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183,411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：
基于不同算法优化的back propagation神经网络在三元乙丙橡胶混炼胶门尼黏度预测中的应用 被引量：2
1
作者 李高伟 李佳 +3 位作者 朱金梅 鉴冉冉 苗清 曾宪奎 《合成橡胶工业》 CAS 北大核心 2023年第6期488-494,共7页
分别采用遗传算法(GA)和粒子群算法(PSO)优化的back propagation(BP)神经网络建立了三元乙丙橡胶(EPDM)混炼胶门尼黏度的预测模型,并对预测结果的误差进行了对比分析。结果表明,两种算法优化后的BP神经网络模型的预测值与实测值均保持... 分别采用遗传算法(GA)和粒子群算法(PSO)优化的back propagation(BP)神经网络建立了三元乙丙橡胶(EPDM)混炼胶门尼黏度的预测模型,并对预测结果的误差进行了对比分析。结果表明,两种算法优化后的BP神经网络模型的预测值与实测值均保持较高的拟合度和相关性;相比单一的BP神经网络,GA优化后BP神经网络模型的精度提高了58.9%,PSO优化后BP神经网络模型的精度提高了3.57%,说明两种算法优化后的预测模型,特别是GA优化的BP神经网络预测模型对EPDM混炼胶门尼黏度的预测精度改善明显。 展开更多
关键词 back propagation神经网络 遗传算法 粒子群算法 三元乙丙橡胶 混炼胶 门尼黏度 预测模型
在线阅读 下载PDF
Resilient back propagation神经网络模型与autoregression型在径流预报中的比较研究
2
作者 刘畅 王栋 陈景雅 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2008年第6期666-673,共8页
本文以黄河利津站和浙江省白溪水库的月径流水文序列为例,在自相关分析的基础上,建立自回归autoregression模型,并参照其结构建立了相应的resilient back propagation神经网络预报模型.比较结果显示:(1)resilient back propagation模型... 本文以黄河利津站和浙江省白溪水库的月径流水文序列为例,在自相关分析的基础上,建立自回归autoregression模型,并参照其结构建立了相应的resilient back propagation神经网络预报模型.比较结果显示:(1)resilient back propagation模型的模拟预报结果与序列的自相关性有密切关系;(2)当序列有较好的自相关性时,可参照autoregression模型建立相应的resilient back propagation模型;(3)与传统autoregression模型相比,resilient back propagation模型能取得更高的预报精度;且随着预报步长增加,resilient back propagation模型的优势更加明显. 展开更多
关键词 水文时间序列 弹性back propagation神经网络 自回归模型 月径流预报
在线阅读 下载PDF
石油石化企业国际竞争力比较研究——基于Back Propagation神经网络的实证分析 被引量：2
3
作者 姜鸿 邱君 张艺影 《常州大学学报（社会科学版）》 2019年第3期38-46,共9页
借鉴传统国际竞争力评价模式,基于企业资源、生产规模、资金管理、技术创新和社会效益等5大维度,构建石油石化企业国际竞争力分析模型。对样本企业国际竞争力进行比较研究,结果显示:第一,该评价方法的可信度高,模型具有较好的普适性;第... 借鉴传统国际竞争力评价模式,基于企业资源、生产规模、资金管理、技术创新和社会效益等5大维度,构建石油石化企业国际竞争力分析模型。对样本企业国际竞争力进行比较研究,结果显示:第一,该评价方法的可信度高,模型具有较好的普适性;第二,在所选取的9家具有代表性的石油石化企业中,中国石油天然气股份有限公司的国际竞争力较强,处于中等偏上水平,中国石油化工集团公司处于中等偏下水平。因此,我国石油石化企业要加快推进优化升级,进一步提高资金管理效率和资金管理能力,推动产业低碳化和智能化发展,走可持续发展道路。 展开更多
关键词 石油石化 国际竞争力 神经网络模型
在线阅读 下载PDF
基于神经网络模型的煤层气产能预测研究
4
作者 金毅 郑晨晖 +5 位作者 宋慧波 马家恒 杨运航 刘顺喜 张昆 倪小明 《河南理工大学学报（自然科学版）》 CAS 北大核心 2025年第1期46-56,共11页
目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展... 目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展煤层气产能预测。首先,利用灰色关联分析法遴选出10个地质参数作为煤层气产能预测的主控因素,在此基础上,运用模糊数学法实现研究区34口煤层气井富集区划分,最后,根据分类结果,结合实际排采数据,分别利用BP(back propagation)和LSTM(long short-term memory)神经网络算法实现煤层气井日产气量预测。结果结果表明:(1)渗透率、含气饱和度和储层压力梯度等10个参数是影响研究区煤层气产气性能的关键因素;(2)利用模糊数学评价方法评价煤层气的富集,可将研究区34口井产气效果划分为有利区、较有利区和不利区;(3)依托LSTM算法建立了煤储层日产气量预测模型,预测误差值为4.06%~14.79%,平均误差值为11.09%,预测精度明显高于BP神经网络模型,结论根据LSTM算法建立的煤储层日产气量预测模型稳定性好且预测精度高,可作为煤储层产能长程预测的一种有效手段,进而为煤层气开发工艺布施与排采方案制定提供科学依据。 展开更多
关键词 LSTM神经网络 BP神经网络 灰色关联分析 产能预测
在线阅读 下载PDF
基于小波包分解和神经网络集成群的滚动轴承故障诊断
5
作者 柴立平 孟壮壮 +1 位作者 石海峡 李强 《合肥工业大学学报(自然科学版)》 北大核心 2025年第4期447-454,共8页
文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back p... 文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络分别对轴承进行故障诊断,比较分析小波包能量和小波包样本熵作为特征向量的适配程度;再以多个神经网络作为神经网络集成群的基础子网络,通过统计耦合、输出耦合和统计输出耦合形成神经网络集成群的二级网络;最后通过最终统计耦合输出神经网络集成群的分类结果。研究结果表明,该方法可获得理想的滚动轴承故障诊断准确率,在负载变化时具有良好的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 小波包变换 粒子群优化反向传播神经网络 神经网络集成群
在线阅读 下载PDF
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
6
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
短距光纤通信系统中基于神经网络的非线性均衡器 被引量：1
7
作者 赵晗祺 李娜 +5 位作者 吴斌 吴桂龙 陈一童 冯晓芳 何沛礼 李蔚 《中国光学(中英文)》 北大核心 2025年第1期114-120,共7页
为了实现对短距光纤数据通信系统接收端非线性损伤的低复杂度均衡,提出了一种基于全连接神经网络的接收端均衡算法。这是一种引入判决反馈结构的判决反馈神经网络。非线性畸变是由线性工作区与实验系统不匹配的光电探测器引入的,在此基... 为了实现对短距光纤数据通信系统接收端非线性损伤的低复杂度均衡,提出了一种基于全连接神经网络的接收端均衡算法。这是一种引入判决反馈结构的判决反馈神经网络。非线性畸变是由线性工作区与实验系统不匹配的光电探测器引入的,在此基础上实现了基于C波段直接调制激光器的56 Gbit/s PAM4信号的20 km传输验证实验,并对判决反馈神经网络和其他均衡方案的均衡性能进行了对比实验。实验结果表明,相比全连接神经网络,改进方案在传输距离为20 km时灵敏度提升2 dB。改进方案可以很好地均衡光电器件的非线性,且计算复杂度更低,具有很好的应用意义。 展开更多
关键词 短距光通信 光电器件非线性畸变 信号均衡 神经网络 判决反馈
在线阅读 下载PDF
基于MSCNN-GRU神经网络补全测井曲线和可解释性的智能岩性识别
8
作者 王婷婷 王振豪 +2 位作者 赵万春 蔡萌 史晓东 《石油地球物理勘探》 北大核心 2025年第1期1-11,共11页
针对传统岩性识别方法在处理测井曲线缺失、准确性以及模型可解释性等方面的不足,提出了一种基于MSCNN-GRU神经网络补全测井曲线和Optuna超参数优化的XGBoost模型的可解释性的岩性识别方法。首先,针对测井曲线在特定层段丢失或失真的问... 针对传统岩性识别方法在处理测井曲线缺失、准确性以及模型可解释性等方面的不足,提出了一种基于MSCNN-GRU神经网络补全测井曲线和Optuna超参数优化的XGBoost模型的可解释性的岩性识别方法。首先,针对测井曲线在特定层段丢失或失真的问题,引入了基于多尺度卷积神经网络(MSCNN)与门控循环单元(GRU)神经网络相结合的曲线重构方法,为后续的岩性识别提供了准确的数据基础;其次,利用小波包自适应阈值方法对数据进行去噪和归一化处理,以减少噪声对岩性识别的影响;然后,采用Optuna框架确定XGBoost算法的超参数,建立了高效的岩性识别模型;最后,利用SHAP可解释性方法对XGBoost模型进行归因分析,揭示了不同特征对于岩性识别的贡献度,提升了模型的可解释性。结果表明,Optuna-XGBoost模型综合岩性识别准确率为79.91%,分别高于支持向量机(SVM)、朴素贝叶斯、随机森林三种神经网络模型24.89%、12.45%、6.33%。基于Optuna-XGBoost模型的SHAP可解释性的岩性识别方法具有更高的准确性和可解释性,能够更好地满足实际生产需要。 展开更多
关键词 岩性识别 多尺度卷积神经网络 门控循环单元神经网络 XGBoost 超参数优化 可解释性
在线阅读 下载PDF
基于FS-SIA的毁伤预测神经网络超参数优化方法
9
作者 佘维 吕钟毓 +3 位作者 邢召伟 王世豪 徐旺旺 田钊 《郑州大学学报（理学版）》 CAS 北大核心 2025年第2期1-7,共7页
针对毁伤预测中神经网络超参数设置及调试过程较为复杂的问题,提出一种基于特征选择结合群体智能(feature selection and swarm intelligence algorithm,FS-SIA)的超参数优化方法,用于在毁伤预测中对神经网络进行超参数的搜索和优化。首... 针对毁伤预测中神经网络超参数设置及调试过程较为复杂的问题,提出一种基于特征选择结合群体智能(feature selection and swarm intelligence algorithm,FS-SIA)的超参数优化方法,用于在毁伤预测中对神经网络进行超参数的搜索和优化。首先,通过多种特征排序方法确定毁伤特征的重要性,选取公共的特征偏序子集用于模型训练。其次,针对具体的神经网络模型,分别采用多种群体智能算法进行超参数的搜索和优化。最后,得出特征集性能最优的超参数训练模型。实验结果表明,相较于未经特征排序而单纯采用群体智能算法的其他超参数优化模型,所提方法在毁伤预测中具有更快的收敛速度和更高的准确率。 展开更多
关键词 神经网络 超参数优化 特征选择 群体智能 毁伤预测
在线阅读 下载PDF
基于神经网络代理模型的门式墩优化方法及软件研发
10
作者 柏华军 《铁道标准设计》 北大核心 2025年第3期106-112,共7页
针对门式墩结构设计影响因素多、计算耗时长、传统优化方法易陷入局部最优等问题,基于BPNN代理模型和NSGAII遗传算法研发了预应力混凝土门式墩结构尺寸优化软件。首先,建立以结构工程数量为优化目标、安全指标为约束条件的结构尺寸优化... 针对门式墩结构设计影响因素多、计算耗时长、传统优化方法易陷入局部最优等问题,基于BPNN代理模型和NSGAII遗传算法研发了预应力混凝土门式墩结构尺寸优化软件。首先,建立以结构工程数量为优化目标、安全指标为约束条件的结构尺寸优化数学模型;然后,基于有限元法构建门式墩训练样本集,采用拉丁超立方开展试验设计,建立BPNN神经网络代理模型;最后,采用NSGAII遗传优化算法对BPNN神经网络代理模型进行搜索,实现门式墩最优结构尺寸和钢束线形的搜索推荐。依托某门式墩结构设计,开展算法有效性和效率验证,结果表明,案例的优化时间由有限元法的45 h缩短至智能优化算法的15 min,优化算法在保证预测精度的同时提高优化效率180倍。 展开更多
关键词 铁路桥梁 门式墩 结构优化 BP神经网络 代理模型 多目标优化 NSGAII算法 拉丁超立方设计
在线阅读 下载PDF
基于卷积-长短记忆神经网络的页岩气井短期产量预测与概率性评价
11
作者 郭建春 任文希 +3 位作者 曾凡辉 刘彧轩 段又菁 罗扬 《钻采工艺》 北大核心 2025年第1期130-137,共8页
页岩气赋存方式多样、渗流机理复杂,气井生产制度多变,准确预测页岩气井产量难度大。针对这一问题,文章基于数据驱动的思想,对历史生产数据进行了预处理,建立了由产量、油嘴尺寸、生产时间和关井时间组成的多维时间序列,结合卷积神经网... 页岩气赋存方式多样、渗流机理复杂,气井生产制度多变,准确预测页岩气井产量难度大。针对这一问题,文章基于数据驱动的思想,对历史生产数据进行了预处理,建立了由产量、油嘴尺寸、生产时间和关井时间组成的多维时间序列,结合卷积神经网络(CNN)和长短记忆神经网络(LSTM),基于混合式深度学习架构,建立了基于卷积-长短记忆神经网络的页岩气井短期产量预测模型(CNN-LSTM)。CNN-LSTM采用CNN提取高维特征之间的交互作用信息,并利用LSTM提取这些特征的时序信息,实现了交互作用信息和时序信息的融合。生产数据测试表明:CNN-LSTM考虑了生产制度的影响,因此其产量预测精度高于单变量LSTM和多变量LSTM。进一步发展了基于核密度估计理论的产量概率性预测方法,实现了产量预测结果的不确定分析,获得了未来气井产量的变化范围。研究成果有望为页岩气井生产动态分析、产量预测和生产管理提供支撑。 展开更多
关键词 页岩气井 产量预测 神经网络 不确定分析 数据驱动
在线阅读 下载PDF
基于多域图神经网络的疾病预测模型
12
作者 罗熹 刘洋 安莹 《湖南大学学报(自然科学版)》 北大核心 2025年第4期124-134,共11页
电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该... 电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该方法首先利用一个结合编码级注意力和时间感知LSTM的时序特征学习模块获得患者每次就诊的初始特征表示.然后,根据就诊序列中不同就诊间的相关性和时间间隔信息分别构建了一个就诊亲和图和一个就诊时序图,并通过图卷积神经网络从图中挖掘就诊记录间的静态语义关联和动态时序依赖.最后,利用一个基于自注意力机制的多域特征融合模块将时序特征和语义关联特征结合起来得到最终的患者融合特征表示,用于患者未来的疾病预测.在两个真实临床数据集上的实验结果表明,本文方法超过其他现有的方法获得了更高的预测准确性. 展开更多
关键词 电子病历 疾病预测 图神经网络 注意力机制
在线阅读 下载PDF
考虑裂纹分形维数的平行黏结模型细观参数标定的神经网络模型
13
作者 龚囱 戚燕顺 +4 位作者 缪浩杰 肖琦 熊良锋 曾鹏 赵奎 《岩土力学》 北大核心 2025年第1期327-336,共10页
针对试错法在平行黏结模型细观参数标定过程中存在繁琐耗时,且无法定量评价数值模拟与室内试验的裂纹匹配程度等局限性,统计并分析了近10年平行黏结模型细观参数取值范围,采用盒计数法获取了数值模拟试验、室内试验所得破坏后岩石表面... 针对试错法在平行黏结模型细观参数标定过程中存在繁琐耗时,且无法定量评价数值模拟与室内试验的裂纹匹配程度等局限性,统计并分析了近10年平行黏结模型细观参数取值范围,采用盒计数法获取了数值模拟试验、室内试验所得破坏后岩石表面裂纹分形维数。在此基础上,建立了以宏观弹性模量、宏观泊松比、峰值强度和裂纹分形维数等4个参数为输入层,黏结弹性模量、黏结法向与切向刚度比、黏结内聚力、黏结内摩擦角、黏结抗拉强度和摩擦系数等6个细观参数为输出层的神经网络模型,对比分析了考虑与不考虑裂纹分形维数时平行黏结模型细观参数标定效果。研究结果表明:(1)所建立的神经网络模型具有较好的收敛速度、预测精度与泛化性能,测试集输出数据与期望值误差约为3.34%。(2)将裂纹分形维数纳入神经网络模型后,数值模拟所得弹性模量、峰值应力与泊松比等宏观参数与室内试验结果的误差小于3.00%,优于不考虑裂纹分形维数标定结果。(3)该方法可定量保障数值模拟所得裂纹不规则性与室内试验结果的一致性,其在一定程度上可视为对现有神经网络模型细观参数标定结果的修正。研究成果可为提高平行黏结模型细观参数标定效果提供新思路。 展开更多
关键词 分形维数 颗粒流 平行黏结模型 参数标定 神经网络
在线阅读 下载PDF
基于图神经网络的地下水位动态模拟模型
14
作者 许明家 孙龙 +1 位作者 李爽 鲁程鹏 《水文》 北大核心 2025年第1期30-36,共7页
地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用... 地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用图神经网络(GNN)模拟地下水位动态变化,以地下水水位监测站为节点,通过邻接矩阵连接节点;选择河北省典型漏斗区的监测数据对模型进行应用和评价。与三个对照模型:随机森林(RF)、支持向量机(SVR)和多层感知机(MLP)相比,所提出的模型在所定义的评估指标方面均表现更好。此外,所提出的模型可同时模拟建模系统中所有监测站的地下水位变化,相比单站模型具有更高的数据利用率。 展开更多
关键词 地下水位模拟 图神经网络 非平稳 时间序列
在线阅读 下载PDF
基于SA-PSO-BP神经网络的煤层底板破坏深度预测
15
作者 李刚 赵艺鸣 +2 位作者 杨庆贺 才天 邹军鹏 《地下空间与工程学报》 北大核心 2025年第1期293-299,共7页
研究煤层底板破坏深度的准确预测对保证带压开采条件下煤矿的安全生产具有重要意义。针对传统BP神经网络预测底板破坏深度存在误差较大、容易陷入局部最优解、收敛速度慢等问题,提出了一种新的SA-PSO-BP网络模型。该模型以煤层倾角、开... 研究煤层底板破坏深度的准确预测对保证带压开采条件下煤矿的安全生产具有重要意义。针对传统BP神经网络预测底板破坏深度存在误差较大、容易陷入局部最优解、收敛速度慢等问题,提出了一种新的SA-PSO-BP网络模型。该模型以煤层倾角、开采深度、煤层开采厚度、工作面斜长作为评判指标,先利用粒子群优化算法(PSO)改进BP神经网络寻优过程、再引入模拟退火算法(SA)避免PSO算法陷入局部最优解,选取92组现场实测数据样本,对优化后的模型进行训练和预测。结果表明:SA-PSO-BP网络模型的拟合优度达到0.9835,比BP神经网络提高了0.2882;均方根误差达到1.3190,比BP神经网络减小了3.8641;平均绝对百分比误差达到5.4423,比BP神经网络减小了14.93%。构建的SA-PSO-BP网络模型具有可行性,为底板破坏深度的预测提供了一种合理的方法。 展开更多
关键词 带压开采 底板破坏深度 神经网络预测 SA-PSO-BP神经网络
在线阅读 下载PDF
基于NSGA-Ⅱ和神经网络的长短叶片泵双目标参数优化
16
作者 梁兴 马志巍 +2 位作者 熊文龙 周泊 曹寒问 《水电能源科学》 北大核心 2025年第3期163-167,共5页
针对长短叶片泵参数优化问题,以叶片进口角、叶片出口角和叶片数量为变量,以泵扬程、效率为优化目标,采用拉丁超立方设计40组试验组成样本集,并利用CFD方法计算泵性能。在数值模拟的基础上,基于BP神经网络泵性能预测模型构建长短叶片泵... 针对长短叶片泵参数优化问题,以叶片进口角、叶片出口角和叶片数量为变量,以泵扬程、效率为优化目标,采用拉丁超立方设计40组试验组成样本集,并利用CFD方法计算泵性能。在数值模拟的基础上,基于BP神经网络泵性能预测模型构建长短叶片泵双目标优化函数,并采用NSGA-Ⅱ算法寻优,进而开展双目标泵参数优化研究。结果表明,基于BP神经网络预测泵性能较准确,其中效率偏差最大为1.98%,扬程偏差最大为1.82%。NSGA-Ⅱ算法所获得的最优方案在额定工况下比原型泵扬程、效率分别提高了7.4%、1.8%;对比优化前后泵内流速分布、压力脉动等,最优方案有效改善了流动的均匀性,减小了水力损失和压力脉动,使得叶轮内部流动更加稳定,为长短叶片泵参数优化设计提供了理论依据。 展开更多
关键词 长短叶片泵 性能优化 神经网络 NSGA-Ⅱ算法
在线阅读 下载PDF
利用改进卷积神经网络的螺杆砂带磨削表面粗糙度预测
17
作者 杨赫然 张培杰 +2 位作者 孙兴伟 潘飞 刘寅 《中国机械工程》 北大核心 2025年第2期325-332,共8页
为便捷、准确地预测磨削后螺杆转子的表面粗糙度,提出了一种基于自注意力卷积神经网络(SA-CNN)的磨削曲面粗糙度测量方法。通过正交试验获得螺杆转子的表面粗糙度以及粗糙度数值对应位置的表面图像,图像经自适应直方图均衡化、反锐化掩... 为便捷、准确地预测磨削后螺杆转子的表面粗糙度,提出了一种基于自注意力卷积神经网络(SA-CNN)的磨削曲面粗糙度测量方法。通过正交试验获得螺杆转子的表面粗糙度以及粗糙度数值对应位置的表面图像,图像经自适应直方图均衡化、反锐化掩蔽等预处理后作为训练样本输入SA-CNN模型中。采用SA-CNN模型对磨削后的螺杆转子表面粗糙度值进行预测,并与经典网络ResNet、AlexNet、VGG-16、基础CNN以及图神经网络GNN预测结果进行对比。试验结果表明,SA-CNN模型的平均预测精度达到95.24%,均方根误差(RMSE)为0.0706μm,平均绝对百分比误差(MAPE)为7.4206%,均优于对比网络,且模型收敛较快,表现出较高的精度和良好的鲁棒性。 展开更多
关键词 磨削 表面粗糙度 卷积神经网络 正交试验
在线阅读 下载PDF
多源异质数据下深度神经网络的整合分析及其应用
18
作者 王小燕 冮建伟 +1 位作者 王洁丹 王德青 《统计研究》 北大核心 2025年第2期122-134,共13页
随着计算机技术的发展,各行各业累积和存储了丰富的数据。这些数据往往具有来源差异性、高维性特点,基于这些特征的多源数据建模是统计学的热点问题。针对多源异质数据,本文提出深度神经网络整合分析模型(IADNN)。该模型建立了L_(1)-CMC... 随着计算机技术的发展,各行各业累积和存储了丰富的数据。这些数据往往具有来源差异性、高维性特点,基于这些特征的多源数据建模是统计学的热点问题。针对多源异质数据,本文提出深度神经网络整合分析模型(IADNN)。该模型建立了L_(1)-CMCP惩罚,以识别重要特征以及处理数据的异质性,其中外层MCP识别对多源数据集整体显著的特征;中层MCP识别特征在数据集层面的异质性;内层Lasso识别DNN节点的异质性。这种嵌套设计旨在促进数据集间的信息共享。本文对L_(1)-CMCP进行局部线性近似,再采用近端梯度下降算法进行模型估计。模拟分析表明,IADNN在特征选择和分类预测方面均有良好表现。当多源数据部分异质时,所提方法的F_(1)分数、FPR等评估指标均优于各数据集独立建模和合并建模的方法;在多源数据完全异质或完全同质时,所提方法取得了与理论最佳模型相近的效果。最后,将IADNN应用于不同经济发展水平地区的信用违约数据,发现该模型在风险指标选择和违约预测方面具备有效性。 展开更多
关键词 多源数据 整合分析 深度神经网络 信用评分
在线阅读 下载PDF
基于卷积神经网络的立体匹配算法研究
19
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
多通道句法门控图神经网络用于句子级情感分析
20
作者 张吴波 邹旺 +2 位作者 熊黎 戴顺鄂 吴文欢 《计算机工程与应用》 北大核心 2025年第8期135-144,共10页
情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充... 情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充分结合文本的单词特征、依存特征和词性特征。针对以上问题,提出一种多通道句法门控图神经网络的句子级情感分析方法(MSGNN)。该模型以句子的依存句法关系图为骨架,词性特征、单词特征和依存特征作为节点特征信息;利用三通道的门控图神经网络分别学习三种特征;采用图卷积神经网络聚合节点的特征信息。在SST-1、SST-2、MR三种基准数据集上的实验结果表明该模型相比基线模型的性能有所提升。 展开更多
关键词 情感分析 句子级图神经网络 依存特征 门控图神经网络
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