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81篇文章
< 1 2 … 5 >
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：
基于多尺度融合神经网络的同频同调制单通道盲源分离算法
1
作者 付卫红 张鑫钰 刘乃安 《系统工程与电子技术》 北大核心 2025年第2期641-649,共9页
针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。... 针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。首先,编码模块提取出混合通信信号的编码特征;然后,分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;最后,解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明,所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以高效面对复杂通信环境的挑战。 展开更多
关键词 单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理
在线阅读 下载PDF
别出“心”裁——基于融合神经网络的心脏影像辅助诊疗系统
2
作者 郭岩松 曹颖 +2 位作者 刘婉玉 孙涛 韩立鑫 《物联网技术》 2024年第6期2-2,共1页
目前国内医疗图像分割应用极少,现有分割算法耗时长、效率低,图像辨识精度难以保证;医生只能凭借经验估计病灶大小、形状和三维位置相对关系,有碍诊疗的准确和便捷;现有病例数据、诊疗方法、经验共享困难,无法用大数据预测病情的扩散趋... 目前国内医疗图像分割应用极少,现有分割算法耗时长、效率低,图像辨识精度难以保证;医生只能凭借经验估计病灶大小、形状和三维位置相对关系,有碍诊疗的准确和便捷;现有病例数据、诊疗方法、经验共享困难,无法用大数据预测病情的扩散趋势。目前,我国心功能医疗诊断行业缺乏一款针对心脏的医疗辅助平台。为满足行业需求、打破技术垄断、解决检测评估难题,系统以心脏功能评估与疾病的辅助诊断为出发点,以心脏核磁共振图像、心功能指标计算方法为基础,开发了由心脏图像分割、三维重建、辅助评估系统、共享病历数据库模块组成的心功能分析评估软件系统,为医患提供诊断结果。 展开更多
关键词 融合神经网络 三维重建 共享病例库
在线阅读 下载PDF
基于改进WGAN算法的融合神经网络入侵检测研究
3
作者 李心 黄洪 +2 位作者 袁国桃 王兆莲 杜瑞 《四川轻化工大学学报(自然科学版)》 2024年第6期57-65,共9页
针对现有的入侵检测模型多关注样本整体检测率而忽视少样本攻击类别的问题,提出了一种改进的Wasserstein生成对抗网络(WGAN)算法,该算法能够对少样本攻击类别进行扩充以平衡正常样本和攻击样本,减少类不平衡对模型带来的干扰。首先,通... 针对现有的入侵检测模型多关注样本整体检测率而忽视少样本攻击类别的问题,提出了一种改进的Wasserstein生成对抗网络(WGAN)算法,该算法能够对少样本攻击类别进行扩充以平衡正常样本和攻击样本,减少类不平衡对模型带来的干扰。首先,通过在判别器上引入正则项避免原始WGAN因权重裁剪参数选取不当导致模式崩溃。同时,为了提高生成质量,给生成器添加一个新的信息损失函数并且使用余弦相似度来衡量真实数据与生成数据的偏差。然后,使用融合神经网络模型来学习平衡数据集的高维特征。最后,将该方法应用于标准数据集UNSW-NB15上以检验性能。结果表明,同传统WGAN相比,精确度提升了3.01%,AUC提升了4.00%,准确率提升了5.46%;同单一分类模型相比,少样本类别Analysis、Backdoor、Worms、Shellcode上的F1分数分别提高了8.36%~13.20%、11.48%~13.28%、54.16%~58.63%、28.67%~42.85%。 展开更多
关键词 入侵检测 wasserstein生成对抗网络 类不平衡 融合神经网络
在线阅读 下载PDF
一种基于BP算法的融合神经网络 被引量：6
4
作者 苏羽 赵海 +1 位作者 王刚 苏威积 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2003年第11期1037-1040,共4页
针对水电仿真系统水机温度建模中存在非线性动态数学模型问题,提出了一种采用融合神经网络的温度模型·并且为消除应用中神经网络训练速度慢、容易陷入局部极值的影响,采用了可变学习速度的VLBP算法作为更新网络梯度和权值的算法... 针对水电仿真系统水机温度建模中存在非线性动态数学模型问题,提出了一种采用融合神经网络的温度模型·并且为消除应用中神经网络训练速度慢、容易陷入局部极值的影响,采用了可变学习速度的VLBP算法作为更新网络梯度和权值的算法·在该模型的实际应用中,首先设置多个传感器采集温度参数,然后使用采集数据对神经网络进行离线训练,而后使用训练完成的网络对水机温度参数进行实时在线预测·通过现场数据和网络预测数据的对比分析,证明该模型的实际准确率可达96 5%,可以满足实际仿真的要求· 展开更多
关键词 融合神经网络 VLBP算法 水电仿真 信息融合 温度模型
在线阅读 下载PDF
基于融合神经网络的发动机排气温度裕度预测 被引量：4
5
作者 李杰 孟凡熙 +1 位作者 张子辰 朱玮 《华东交通大学学报》 2022年第6期90-97,共8页
民用航空发动机排气温度裕度(EGTM)的变化趋势反映了其性能衰退情况,为使用EGTM的变化趋势来映射其性能衰退情况,提出了一种经验模态分解(EMD)算法与卷积长短期记忆网络(CNN-LSTM)相融合的EGTM组合预测模型。采用EMD将原始EGTM序列分解... 民用航空发动机排气温度裕度(EGTM)的变化趋势反映了其性能衰退情况,为使用EGTM的变化趋势来映射其性能衰退情况,提出了一种经验模态分解(EMD)算法与卷积长短期记忆网络(CNN-LSTM)相融合的EGTM组合预测模型。采用EMD将原始EGTM序列分解为多个固有模态分量和残差分量,并将所有分量作为模型输入,利用卷积长短期记忆网络捕获各分量非线性相关性并提取长时依赖关系,构建深度学习模型框架。为验证所提方法的有效性,采用某航空公司10 a的EGTM的实际测试数据进行实验分析,并设计了5种神经网络作为竞争模型进行对比研究。实验结果表明:相比于竞争模型,所提出的EMD-CNN-LSTM组合预测模型可使平均绝对误差和均方根误差降低37.82%和33.01%,拟合优度提高1.02%,此外,当EGTM处于敏感区域时,所提出模型的EGTM单点预测精度显著高于其他竞争模型。结果表明,该融合神经网络模型在民航发动机EGTM预测中具有较好的准确性和稳定性。 展开更多
关键词 排气温度裕度预测 民航发动机 经验模态分解 融合神经网络
在线阅读 下载PDF
基于融合神经网络的飞机蒙皮缺陷检测的研究 被引量：2
6
作者 张德银 黄少晗 +2 位作者 赵志恒 李俊佟 张裕尧 《成都大学学报（自然科学版）》 2023年第4期365-371,共7页
飞机蒙皮受大气环境侵蚀及飞鸟撞击等影响而出现各种缺陷,将严重威胁飞行安全.为解决飞机蒙皮人工检查耗时长及检测不充分等问题,提出基于融合神经网络的飞机蒙皮缺陷检测方法.在YOLOv5网络基础上,将Xception架构融入其中,同时在Backbon... 飞机蒙皮受大气环境侵蚀及飞鸟撞击等影响而出现各种缺陷,将严重威胁飞行安全.为解决飞机蒙皮人工检查耗时长及检测不充分等问题,提出基于融合神经网络的飞机蒙皮缺陷检测方法.在YOLOv5网络基础上,将Xception架构融入其中,同时在Backbone中加入全局通道注意力机制,在Neck和Output中加入通道空间注意力机制,形成新的融合神经网络.将采集到的飞机表面缺陷8503幅图像分为训练集和测试集.新融合神经网络经训练后,用测试集验证,铆钉腐蚀、铆钉脱落、蒙皮裂痕、蒙皮脱落及蒙皮撞击5种缺陷检测平均精确度分别为0.960、0.928、0.931、0.934、0.948.融合神经网络准确率为0.950,召回率为0.964,平均精确度为0.957,说明新融合神经网络对飞机蒙皮缺陷识别是有效的. 展开更多
关键词 飞机蒙皮缺陷 注意力机制 深度学习 融合神经网络 目标检测
在线阅读 下载PDF
改进的物理融合神经网络在瑞利-泰勒不稳定性问题中的应用 被引量：4
7
作者 丘润荻 王静竹 +3 位作者 黄仁芳 杜特专 王一伟 黄晨光 《力学学报》 EI CAS CSCD 北大核心 2022年第8期2224-2234,共11页
基于相场法的物理融合神经网络PF-PINNs被成功用于两相流动的建模,为两相流动的高精度直接数值模拟提供了全新的技术手段.相场法作为一种新兴的界面捕捉方法,其引入确保了界面的质量守恒,显著提高了相界面的捕捉精度;但是相场法中高阶... 基于相场法的物理融合神经网络PF-PINNs被成功用于两相流动的建模,为两相流动的高精度直接数值模拟提供了全新的技术手段.相场法作为一种新兴的界面捕捉方法,其引入确保了界面的质量守恒,显著提高了相界面的捕捉精度;但是相场法中高阶导数的存在也降低了神经网络的训练速度.为了提升计算训练过程的效率,本文在PF-PINNS框架下,参考深度混合残差方法 MIM,将化学能作为辅助变量以及神经网络的输出之一,并修改了物理约束项的形式,使辅助变量与相分数的关系式由硬约束转为了软约束.上述两点改进显著降低了自动微分过程中计算图的规模,节约了求导过程中的计算开销.同时,为了评估建立的PF-PINNS在雷诺数较高、计算量较大的场景中的建模能力,本文将瑞利-泰勒RT不稳定性问题作为验证算例.与高精度谱元法的定性与定量对比结果表明,改进PF-PINNs有能力捕捉到两相界面的强非线性演化过程,且计算精度接近传统算法,计算结果符合物理规律.改进前后的对比结果表明,深度混合残差方法能够显著降低PF-PINNS的训练用时.本文所述方法是进一步提升神经网络训练速度的重要参考资料,并为探索高精度智能建模方法提供了全新的见解. 展开更多
关键词 瑞利-泰勒不稳定性 深度混合残差方法 物理融合神经网络 两相流
在线阅读 下载PDF
基于CNN-LSTM融合神经网络的CRTSⅡ型轨道板温度预测方法 被引量：2
8
作者 王得道 王森荣 +1 位作者 林超 李顺龙 《铁道学报》 EI CAS CSCD 北大核心 2023年第2期108-115,共8页
准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警,减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律,提出基于卷积神经网络(CNN)与长短期记... 准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警,减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律,提出基于卷积神经网络(CNN)与长短期记忆网络(LSTM)融合模型的板温预测方法。先通过CNN在时间轴上对气温与轨温进行卷积提取出过去一段时间内外界气象条件对当前时刻板温的影响,再将CNN在各个时间点上的输出作为LSTM的输入特征利用轨道板自身的传热规律对板温进行预测。结果表明:过去12 h内的外界气象条件对当前时刻的板温有较大影响,利用训练好的CNN-LSTM在测试集上对未来40 min的板温进行预测,其预测误差绝对值的数学期望为0.925℃。 展开更多
关键词 轨道板 温度预测 卷积神经网络 长短期记忆网络 CNN-LSTM融合神经网络
在线阅读 下载PDF
基于融合神经网络的LncRNA与疾病关联预测方法
9
作者 李巧君 章文 杨伟 《计算机科学》 CSCD 北大核心 2023年第8期226-232,共7页
长链非编码RNA(Long non-coding RNA,LncRNA)的异常表达与疾病的生理和病理过程密切相关,识别LncRNA与疾病之间的潜在关联有助于理解疾病的分子发病机制。以往的方法未能深度整合异构的多源数据以及学习高维特征表示。为此,文中提出了... 长链非编码RNA(Long non-coding RNA,LncRNA)的异常表达与疾病的生理和病理过程密切相关,识别LncRNA与疾病之间的潜在关联有助于理解疾病的分子发病机制。以往的方法未能深度整合异构的多源数据以及学习高维特征表示。为此,文中提出了一种基于融合神经网络(Fusion Neural Networks,FNN)预测候选疾病相关LncRNA的方法FNNLDA。FNNLDA整合与LncRNA、疾病和miRNAs相关的多种数据,采用多模型融合思想,利用栈式自编码器和融合神经网络两种深度学习模型分别学习LncRNA-疾病对的高级特征,最后融合两个模块的预测分值来预测LncRNA-疾病的关联性。五折交叉验证显示FNNLDA方法的AUC值比SIMCLDA,MFLDA,CNNLDA和LRLSLDA分别提升了12.5%,15.1%,3.4%和5.8%,表明其在LncRNA-疾病预测性能上有较大提升。基于胃癌疾病案例进行研究,结果证明FNNLDA能够有效识别与疾病关联的潜在LncRNA。 展开更多
关键词 LncRNA-疾病 关联预测 融合神经网络 栈氏自编码器
在线阅读 下载PDF
基于交互机制卷积双流融合神经网络的视频浓缩
10
作者 赵春飞 张丽红 《测试技术学报》 2019年第3期228-232,共5页
视频浓缩时运动目标之间的相互遮挡和背景的复杂性使得难以准确提取运动目标,导致浓缩比降低.针对此问题,提出了一种基于交互机制的卷积双流融合网络视频浓缩方法.首先,对输入的视频帧进行感兴趣区域选取;然后,卷积双流融合网络分流提... 视频浓缩时运动目标之间的相互遮挡和背景的复杂性使得难以准确提取运动目标,导致浓缩比降低.针对此问题,提出了一种基于交互机制的卷积双流融合网络视频浓缩方法.首先,对输入的视频帧进行感兴趣区域选取;然后,卷积双流融合网络分流提取运动目标特征和背景特征并进行特征融合,以减弱运动目标之间相互遮挡的影响;最后,通过交互机制将融合后的特征进行关联性运算,以有效提高运动目标之间及运动目标与背景之间的相关性,再根据相似矩阵进行场景聚类得到关键帧.实验结果表明:通过该网络结构进行视频浓缩,浓缩比和召回率都有所提高. 展开更多
关键词 运动目标 特征提取 交互机制 卷积双流融合神经网络 视频浓缩
在线阅读 下载PDF
基于宽深融合神经网络的雷达HRRP目标识别
11
作者 李显丰 《火控雷达技术》 2023年第3期16-24,共9页
目标识别是现代雷达的一个十分重要的发展方向。使用高距离分辨率雷达可获得目标的一维距离像,其中包含很多可用于目标识别的信息。本文针对一维距离像数据,基于宽深融合神经网络对雷达目标识别进行了研究。首先,探讨了宽度学习这一新概... 目标识别是现代雷达的一个十分重要的发展方向。使用高距离分辨率雷达可获得目标的一维距离像,其中包含很多可用于目标识别的信息。本文针对一维距离像数据,基于宽深融合神经网络对雷达目标识别进行了研究。首先,探讨了宽度学习这一新概念,它拥有简单的网络结构,横向扩展和快速训练的特点。然后,本文开创性地提出了三种宽深融合神经网络,兼具了训练速度快和准确率高的特点,实验表明宽深融合神经网络有一定的运用于雷达目标识别的可行性。 展开更多
关键词 目标识别 一维距离像 深度学习 宽度学习 宽深融合神经网络
在线阅读 下载PDF
融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法
12
作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页
近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积
在线阅读 下载PDF
基于融合神经网络模型的锂离子电池健康状态间接预测 被引量：1
13
作者 云丰泽 刘勤明 汪宇杰 《信息与控制》 CSCD 北大核心 2024年第5期603-614,630,共13页
针对表征锂离子电池健康状态(SOH)的直接特征难以在线测量,预测模型精度较差以及泛化性不足的问题,本文提出了一种适用于间接特征数据的融合网络预测模型,并建立了一种在间接模式下由数据到模型的健康状态预测流程。首先,从相关数据集... 针对表征锂离子电池健康状态(SOH)的直接特征难以在线测量,预测模型精度较差以及泛化性不足的问题,本文提出了一种适用于间接特征数据的融合网络预测模型,并建立了一种在间接模式下由数据到模型的健康状态预测流程。首先,从相关数据集中提取可能被使用的间接数据,并引入特征重建技术,进而构建出间接健康特征(HI)。其次利用变分模态分解(VMD)算法对所提取的时间、温度等间接健康特征进行分解处理,并利用相关性分析方法进行有效性验证。再次,考虑预测设备算力与间接预测模式下特征数据的规模及特点等实际情况以及模型在特征提取、序列预测等方面的个性化性能建立VMD-CNN-AttBiGRU融合神经网络健康状态预测模型。经验证,所建立的间接预测流程取得了较低的SOH预测误差,并在剩余使用寿命的维度对比中展现出较高的鲁棒性,解决了传统预测方法中提取直接特征数据的局限,显著优化了锂离子电池SOH在线预测的可能性。 展开更多
关键词 锂离子电池 健康状态预测 健康特征 间接预测 融合神经网络模型
原文传递
基于神经网络信息融合的油气藏信息存储系统设计
14
作者 胡文涛 魏丹 +2 位作者 付童童 张鹏德 高洁 《石油化工自动化》 CAS 2024年第3期72-75,共4页
针对现行油气藏信息存储系统鲁棒性、安全性较低的问题,提出了基于神经网络信息融合的油气藏信息存储系统设计方案。在系统硬件方面,通过对信息存储器选型与设计,完成系统硬件设计;在系统软件方面,利用神经网络信息融合技术对油气藏信... 针对现行油气藏信息存储系统鲁棒性、安全性较低的问题,提出了基于神经网络信息融合的油气藏信息存储系统设计方案。在系统硬件方面,通过对信息存储器选型与设计,完成系统硬件设计;在系统软件方面,利用神经网络信息融合技术对油气藏信息分类,并设计数据库对分类的油气藏信息存储。实验结果表明,在信息存储过载情况下系统崩溃率未超过2%,系统安全性系数在0.8以上,具有较强的鲁棒性与安全性。 展开更多
关键词 神经网络信息融合 油气藏信息 存储系统 信息存储器 信息分类
在线阅读 下载PDF
基于神经网络融合模型的铁路接触网异物智能检测 被引量：1
15
作者 郭昊 万天义 +2 位作者 于潇 李新凯 刘文栋 《铁路计算机应用》 2024年第7期1-6,共6页
针对影响铁路接触网正常运行的异物问题,提出了一种基于神经网络融合模型的铁路接触网异物智能检测模型。以Faster R-CNN框架为基础,增加特征金字塔结构以学习图像不同尺度的特征;针对不同异物类型,将其分为鸟巢和轻质漂浮物,并运用ResN... 针对影响铁路接触网正常运行的异物问题,提出了一种基于神经网络融合模型的铁路接触网异物智能检测模型。以Faster R-CNN框架为基础,增加特征金字塔结构以学习图像不同尺度的特征;针对不同异物类型,将其分为鸟巢和轻质漂浮物,并运用ResNet50和ResNet101作为骨架网络,分别针对具有单一特征的鸟巢和特征复杂多变的轻质漂浮物进行识别;融合2个网络的识别框,得到精确的识别结果。对比实验表明,该模型的检测结果优于常规目标检测方法,可有效降低铁路接触网异物检测的人工成本,为铁路接触网的稳定运营提供了可行的解决方案。 展开更多
关键词 深度学习 接触网 异物检测 神经网络融合模型 鸟巢 轻质漂浮物
在线阅读 下载PDF
自适应多保真数据融合的神经网络模型
16
作者 陈柏宁 谢芳芳 孟旭辉 《气体物理》 2024年第4期1-8,共8页
数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精... 数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精度较低。近期发展的多保真深度神经网络,通过融合不同保真度的数据,在高保真数据较少时,依然保持了较高的建模精度。然而,已有的多保真深度神经网络模型的精度较为依赖针对模型参数的正则化调节。当添加的正则化过强时,网络对非线性关联式的拟合能力不足;当添加的正则化强度不够时,在学习多保真数据间的线性关联关系时又会出现过拟合现象。两者都会严重影响模型的预测精度。在缺乏高保真验证数据集时,较难得到最优的正则化系数。为此,通过改进已有多保真网络模型的损失函数,引入一个与线性关联式相关的参数,提出了自适应多保真数据融合的神经网络模型。该模型能根据给定数据自适应地拟合不同保真度数据间的线性或非线性关系,对正则化依赖较小,从而提高了建模的鲁棒性。在多个标准测试案例及实际应用的翼型气动参数的预测中,该模型均能表现出较高的精度和稳定性。 展开更多
关键词 深度学习 多保真深度神经网络 多保真建模 自适应多保真数据融合的神经网络模型 气动分布
在线阅读 下载PDF
基于侧输出融合卷积神经网络的电能质量扰动分类方法 被引量：13
17
作者 王继东 张迪 《电力自动化设备》 EI CSCD 北大核心 2021年第11期107-112,126,共7页
针对传统电能质量扰动分类方法分类准确率低、人工选择特征困难等缺点,提出了一种基于深度学习的侧输出融合卷积神经网络用于电能质量扰动信号分类。首先,对电能质量扰动信号进行预处理,使输入信号数据标准化,有利于提升所提方法的收敛... 针对传统电能质量扰动分类方法分类准确率低、人工选择特征困难等缺点,提出了一种基于深度学习的侧输出融合卷积神经网络用于电能质量扰动信号分类。首先,对电能质量扰动信号进行预处理,使输入信号数据标准化,有利于提升所提方法的收敛速度和精度。在传统卷积神经网络中引入侧输出融合结构,通过组合卷积低、中和高层的信息进行特征融合,以更好地对输入信号进行分类。针对实测数据不足和信号数据类型分布不均衡等问题,采用数据增强的方法对信号进行处理。仿真和实测数据验证表明,所提方法可以自动进行特征提取和优化,具有分类速度快、分类准确率高等优点。 展开更多
关键词 电能质量 扰动分类 侧输出融合卷积神经网络 深度学习 特征提取
在线阅读 下载PDF
相空间重构与神经网络融合预测模型及其在害虫测报中的应用 被引量：12
18
作者 马飞 许晓风 +1 位作者 张夕林 程遐年 《生态学报》 CAS CSCD 北大核心 2002年第8期1297-1301,共5页
针对混沌时间序列 ,建立了相空间重构和 BP神经网络融合预测模型。经实例验证 ,该方法能有效地提高预测精度 ,避免了一般混沌预测要求较长时间序列的缺陷 。
关键词 相空间重构 神经网络融合 预测模型 害虫测报 应用
在线阅读 下载PDF
经验知识监督的RC墩柱力学性能神经网络分析方法
19
作者 刘振亮 李素超 赵存宝 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第1期35-43,共9页
基于试验或数值模拟的单一墩柱力学性能分析方法难以兼顾计算精度和效率,纯数据驱动的分析方法存在可解释性差和对数据依赖性强等问题。为此,本文通过研究钢筋混凝土(RC)墩柱力学性能试验数据、经验知识和机器学习的融合机制,提出了经... 基于试验或数值模拟的单一墩柱力学性能分析方法难以兼顾计算精度和效率,纯数据驱动的分析方法存在可解释性差和对数据依赖性强等问题。为此,本文通过研究钢筋混凝土(RC)墩柱力学性能试验数据、经验知识和机器学习的融合机制,提出了经验知识监督的RC墩柱力学性能神经网络(knowledge-guided neural network,KGNN)分析方法。首先,建立了包含761组RC墩柱拟静力试验样本的数据库;随后,基于经验知识分析了RC墩柱主要特征对其力学性能的影响规律,构建了相应的数学表征方法;最后,将RC墩柱试验数据及经验知识融入人工神经网络架构和训练过程,建立了高精度、可解释、可通用且不依赖大量训练数据的RC墩柱力学性能KGNN分析模型。本文提出的KGNN分析方法与纯数据驱动神经网络(BPNN)的结果对比表明:BPNN在测试集上表现更好,在分析墩柱承载力时均方根误差(E)和拟合系数(R^(2))分别为0.070和0.978,KGNN模型的E和R^(2)分别为0.108和0.942;但由于BPNN所预测的墩柱特征对承载力的影响规律与经验知识并不吻合,即未能准确反映墩柱特征与其力学性能间的关系,BPNN模型发生了过拟合;而KGNN方法不仅可以快速准确获得RC墩柱力学性能,且预测规律与经验知识吻合较好,具有更高的可靠性和实用性。因此,融合试验数据与经验知识的神经网络有望成为一种新的RC结构力学性能分析方法。 展开更多
关键词 钢筋混凝土墩柱 数物融合的神经网络 经验知识 力学性能 试验数据库
在线阅读 下载PDF
基于融合卷积神经网络的多种类管道病害检测方法 被引量：7
20
作者 方宏远 马铎 +2 位作者 王念念 胡浩帮 董家修 《北京工业大学学报》 CAS CSCD 北大核心 2022年第6期561-571,共11页
地下管道是城市的血脉,年久失修将会导致管道服役性能降低,引发各种环境问题.因此,应当按时检测地下管道的病害类型及数量,为管道维修提供数据支持.但是,人工检测的方法费时费力,传统的计算机检测方法准确度和泛化能力较低.为了解决这... 地下管道是城市的血脉,年久失修将会导致管道服役性能降低,引发各种环境问题.因此,应当按时检测地下管道的病害类型及数量,为管道维修提供数据支持.但是,人工检测的方法费时费力,传统的计算机检测方法准确度和泛化能力较低.为了解决这一问题,该文提出了一种基于融合卷积神经网络的多种类地下管道病害分类算法.该算法结合了Inception网络构架和残差网络构架,提高了检测的准确度.对比现有的检测模型发现,该模型的平均准确率和Macro-F 1分数分别达到了93.15%和0.932,检测评估指标最优,证明该模型具有准确、全面、误检率低的检测特点.对测试集实际检测结果分析可知,该模型在不同光照、不同障碍物、整体和局部的场景下,均检测无误,结果准确,证明了该模型具有鲁棒性高、泛化能力强的特点. 展开更多
关键词 融合卷积神经网络 地下管道 多种类病害分类 深度学习 Inception网络 残差网络
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 … 5 下一页 到第 页
使用帮助 返回顶部