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957篇文章
< 1 2 … 48 >
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：
基于改进掩膜循环卷积神经网络的沥青路面积水分布检测
1
作者 杨炜 常晓博 +1 位作者 刘哲 屈晓磊 《汽车技术》 CSCD 北大核心 2022年第8期47-53,共7页
针对传统的掩膜循环卷积神经网络(Mask R-CNN)在检测和分割积水区域时过度重视对区域的分割,忽视了边界分割的问题,在传统Mask R-CNN模型中添加以拉普拉斯(Laplacian)算子为基准构建的边界加权损失函数,得到改进的Mask R-CNN模型,同时... 针对传统的掩膜循环卷积神经网络(Mask R-CNN)在检测和分割积水区域时过度重视对区域的分割,忽视了边界分割的问题,在传统Mask R-CNN模型中添加以拉普拉斯(Laplacian)算子为基准构建的边界加权损失函数,得到改进的Mask R-CNN模型,同时以残差网络(ResNet)作为特征提取网络,采用迁移学习的方法,使用自建的1753张路面积水图像进行训练,以查准率与查全率的加权调和平均值F1和雅卡尔(Jaccard)系数作为评价指标。结果表明,改进的模型F1和雅卡尔系数分别为89.23%和81.46%,在不同积水区域、不同环境下,所提出的方法识别准确率和分割精度较高,能够为无人驾驶车辆提供路面积水信息的技术支持。 展开更多
关键词 沥青路面 积水检测 掩膜循环卷积神经网络 实例分割
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
2
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
基于卷积循环神经网络的手写汉字文本识别
3
作者 胡瑞朋 何春燕 +2 位作者 张伟明 赵立新 李明博 《科学技术与工程》 北大核心 2025年第4期1547-1554,共8页
为了解决卷积循环神经网络(convolutional recurrent neural networks, CRNN)手写汉字文本识别网络模型的训练参数大、文本识别率低等问题,提出一种基于注意力双向长短期记忆网络(based on attention bi-directional long short-term me... 为了解决卷积循环神经网络(convolutional recurrent neural networks, CRNN)手写汉字文本识别网络模型的训练参数大、文本识别率低等问题,提出一种基于注意力双向长短期记忆网络(based on attention bi-directional long short-term memory network, AT-BLSTM)和知识蒸馏(knowledge distillation, KD)技术的手写汉字识别方法。通过对AT-BLSTM网络的输入向量特征赋予不同的权重,使模型训练数据集更加高效、准确;通过KD技术将一个高性能的大模型获取的知识传输到一个小模型中,在确保模型准确性的同时,减少训练参数和内存占比,得到一个性能更优的轻量级训练模型。该方法通过多组实验对比,汉字识别准确率提高了6.7%,训练参数减少15.94 M。该网络模型识别准确率达到97.9%,汉字识别效果更好。 展开更多
关键词 卷积循环神经网络(CRNN) 手写汉字文本识别 注意力机制 知识蒸馏(KD)
在线阅读 下载PDF
基于CLR和改进卷积神经网络的调制方式识别算法
4
作者 王晓宇 张邦宁 +1 位作者 杨宁 郭道省 《无线电工程》 2025年第1期67-75,共9页
为提高非合作通信场景中调制方式识别任务在低信噪比(Signal to Noise Ratio,SNR)条件下的识别率及实时性,对卷积神经网络(Convolutional Neural Network,CNN)结构和学习率策略进行了改进,设计了一种基于循环周期学习率(Cyclic Learning... 为提高非合作通信场景中调制方式识别任务在低信噪比(Signal to Noise Ratio,SNR)条件下的识别率及实时性,对卷积神经网络(Convolutional Neural Network,CNN)结构和学习率策略进行了改进,设计了一种基于循环周期学习率(Cyclic Learning Rate,CLR)策略和改进CNN的调制方式识别算法。为了突出信号特征,通过短时傅里叶变换(Short Time Fourier Transform,STFT)生成信号的时频图,引入注意力机制对CNN进行改进,用于抑制信号中的冗余信息,实现特征提取,增强在低SNR条件下算法的识别能力,通过设计CLR策略,对算法超参数进行设置,提高算法的收敛速度。实验结果表明,在-10 dB条件下,识别率可达92%,相较于其他经典算法,识别率得到显著提升,所提出的算法参数量小、计算复杂度低、收敛速度快。 展开更多
关键词 调制方式识别 短时傅里叶变换 卷积神经网络 注意力机制 循环周期学习率策略
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
5
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
循环相关熵和一维浅卷积神经网络轴承故障诊断 被引量：1
6
作者 李辉 徐伟烝 《机械科学与技术》 CSCD 北大核心 2024年第4期600-610,共11页
针对传统二维深度卷积神经网络结构复杂、易产生过拟合和难以有效处理低信噪比信号的问题,提出了一种基于循环相关熵和一维浅卷积神经网络的故障诊断-CCe-1D SCNN方法。该方法综合利用了一维浅卷积神经网络结构简单、计算复杂度低和循... 针对传统二维深度卷积神经网络结构复杂、易产生过拟合和难以有效处理低信噪比信号的问题,提出了一种基于循环相关熵和一维浅卷积神经网络的故障诊断-CCe-1D SCNN方法。该方法综合利用了一维浅卷积神经网络结构简单、计算复杂度低和循环相关熵能在低信噪比环境下有效提取故障特征的优点。首先,计算轴承故障振动信号的循环相关熵函数、循环相关熵谱密度函数和广义循环平稳度;其次,将一维归一化的广义循环平稳度作为一维浅卷积神经网络的输入层,通过一维浅卷积神经网络自动实现故障特征提取和模式分类;最后,将CCe-1D SCNN方法应用于电机轴承故障特征提取和分类,实验结果表明:CCe-1D SCNN方法在低噪声比情况下仍能保持很高的模式识别正确率,为一种自动故障特征提取和模式识别的有效方法。 展开更多
关键词 循环相关熵 一维浅卷积神经网络 深度学习 循环平稳信号 故障诊断
在线阅读 下载PDF
基于循环卷积神经网络的上下文感知协同过滤推荐模型 被引量：3
7
作者 王凤姣 王一晴 段超 《淮阴师范学院学报（自然科学版）》 CAS 2024年第1期27-34,共8页
随着网络信息的爆炸式增长,推荐系统在缓解信息过载和信息迷航问题方面发挥着关键作用.如何更好地利用海量的网络信息挖掘用户的偏好和项目的特征成为当前研究的热点.针对这一热点,本文设计了一种深度混合模型从而更充分的提取文本上下... 随着网络信息的爆炸式增长,推荐系统在缓解信息过载和信息迷航问题方面发挥着关键作用.如何更好地利用海量的网络信息挖掘用户的偏好和项目的特征成为当前研究的热点.针对这一热点,本文设计了一种深度混合模型从而更充分的提取文本上下文信息特征辅助推荐,提出的基于循环卷积神经网络的上下文感知协同过滤推荐模型通过利用循环卷积神经网络挖掘项目描述文本上下文信息中的特征,再结合概率矩阵分解实现评分预测.此外,探究利用多头注意力机制重点关注文本上下文信息中的多项重要信息.模型在两个公开数据集ML-100k和ML-10m上进行了实验,实验结果表明,本研究所提出的模型在RMSE和MAE评价指标上相较于广泛使用的基线模型有明显改进,其中RMSE指标在ML-100k数据集上的有效性比aSDAE高出5.42%. 展开更多
关键词 推荐系统 循环神经网络 卷积神经网络 注意力机制 概率矩阵分解
在线阅读 下载PDF
基于卷积循环神经网络的运动想象脑电信号模式识别
8
作者 胡存林 叶晔 《洛阳理工学院学报（自然科学版）》 2024年第1期50-55,共6页
脑机接口技术可以帮助运动障碍人员通过外部设备与环境进行交互。为了提高对运动想象激发的脑电信号的识别率,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和循环神经网络(Recurrent Neural Network, RNN)的混合神经... 脑机接口技术可以帮助运动障碍人员通过外部设备与环境进行交互。为了提高对运动想象激发的脑电信号的识别率,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和循环神经网络(Recurrent Neural Network, RNN)的混合神经网络模式识别方法,并在实际计算中使用长短期记忆神经网络(Long Short-Term Memory, LSTM)和门控循环单元(Gated Recurrent Unit, GRU)两种不同的RNN进行对比。对原始脑电信号数据进行滤波和分段处理,将处理好的数据输入到混合神经网络中,使用Softmax进行分类,用BCI竞赛IV中的数据集2a和数据集1两种脑电数据集进行验证,此方法能够有效地提高模式识别精度,平均准确率达到了95%以上。 展开更多
关键词 运动想象 模式识别 循环神经网络 卷积神经网络
在线阅读 下载PDF
基于循环卷积神经网络的排水管网缺陷检测方法 被引量：1
9
作者 刘存莉 雷占占 郑澳 《计算机与现代化》 2024年第7期26-35,75,共11页
市政排水系统关乎城市道路交通安全,故对其状况进行评估非常重要。在发达国家,闭路电视(CCTV)是下水道评估和维护的主要检测工具,却也为其数据处理带来了新的挑战。本文提出一种基于循环卷积神经网络(RCNN)的排水管网缺陷检测方法。RCN... 市政排水系统关乎城市道路交通安全,故对其状况进行评估非常重要。在发达国家,闭路电视(CCTV)是下水道评估和维护的主要检测工具,却也为其数据处理带来了新的挑战。本文提出一种基于循环卷积神经网络(RCNN)的排水管网缺陷检测方法。RCNN采用残差网络(ResNet)作为特征提取模块,提取排水管网图像序列的视觉特征,采用双向LSTM学习识别时间特征,以完成排水管网缺陷分类的任务。本文方法将图像序列作为一个整体进行识别。训练集、验证集和测试集共包含8800个图像序列,211200幅图像。经过RCNN模型的训练和测试,测试集的最高准确率为90.3%。将4种不同融合方式引入本文方法并与基于SVM的方法和基于单帧的方法进行了6组对照实验,同时将基于视觉注意力机制的3种融合方法引入本文方并进行了对照实验,实验结果表明,RCNN取平均值的融合实验精度最高(90.3%),召回率达到了0.977,验证了本文方法在工程应用中的可行性。 展开更多
关键词 市政排水管网 卷积神经网络 循环神经网络
在线阅读 下载PDF
基于改进门控循环神经网络的采煤机滚筒调高量预测 被引量：3
10
作者 齐爱玲 王雨 马宏伟 《工矿自动化》 CSCD 北大核心 2024年第2期116-123,共8页
采煤机自适应截割技术是实现综采工作面智能化开采的关键技术。针对采煤机在复杂煤层下自动截割精度较低的问题,提出了一种基于改进门控循环神经网络(GRU)的采煤机滚筒调高量预测方法。鉴于截割轨迹纵向及横向相邻数据之间的相关性,采... 采煤机自适应截割技术是实现综采工作面智能化开采的关键技术。针对采煤机在复杂煤层下自动截割精度较低的问题,提出了一种基于改进门控循环神经网络(GRU)的采煤机滚筒调高量预测方法。鉴于截割轨迹纵向及横向相邻数据之间的相关性,采用定长滑动时间窗法对获取的采煤机滚筒高度数据进行预处理,将输入数据划分为连续、大小可调的子序列,同时处理横向、纵向的特征信息。为提高模型预测效率,满足循环截割的实时性要求,提出了一种用因果卷积改进的门控循环神经网络(CC-GRU),对输入数据进行双重特征提取和双重数据过滤。CC-GRU利用因果卷积提前聚焦序列纵向的局部时间特征,以减少计算成本,提高运算速度;利用门控机制对卷积得到的特征进行序列化建模,以捕捉元素之间的长期依赖关系。实验结果表明,采用CC-GRU模型对采煤机滚筒调高量进行预测,平均绝对误差(MAE)为43.80 mm,平均绝对百分比误差(MAPE)为1.90%,均方根误差(RMSE)为50.35 mm,决定系数为0.65,预测时间仅为0.17 s;相比于长短时记忆(LSTM)神经网络、GRU、时域卷积网络(TCN),CC-GRU模型的预测速度较快且预测精度较高,能够更准确地对采煤机调高轨迹进行实时预测,为工作面煤层模型的建立和采煤机调高轨迹的预测提供了依据。 展开更多
关键词 采煤机 滚筒调高 煤岩识别 深度学习 门控循环神经网络 因果卷积
在线阅读 下载PDF
基于卷积神经网络算法的海水循环冷却污损生物分类模型
11
作者 张益 《工业水处理》 CAS CSCD 北大核心 2024年第12期160-165,共6页
海水循环冷却系统取水头部及管道中污损生物附着会堵塞管道,加速腐蚀,严重影响设备的正常运行。杀生剂的投加方案与污损生物的种类密切相关,由于监测困难,现在通常采用固定杀生剂投加方案。污损生物在管壁建构筑物上的附着主要是以优势... 海水循环冷却系统取水头部及管道中污损生物附着会堵塞管道,加速腐蚀,严重影响设备的正常运行。杀生剂的投加方案与污损生物的种类密切相关,由于监测困难,现在通常采用固定杀生剂投加方案。污损生物在管壁建构筑物上的附着主要是以优势种群聚集附着的形式,可以在海水管道头部及管道中加装摄像头,实现污损生物的监测,以便及时调整加药方案。利用卷积神经网络算法,建立污损生物分类模型,实现常见污损生物的自动分类。利用常见污损生物聚集图像作为模型训练数据,以交叉熵损失函数和准确率作为模型评价指标,进行模型训练。该模型分类准确率较高,可用于自动化加药设备中污损生物的自动识别,以此为基础,配合自动化加药设备,可实现杀生药剂投加方案的自动实时调整,提高海水循环冷却系统的精细化管理水平。 展开更多
关键词 海水循环冷却 卷积神经网络 计算机视觉 污损生物分类
在线阅读 下载PDF
基于卷积神经网络和门控循环单元的震中距预测模型
12
作者 林建平 王郭艳 +1 位作者 王阳 王延伟 《南阳理工学院学报》 2024年第6期50-56,共7页
为提高地震预警参数的预测精度,提出一种基于卷积神经网络和门控循环单元的震中距预测模型(记为CGR),该模型输入P波初至0.5~3 s的数据,输出震中距预测值,同时提取波形和时间序列特征,实现震中距的端到端预测。利用日本KiK-net数据库的... 为提高地震预警参数的预测精度,提出一种基于卷积神经网络和门控循环单元的震中距预测模型(记为CGR),该模型输入P波初至0.5~3 s的数据,输出震中距预测值,同时提取波形和时间序列特征,实现震中距的端到端预测。利用日本KiK-net数据库的地震记录对CGR模型进行训练和测试,并与B-Δ方法进行对比。测试结果表明CGR模型在P波到时后0.5 s便拥有相比于传统方法更高的准确性,该模型避免了传统方法的人为干扰,显著改善地震预警中震中距估算的时效性和准确性。 展开更多
关键词 深度学习 卷积神经网络 门控循环单元 震中距
在线阅读 下载PDF
基于卷积循环神经网络的新型电力系统继电保护故障诊断技术
13
作者 杨阳 匡子靓 +1 位作者 尚文 李武龙 《电子器件》 2024年第6期1606-1612,共7页
随着新型电力系统建设的推进,分布式新能源容量大幅度提升,越来越多的电力电子设备接入电网中,导致短路时的故障特征发生本质变化,传统的继电保护故障诊断技术难以适用。为提高新型电力系统保护的准确性,提出一种基于卷积循环神经网络... 随着新型电力系统建设的推进,分布式新能源容量大幅度提升,越来越多的电力电子设备接入电网中,导致短路时的故障特征发生本质变化,传统的继电保护故障诊断技术难以适用。为提高新型电力系统保护的准确性,提出一种基于卷积循环神经网络的新型电力系统继电保护故障诊断技术。首先,使用小波变换提取出故障电流时频特性作为网络的输入数据;然后,设计包含卷积神经网络和双向门控循环单元的卷积循环神经网络算法,利用卷积神经网络对输入的故障数据进行特征提取,双向门控循环单元对特征中的动态序列关系进行挖掘;最后,使用Softmax分类器进行故障分类,完成故障诊断。经过实验表明,所提方法在新型电力系统下的故障诊断率能够达到99.6%,与常见的卷积神经网络和前馈神经网络相比,分别提升了8.2%和9.7%,证明所提方法具有更高的故障诊断准确率。 展开更多
关键词 新型电力系统 分布式新能源 继电保护 故障诊断 卷积循环神经网络
在线阅读 下载PDF
基于SSA-BiGRU-CNN神经网络和波动数据修正的电动汽车短期负荷预测模型
14
作者 张钰声 曹敏 +1 位作者 雷宇 李龙 《电网与清洁能源》 北大核心 2025年第2期67-74,共8页
为提高区域级电动汽车负荷预测精度,考虑了历史负荷数据自身的内在联系以及天气因素所带来的波动影响,提出一种基于麻雀搜索算法的双向门控循环单元(bidirectional gaterecurrentunit,BiGRU)-卷积神经网络(convolutional neural network... 为提高区域级电动汽车负荷预测精度,考虑了历史负荷数据自身的内在联系以及天气因素所带来的波动影响,提出一种基于麻雀搜索算法的双向门控循环单元(bidirectional gaterecurrentunit,BiGRU)-卷积神经网络(convolutional neural network,CNN)的电动汽车短期负荷预测模型。构建BiGRU-CNN模型,并应用麻雀搜索算法(sparrowsearch algorithm,SSA)对BiGRU神经网络参数进行优化;利用BiGRU神经网络充分学习历史负荷数据的前、后向联系,采用CNN对历史负荷数据进行局部优化,并通过全连接层进行预测;考虑到天气数据内部规律性不强,采用BiGRU-CNN神经网络对天气数据所带来的负荷波动进行误差预测和修正。以陕西某区域电动汽车充电站为例,分别预测预见期为4 h和24 h的电动汽车负荷,实验结果表明,所提模型无论在工作日还是双休日都具有很高的预测精度,验证了所提方法的有效性。 展开更多
关键词 电动汽车 负荷预测 双向门控循环单元 卷积神经网络 麻雀搜索算法
在线阅读 下载PDF
基于自注意力层的神经网络弹道落点预测方法
15
作者 马月红 曹彦敏 +5 位作者 李超旺 赵辰 周辉 赵慧亮 王晓成 李乾 《弹箭与制导学报》 北大核心 2025年第1期53-61,共9页
针对现有的弹道落点预测方法误差大和气象变化适应不足的问题,建立了包含气象条件的弹道数据集,并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接,加强模型在处理输入序... 针对现有的弹道落点预测方法误差大和气象变化适应不足的问题,建立了包含气象条件的弹道数据集,并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接,加强模型在处理输入序列时动态关注不同时刻信息的能力,缓解网络中的梯度爆炸问题。采用多维时间序列数据的输入表示方法,结合历史弹道轨迹数据和目标特征等信息,减小弹道落点预测误差。仿真结果表明,基于自注意力层的CNN-BiLSTM-BiGRU网络模型的预测效果优于其他模型,射程预测的最大误差占真实值的0.156%,横偏预测的最大误差占真实值的5.904%。文中研究为弹道落点预测领域提供了重要的参考依据。 展开更多
关键词 弹道落点预测 深度学习 弹道模型 自注意力层 卷积神经网络 长短期记忆网络 门控循环神经网络
在线阅读 下载PDF
基于串联深度神经网络的跨坐式单轨车辆轮胎径向载荷识别模型
16
作者 任利惠 周荣笙 +1 位作者 季元进 曾俊玮 《中国铁道科学》 北大核心 2025年第1期136-148,共13页
针对识别跨坐式单轨车辆轮胎径向载荷时直接测量法成本昂贵、定制复杂,而基于物理模型的方法稳定性差、计算量大、精度不足的问题,建立车辆动力学模型,兼顾物理关系合理性和测量便捷性,选取可通过能观性分解得到的车体和构架振动加速度... 针对识别跨坐式单轨车辆轮胎径向载荷时直接测量法成本昂贵、定制复杂,而基于物理模型的方法稳定性差、计算量大、精度不足的问题,建立车辆动力学模型,兼顾物理关系合理性和测量便捷性,选取可通过能观性分解得到的车体和构架振动加速度以及易直接测量的位移、转角和角速度等车辆姿态信息构建数据集,并验证动力学模型的准确性;预处理数据集时,向其中混入噪声增强数据鲁棒性,进行归一化处理便于数据计算,扩充时间步长增强数据的时序关联性;在此基础上,构建基于一维卷积神经网络(1DCNN)和双向门控循环单元(BiGRU)串联深度神经网络的轮胎径向载荷识别模型,采用Hyperband算法进行模型的超参数优化,在学习率、批量大小和优化器种类最优下通过设置合理的卷积核尺寸和门控循环单元个数规划各层数据维度,在1DCNN中引入逐点卷积和膨胀卷积以提升模型识别效果,并从准确性、鲁棒性和泛化性3个方面对模型的载荷识别效果进行评估。结果表明:与传统模型相比,基于1DCNN-BiGRU的载荷识别模型均方误差较低,低于0.106,准确性较高;数据混入信噪比低至27 dB噪声时仍具有较好的识别效果,鲁棒性较强;在不同的曲线半径、曲线超高率和惯性参数扰动工况下仍能维持较好的识别效果,泛化性较好。 展开更多
关键词 载荷识别 跨坐式单轨车辆 卷积神经网络 双向门控循环单元 超参数优化 车辆动力学模型
在线阅读 下载PDF
基于神经网络与深度学习的PM2.5预测模型研究
17
作者 任瑛 王思源 夏必胜 《计算机与数字工程》 2025年第2期332-337,346,共7页
大气污染问题越来越严重,以PM2.5为主要因素的雾霾天气已经严重影响到居民生活,精准高效的PM2.5浓度预测对于环境污染治理有重要的意义。神经网络与深度学习作为近些年来人工智能方向的一类热门研究技术,拥有强大的数据分析、非线性拟... 大气污染问题越来越严重,以PM2.5为主要因素的雾霾天气已经严重影响到居民生活,精准高效的PM2.5浓度预测对于环境污染治理有重要的意义。神经网络与深度学习作为近些年来人工智能方向的一类热门研究技术,拥有强大的数据分析、非线性拟合以及特征提取能力,已成为环境工程领域不可或缺的工具。论文介绍了神经网络与深度学习在PM2.5预测中的常用的五种方法:BP神经网络、循环神经网络、卷积神经网络、径向基神经网络、反馈神经网络,分析了五种模型的优缺点,阐述了预测PM2.5的情况,最后展望了深度学习在PM2.5预测领域的未来发展方向。 展开更多
关键词 神经网络 深度学习 BP神经网络 循环神经网络 卷积神经网络
在线阅读 下载PDF
基于注意力机制循环神经网络的液体火箭发动机故障检测 被引量：1
18
作者 张万旋 卢哲 +2 位作者 张箭 薛薇 张楠 《导弹与航天运载技术（中英文）》 CSCD 北大核心 2024年第2期25-31,共7页
针对液体火箭发动机主级段工作过程,采用多变量非线性时间序列分析理论,在两级注意力机制循环神经网络(Dual Stage Attention Based Recurrent Neural Networks,DA-RNN)的基础上,提出一种新型时序分析工具——卷积两级注意力机制循环神... 针对液体火箭发动机主级段工作过程,采用多变量非线性时间序列分析理论,在两级注意力机制循环神经网络(Dual Stage Attention Based Recurrent Neural Networks,DA-RNN)的基础上,提出一种新型时序分析工具——卷积两级注意力机制循环神经网络(Convolutional Dual Stage Attention Based Recurrent Neural Networks,CDA-RNN),从而建立故障趋势预测模型。通过对预测残差进行自相关性分析并定义故障置信概率,提出了故障检测量化依据。利用发生微弱故障的热试车数据进行验证,结果表明,CDA-RNN模型对非稳态工作段微弱故障多参数检测具有良好鲁棒性,该方法十分有效,具有直接应用价值。 展开更多
关键词 多变量时间序列 注意力机制 循环神经网络 卷积神经网络 自相关性分析
在线阅读 下载PDF
基于注意力卷积神经网络的视觉里程计
19
作者 高学金 牟雨曼 任明荣 《控制工程》 CSCD 北大核心 2024年第6期1060-1066,共7页
传统的视觉里程计(visual odometry,VO)要求图像含有大量的纹理信息,且求解过程较为复杂。针对以上问题提出基于注意力卷积神经网络的视觉里程计,对相机进行端到端的位姿估计,利用注意力机制提高模型估计轨迹的精度。首先,使用注意力-... 传统的视觉里程计(visual odometry,VO)要求图像含有大量的纹理信息,且求解过程较为复杂。针对以上问题提出基于注意力卷积神经网络的视觉里程计,对相机进行端到端的位姿估计,利用注意力机制提高模型估计轨迹的精度。首先,使用注意力-卷积神经网络(convolutional neural networks,CNN)模块提取图像特征;然后,将特征输入到门控循环单元(gated recurrent unit,GRU)学习图像的时序连接性;最后,通过全连接层降维输出相机位姿。在KITTI数据集上完成实验,并与其他方法进行对比,结果表明卷积网络中加入注意力机制可以有效提高轨迹估计的精度,且误差低于其他视觉里程计算法。 展开更多
关键词 视觉里程计 注意力机制 卷积神经网络 门控循环单元
在线阅读 下载PDF
基于循环神经网络变体和卷积神经网络的文本分类方法 被引量：20
20
作者 李云红 梁思程 +3 位作者 任劼 李敏奇 张博 李禹萱 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第4期573-579,共7页
针对长文本在文本分类时提取语义关键特征难度大,分类效果差等问题,建立基于循环神经网络变体和卷积神经网络(BGRU-CNN)的混合模型,实现中文长文本的准确分类。首先,通过PV-DM模型将文本表示为句向量,并将其作为神经网络的输入;然后,建... 针对长文本在文本分类时提取语义关键特征难度大,分类效果差等问题,建立基于循环神经网络变体和卷积神经网络(BGRU-CNN)的混合模型,实现中文长文本的准确分类。首先,通过PV-DM模型将文本表示为句向量,并将其作为神经网络的输入;然后,建立BGRU-CNN模型,经双向门控循环单元(B-GRU)实现文本的序列信息表示,利用卷积神经网络(CNN)提取文本的关键特征,通过Softmax分类器实现文本的准确分类;最后,经SogouC和THUCNews中文语料集测试,文本分类准确率分别达到89.87%和94.65%。测试结果表明,循环层提取的文本序列特征通过卷积层得到了进一步优化,文本的分类性能得到了提高。 展开更多
关键词 文本分类 句向量 循环神经网络 卷积神经网络
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 … 48 下一页 到第 页
使用帮助 返回顶部