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7,794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：
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法 被引量：1
1
作者 郭红霞 李渊 +2 位作者 陈凌轩 王建学 马骞 《电网技术》 北大核心 2025年第2期459-469,I0019-I0024,共17页
为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方... 为应对极端天气事件给新型电力系统安全稳定运行带来的影响,在电网的生产模拟中需要考虑极端场景。然而极端场景历史样本数量少,传统场景生成方法无法直接生成极端场景,需要对场景进行辨识。为此,提出一种计及源荷双侧的极端场景辨识方法。首先,将风电、光伏和负荷序列进行重塑,并在通道维度上拼接;然后,基于分组卷积和深度残差网络,提取场景的时序特征和源荷场景之间的耦合特征;其次,模型内部嵌入通道注意力机制和多头注意力机制,以赋予重要特征更大的权重,并对场景进行分类;此外,采用改进损失函数解决训练样本中数据集不均衡的问题;最后,基于历史数据集进行验证。验证结果表明,所提方法能够对场景进行有效的分类,可以从历史场景中识别出具有高保供或高消纳风险的源荷极端场景。 展开更多
关键词 极端场景辨识 残差神经网络 分组卷积 注意力机制 源荷不确定性
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
2
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
3
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
4
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
基于一维残差卷积神经网络的Pi2脉动识别模型
5
作者 张怡悦 邹自明 方少峰 《空间科学学报》 北大核心 2025年第1期66-81,共16页
Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率. 展开更多
关键词 Pi2脉动 Pi2脉动识别模型 一维残差卷积神经网络
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
6
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
基于深度卷积神经网络的数字图像风格转换
7
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
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
8
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
9
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
深度卷积神经网络在番茄叶病害识别中的应用
10
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
11
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
12
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
13
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
14
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
应用深度卷积神经网络的细节模糊图像重建
15
作者 刘青 俞王杨 孙昊宇 《电子设计工程》 2025年第6期183-186,191,共5页
当前细节模糊图像重建方法存在图像清晰度低、图像重建效果差等问题,因此提出应用深度卷积神经网络的细节模糊图像重建方法。利用损失函数对细节模糊图像分辨率进行优化,并根据优化结果调整图像参数。基于图像参数调节,建立细节图像处... 当前细节模糊图像重建方法存在图像清晰度低、图像重建效果差等问题,因此提出应用深度卷积神经网络的细节模糊图像重建方法。利用损失函数对细节模糊图像分辨率进行优化,并根据优化结果调整图像参数。基于图像参数调节,建立细节图像处理的深度卷积神经网络,计算图像重构参数与神经网络状态之间的关系,得到关键特征信息匹配参数计算结果,根据计算结果实现细节模糊图像重建。实验结果表明,应用所提方法重建的图像清晰度在95%以上,重建后细节更加丰富,图像重建效果更好。 展开更多
关键词 深度卷积神经网络 细节模糊图像 图像重建 图像参数调节 匹配参数
在线阅读 下载PDF
基于卷积神经网络的立体匹配算法研究
16
作者 郭北涛 刘瀚齐 +1 位作者 刘琪 张丽秀 《组合机床与自动化加工技术》 北大核心 2025年第1期69-73,78,共6页
在基于深度学习的立体匹配问题中,模型的网络结构、参数设置对匹配精度和匹配效率起到决定性作用。针对现有模型参数量大,精度低的问题,设计一种基于卷积神经网络的视差回归模型。首先,提出了基于扩张卷积和空间池化金字塔的多尺度特征... 在基于深度学习的立体匹配问题中,模型的网络结构、参数设置对匹配精度和匹配效率起到决定性作用。针对现有模型参数量大,精度低的问题,设计一种基于卷积神经网络的视差回归模型。首先,提出了基于扩张卷积和空间池化金字塔的多尺度特征提取网络,提高弱纹理区域的匹配精度;其次,改进了代价体相似度计算步骤,在保证匹配精度的同时,降低模型的参数量;最后,通过采取视差梯度信息和视差回归损失函数相结合的策略,有效地解决了在视差不连续区域中存在的边界信息保留不完整的问题。使用Middlebury数据集对模型进行验证,实验结果表明,相较于现有的立体匹配算法,在精度和速度方面都有所提升。 展开更多
关键词 机器视觉 立体匹配 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的建筑施工进度信息集成方法
17
作者 李健 邱坤 《长江信息通信》 2025年第1期70-72,共3页
针对建筑施工进度信息集成中的分类冗余问题,文章提出基于深度卷积神经网络的集成方法。采用RFID标签唯一标识信息单元,避免冗余。通过构建深度卷积神经网络模型,实现动态信息共享。中间件队列和信息类别选择确保实时性。实验证明,该方... 针对建筑施工进度信息集成中的分类冗余问题,文章提出基于深度卷积神经网络的集成方法。采用RFID标签唯一标识信息单元,避免冗余。通过构建深度卷积神经网络模型,实现动态信息共享。中间件队列和信息类别选择确保实时性。实验证明,该方法集成度高、无冗余,适用于复杂施工环境,具有推广价值。 展开更多
关键词 深度卷积神经网络 建筑施工 施工进度 信息集成方法 信息集成编码
在线阅读 下载PDF
基于卷积神经网络和多标签分类的复杂结构损伤诊断
18
作者 李书进 杨繁繁 张远进 《建筑科学与工程学报》 北大核心 2025年第1期101-111,共11页
为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了... 为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了一种能对结构进行分层(或分区)处理并同时完成损伤诊断的多标签多输出卷积神经网络模型。分别构建了适用于多标签分类的浅层、深层和深层残差多输出卷积神经网络模型,并对其泛化性能进行了研究。结果表明:提出的模型具有较高的损伤诊断准确率和一定的抗噪能力,特别是经过分层(分区)处理后的多标签多输出网络模型更具高效性,有更快的收敛速度和更高的诊断准确率;利用多标签多输出残差卷积神经网络模型可以从训练工况中提取到足够多的损伤信息,在面对未经过学习的工况时也能较准确判断各节点的损伤等级。 展开更多
关键词 损伤诊断 卷积神经网络 多标签分类 框架结构 深度学习
在线阅读 下载PDF
卷积循环神经网络的高光谱图像解混方法
19
作者 孔繁锵 余圣杰 +2 位作者 王坤 方煦 吕志杰 《西安电子科技大学学报》 北大核心 2025年第1期142-151,共10页
针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创... 针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创新性的网络结构设计,通过卷积层深入挖掘空间特征,同时利用卷积长短期记忆单元充分挖掘波段间的光谱变异性及其光谱相关性,有效处理光谱维度的序列信息,从而实现对高光谱数据更加精准和高效的分析。为了更加细致地区分和利用高光谱数据中不同谱段的特异性,采用深度光谱分区方法优化网络输入,通过自适应学习机制对不同光谱区域精细化处理,增强了模型对高光谱数据中复杂光谱关系的捕捉能力,进一步提升网络的解混性能。在模拟和多个真实高光谱数据集上的对比实验表明,该方法在解混精度和模型鲁棒性等方面均优于现有方法,特别是在处理复杂地物光谱特征时,表现出良好的泛化能力和稳定性,能够准确估计端元和丰度。 展开更多
关键词 高光谱图像 循环神经网络 自编码器 卷积长短期记忆网络 深度光谱分区
在线阅读 下载PDF
基于知识蒸馏-卷积神经网络的水轮机空化状态识别方法
20
作者 刘忠 周泽华 +2 位作者 邹淑云 刘圳 乔帅程 《发电技术》 2025年第1期161-170,共10页
【目的】当水轮机发生空化故障时,机组效率下降、部件侵蚀加速,严重时甚至引发安全事故。因此,准确且快速识别水轮机空化状态,对水电站高效、安全运行至关重要。针对目前复杂卷积神经网络(convolutional neural network,CNN)模型存在的... 【目的】当水轮机发生空化故障时,机组效率下降、部件侵蚀加速,严重时甚至引发安全事故。因此,准确且快速识别水轮机空化状态,对水电站高效、安全运行至关重要。针对目前复杂卷积神经网络(convolutional neural network,CNN)模型存在的识别速度慢与简单CNN模型存在的识别准确率低等问题,提出一种基于知识蒸馏(knowledge distillation,KD)-CNN的水轮机空化状态识别方法。【方法】首先,引入知识蒸馏理论中教师模型与学生模型相互作用机理,定义3层CNN网络作为教师模型,定义单层CNN网络作为学生模型;然后,利用试验获取的空化声发射信号数据对教师模型进行训练;最后,将代表空化状态类型的数据标签替换成教师模型的输出,通过学生模型对替换标签后的新数据集进行学习,使交叉熵达到最小值。训练完成后的模型即为KD-CNN模型,利用该模型对各工况数据进行空化状态识别试验。【结果】KD-CNN模型在2 s内即可完成水轮机空化状态识别,且各工况的识别准确率均高于97%。【结论】KD-CNN模型结构简单,同时具有学生模型的识别速度与教师模型的识别准确率,为水轮机空化实时监测提供了新思路。 展开更多
关键词 水轮机空化 卷积神经网络(CNN) 知识蒸馏(KD) 声发射信号 深度学习 状态识别
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