基于双向LSTM的双任务学习残差通道注意力机制手写签名认证

1

作者 栾方军 陈昱岑 袁帅 《计算机科学与应用》 2024年第3期159-168,共10页

随着人工智能深度学习的发展,网络模型对于在线签名认证系统(Online Signature Verification, OSV)的性能有了显著的提升。然而,如何进一步提高在线手写签名认证的准确性仍然是一个需要解决的问题。为此,本文提出了一种基于双向LSTM的... 随着人工智能深度学习的发展,网络模型对于在线签名认证系统(Online Signature Verification, OSV)的性能有了显著的提升。然而,如何进一步提高在线手写签名认证的准确性仍然是一个需要解决的问题。为此,本文提出了一种基于双向LSTM的双任务学习残差通道注意力机制网络模型,用于改进手写签名认证。该模型使用残差通道注意力机制来学习序列特征的权重以便解决不同通道的权重分配问题,双向长短期记忆网络来缓解在深度神经网络中增加深度时可能带来的梯度消失和梯度爆炸问题。此外,引入多任务学习,包括有监督学习和深度度量学习,以更好地进行特征学习。最终,本文提出了一种基于多任务学习的训练方法,使得OSV系统的准确性进一步提高。所提出的方法在SVC-2004数据集中取得了2.33%的等错误率和97.03%的准确率。实验结果表明,所提出的方法能够有效地提高OSV系统的身份验证准确性。 展开更多

关键词 签名认证 多任务学习 残差通道注意力机制 双向长短期记忆 度量学习

在线阅读 下载PDF 职称材料

基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法

2

作者 李海燕 乔仁超 +1 位作者 李海江 陈泉 《东北大学学报(自然科学版)》 北大核心 2025年第1期26-34,共9页

为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均... 为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均匀雾区的细节特征,设计跨维度通道空间注意力优化信息权重.然后,提出全局建模Transformer模块加深编码器的特征提取过程,设计带有并行卷积的Swin Transformer捕捉特征之间的依赖关系.最后,设计门控特征融合解码模块复用图像重建所需的纹理信息,滤除不相关的雾噪声,提高去雾性能.在4个公开数据集上进行定性和定量实验,实验结果表明:所提算法能够有效地处理非均匀雾区域,重建纹理细腻且语义丰富的高保真无雾图像,其峰值信噪比和结构相似性指数都优于经典对比算法. 展开更多

关键词 图像去雾 全局残差注意力机制 CNN-Transformer架构 门控特征融合 图像重建

在线阅读 下载PDF 职称材料

基于残差注意力机制的图像超分辨率重建

3

作者 李岚 张云 +1 位作者 何方 尹喆 《兰州文理学院学报（自然科学版）》 2024年第5期48-53,共6页

针对传统方法中纹理、边缘、遮挡等区域难以进行图像超分辨率重建的问题,提出一种基于注意力机制的残差网络超分辨率重建方法.首先对输入图像应用一层卷积网络和一层位移网络提取浅层特征;然后引入若干个残差坐标注意力模块自适应校正... 针对传统方法中纹理、边缘、遮挡等区域难以进行图像超分辨率重建的问题,提出一种基于注意力机制的残差网络超分辨率重建方法.首先对输入图像应用一层卷积网络和一层位移网络提取浅层特征;然后引入若干个残差坐标注意力模块自适应校正通道权重,与浅层特征相加提取深层特征;最后,结合亚像素卷积重建出高分辨率图像.在标准数据集Set5和Set14上的实验结果表明,该方法重建图像的客观评价指标和视觉效果均优于SRCNN、VDSR和Bicubic方法,在一定程度上改善了重建图像的质量,并提升了算法的运行速度. 展开更多

关键词 卷积神经网络 残差注意力机制 特征提取 超分辨率重建

在线阅读 下载PDF 职称材料

多尺度残差挤压和激励的双U舌图分割网络

4

作者 梁淑芬 解竞一 +1 位作者 吴岑 秦传波 《五邑大学学报（自然科学版）》 CAS 2024年第2期55-63,共9页

在图像分割中,单次卷积和频繁的池化操作容易产生冗余信息或遗漏关键信息.本文设计了一种多尺度的残差挤压和激励注意力的双U形分割网络(MRSEA-DUNet)来解决上述问题.首先,该网络由两个U形的网络组成,分别是预编码网络和精确分割网络.... 在图像分割中,单次卷积和频繁的池化操作容易产生冗余信息或遗漏关键信息.本文设计了一种多尺度的残差挤压和激励注意力的双U形分割网络(MRSEA-DUNet)来解决上述问题.首先,该网络由两个U形的网络组成,分别是预编码网络和精确分割网络.为避免频繁的卷积和池化操作导致信息丢失或产生无效信息,提出了具有不同大小感受野的阶梯卷积模块(SCM),并采用并行结构,可以在不同尺度上捕获更丰富、更详细的特征.其次,还设计了一种残差挤压和激励注意力模块(RSEAM),可以通过空间和通道提高有效特征增益,消除冗余信息,并且提高了模型的整体鲁棒性.最后,为了减少了降采样操作的数量,简化了纵向复杂度.实验结果表明,本文MRSEA-DUNet模型的精度、Jaccard系数和Dice系数分别达到0.995 4、 0.979 4和0.989 5,均优于其他7种主流模型,优化了分割效果. 展开更多

关键词 医学影像分割 挤压与激励 注意力机制 感受野 多尺度 残差机制

在线阅读 下载PDF 职称材料

一种融合残差机制和注意力机制的深度语音去噪方法 被引量：1

5

作者 李蕊 郭敏 马苗 《光电子．激光》 EI CAS CSCD 北大核心 2021年第5期485-490,共6页

针对深度网络模型进行端到端语音去噪时存在对语音底层信息表示能力不足以及网络只采用卷积级联的方式造成参数冗余的问题,提出了一种融合残差机制和注意力机制的生成对抗网络去噪模型(Attention Res-UNetGAN)。模型在波形域对语音进行... 针对深度网络模型进行端到端语音去噪时存在对语音底层信息表示能力不足以及网络只采用卷积级联的方式造成参数冗余的问题,提出了一种融合残差机制和注意力机制的生成对抗网络去噪模型(Attention Res-UNetGAN)。模型在波形域对语音进行去噪,其生成网络为U-Net结构,包含下采样层、中间层和上采样层。中间层为改进的嵌套残差模块(Residual-Residual Block,RRB),是由两块基础残差块进行残差拼接而形成的。对称的下采样层和上采样层之间采用注意力跳连和直接跳连进行连接。在VCTK(Voice Bank corpus)数据集进行去噪后并经PESQ等六种客观语音质量评价指标进行评价,Attention Res-UNetGAN相比原生成对抗网络模型各指标值平均提升了9.13%。 展开更多

关键词 深度学习 语音去噪 生成对抗网络 残差机制 注意力机制

原文传递

基于残差注意力机制的肺结节数据增强方法

6

作者 李阳 李春璇 +1 位作者 徐灿飞 方立梅 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第6期880-886,共7页

针对带标注的肺CT图像数据匮乏而导致的深度学习模型训练困难,以及现有生成算法生成肺结节不同特征模糊、细节丢失的问题,提出了肺结节图像的数据增强RAU-GAN算法。首先,在生成器网络中嵌入残差注意力模块,该模块可以聚焦于局部不同的... 针对带标注的肺CT图像数据匮乏而导致的深度学习模型训练困难,以及现有生成算法生成肺结节不同特征模糊、细节丢失的问题,提出了肺结节图像的数据增强RAU-GAN算法。首先,在生成器网络中嵌入残差注意力模块,该模块可以聚焦于局部不同的感兴趣区域,以实现肺结节与背景信息的独立生成,并且重新设计了注意力模块中的残差块来减少网络的深度和训练的复杂度。其次,将判别器设计为U-Net架构,可以给更新后的生成器反馈更多信息,以提高判别性能。最后,在数据集LUNA16和Deep Lesion上进行实验,结果与现有方法相比,在视觉效果和不同评价指标上均有提升,验证了生成图像包含了更丰富的细节信息。 展开更多

关键词 数据增强 Pix2Pix RAU-GAN 残差注意力机制 U-Net判别器

在线阅读 下载PDF 职称材料

基于残差双重注意机制网络的电力数据压缩与高精度重建 被引量：21

7

作者 吴毓峰 李富盛 +4 位作者 余涛 潘振宁 刘前进 李捷 李卓环 《电网技术》 EI CSCD 北大核心 2022年第8期3257-3268,共12页

5G飞速发展与坚强智能电网深化建设的背景下,针对电力系统数据存储能力与数据采集传输能力不匹配的问题,文章提出一种基于残差双重注意机制网络的电力数据压缩与高精度重建方法。在数据压缩机制中,设计一种电力数据图像构建方法,并采用... 5G飞速发展与坚强智能电网深化建设的背景下,针对电力系统数据存储能力与数据采集传输能力不匹配的问题,文章提出一种基于残差双重注意机制网络的电力数据压缩与高精度重建方法。在数据压缩机制中,设计一种电力数据图像构建方法,并采用高斯滤波下采样对电力数据进行压缩;在重构机制中,结合通道注意机制与空间注意机制,构建一种残差双重注意机制网络,实现对压缩数据的高精度重构。通过在I-BLEND数据集上的仿真试验,验证所提方法能有效对电力数据进行压缩,减轻数据存储压力,同时相比于其他超分辨率重建方法,取得更精确的重构效果。 展开更多

关键词 电力数据图像 数据传输模式 数据压缩重建 超分辨率重建 残差双重注意机制网络

在线阅读 下载PDF 职称材料

结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法 被引量：5

8

作者 黄有达 周大可 杨欣 《计算机应用研究》 CSCD 北大核心 2021年第7期2175-2178,2187,共5页

针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络。在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码... 针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络。在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码器模块中引入残差注意力机制,强化网络对重要特征的关注同时抑制不必要的噪声。实验结果表明,相较其他算法,该算法取得了较显著的改进;相对PRNet,该算法以更少的参数量在各项指标上取得7.7%~12.1%的性能提升。 展开更多

关键词 三维人脸重建和密集对齐 密集连接 空洞卷积 残差注意力机制

在线阅读 下载PDF 职称材料

基于残差注意力机制的点云配准算法 被引量：8

9

作者 秦庭威 赵鹏程 +3 位作者 秦品乐 曾建朝 柴锐 黄永琦 《计算机应用》 CSCD 北大核心 2022年第7期2184-2191,共8页

针对传统点云配准算法精度低、鲁棒性差以及放疗前后癌症患者无法实现精确放疗的问题,提出一种基于残差注意力机制的点云配准算法(ADGCNNLK)。首先,在动态图深度卷积网络(DGCNN)中添加残差注意力机制来有效地利用点云的空间信息,并减少... 针对传统点云配准算法精度低、鲁棒性差以及放疗前后癌症患者无法实现精确放疗的问题,提出一种基于残差注意力机制的点云配准算法(ADGCNNLK)。首先,在动态图深度卷积网络(DGCNN)中添加残差注意力机制来有效地利用点云的空间信息,并减少信息损失;然后,利用添加残差注意力机制的DGCNN提取点云特征,这样做不仅可以在保持点云置换不变性的同时捕捉点云的局部几何特征,也可以在语义上将信息聚合起来,从而提高配准效率;最后,将提取到的特征点映射到高维空间中并使用经典的图像迭代配准算法LK进行配准。实验结果表明,所提算法与迭代最近点算法(ICP)、全局优化的ICP算法(Go-ICP)和PointNetLK相比,在无噪、有噪的情况下配准效果均最好。其中,在无噪情况下,与PointNetLK相比,所提算法的旋转均方误差降低了74.61%,平移均方误差降低了47.50%;在有噪声的情况下,与PointNetLK相比,所提算法的旋转均方误差降低了73.13%,平移均方误差降低了44.18%,说明所提算法与PointNetLK相比鲁棒性更强。将所提算法应用于放疗前后癌症患者人体点云模型的配准,从而辅助医生治疗,并实现了精确放疗。 展开更多

关键词 点云配准 特征提取 残差注意力机制 深度学习 放疗

在线阅读 下载PDF 职称材料

基于残差注意力机制和金字塔卷积的表情识别 被引量：3

10

作者 包志龙 陈华辉 《模式识别与人工智能》 EI CSCD 北大核心 2022年第6期497-506,共10页

随着深度学习的应用,表情识别技术得到快速发展,但如何提取多尺度特征及高效利用关键特征仍是表情识别网络面临的挑战.针对上述问题,文中使用金字塔卷积有效提取多尺度特征,使用空间通道注意力机制加强关键特征的表达,构建基于残差注意... 随着深度学习的应用,表情识别技术得到快速发展,但如何提取多尺度特征及高效利用关键特征仍是表情识别网络面临的挑战.针对上述问题,文中使用金字塔卷积有效提取多尺度特征,使用空间通道注意力机制加强关键特征的表达,构建基于残差注意力机制和金字塔卷积的表情识别网络,提高识别的准确率.网络使用MTCNN(Multi-task Convolutional Neural Network)进行人脸检测、人脸裁剪及人脸对齐,再将预处理后的图像送入特征提取网络.同时,为了缩小同类表情的差异,扩大不同类表情的距离,结合Softmax Loss和Center Loss,进行网络训练.实验表明,文中网络在Fer2013、CK+数据集上的准确率较高,网络参数量较小,适合表情识别在现实场景中的应用. 展开更多

关键词 表情识别 金字塔卷积 残差注意力机制 多尺度特征

在线阅读 下载PDF 职称材料

基于残差自注意力机制的航空发动机RUL预测 被引量：11

11

作者 叶瑞达 王卫杰 +2 位作者 何亮 陈晓岑 薛乐 《光学精密工程》 EI CAS CSCD 北大核心 2021年第6期1482-1490,共9页

针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷,开展基于残差自注意力机制的剩余使用寿命(RUL)预测算法研究。比较分析卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的结构特性,揭示二者在长序列信息特征关联... 针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷,开展基于残差自注意力机制的剩余使用寿命(RUL)预测算法研究。比较分析卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的结构特性,揭示二者在长序列信息特征关联能力和局部特征提取能力上的局限性。研究自注意力机制,引入双层残差网络抑制误差函数反向传播中扩散性,进而构建了一种卷积记忆残差自注意力机制的深度学习方法。基于上述方法对典型航空涡扇发动机退化实验数据集进行仿真分析,结果表明:所述方法能够有效建立监测数据与发动机健康状态之间的关系,关键评价指标——剩余使用寿命预测的均方误差为225,相比传统自注意力机制均方误差降低了17.9%,验证了所述方法的可行性和有效性。 展开更多

关键词 残差自注意力机制 神经网络 剩余使用寿命 航空发动机

在线阅读 下载PDF 职称材料

基于分割注意力机制残差网络的城市区域客流量预测 被引量：4

12

作者 李伯涵 郭茂祖 赵玲玲 《智能系统学报》 CSCD 北大核心 2022年第4期839-848,共10页

客流量预测是城市交通资源和公共安全智能化管理的重要依据。为了综合考虑城市乘客人群流动自身的既有周期性、趋势性和突发性,以及与城市物理和社会空间的耦合关系,在时空残差网络的基础上,本文提出了基于深度时空数据的分割注意力机... 客流量预测是城市交通资源和公共安全智能化管理的重要依据。为了综合考虑城市乘客人群流动自身的既有周期性、趋势性和突发性,以及与城市物理和社会空间的耦合关系,在时空残差网络的基础上,本文提出了基于深度时空数据的分割注意力机制残差网络的城市细粒度客流量预测模型。首先以不同时空间隔的区域客流量历史数据为基础,引入分割注意力机制模块,为各模态的数据分配不同的权重,动态捕捉更高相关性的抽象数据特征;在时空数据的基础上,引入城市功能区属性作为联合特征,结合节假日、气候等外部特征,形成deep&wide网络结构,有效记忆重要特征对客流量变化的贡献。基于北京出租车数据的区域客流量对比实验表明,相比于传统的深度时空残差网络和其他经典机器学习模型,引入了分割注意力机制和城市功能区特征的预测模型能够更好地提取数据多元化的特征,预测精度明显优于其他同类别方法。 展开更多

关键词 客流量预测 时空数据 深度学习 分割注意力机制残差网络 城市功能区 特征提取 智慧城市 智能交通

在线阅读 下载PDF 职称材料

改进融合注意力机制的小目标和被遮挡目标检测

13

作者 刘丽伟 王玲 戚星烁 《长春工业大学学报》 CAS 2024年第5期428-436,共9页

针对夜间光照条件不足等条件下交通环境的多目标检测问题,提出一种改进YOLOv5s的目标检测算法。该算法首先在原始的YOLOv5s网络中嵌入三分支结构并行卷积注意力模块,通过计算跨维度注意力权值矩阵,实现了一种轻量级的有效注意力机制。其... 针对夜间光照条件不足等条件下交通环境的多目标检测问题,提出一种改进YOLOv5s的目标检测算法。该算法首先在原始的YOLOv5s网络中嵌入三分支结构并行卷积注意力模块,通过计算跨维度注意力权值矩阵,实现了一种轻量级的有效注意力机制。其次,为了解决小目标和遮挡目标的检测问题,嵌入残差遮挡感知注意力机制,通过不同卷积核大小的卷积块对图像进行类分块操作,更准确地突显小目标和被遮挡目标。通过在FLIR数据集上的对比实验表明,改进算法在夜间交通环境下的多目标检测任务中能够提高检测精度,相较于传统YOLOv5s,其检测准确率mAP@0.5提高2.9%。 展开更多

关键词 目标检测 YOLOv5 三重并行卷积注意力机制 残差遮挡注意力机制

在线阅读 下载PDF 职称材料

基于坐标注意力的细胞分割模型CR-UNet

14

作者 林卉 齐苏敏 +1 位作者 孟静 张梦琦 《曲阜师范大学学报(自然科学版)》 2025年第1期63-70,共8页

由于细胞图像中存在边界模糊、细胞重叠交织以及细胞图像与背景区域对比不明显等问题,导致细胞分割精度降低、难度变大.针对这些问题,提出了一种改进的网络模型CR-UNet来提升分割精度.CR-UNet将融合坐标注意力的残差模块(CR block)应用... 由于细胞图像中存在边界模糊、细胞重叠交织以及细胞图像与背景区域对比不明显等问题,导致细胞分割精度降低、难度变大.针对这些问题,提出了一种改进的网络模型CR-UNet来提升分割精度.CR-UNet将融合坐标注意力的残差模块(CR block)应用到U-Net网络的编码器与解码器中,能够提取更多的细胞细节特征,降低复杂背景对细胞图像分割的影响.2个公开数据集和1个自建数据集上的实验结果表明,与其他先进的图像分割网络相比,CR-UNet性能均有所提升;尤其在自建数据集上,相较于U-Net模型,CR-UNet的准确率提升了2.3%,Hd指标降低了0.29,Dice相似系数达到了96.15%. 展开更多

关键词 医学图像分割 U-Net 坐标注意力 残差机制

在线阅读 下载PDF 职称材料

基于LEBERT的时间信息增强中文命名实体识别

15

作者 张光明 肖然 +3 位作者 张弛 高谦 谈栋华 彭菊红 《湖北大学学报（自然科学版）》 CAS 2025年第1期118-125,共8页

为解决现有预训练模型没有充分考虑汉语词汇的分割特征的问题,提出一种基于LEBERT-ILRN-RA-CRF的中文命名实体识别模型。该模型首先利用LEBERT对输入文本进行词汇表增强和嵌入处理,然后利用ILRN模块提取时间信息,并将字符-词融合与字向... 为解决现有预训练模型没有充分考虑汉语词汇的分割特征的问题,提出一种基于LEBERT-ILRN-RA-CRF的中文命名实体识别模型。该模型首先利用LEBERT对输入文本进行词汇表增强和嵌入处理,然后利用ILRN模块提取时间信息,并将字符-词融合与字向量采集相结合,最后使用条件随机场(CRF)进行结果校正。此外,该模型还引入了词汇量增强和残差门控注意网络来加强时间特征的提取和局部特征的表达,进一步提升了模型的识别效果。在Weibo和Resume两个数据集上分别取得了71.73%和96.51%的宏F1值。实验表明该模型可以考虑到汉语词汇的分割问题,改善中文命名实体识别任务的识别效果。 展开更多

关键词 中文命名实体识别 时间信息增强 LEBERT CRF 残差门控注意力机制

在线阅读 下载PDF 职称材料

面向密集行人场景的YOLOv8n改进算法

16

作者 王丽黎 樊盼盼 张诗雨 《电子技术应用》 2025年第2期15-20,共6页

为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题,提出一种基于YOLOv8n的改进型密集行人检测模型。首先,引入SPPELAN模块替换骨干网络中的SPPF模块,以提升模型对多尺度目标的特征感知能力。其次,设计一种残差注意力机... 为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题,提出一种基于YOLOv8n的改进型密集行人检测模型。首先,引入SPPELAN模块替换骨干网络中的SPPF模块,以提升模型对多尺度目标的特征感知能力。其次,设计一种残差注意力机制,提高模型对细微特征的提取能力,进而提高检测精度。最后通过添加DySample算子、改进的小目标检测层提高模型对小尺度目标的定位识别能力。实验结果显示,改进的模型相较于YOLOv8n在CrowdHuman数据集上的召回率、mAP_(50)和mAP_(50-95)分别提升了2.5%、2.9%和2.4%,并且该模型在WiderPerson和CityPersons数据集上表现优异。实验结果表明,该算法能更好适用于密集行人检测任务。 展开更多

关键词 YOLOv8n 密集行人检测 SPPELAN模块 残差注意力机制 DySample 小目标检测层

在线阅读 下载PDF 职称材料

判别相关分析双注意力机制的目标检测算法 被引量：3

17

作者 赵珊 郑爱玲 《计算机工程与应用》 CSCD 北大核心 2022年第17期120-129,共10页

针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系... 针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系,同时最大化不同类之间的差异,来保证信息间的交互,有效缓解常规特征融合方式存在的特征提取能力不足问题。同时,结合残差结构构建残差双注意力机制,进行深层次的特征提取,来弥补深度CNN后高分辨率信息弱化问题,采用混合卷积层的设计在扩大感受野的同时又减少了信息损失,最大限度地保证了网络的特征提取性能。采用PASCAL VOC2007、KITTI以及Portrait三类数据集对网络进行训练,并将提出的算法模型与多个经典目标检测算法进行对比。实验结果表明,提出的算法具有较高的检测精度。 展开更多

关键词 判别相关分析 残差双注意力机制 混合卷积层 目标检测

在线阅读 下载PDF 职称材料

基于CNN-SAEDN-Res的短期电力负荷预测方法 被引量：8

18

作者 崔杨 朱晗 +2 位作者 王议坚 张璐 李扬 《电力自动化设备》 EI CSCD 北大核心 2024年第4期164-170,共7页

基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘... 基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘数据间的局部相关性,获取高维特征。初始负荷预测模块由自注意力编码解码网络和前馈神经网络构成,利用自注意力机制对高维特征进行自注意力编码,获取数据间的全局相关性,从而模型能根据数据间的耦合关系保留混有非时序因素数据中的重要信息,通过解码模块进行自注意力解码,并利用前馈神经网络回归初始负荷。引入残差机制构建负荷优化模块,生成负荷残差,优化初始负荷。算例结果表明,所提方法在预测精度和预测稳定性方面具有优势。 展开更多

关键词 短期电力负荷预测 卷积神经网络 自注意力机制 残差机制 负荷优化

在线阅读 下载PDF 职称材料

基于改进YOLOv5的矿山遥感图像去噪方法

19

作者 裴丹 房坤 +1 位作者 庆宇东 陈沛 《工矿自动化》 北大核心 2025年第3期148-155,共8页

典型露天矿场景的图像呈现多类型复合噪声特征,信噪比较低且具有显著的空间异质性,现有深度学习模型大多直接迁移自然图像去噪架构,忽视了矿山遥感图像特有的噪声分布规律。针对该问题,提出了一种基于改进YOLOv5的矿山遥感图像去噪方法... 典型露天矿场景的图像呈现多类型复合噪声特征,信噪比较低且具有显著的空间异质性,现有深度学习模型大多直接迁移自然图像去噪架构,忽视了矿山遥感图像特有的噪声分布规律。针对该问题,提出了一种基于改进YOLOv5的矿山遥感图像去噪方法。针对传统YOLOv5在高噪声环境下性能不稳定的问题,引入了多尺度特征融合模块,以增强模型对不同尺寸噪声的识别能力,同时结合残差注意力机制,提升了模型对有用特征的提取能力,增强了去噪效果的鲁棒性。采用自适应噪声估计技术,根据图像不同区域的噪声特性动态调整去噪参数,实现了更为精准的噪声抑制。实验结果表明:改进YOLOv5在峰值信噪比(PSNR)和结构相似性指数(SSIM)上均显著优于其他经典去噪方法,相较原始YOLOv5,PSNR提高2.5 dB,SSIM提高了0.05;改进YOLOv5在所有噪声类型下均表现出色,尤其是在高斯噪声环境中,其PSNR和SSIM分别达32.5 dB和0.95,显著优于其他经典去噪方法。 展开更多

关键词 矿山遥感图像去噪 YOLOv5 多尺度特征融合 残差注意力机制 自适应噪声估计

在线阅读 下载PDF 职称材料

基于残差卷积自注意力神经网络的铝电解过热度识别方法 被引量：3

20

作者 林清扬 陈晓方 谢永芳 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第1期8-17,共10页

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基... 过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力. 展开更多

关键词 过热度识别 多源异构 残差卷积自注意力机制 无监督预训练 铝电解过程

在线阅读 下载PDF 职称材料