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1,132篇文章
< 1 2 … 57 >
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：
特征融合卷积神经网络的超表面建模方法
1
作者 陈辉 蔡晗 王帅杰 《桂林电子科技大学学报》 2024年第6期642-649,共8页
针对基于深度学习的超表面设计中输入输出维度不匹配导致的预测精度不高的问题,提出了一种基于数据融合的卷积神经网络超表面建模方法。利用软件联合仿真对超表面进行结构建模仿真,获得了超表面一维结构参数、二维图片及其对应的电磁响... 针对基于深度学习的超表面设计中输入输出维度不匹配导致的预测精度不高的问题,提出了一种基于数据融合的卷积神经网络超表面建模方法。利用软件联合仿真对超表面进行结构建模仿真,获得了超表面一维结构参数、二维图片及其对应的电磁响应组成的数据集;通过构建卷积神经网络提取超表面二维图片特征,并将其与一维结构参数相结合,构成一个全新的特征矩阵,对此特征矩阵通过全连接层训练,前向网络预测超表面的S21参数,逆向网络预测超表面的结构参数;训练后的模型具有良好的预测能力,前向网络模型、逆向网络模型预测的均方误差分别为3.148×10^(−4)、2.548×10^(−3);用遗传算法对网络模型进行优化,使用迁移学习对新的数据集加速训练。研究结果表明,经算法优化的网络避免了大量的建模操作和数值计算,且运算准确率高。 展开更多
关键词 卷积神经网络(CNN) 超表面 深度学习 特征融合 遗传算法 迁移学习
在线阅读 下载PDF
多尺度融合特征卷积神经网络的图像分类算法研究
2
作者 徐春雨 贾睿 《无线互联科技》 2024年第22期73-78,共6页
针对深度卷积神经网络在进行图像分类时,随着深度的增加可能出现的梯度弥散以及由于卷积核尺度不合适出现的特征提取能力不足等问题,文章提出了一种多尺度融合特征的深度卷积神经网络。该网络的主要结构由包含多尺度卷积核的卷积层、多... 针对深度卷积神经网络在进行图像分类时,随着深度的增加可能出现的梯度弥散以及由于卷积核尺度不合适出现的特征提取能力不足等问题,文章提出了一种多尺度融合特征的深度卷积神经网络。该网络的主要结构由包含多尺度卷积核的卷积层、多层感知机与池化层堆叠构成,在特征提取完成后,经过特征融合层与全连接层相连,输入Softmax分类器完成图像分类。实验结果表明,与深度卷积神经网络相比,该网络模型提高了CIFAR-10数据集的图像分类精度,具有较强的鲁棒性。 展开更多
关键词 图像分类 卷积神经网络 卷积核 特征融合
在线阅读 下载PDF
基于一维卷积神经网络与近似熵特征融合的水电机组故障诊断 被引量：6
3
作者 孙文昊 胡志平 +3 位作者 肖志怀 邹屹东 皮俊东 马哲轩 《中国农村水利水电》 北大核心 2024年第2期199-204,共6页
针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状... 针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状态特征融合构建融合特征向量;进一步,将融合特征作为输入、故障类别作为输出,训练BP神经网络得到水电机组故障识别器,识别水电机组运行状态,即正常或具体故障类型。结合转子实验台实验数据,验证了所提方法在挖掘信号特征方面的有效性及较高的故障诊断准确率。 展开更多
关键词 特征提取 故障诊断 特征融合 近似熵 卷积神经网络
在线阅读 下载PDF
一种卷积神经网络结合特征融合的网络入侵检测方法 被引量：2
4
作者 王雪妍 温蜜 +1 位作者 李晋国 熊赟 《计算机应用与软件》 北大核心 2024年第8期359-366,共8页
为解决传统网络入侵检测方法中攻击特征过少、数据不平衡及模型收敛速度慢的问题,提出基于卷积神经网络结合特征融合的网络入侵检测方法。将流量数据转为灰度图像提取其纹理特征,再将纹理特征与流量特征进行特征融合以增加攻击特征量。... 为解决传统网络入侵检测方法中攻击特征过少、数据不平衡及模型收敛速度慢的问题,提出基于卷积神经网络结合特征融合的网络入侵检测方法。将流量数据转为灰度图像提取其纹理特征,再将纹理特征与流量特征进行特征融合以增加攻击特征量。使用Borderline-SMOTE方法对UNSW-NB15数据集进行数据平衡。运用逐层贪婪训练方法优化卷积神经网络模型提高模型的收敛速度。实验表明,该方法的性能优于其他检测方法,能将准确率最高提升到96.38%。 展开更多
关键词 入侵检测 特征融合 逐层贪婪训练 卷积神经网络 Borderline-SMOTE
在线阅读 下载PDF
基于卷积神经网络的近红外光谱与数字图像特征信息融合木材树种识别
5
作者 潘玺 李康 杨忠 《林业科学》 EI CAS CSCD 北大核心 2024年第12期136-145,共10页
【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图... 【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图方法,将手持式近红外光谱仪采集的一维短波长近红外光谱转换为二维图像,促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,实现近红外光谱与图像在二维尺度上的融合。构建结构简单的双分支卷积神经网络模型,自动提取、融合近红外光谱与图像特征识别木材树种。【结果】与直接使用一维近红外光谱的建模方法相比,近红外光谱递归图结合卷积神经网络模型的识别性能提升1.79%~14%;与使用近红外光谱或图像单一特征识别相比,双分支卷积神经网络模型自动提取、融合近红外光谱与图像特征,对10种木材的识别性能至少提高3%,模型准确率、精度和召回率均大于99%。【结论】一维短波长近红外光谱递归图转换能够促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,提高模型识别性能。双分支卷积神经网络能够充分提取并有效融合木材近红外光谱与图像特征,一定程度上可克服使用单一特征识别木材树种的不足,提高木材树种识别效果。 展开更多
关键词 木材树种识别 卷积神经网络 近红外光谱 图像 特征提取与融合
在线阅读 下载PDF
基于双路射频指纹卷积神经网络与特征融合的雷达辐射源个体识别 被引量：1
6
作者 肖易寒 王博煜 +1 位作者 于祥祯 蒋伊琳 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3238-3245,共8页
为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行... 为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵;最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明,该方法具有较高的识别准确率,提取的“指纹特征”具备稳定性、鲁棒性。 展开更多
关键词 雷达辐射源个体识别 双路射频指纹卷积神经网络 特征融合 指纹特征 原始I/Q信号
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
7
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
基于多特征融合和轻量级卷积神经网络的枇杷病害识别模型
8
作者 钱佳宁 刘莎 《辽东学院学报（自然科学版）》 CAS 2024年第2期136-142,共7页
为进一步提高枇杷病害识别准确率,提出基于多特征融合和轻量级卷积神经网络的枇杷病害识别模型。先提取枇杷病害图像的灰度、LBP、HOG特征并进行特征合并,将合并后的特征矩阵输入MobileNetV3模型进行特征加强提取及融合;再利用全连接层... 为进一步提高枇杷病害识别准确率,提出基于多特征融合和轻量级卷积神经网络的枇杷病害识别模型。先提取枇杷病害图像的灰度、LBP、HOG特征并进行特征合并,将合并后的特征矩阵输入MobileNetV3模型进行特征加强提取及融合;再利用全连接层作为分类器,对枇杷病害进行识别,得到基于多特征融合的枇杷病害识别模型。实验结果表明,利用所提模型对枇杷病害识别的准确率为99.63%,精准率为99.68%,召回率为99.76%。 展开更多
关键词 轻量级卷积神经网络 特征融合 迁移学习 枇杷病害识别
在线阅读 下载PDF
基于卷积神经网络的电梯火灾识别算法改进
9
作者 马明雷 《中国新技术新产品》 2025年第6期137-139,共3页
针对传统电梯火灾识别算法存在的识别率低、延迟大等问题,本文提出一种改进的基于卷积神经网络的电梯火灾识别方法。通过融合RGB-HSV双色彩空间对疑似火灾区域进行预处理和分割,采用改进的VGG16网络提取深层特征,并结合注意力机制增强... 针对传统电梯火灾识别算法存在的识别率低、延迟大等问题,本文提出一种改进的基于卷积神经网络的电梯火灾识别方法。通过融合RGB-HSV双色彩空间对疑似火灾区域进行预处理和分割,采用改进的VGG16网络提取深层特征,并结合注意力机制增强关键区域特征表达。试验结果表明,改进后的算法在电梯火灾识别准确率达到95.8%,处理速度为12f/s,对不同光照、烟雾干扰具有较强的鲁棒性,可为电梯火灾早期预警提供更可靠的技术支持。 展开更多
关键词 卷积神经网络 电梯火灾识别 注意力机制 特征融合 实时预警
在线阅读 下载PDF
卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法 被引量：3
10
作者 赵凤 耿苗苗 +2 位作者 刘汉强 张俊杰 於俊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第5期2237-2248,共12页
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复... 高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。 展开更多
关键词 高光谱图像分类 卷积神经网络 视觉Transformer 多尺度特征 融合网络
在线阅读 下载PDF
基于混合卷积神经网络的多特征负荷预测方法研究 被引量：2
11
作者 邹晴 李乐 +5 位作者 柳楠 李超然 曹竞元 于金骁 朱霄珣 于淼 《电网与清洁能源》 CSCD 北大核心 2024年第9期54-62,共9页
针对负荷预测任务中准确性、稳定性和环境因素适应性的挑战,提出了一种基于混合卷积神经网络的电力负荷短期预测方法。提出了基于一维卷积神经网络(1D convolutional neural network,1D-CNN)的多尺度特征融合方法,通过融合不同尺度的特... 针对负荷预测任务中准确性、稳定性和环境因素适应性的挑战,提出了一种基于混合卷积神经网络的电力负荷短期预测方法。提出了基于一维卷积神经网络(1D convolutional neural network,1D-CNN)的多尺度特征融合方法,通过融合不同尺度的特征来捕捉负荷变化的趋势,提高了对负荷突变和复杂模式的识别能力;针对多种环境特征因素对电负荷影响的问题,设计了基于2D-CNN的多特征因素学习方法,提高了模型对环境因素与负荷间复杂关系的建模能力;构建了混合网络模型,通过对1D-CNN和2D-CNN的特征信息进行深度特征融合和信息传播,实现了有效关联时空特征的综合性负荷预测方法。开展了具体算例分析研究,通过分析参数优化和融合学习对模型精度和效率的影响,并与经典模型进行对比,结果显示所提模型的均方根误差(root mean squared error,RMSE)为36.3,平均绝对误差(mean absolute error,MAE)为5.34,平均绝对百分比误差(mean absolute percentage error,MAPE)为1.02%,有效提高了负荷预测的准确性和鲁棒性。 展开更多
关键词 负荷预测 混合卷积神经网络 多尺度特征融合 多特征因素 融合学习
在线阅读 下载PDF
基于神经网络架构搜索与特征融合的小样本脉搏波分类方法
12
作者 邢豫阳 陈丰 +4 位作者 毛晓波 孙智霞 逯鹏 乔云峰 窦亚美 《郑州大学学报（理学版）》 CAS 北大核心 2024年第6期54-61,共8页
基于深度学习的脉搏波分类依赖大量有标注数据,现有脉搏波带有疾病标注的数据少、标注方法不统一,导致模型准确率低、泛化能力弱。针对此问题,提出一种基于神经网络架构搜索与特征融合的小样本脉搏波分类方法。首先,在并行的双维度拆分... 基于深度学习的脉搏波分类依赖大量有标注数据,现有脉搏波带有疾病标注的数据少、标注方法不统一,导致模型准确率低、泛化能力弱。针对此问题,提出一种基于神经网络架构搜索与特征融合的小样本脉搏波分类方法。首先,在并行的双维度拆分卷积分支与因果空洞卷积分支中进行态射搜索,每次搜索结束,获取超网络分支的子网络作为候选网络进行训练评估。双维度拆分卷积分支提取脉搏波横、纵向维度时空特征,因果空洞卷积分支提取脉搏波节律特征。然后,利用特征融合方法整合分支多尺度特征。最后,依据评估指标得到最佳网络模型完成分类。实验结果表明,所提方法在两个小样本脉搏波数据集上准确率为97.04%和95.96%,F1值为97.04%和95.95%,具有较好分类效果。 展开更多
关键词 脉搏波 小样本 神经网络架构搜索 特征融合 卷积神经网络
在线阅读 下载PDF
基于多维融合特征和卷积神经网络的多任务用户短期负荷预测 被引量：14
13
作者 臧海祥 许瑞琦 +3 位作者 刘璟璇 陈玉伟 卫志农 孙国强 《电力系统自动化》 EI CSCD 北大核心 2023年第13期69-77,共9页
针对海量用户负荷预测场景下,应用单任务用户负荷预测法所导致的运行效率低以及无法学习相关任务间关联关系等问题,提出一种基于多维融合特征和卷积神经网络的多任务用户短期负荷预测方法。首先,基于聚类技术实现多任务学习中相关任务... 针对海量用户负荷预测场景下,应用单任务用户负荷预测法所导致的运行效率低以及无法学习相关任务间关联关系等问题,提出一种基于多维融合特征和卷积神经网络的多任务用户短期负荷预测方法。首先,基于聚类技术实现多任务学习中相关任务的选择;其次,为每一类用户群构建多维融合输入,合理有序容纳多个任务的特征,避免维度爆炸和信息混乱;最后,分别为每一类用户建立以卷积神经网络为共享层的多任务预测模型,学习共享特征,并行输出相应类中全部用户的负荷预测值。基于爱尔兰能源监管委员会提供的智能电表实测数据进行算例分析,结果表明,该方法在提高整体运行效率和平均预测精度方面均取得良好成效。 展开更多
关键词 海量用户 负荷预测 多任务学习 多维融合特征 卷积神经网络
在线阅读 下载PDF
基于特征金字塔卷积循环神经网络的故障诊断方法 被引量：11
14
作者 刘秀丽 徐小力 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第2期182-190,共9页
变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)... 变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)框架,并联CNN的卷积层和循环神经网络(RNN)中的长短时记忆(LSTM)层,形成新的CRNN,以充分利用CNN对空间域信息和RNN对时域信息的学习能力;在每一层中权值共享,减少网络参数;利用FPN构建全新特征图,输入一维信号和堆叠后形成的二维信号,对传感器采集的信号进行特征提取,实现故障诊断.利用行星齿轮箱进行故障试验,并进行5折交叉验证,该方法的诊断准确率平均值为99.20%,比基本神经网络模型至少高3.62%,表明该方法诊断精度高、鲁棒性强;利用凯斯西储大学轴承数据集进行验证,证明该方法具有良好的泛用性;利用t-SNE方法对模型的特征学习效果进行可视化分析,结果表明不同故障类别特征具有良好的聚类效果. 展开更多
关键词 卷积循环神经网络 特征金字塔 故障诊断 特征可视化
在线阅读 下载PDF
基于深度卷积神经网络的多特征融合的手势识别 被引量：13
15
作者 贠卫国 史其琦 王民 《液晶与显示》 CAS CSCD 北大核心 2019年第4期417-422,共6页
针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积... 针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。 展开更多
关键词 手势识别 手势提取 多特征融合 深度卷积神经网络 鲁棒性
在线阅读 下载PDF
基于多特征融合卷积神经网络的人脸表情识别 被引量：15
16
作者 王建霞 陈慧萍 +1 位作者 李佳泽 张晓明 《河北科技大学学报》 CAS 2019年第6期540-547,共8页
针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行... 针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。 展开更多
关键词 计算机图像处理 面部表情识别 卷积神经网络 特征融合 特征提取 表情分类
在线阅读 下载PDF
采用多尺度自适应选择卷积神经网络的轴承故障诊断研究 被引量：4
17
作者 张玺君 尚继洋 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第2期127-135,共9页
针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。 展开更多
关键词 轴承故障诊断 卷积神经网络 自适应融合 注意力机制 多尺度特征
在线阅读 下载PDF
基于特征融合卷积神经网络的车型精细识别 被引量：3
18
作者 李致金 张亮 +1 位作者 武鹏 丁春健 《计算机工程与设计》 北大核心 2020年第1期226-230,共5页
为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法。设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进... 为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法。设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进行特征融合,实现车型的精细识别。相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩了模型参数规模。在基准数据集CompCars下进行大量实验的结果表明,该方法的识别精度可达98.94%,模型参数大小仅为4.9 MB。 展开更多
关键词 卷积神经网络 车型精细识别 特征融合 独立网络 融合网络 深度学习
在线阅读 下载PDF
基于多尺度卷积神经网络特征融合的植株叶片检测技术 被引量：4
19
作者 李颖 陈龙 +2 位作者 黄钊宏 孙杨 蔡国榕 《智能科学与技术学报》 2021年第3期304-311,共8页
植株叶片检测是植株科学培育和精准农业过程中重要的环节之一。传统植株叶片检测的做法对操作人员的专业知识提出了较高要求,且人工成本高、耗时周期长。基于此,提出基于多尺度卷积神经网络特征融合(MCFF)的植株叶片检测技术。从深度学... 植株叶片检测是植株科学培育和精准农业过程中重要的环节之一。传统植株叶片检测的做法对操作人员的专业知识提出了较高要求,且人工成本高、耗时周期长。基于此,提出基于多尺度卷积神经网络特征融合(MCFF)的植株叶片检测技术。从深度学习技术辅助植株培育的需求出发,基于多尺度卷积神经网络特征融合,针对莲座模式植物、拟南芥和烟草3种不同类型、不同分辨率的植株进行叶片计数检测。经过与其他主流算法的比较,发现MCFF具备较高的检测精确度,平均精度均值(mAP)为0.662,实现了高度竞争的性能(AP=0.946),各项指标接近实用水平。 展开更多
关键词 深度学习 目标检测 多尺度卷积神经网络特征融合 植株叶片检测技术
在线阅读 下载PDF
基于高低维度特征融合的双通道卷积神经网络 被引量：1
20
作者 文元美 罗志鹏 凌永权 《计算机与现代化》 2018年第12期101-105,共5页
为了充分利用图像中所隐藏的特征信息,提出将低级维度特征融合在全连接层,构建出融合了高低级维度特征的双通道卷积神经网络。首先构建一个传统的双通道卷积神经网络,在两通道上设置不同大小的卷积核,将双通道的池化层分别连接到全连接... 为了充分利用图像中所隐藏的特征信息,提出将低级维度特征融合在全连接层,构建出融合了高低级维度特征的双通道卷积神经网络。首先构建一个传统的双通道卷积神经网络,在两通道上设置不同大小的卷积核,将双通道的池化层分别连接到全连接层,同时将两通道卷积神经网络的第一池化层提取的特征也直接送到全连接层,使提取得到的初级和高级特征图在全连接层上进行融合,融合后的数据输入到Softmax分类器进行分类。不同算法在fashion-mnist和CIFAR-10数据库上的对比仿真结果表明,本文模型获得了较高的分类准确率。 展开更多
关键词 特征融合 双通道卷积神经网络 卷积核 池化层
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 … 57 下一页 到第 页
使用帮助 返回顶部