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1,206篇文章
< 1 2 … 61 >
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：
基于注意力循环神经网络的联合深度推荐模型
1
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
有限元模型修正中的贝叶斯深度神经网络构架优化设计
2
作者 何宇轩 尹涛 王曦 《振动与冲击》 北大核心 2025年第6期184-190,共7页
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相... 贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力,但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。该研究旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究,发展基于证据对数的多隐含层BNN网络性能定量量度,并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法,获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。 展开更多
关键词 结构系统识别 结构健康监测 有限元模型修正 贝叶斯深度神经网络 构架优化设计
在线阅读 下载PDF
基于深度神经网络的剖宫产术后出血临床预测模型
3
作者 贾俊荣 《中国当代医药》 2025年第1期30-33,共4页
目的分析剖宫产产后出血(PPH)的影响因素,筛选PPH的最佳预测特征,建立准确预测发生PPH的临床预测模型。方法选取菏泽市牡丹人民医院收治的210例剖宫产产妇为研究对象,采用随机抽样法,将210例产妇以7∶3的比例划分为训练集147例和测试集6... 目的分析剖宫产产后出血(PPH)的影响因素,筛选PPH的最佳预测特征,建立准确预测发生PPH的临床预测模型。方法选取菏泽市牡丹人民医院收治的210例剖宫产产妇为研究对象,采用随机抽样法,将210例产妇以7∶3的比例划分为训练集147例和测试集63例。根据PPH的临床表现,将产妇分为PPH组和非PPH组。回顾性分析产妇的临床资料,利用随机森林(RF)算法,筛选出PPH的最佳预测特征,构建基于最佳预测特征的深度神经网络预测模型。采用AUC为指标,评估深度神经网络模型的预测性能。结果随机森林算法筛选的PPH的最佳预测特征是前置胎盘、妊娠高血压、血小板异常、多胎、多羊水、妊娠糖尿病、胎盘植入、胎盘早剥、骨盆软产道异常和年龄。神经网络模型在训练集和测试集上的AUC值分别为0.918和0.902。结论本研究建立的基于深度神经网络的剖宫产PPH临床预测模型,具有良好的预测性能,能够为剖宫产PPH的临床风险作出有效评估。 展开更多
关键词 产后出血 剖宫产 深度神经网络 临床预测模型
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
4
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
基于改进Preisach迟滞构架的工业机器人柔性关节深度神经网络迟滞建模研究
5
作者 党选举 芮华 《制造业自动化》 2024年第9期7-14,共8页
针对工业机器人柔性关节所具有非对称、速率相关及强非线性的复杂迟滞特性问题,改进Preisach模型,提出一种描述复杂迟滞特性的深度神经网络迟滞模型。从模型内部迟滞算子和外部网络结构两个角度改进Preisach模型,描述柔性关节的复杂迟... 针对工业机器人柔性关节所具有非对称、速率相关及强非线性的复杂迟滞特性问题,改进Preisach模型,提出一种描述复杂迟滞特性的深度神经网络迟滞模型。从模型内部迟滞算子和外部网络结构两个角度改进Preisach模型,描述柔性关节的复杂迟滞特性:1)设计一个非对称非线性迟滞函数,替换Preisach模型内部迟滞算子,描述柔性关节的非对称迟滞特性;2)在Preisach模型输出端引入惯性滤波环节,在Preisach模型输入端引入输入输出历史信息,描述柔性关节的速率相关迟滞特性。将改进的Preisach模型与实现非线性映射的全连接神经网络串联构成深度神经网络迟滞模型。通过对比实验验证了所提出的深度神经网络迟滞模型描述工业机器人柔性关节复杂迟滞特性的有效性,其具有良好的预测能力和较高的精度。 展开更多
关键词 工业机器人柔性关节 复杂迟滞特性 PREISACH模型 深度神经网络迟滞模型
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
6
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
基于深度神经网络的高效人脸检测算法设计与实现
7
作者 张佳颖 李爱军 《山西电子技术》 2025年第1期41-44,共4页
为解决大数据背景下,训练和测试数据日益庞杂,神经网络模型规模不断扩大,权重参数数量猛增,网络结构日益复杂,最终导致模型效率下降等问题,本文提出了一种人脸检测算法,充分利用了稀疏的小规模多尺度卷积核的优势来提高模型效率,并且加... 为解决大数据背景下,训练和测试数据日益庞杂,神经网络模型规模不断扩大,权重参数数量猛增,网络结构日益复杂,最终导致模型效率下降等问题,本文提出了一种人脸检测算法,充分利用了稀疏的小规模多尺度卷积核的优势来提高模型效率,并且加入了1x1的过滤器来降低权重维度。经实验证明,与现有模型相比,算法在不损失精度的情况下,权重数量大幅减少。 展开更多
关键词 机器学习 深度学习 深度神经网络 人脸检测 模型压缩
在线阅读 下载PDF
深度神经网络在新型能源系统中的应用及展望 被引量：1
8
作者 石鑫 刘奇央 高峰 《综合智慧能源》 2025年第2期88-101,共14页
在“双碳”目标的推动下,风能和光能等新能源迅速发展,但能源生产、消费和存储环节面临弃风弃光、资源浪费和低储存效率等挑战,为此,亟须发展更加智能的新型能源系统。深度神经网络(DNN)是新一代人工智能发展的一个重要方向,网络的深层... 在“双碳”目标的推动下,风能和光能等新能源迅速发展,但能源生产、消费和存储环节面临弃风弃光、资源浪费和低储存效率等挑战,为此,亟须发展更加智能的新型能源系统。深度神经网络(DNN)是新一代人工智能发展的一个重要方向,网络的深层结构使得其对复杂函数具有强大的拟合能力,解决了传统机器学习算法在进行大数据建模分析时由于模型自身学习能力局限而无法提取数据最具表征力特征的问题。重点对DNN在新型能源系统的应用进行研究,主要从DNN概述,新能源系统对DNN的需求以及DNN在新型能源系统建模仿真、规划优化、运行维护、运行控制和系统管理中的应用等层面进行综述分析,对DNN在新型能源系统应用面临的挑战进行了总结展望,旨在为相关行业工作者提供参考。 展开更多
关键词 “双碳”目标 新型能源系统 深度神经网络 人工智能 机器学习 大数据分析 大语言模型
在线阅读 下载PDF
基于水印技术的深度神经网络模型知识产权保护
9
作者 金彪 林翔 +3 位作者 熊金波 尤玮婧 李璇 姚志强 《计算机研究与发展》 EI CSCD 北大核心 2024年第10期2587-2606,共20页
构造一个优秀的深度神经网络(deep neural network,DNN)模型需要大量的训练数据、高性能设备以及专家智慧.DNN模型理应被视为模型所有者的知识产权(intellectual property,IP).保护DNN模型的知识产权也体现了对作为构建和训练该模型的... 构造一个优秀的深度神经网络(deep neural network,DNN)模型需要大量的训练数据、高性能设备以及专家智慧.DNN模型理应被视为模型所有者的知识产权(intellectual property,IP).保护DNN模型的知识产权也体现了对作为构建和训练该模型的数据要素价值的珍视.然而,DNN模型容易受到恶意用户的盗取、篡改和非法传播等攻击,如何有效保护其知识产权已成为学术研究的前沿热点与产业亟需攻克的难题.不同于现有相关综述,聚焦DNN模型水印的应用场景,从用于模型版权声明的鲁棒模型水印和用于模型完整性验证的脆弱模型水印2个维度出发,着重评述基于水印技术的DNN模型知识产权保护方法,探讨不同方法的特点、优势及局限性.同时,详细阐述DNN模型水印技术的实际应用情况.最后,在提炼各类方法共性技术的基础上,展望DNN模型知识产权保护的未来研究方向. 展开更多
关键词 深度神经网络 知识产权 数据要素 鲁棒模型水印 脆弱模型水印
在线阅读 下载PDF
面向织物疵点检测神经网络模型的研究进展
10
作者 刁宇涵 祝双武 赵妍 《纺织科技进展》 2025年第3期21-29,共9页
疵点严重影响了织物外观质量,织物疵点自动检测技术对提高检测效率、降低人工成本、提高纺织企业生产智能化水平都具有重要的意义;因基于深度学习的神经网络具有强大的特征提取能力,近些年越来越多的研究人员将其用于织物疵点自动检测... 疵点严重影响了织物外观质量,织物疵点自动检测技术对提高检测效率、降低人工成本、提高纺织企业生产智能化水平都具有重要的意义;因基于深度学习的神经网络具有强大的特征提取能力,近些年越来越多的研究人员将其用于织物疵点自动检测过程中,提出了很多用于织物疵点检测的神经网络模型。为了提高织物疵点的检测性能和效率,对基于CNN(Convolutional Neural Networks)、生成模型和DETR(Detection Transformer)等当前主流网络模型的检测原理进行概述;分析以这几种网络为主干的多个神经网络模型,讨论其优缺点以及目前它们在织物疵点检测上的应用状况和面临的挑战;展望DETR相关算法的研究趋势。 展开更多
关键词 深度学习 织物疵点检测 卷积神经网络(CNN) 生成模型 DETR
在线阅读 下载PDF
基于深度神经网络的工程建造进度智能预判研究
11
作者 唐国锋 罗小斌 《建设监理》 2025年第1期16-21,共6页
随着现代工程建设规模的不断扩大和技术复杂度的日益增加,确保项目高效、有序地推进,以准时完成并达到预期竣工目标,已成为工程管理领域亟待解决的关键难题。基于此,提出了一种进度智能预判的方法。该方法通过深度神经网络学习技术,对... 随着现代工程建设规模的不断扩大和技术复杂度的日益增加,确保项目高效、有序地推进,以准时完成并达到预期竣工目标,已成为工程管理领域亟待解决的关键难题。基于此,提出了一种进度智能预判的方法。该方法通过深度神经网络学习技术,对工程进度相关因素及多维度数据进行深度挖掘和智能分析,从而精准捕捉进度变化的细微趋势并提前揭示潜在的进度风险,实现对工程进度的准确预判,为项目管理者提供及时且有力的决策支持。同时,通过工程实践验证了所提出方法的有效性和优越性。 展开更多
关键词 深度神经网络 建筑信息模型 工程建造 进度预判 智能预判
在线阅读 下载PDF
轻量级深度神经网络模型适配边缘智能研究综述 被引量：4
12
作者 徐小华 周长兵 +2 位作者 胡忠旭 林仕勋 喻振杰 《计算机科学》 CSCD 北大核心 2024年第7期257-271,共15页
随着物联网和人工智能的迅猛发展,边缘计算和人工智能的结合催生了边缘智能这一新的研究领域。边缘智能具备一定的计算能力,能够提供实时、高效和智能的响应。它在智能城市、工业物联网、智能医疗、自动驾驶以及智能家居等领域都具有重... 随着物联网和人工智能的迅猛发展,边缘计算和人工智能的结合催生了边缘智能这一新的研究领域。边缘智能具备一定的计算能力,能够提供实时、高效和智能的响应。它在智能城市、工业物联网、智能医疗、自动驾驶以及智能家居等领域都具有重要的应用。为了提升模型的准确度,深度神经网络往往采用更深、更大的架构,导致了模型参数的显著增加、存储需求的上升和计算量的增大。受限于物联网边缘设备在计算能力、存储空间和能源资源方面的局限,深度神经网络难以被直接部署到这些设备上。因此,低内存、低计算资源、高准确度且能实时推理的轻量级深度神经网络成为了研究热点。文中首先回顾边缘智能的发展历程,并分析轻量级深度神经网络适应边缘智能的现实需求,提出了两种构建轻量级深度神经网络模型的方法:深度模型压缩技术和轻量化架构设计。接着详细讨论了参数剪枝、参数量化、低秩分解、知识蒸馏以及混合压缩5种主要的深度模型压缩技术,归纳它们各自的性能优势与局限,并评估它们在常用数据集上的压缩效果。之后深入分析轻量化架构设计中的调整卷积核大小、降低输入通道数、分解卷积操作和调整卷积宽度的策略,并比较了几种常用的轻量化网络模型。最后,展望轻量级深度神经网络在边缘智能领域的未来研究方向。 展开更多
关键词 边缘智能 深度神经网络 轻量级神经网络 模型压缩 轻量化架构设计
在线阅读 下载PDF
基于多特征的深度神经网络混合推荐模型研究
13
作者 秦育华 《电脑编程技巧与维护》 2024年第6期124-127,共4页
近年来,深度学习广泛应用于推荐系统领域,并受到了极大的欢迎。然而,将混合推荐与深度学习技术相结合的研究还处于起步阶段。将深度学习技术应用于混合推荐,设计了一个基于多特征的深度神经网络混合推荐模型(MFDH),通过将深度学习技术... 近年来,深度学习广泛应用于推荐系统领域,并受到了极大的欢迎。然而,将混合推荐与深度学习技术相结合的研究还处于起步阶段。将深度学习技术应用于混合推荐,设计了一个基于多特征的深度神经网络混合推荐模型(MFDH),通过将深度学习技术和多层感知机技术相结合,从多角度自动学习用户和项目之间的交互,更全面地反映出用户的偏好。在两个不同的公开数据集上进行了实验,结果证明,该模型相比基线模型有较高的推荐质量。 展开更多
关键词 多特征 深度神经网络 推荐模型
在线阅读 下载PDF
基于混合优化算法和深度神经网络模型结合的致密砂岩气藏裂缝参数优化 被引量：1
14
作者 罗山贵 赵玉龙 +4 位作者 肖红林 陈伟华 贺戈 张烈辉 杜诚 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期140-151,共12页
水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且... 水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且依靠现场工程师经验和正交实验等传统方法难以获得最佳的裂缝参数设计。为此,建立了一种新的基于混合优化算法和自适应深度神经网络(DNN)结合的致密气藏裂缝参数优化方法。首先,混合优化算法采用遗传算法(GA)和贝叶斯自适应直接搜索(BADS)之间循环迭代的混合策略。在自适应学习过程中,提出了以“最大平均距离点”作为最不确定解,同时辅以最有希望解和少量拉丁超立方采样解共同更新优化过程中的DNN代理模型。随后,将建立的优化方法用于非均质致密砂岩气藏裂缝参数优化。研究结果表明:(1)在标准测试函数和低维裂缝参数优化问题上,GA+BADS混合优化算法表现出了显著优于GA的寻优速度;(2)针对高维裂缝参数优化问题,GA+BADS混合优化算法在约1/2的GA总数值模拟次数下提高了131万元的经济净现值(NPV),收敛速度和寻优精度都明显增加;(3)相比于GA+BADS混合优化算法,在获得相同NPV时,自适应DNN代理加速优化可再减少24.54%的数值模拟运算次数。结论认为,该优化方法显著提升了优化效率,为解决非常规油气藏中水力压裂裂缝参数设计问题提供了一套可行且高效的智能优化方法,将有力促进非常规油气的规模效益开发。 展开更多
关键词 致密气 沙溪庙组 裂缝参数优化 混合优化算法 深度神经网络 自适应学习 代理模型
在线阅读 下载PDF
基于深度神经网络与Logistic模型的财务风险预警研究——来自制造业上市公司数据 被引量：3
15
作者 金晶 陶杰 《中国物价》 2024年第3期60-64,共5页
复杂多变的外部经济环境促使企业财务风险不断上升,寻求有效的财务风险预警模型以提高公司财务风险管理能力是当前理论界与实务界重点关注的热点话题。人工智能技术在各领域应用的飞速发展,为识别和评估公司财务风险提供了新方向,本文... 复杂多变的外部经济环境促使企业财务风险不断上升,寻求有效的财务风险预警模型以提高公司财务风险管理能力是当前理论界与实务界重点关注的热点话题。人工智能技术在各领域应用的飞速发展,为识别和评估公司财务风险提供了新方向,本文基于人工智能领域主流算法——机器学习算法,构建深度神经网络预警模型以识别和评估公司财务风险。本文以2001-2023年制造业上市公司为样本,使用PSM匹配将样本分为财务危机组和经营良好组,综合多维度多目标的财务风险预警指标体系,并使用计算机模拟仿真技术和多模型对比测试,研究发现基于机器学习算法的深度神经网络模型对预测财务风险准确率达到90%。进一步,本文运用Logistic模型获取了对企业财务风险影响较大的因素。本文研究为识别、评估和控制财务风险提供了新的理论模型,也为管理者增强公司风险防范水平提供了实践指导。 展开更多
关键词 深度神经网络 机器学习 预警指标 LOGISTIC模型
在线阅读 下载PDF
面向深度神经网络大规模分布式数据并行训练的MC^(2)能耗模型
16
作者 魏嘉 张兴军 +2 位作者 王龙翔 赵明强 董小社 《计算机研究与发展》 EI CSCD 北大核心 2024年第12期2985-3004,共20页
深度神经网络(deep neural network,DNN)在许多现代人工智能(artificial intelligence,AI)任务中取得了最高的精度.近年来,使用高性能计算平台进行大规模分布式并行训练DNN越来越普遍.能耗模型在设计和优化DNN大规模并行训练和抑制高性... 深度神经网络(deep neural network,DNN)在许多现代人工智能(artificial intelligence,AI)任务中取得了最高的精度.近年来,使用高性能计算平台进行大规模分布式并行训练DNN越来越普遍.能耗模型在设计和优化DNN大规模并行训练和抑制高性能计算平台过量能耗方面起着至关重要的作用.目前,大部分的能耗模型都是从设备的角度出发对单个设备或多个设备构成的集群进行能耗建模,由于缺乏从能耗角度对分布式并行DNN应用进行分解剖析,导致罕有针对分布式DNN应用特征进行建模的能耗模型.针对目前最常用的DNN分布式数据并行训练模式,从DNN模型训练本质特征角度出发,提出了“数据预处理(materials preprocessing)-前向与反向传播(computing)-梯度同步与更新(communicating)”三阶段MC^(2)能耗模型,并通过在国产E级原型机天河三号上使用最多128个MT节点和32个FT节点训练经典的VGG16和ResNet50网络以及最新的Vision Transformer网络验证了模型的有效性和可靠性.实验结果表明,MC^(2)与真实能耗测量结果相差仅为2.84%,相较4种线性比例能耗模型以及AR,SES,ARIMA时间预测模型准确率分别提升了69.12个百分点,69.50个百分点,34.58个百分点,13.47个百分点,5.23个百分点,22.13个百分点,10.53个百分点.通过使用的模型可以在超算平台得到DNN模型的各阶段能耗和总体能耗结果,为评估基于能耗感知的DNN大规模分布式数据并行训练及推理各阶段任务调度、作业放置、模型分割、模型裁剪等优化策略的效能提供了基础. 展开更多
关键词 深度神经网络 能耗模型 大规模分布式训练 数据并行 超级计算机
在线阅读 下载PDF
基于神经网络深度学习模型的踝关节X线片标志点自动定位研究
17
作者 刘沁峰 胡师尧 +5 位作者 张宇琛 常健 刘辉 孙正明 凌鸣 王涛 《中国医疗设备》 2024年第10期45-51,57,共8页
目的探索基于神经网络深度学习模型的踝关节X线片标志点自动定位方法及其应用价值。方法选取陕西省人民医院2019年1月至2022年11月间行X线检查的360例成年人正常左踝关节正、侧位片影像资料为研究对象,将其随机分配至训练集(210例)、验... 目的探索基于神经网络深度学习模型的踝关节X线片标志点自动定位方法及其应用价值。方法选取陕西省人民医院2019年1月至2022年11月间行X线检查的360例成年人正常左踝关节正、侧位片影像资料为研究对象,将其随机分配至训练集(210例)、验证集(90例)和测试集(60例)。以人工标注作为参考,对图像预处理后分别建立基于神经网络Unet架构的踝关节X线片标志点预测模型,生成对应的热力图,并用测试集数据进行验证。结果在踝关节X线正位片6个标志点的预测中,2 mm阈值的平均正确估计比例(Percentage of Correct Keypoints,PCK)可达99.7%,总体平均径向误差(Mean Radial Errors,MRE)为0.411,总体标准差(Standard Deviation,SD)为0.290。距骨顶端内点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在正位片6个点中最小,分别为0.290和0.178。在踝关节X线侧位片9个标志点的预测中,2 mm阈值的平均PCK达到95.0%,总体MRE为0.669,总体SD为0.710。胫骨下段最前点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在侧位片9个点中最小,分别为0.334和0.173。正位片和侧位片所有标志点的预测位置坐标与对应参考标准标志点位置坐标差异均无统计学意义(P>0.05)。结论基于神经网络深度学习模型能够实现对踝关节X线片标志点的有效自动定位,对辅助踝关节X线片形态学自动测量和疾病诊疗具有应用价值。 展开更多
关键词 踝关节 标志点自动定位 X线成像 深度学习模型 神经网络 UNet架构 形态学自动测量
在线阅读 下载PDF
深度神经网络模型任务切分及并行优化方法 被引量：1
18
作者 巨涛 刘帅 +1 位作者 王志强 李林娟 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第9期2739-2752,共14页
为解决传统手工切分神经网络模型计算任务并行化方法面临的并行化难度大、训练耗时长、设备利用率低等问题,提出了一种基于深度神经网络(DNN)模型特性感知的任务切分及并行优化方法。结合硬件计算环境,对模型计算特性进行动态分析,获取... 为解决传统手工切分神经网络模型计算任务并行化方法面临的并行化难度大、训练耗时长、设备利用率低等问题,提出了一种基于深度神经网络(DNN)模型特性感知的任务切分及并行优化方法。结合硬件计算环境,对模型计算特性进行动态分析,获取模型内部相关性和各类参数属性,构建原始计算任务有向无环图(DAG);利用增强反链,构建DAG节点间可分区聚类的拓扑关系,将原始DAG转换为易于切分的反链DAG;通过拓扑排序生成反链DAG状态序列,并使用动态规划将状态序列切分为不同执行阶段,分析最佳分割点进行模型切分,实现模型分区与各GPU间动态匹配;对批量进行微处理,通过引入流水线并行实现多迭代密集训练,提高GPU利用率,减少训练耗时。实验结果表明:与已有模型切分方法相比,在CIFAR-10数据集上,所提模型切分及并行优化方法可实现各GPU间训练任务负载均衡,在保证模型训练精度的同时,4 GPU加速比达到3.4,8 GPU加速比为3.76。 展开更多
关键词 深度神经网络模型并行 模型切分 流水线并行 反链 并行优化
在线阅读 下载PDF
基于深度神经网络的杉木树高-胸径模型研建
19
作者 王贵林 谭伟 陈波涛 《林草资源研究》 北大核心 2024年第1期82-87,共6页
利用深度神经网络(DNN)模型建立杉木的树高-胸径模型,寻求一种更加高效的杉木树高预测方法。以贵州省清镇市国有林场49块样地中杉木的胸径、树高数据为研究对象,分成不同比例的训练集和测试集,训练集占比分别为20%,30%,40%,50%,60%,70%,... 利用深度神经网络(DNN)模型建立杉木的树高-胸径模型,寻求一种更加高效的杉木树高预测方法。以贵州省清镇市国有林场49块样地中杉木的胸径、树高数据为研究对象,分成不同比例的训练集和测试集,训练集占比分别为20%,30%,40%,50%,60%,70%,80%;对应的测试集占比分别为80%,70%,60%,50%,40%,30%,20%。利用DNN构建树高-胸径模型,并将其与11个传统基础模型进行比较,通过R^(2)、RMSE和MAE对比选出预测效果最好的模型,并根据最优模型添加林木胸径与优势木平均胸径比(DDH),以提高模型的预测精度。利用DNN模型建立的树高-胸径模型在训练集占比为20%的情况下,加入DDH因子后其预测精度R^(2)达到0.89。利用DNN构建杉木树高-胸径模型对杉木树高进行预测,在使用较小数据量的前提下加入DDH因子能够提高对杉木树高的预测效果。 展开更多
关键词 杉木 深度神经网络 林木胸径与优势木平均胸径比 树高-胸径模型
在线阅读 下载PDF
基于SAE和LSTM神经网络的深部未钻地层可钻性预测方法
20
作者 朱亮 李晓明 +1 位作者 纪慧 楼一珊 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期39-46,64,共9页
在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM... 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。 展开更多
关键词 深部地层钻探 岩石可钻性 预测模型 栈式自动编码器 LSTM神经网络 深度学习
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 … 61 下一页 到第 页
使用帮助 返回顶部