴振动数据,利用连续小波变换(CWT)得到时频图,作为DCNN训练输入,训练后得到识别模型,最后根据模型识别出伺服转台传动机构磨损程度来调整双电机消隙控制的偏置电流和拐点电流,通过对比实验验证了调整后消隙效果优于传统消隙方式,极大提高装备运行的可靠性,降低雷达伺服转台的维护成本。 展开更多
关键词 深度卷积神经网络 精密雷达伺服转台 双电机消隙 可靠性
在线阅读 下载PDF
基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法
10
作者 贾克斌 吴岳珩 《北京工业大学学报》 北大核心 2025年第5期539-551,共13页
针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。... 针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。 展开更多
关键词 三维高效视频编码(three-dimensional high efficiency video coding 3D-HEVC) 深度图 卷积神经网络(convolutional neural networks CNN) 编码单元(coding unit CU)划分 帧内编码 双特征流
在线阅读 下载PDF
基于粒子群优化-并行卷积神经网络的图像风格迁移
11
作者 吴换霞 《复旦学报(自然科学版)》 北大核心 2025年第1期24-31,共8页
现有的图像风格迁移算法侧重提取图像低层特征,在图像内容语义、大尺度特征等方面的迁移能力仍然有限,会导致迁移图像内容损失过大、风格纹理细节失真等问题。为了解决这些问题,本文提出了一种基于粒子群优化-并行卷积神经网络(Particle... 现有的图像风格迁移算法侧重提取图像低层特征,在图像内容语义、大尺度特征等方面的迁移能力仍然有限,会导致迁移图像内容损失过大、风格纹理细节失真等问题。为了解决这些问题,本文提出了一种基于粒子群优化-并行卷积神经网络(Particle Swarm Optimization and Parallel Convolutional Neural Network,PSO-PCNN)的图像风格迁移算法。该方法先采用并行卷积神经网络的卷积层提取图像特征,然后根据不同粒度的特征信息进行对齐匹配与融合,从而实现图像风格迁移。此外,在模型训练阶段的后向传播部分采用粒子群优化算法对部分网络权重进行优化,以加快网络的收敛速率。本文通过对比试验将PSO-PCNN模型与VGG-16、CycleGAN、CNN风格迁移模型进行比较,结果表明该PSO-PCNN风格迁移模型在风格损失、内容损失两个指标上均表现出更好的性能,结构相似性的SSIM指数提高到近0.72,风格转换效果也显著提高。该模型成功地迁移了特征信息和风格语义,并生成了更细腻的风格迁移图像效果。 展开更多
关键词 风格迁移 粒子群优化算法 多特征融合 并行卷积神经网络
在线阅读 下载PDF
基于深度卷积神经网络的产品无损分级检测方法
12
作者 孙雯 张龙青 《激光杂志》 北大核心 2025年第2期251-256,共6页
为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用... 为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用Savitzky-Golay方法对采集到的吸收光谱实施预处理,降低光谱之间的干扰,增强光谱的纯净度与灵敏度;构建包含4层隐含层的深度卷积神经网络模型,将交叉熵作为代价函数,对该网络模型实施反向传播训练,将经过预处理的待测产品近红外激光吸收光谱输入至训练好的深度卷积神经网络模型中,其输出的结果即待测产品的无损分级检测结果。实验表明,该方法可以有效实现产品的无损分级检测,针对不同类型的产品分级识别率可达97%以上,检测耗时最高为1.11 s,其检测效率更高。 展开更多
关键词 近红外激光 吸收光谱 吸光度 图像预处理 深度卷积神经网络 无损分级检测
在线阅读 下载PDF
边缘资源轻量化需求下深度神经网络双角度并行剪枝方法
13
作者 张云翔 高圣溥 《沈阳工业大学学报》 北大核心 2025年第2期250-257,共8页
【目的】深度神经网络的应用面临庞大的计算需求和存储开销,这已成为限制其在边缘设备上广泛应用的主要瓶颈。边缘设备因受限于有限的计算资源和存储空间,难以高效运行复杂的深度神经网络模型。因此,在保证模型精度的前提下,如何降低深... 【目的】深度神经网络的应用面临庞大的计算需求和存储开销,这已成为限制其在边缘设备上广泛应用的主要瓶颈。边缘设备因受限于有限的计算资源和存储空间,难以高效运行复杂的深度神经网络模型。因此,在保证模型精度的前提下,如何降低深度神经网络的复杂度和计算量以适应边缘设备对资源轻量化的需求,已成为当前研究的重要方向。提出了一种结合蚁群算法与双角度并行剪枝的深度神经网络优化方法,以提升深度神经网络在边缘设备中的性能。【方法】分析了深度神经网络的结构特点,并构建了包含多个隐藏层的模型。通过蚁群算法模拟蚂蚁觅食过程中的信息素传递机制,在复杂空间中寻找近似最优解,对隐藏层中的相似节点进行聚类,识别并归类高度相似的神经元节点,从而缩减网络规模并降低复杂性。在聚类结果的基础上,提出了对聚类后的冗余节点及游离节点双角度并行剪枝策略:一方面,从权重矩阵的稀疏性出发,裁剪权重较小的节点,以减少计算开销;另一方面,从节点贡献度角度评估每个节点对整体输出的影响,裁剪贡献度较低的节点,从而进一步优化网络结构。【结果】实验结果表明,与未剪枝的原始模型相比,在相同的计算时间内,本文方法剪枝后的深度神经网络在保持较高精度的同时,其数据量高达120 MB、网络复杂度平均值为88.32%、可拓展性为99%。这一结果表明,在有限的资源条件下,该方法能够显著提升深度神经网络的运行效率,更好地满足边缘设备的应用需求。实验结果不仅验证了该方法的有效性,也为深度神经网络在边缘设备上的部署和应用提供了新思路。【结论】提出的优化方法通过在剪枝过程中应用蚁群算法,实现了隐藏层相似节点的精准聚类,为后续的剪枝处理提供了明确目标。同时,双角度并行剪枝策略提升了剪枝的效率和效果,确保剪枝后模型在精度和可拓展性方面的平衡。该方法不仅能够促进深度神经网络在边缘设备上的广泛应用,也为复杂网络优化问题提供了借鉴和参考价值。 展开更多
关键词 边缘资源 轻量化需求 深度神经网络 双角度并行 剪枝方法 蚁群算法 冗余节点 游离节点
在线阅读 下载PDF
基于深度卷积神经网络的客户侧用电安全性评估模型研究
14
作者 王白根 鲍兴江 +2 位作者 邵竹星 陆钦 胡中鲲 《微型电脑应用》 2025年第2期128-131,共4页
考虑到深度卷积神经网络优秀的性能,提出了基于深度卷积神经网络的客户侧用电安全性评估模型。根据客户侧的用电安全实际情况,构建了客户侧用电安全评级指标体系。利用深度卷积神经网络的数据处理性能以及计算性能,构建了基于深度卷积... 考虑到深度卷积神经网络优秀的性能,提出了基于深度卷积神经网络的客户侧用电安全性评估模型。根据客户侧的用电安全实际情况,构建了客户侧用电安全评级指标体系。利用深度卷积神经网络的数据处理性能以及计算性能,构建了基于深度卷积神经网络的客户侧用电安全性评价模型。实验结果表明,所提模型其性能指标表现良好,其F 1值达到了0.962,Recall值达到了0.962,AUC值到达了0.949。在实际的检测中,准确率达到了0.978,相较于深度神经网络、支持向量机模型和逻辑回归模型高出了0.027~0.066。实时预警正确率达到了0.957,实时预警误报率仅为0.037。因此,所提模型在用电安全评估中具备更强的高效性以及实用性。 展开更多
关键词 深度学习 深度卷积神经网络 粗糙集 评级指标体系 安全评估 用电安全
在线阅读 下载PDF
基于深度卷积神经网络的数字图像风格转换
15
作者 吉宇 《信息记录材料》 2025年第2期221-223,共3页
本研究聚焦于一种基于深度卷积神经网络的图像风格转换方法,并引入有限内存BFGS(limited-memory Broyden-Fletcher-Goldfarb-Shanno,L-BFGS)优化算法对模型进行优化以提升转换效果。首先,针对传统的图像风格转换方法,探讨如何利用该网... 本研究聚焦于一种基于深度卷积神经网络的图像风格转换方法,并引入有限内存BFGS(limited-memory Broyden-Fletcher-Goldfarb-Shanno,L-BFGS)优化算法对模型进行优化以提升转换效果。首先,针对传统的图像风格转换方法,探讨如何利用该网络捕捉并迁移图像的风格特征,同时保持图像的内容信息。其次,采用L-BFGS方法精细调整网络参数,以实现更高效的风格迁移过程。最后,构建一个包含2000个样本的图像数据集,并利用矩阵实验室实现模型训练与测试。结果表明,本方法在图像内容保留、风格一致性、图像质量等方面均表现出显著优势。 展开更多
关键词 深度学习 卷积神经网络 风格转换 图像特征
在线阅读 下载PDF
深度卷积神经网络在番茄叶病害识别中的应用
16
作者 鲍义东 李琳 粟小娓 《福建电脑》 2025年第4期21-25,共5页
为提升复杂环境下农作物叶片病害的识别准确率,本文构建了一种识别番茄病害的卷积神经网络识别模型,并开发了一款适用于多种小程序平台的番茄常见病害图像识别小程序。实验结果表明,模型通过自动特征提取实现了95%以上的识别准确率,可... 为提升复杂环境下农作物叶片病害的识别准确率,本文构建了一种识别番茄病害的卷积神经网络识别模型,并开发了一款适用于多种小程序平台的番茄常见病害图像识别小程序。实验结果表明,模型通过自动特征提取实现了95%以上的识别准确率,可为智能农业病害识别提供有力支持。 展开更多
关键词 卷积神经网络 番茄叶病害 深度学习
在线阅读 下载PDF
基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测
17
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 金永涛 叶文杰 王巧华 马美湖 《食品科学》 北大核心 2025年第6期245-253,共9页
引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均... 引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰。结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%~1%,平均检测时间(AATS)可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 一维卷积神经网络 深度学习
在线阅读 下载PDF
基于深度卷积神经网络下单相智能电能表故障检测系统
18
作者 吴泽新 《自动化与仪表》 2025年第2期106-110,共5页
考虑到智能电表故障的突发性和复杂性以及传统检测方法所面临的检测精度不足等问题,研究借助深度卷积神经网络进行单相智能电能表故障检测设计。该方法首先对神经网络进行拓扑结构优化和分类代价函数改进,以提高故障信息分类精度,随后... 考虑到智能电表故障的突发性和复杂性以及传统检测方法所面临的检测精度不足等问题,研究借助深度卷积神经网络进行单相智能电能表故障检测设计。该方法首先对神经网络进行拓扑结构优化和分类代价函数改进,以提高故障信息分类精度,随后对电能表故障模式及关联情况进行分析。结果表明,该方法在数据集上的诊断准确率超过90%,高于其他比较算法,且其在占比类型最多的2种故障上的关联准确率均超过了0.95,检测时间均小于25 s。研究提出的改进方法能有效评估电能表可靠性,保障电力安全稳定。 展开更多
关键词 深度卷积神经网络 单相智能电能表 超参数 FMEA 关联分析
在线阅读 下载PDF
基于深度卷积神经网络的泌尿系结石成分输尿管镜图像诊断模型构建
19
作者 陈琼秋 孔祥辉 +4 位作者 陈合益 方崇国 陈武 陈大可 徐晓敏 《浙江临床医学》 2025年第2期243-246,共4页
目的采用深度卷积神经网络(CNN)构建用于诊断泌尿系结石成分的输尿管镜(URS)图像分析模型。方法收集2022年1月至2024年7月本院800例接受泌尿系结石URS手术治疗患者的资料,经过筛选,最终获得2475张高质量URS图像数据,随机分为训练集(70%... 目的采用深度卷积神经网络(CNN)构建用于诊断泌尿系结石成分的输尿管镜(URS)图像分析模型。方法收集2022年1月至2024年7月本院800例接受泌尿系结石URS手术治疗患者的资料,经过筛选,最终获得2475张高质量URS图像数据,随机分为训练集(70%)和测试集(30%)。采用在ImageNet数据集上预训练的Inception v3、ResNet50、AlexNet、VGG 19、DenseNet等网络架构,通过迁移学习技术构建了泌尿系结石成分分析模型。此外,还比较各模型的分类性能,并与泌尿外科医师在术中URS下的评估结果进行对比。结果在训练集和测试集上对构建的泌尿系结石成分URS图像诊断模型进行评估发现,Inception v3、ResNet50、AlexNet、VGG 19、DenseNet模型均具有较高的分类能力。其中Inception v3模型表现最佳,具有最高的准确度(训练集98.10%,测试集98.00%)、AUC值(训练集0.852,测试集0.834)、特异度(训练集82.42%,测试集81.37%)及敏感度(训练集88.36%,测试集86.43%)。一致性检验结果表明,各泌尿系结石成分URS图像诊断模型与医师经验诊断具有较好的一致性,并且Inception v3模型的分类一致性最佳(P<0.001)。结论深度学习技术在泌尿系结石成分诊断中显示出一定的应用潜力。基于CNN构建的泌尿系结石成分URS图像诊断模型具有较好的分类能力,可用于预测泌尿系结石成分。 展开更多
关键词 深度卷积神经网络 泌尿系结石 输尿管镜图像 诊断模型
在线阅读 下载PDF
基于深度卷积神经网络与多源信号的煤岩识别研究
20
作者 李富强 《煤炭技术》 2025年第3期233-238,共6页
煤岩识别是采煤装备自主调高的关键技术,也是实现综采工作面智能化的重要难点,针对低照度噪音大的工作面环境下,给出了一种基于深度卷积神经网络的煤岩识别方法。搭建截割实验台,浇筑不同煤岩硬度的试件,采集截割过程中的三向振动信号... 煤岩识别是采煤装备自主调高的关键技术,也是实现综采工作面智能化的重要难点,针对低照度噪音大的工作面环境下,给出了一种基于深度卷积神经网络的煤岩识别方法。搭建截割实验台,浇筑不同煤岩硬度的试件,采集截割过程中的三向振动信号、截割电机电流信号、声发射信号波形图,基于深度卷积神经网络对信号识别,分析煤岩特性,并通过现场实验进行了验证。实验结果表明:多源信号的组合作为煤岩识别的特征信号泛化性更好,验证了卷积神经网络模型具有较高的识别精度,极大地提高综采工作面的整体辨识精度,能够实现截割过程中煤岩界面的准确、快速识别,该模型的构建为实现综采工作面自动化、智能化开采提供了理论基础和技术前提。 展开更多
关键词 煤岩识别 多源信息融合 深度卷积神经网络
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
使用帮助 返回顶部