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24,167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Leaky Noisy-or Gate-BN的山区高速公路交通事故致因分析 被引量：1
1
作者 王祖印 王景升 +1 位作者 姚辰达 郭晗 《江汉大学学报(自然科学版)》 2025年第4期70-79,共10页
基于Leaky Noisy-or Gate-BN模型构建故障树-贝叶斯网络,采用贝叶斯敏感度分析和推理分析来识别影响山区高速交通事故的关键因素。通过将未知影响因素定义为遗漏因子,计算各因素的条件概率表,降低了将故障树映射至贝叶斯网络时因或门产... 基于Leaky Noisy-or Gate-BN模型构建故障树-贝叶斯网络,采用贝叶斯敏感度分析和推理分析来识别影响山区高速交通事故的关键因素。通过将未知影响因素定义为遗漏因子,计算各因素的条件概率表,降低了将故障树映射至贝叶斯网络时因或门产生的误差,解决了实际推理中未知因素对结果的影响。结果表明:山区高速交通事故影响较大的关键因素为“非干燥路面”“恶劣天气”“弯坡道”,较敏感中间事件为“道路因素”“人的因素”,较敏感基本事件为“非干燥路面”“弯坡道”等;高敏感度基本事件耦合作用下,对事故发生影响较显著因素为“能见度低于200 m”及“路侧无防护措施”。研究结果对预防山区高速公路交通事故的发生具有指导意义。 展开更多
关键词 交通事故 山区高速公路 致因分析 Leaky Noisy-or gate 贝叶斯
在线阅读 下载PDF
基于Leak-Noisy-or-Gate和贝叶斯网络的装配式建筑供应链韧性评价
2
作者 尹正 朱礼康 《安徽建筑大学学报》 2025年第2期51-57,共7页
本研究致力于评估装配式建筑供应链韧性,并识别其关键影响因素及其影响路径。鉴于供应链韧性在现代建筑产业中的核心地位,本文构建了一个融合Leak-Noisy-or-Gate模型与贝叶斯网络的理论框架,旨在弥补现有研究在致因路径分析方面的不足... 本研究致力于评估装配式建筑供应链韧性,并识别其关键影响因素及其影响路径。鉴于供应链韧性在现代建筑产业中的核心地位,本文构建了一个融合Leak-Noisy-or-Gate模型与贝叶斯网络的理论框架,旨在弥补现有研究在致因路径分析方面的不足。研究通过问卷调查收集数据,并运用SPSS软件对数据进行Z-score标准化处理,随后利用Genie软件对贝叶斯网络模型进行仿真模拟。结果显示,装配式建筑供应链韧性的实现概率为68%,表明其韧性水平良好。关键影响因素包括设计方案可行性、产品质量问题、制造工艺规范化、构件运输能力以及配送及时性。 展开更多
关键词 装配式建筑 供应链韧性 贝叶斯网络 Leak-Noisy-or-gate模型 致因链分析
在线阅读 下载PDF
基于GatedTCN-Attentions的煤矿变压器顶层油温预测
3
作者 谢海峰 裴文良 +1 位作者 魏硕 张越超 《煤炭技术》 2025年第4期257-262,共6页
顶层油温预测可以为煤矿油浸式变压器的故障预警和老化评估提供重要依据,有利于保障煤矿安全。针对传统方法在信息提取、油温长周期预测方面的局限性,提出一种基于GatedTCN-Attentions的煤矿变压器顶层油温预测方法。首先,通过K-近邻算... 顶层油温预测可以为煤矿油浸式变压器的故障预警和老化评估提供重要依据,有利于保障煤矿安全。针对传统方法在信息提取、油温长周期预测方面的局限性,提出一种基于GatedTCN-Attentions的煤矿变压器顶层油温预测方法。首先,通过K-近邻算法将数据规范化;然后,由门控时序卷积神经网络和通道注意力模块建立分支通道进行特征提取,再通过块注意力机制进行多模态特征融合;最后,由回归预测模块输出油温预测值。实验结果表明,相比于其他传统深度学习模型,所提模型在长周期油温预测的准确性和稳定性方面均具有明显优势,对煤矿变压器的健康监测具有指导意义。 展开更多
关键词 煤矿变压器 顶层油温 门控时序卷积网络 注意力机制 长周期预测
原文传递
引入上下文信息和Attention Gate的GUS-YOLO遥感目标检测算法 被引量：23
4
作者 张华卫 张文飞 +2 位作者 蒋占军 廉敬 吴佰靖 《计算机科学与探索》 CSCD 北大核心 2024年第2期453-464,共12页
目前基于通用YOLO系列的遥感目标检测算法存在并未充分利用图像的全局上下文信息,在特征融合金字塔部分并未充分考虑缩小融合特征之间的语义鸿沟、抑制冗余信息干扰的缺点。在结合YOLO算法优点的基础上提出GUS-YOLO算法,其拥有一个能够... 目前基于通用YOLO系列的遥感目标检测算法存在并未充分利用图像的全局上下文信息,在特征融合金字塔部分并未充分考虑缩小融合特征之间的语义鸿沟、抑制冗余信息干扰的缺点。在结合YOLO算法优点的基础上提出GUS-YOLO算法,其拥有一个能够充分利用全局上下文信息的骨干网络Global Backbone。除此之外,该算法在融合特征金字塔自顶向下的结构中引入Attention Gate模块,可以突出必要的特征信息,抑制冗余信息。另外,为Attention Gate模块设计了最佳的网络结构,提出了网络的特征融合结构U-Net。最后,为克服ReLU函数可能导致模型梯度不再更新的问题,该算法将Attention Gate模块的激活函数升级为可学习的SMU激活函数,提高模型鲁棒性。在NWPU VHR-10遥感数据集上,该算法相较于YOLOV7算法取得宽松指标mAP^(0.50)1.64个百分点和严格指标mAP^(0.75)9.39个百分点的性能提升。相较于目前主流的七种检测算法,该算法取得较好的检测性能。 展开更多
关键词 遥感图像 Global Backbone Attention gate SMU U-neck
在线阅读 下载PDF
预测轴承寿命的gate递归单元特征融合域自适应模型 被引量：1
5
作者 曾玉海 程峰 +1 位作者 魏春虎 杨世飞 《机电工程》 CAS 北大核心 2024年第4期613-621,共9页
采用现有的数据驱动模型对不同工况下的轴承剩余使用寿命(RUL)进行预测时,精度会大幅下降。针对这一问题,提出了一种基于门控递归单元特征融合领域自适应(GFFDA)模型的轴承RUL预测方法。首先,采用信号分析方法对轴承振动信号进行了特征... 采用现有的数据驱动模型对不同工况下的轴承剩余使用寿命(RUL)进行预测时,精度会大幅下降。针对这一问题,提出了一种基于门控递归单元特征融合领域自适应(GFFDA)模型的轴承RUL预测方法。首先,采用信号分析方法对轴承振动信号进行了特征提取,并采用特征评价的方法选择出了5个最优特征,在最优特征的基础上,采用粒子群算法优化后的支持向量机的方法对轴承的健康阶段进行了划分;然后,选择目标域和源域退化阶段的最优特征子集作为GFFDA模型的输入,采用源域数据对特征提取器和寿命预测模块进行了预训练;最后,更新了目标特征提取器和寿命预测模块,对目标域的RUL进行了预测;并使用西安交通大学的轴承数据集对该GFFDA模型的有效性进行了验证。研究结果表明:相比于现有的数据驱动模型,GFFDA模型具有更好的跨工况分析能力和更出色的信息提取能力;同时,在对变工况的轴承寿命进行预测时,采用GFFDA模型具有更好的性能。 展开更多
关键词 滚动轴承 剩余使用寿命(RUL) 特征评价 对抗自适应 门控递归单元特征融合领域自适应(GFFDA)模型 数据驱动模型
在线阅读 下载PDF
汽车用前保险杠注塑参数田口试验及试验验证 被引量：3
6
作者 黄可 邹华杰 +1 位作者 钱子龙 李兵兵 《塑料工业》 北大核心 2025年第2期90-96,共7页
为了获得低翘曲量的汽车用前保险杠制品,对制品浇口充填方案进行可行性验证。经验证,聚合物链不会断裂,材料不会降解,优化后浇口成型方案合理。选取熔体温度(H)、注射压力(I)、模具表面温度(J)、“辅助流道”直径(K)、浇口宽度(L)、冷... 为了获得低翘曲量的汽车用前保险杠制品,对制品浇口充填方案进行可行性验证。经验证,聚合物链不会断裂,材料不会降解,优化后浇口成型方案合理。选取熔体温度(H)、注射压力(I)、模具表面温度(J)、“辅助流道”直径(K)、浇口宽度(L)、冷却时间(M),为研究对象,构建6因素5水平25次田口试验,当H为225℃,I为60 MPa,J为75℃,K为10 mm,L为20 mm,M为40 s(第6组工艺参数)时,最大翘曲量(20.10 mm)最小。通过极差分析,获得各因素各水平与最大翘曲量的关联,熔体温度、注射压力、“辅助流道”直径,对最大翘曲量的影响起到决定性作用;冷却时间,对最大翘曲量的影响作用不大;浇口宽度及模具表面温度,对最大翘曲量的影响最弱。在H为225℃,I为60 MPa,J为75℃,K为12 mm,L为32 mm,M为30 s参数下最大翘曲量较第6组工艺参数下的最大翘曲量,降低了30.3%。经试验验证,成型后的制品表面光泽均匀,没有出现烧焦、困气、熔接痕等缺陷,成型状态优良,保险杠两端与模具贴合良好,没有发现翘曲现象,验证了工艺参数的准确性,佐证了Moldflow 2024模流数值软件分析的科学性。 展开更多
关键词 前保险杠 熔体温度 注射压力 模具表面温度 “辅助流道”直径 浇口宽度 冷却时间
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 被引量：2
7
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
新一代高韧性直流输电技术(二):高倍载模块化换向式换流器 被引量：2
8
作者 赵彪 白睿航 +7 位作者 张雪垠 崔彬 屈鲁 吴锦鹏 宋强 余占清 魏晓光 曾嵘 《中国电机工程学报》 北大核心 2025年第2期665-678,I0022,共15页
针对高韧性直流输电技术对高倍载、高经济性直流换流器的需求,提出一种高倍载模块化换向式换流器(high-overload modular commutated converter,MCC)。首先,对MCC的拓扑构造和运行原理进行详细分析,指出其器件软开关特性、桥臂能量脉动... 针对高韧性直流输电技术对高倍载、高经济性直流换流器的需求,提出一种高倍载模块化换向式换流器(high-overload modular commutated converter,MCC)。首先,对MCC的拓扑构造和运行原理进行详细分析,指出其器件软开关特性、桥臂能量脉动优化和高倍载潜力;针对MCC的宽范围电压变比调节、串联模块电压均衡控制、架空线应用中的直流故障自清除等关键问题,给出解决方案;以±500 kV/2000 MW直流输电系统为例,分析MCC的元件用量、体积、效率、成本等技术特性,并与常规模块化多电平IGBT换流器进行综合对比;最后,研制基于IGCT-Plus器件的±15 kV/60 MVA MCC产品,开展综合性测试验证。结果表明,提出的MCC有望将现有换流器技术方案的体积、成本、损耗率分别减小达50%,在电能变换与传输中具有广阔的应用前景。 展开更多
关键词 直流输电 直流换流器 交直流功率变换 集成门极换流晶闸管
原文传递
基于Enhanced Zero-DCE++的水下选通图像增强技术研究 被引量：2
9
作者 田青 赵宇 +1 位作者 张正 羊强 《电子测量技术》 北大核心 2025年第1期166-174,共9页
水下距离选通成像技术具有不受环境光影响、作用距离远的优点,已成为众多学者关注的研究领域。然而,水下选通图像存在光照分布不均、噪点较多等问题,导致成像的清晰度受到影响。针对上述问题,在现有的低照度增强算法Zero-DCE++基础上,... 水下距离选通成像技术具有不受环境光影响、作用距离远的优点,已成为众多学者关注的研究领域。然而,水下选通图像存在光照分布不均、噪点较多等问题,导致成像的清晰度受到影响。针对上述问题,在现有的低照度增强算法Zero-DCE++基础上,本文提出了一种Enhanced Zero-DCE++算法。首先,引入改进的核选择模块,使用深度可分离卷积和ReLU6激活函数替换标准卷积和ReLU激活函数,改善水下选通图像光圈部分过曝光的问题;其次,采用改进的HWAB半小波注意力模块,使用CBAM替代DAU双注意力单元,在小波域中区分噪声和真实特征,增强特征区分能力,提高成像清晰度;最后,加入ADNet噪声去除模块,有效抑制Zero-DCE++在低光照增强后的噪声。在自采的水下选通数据集上的实验结果表明,相比于Zero-DCE++模型,Enhanced Zero-DCE++模型处理结果的峰值信噪比提升约0.65 dB、图像信息熵提升约0.23,证明了模型的有效性和可行性。 展开更多
关键词 图像增强 水下距离选通图像 低照度图像 深度学习
原文传递
基于时间窗口的时间敏感网络流量调度方法 被引量：2
10
作者 李超 李红硕 +2 位作者 董哲 史运涛 李文昊 《电光与控制》 北大核心 2025年第4期77-81,共5页
时间敏感网络是一种新型确定性网络,流量调度作为其核心机制,主要通过门控列表保证时间触发流传输的服务质量。然而,以帧为对象进行门控调度设计时,需要计算每一帧的具体时隙分配,存在计算复杂度过高的问题。为此,针对时隙配置求解复杂... 时间敏感网络是一种新型确定性网络,流量调度作为其核心机制,主要通过门控列表保证时间触发流传输的服务质量。然而,以帧为对象进行门控调度设计时,需要计算每一帧的具体时隙分配,存在计算复杂度过高的问题。为此,针对时隙配置求解复杂的问题,将以帧为调度对象改进为以时间窗口为调度对象,基于时间窗口设计了整数线性规划调度方法,并使用Gurobi优化器得出结果。仿真实验表明:提出的调度方法在保证时间触发流的流量特性基础上有效降低了计算复杂度,与以帧为对象的调度方法相比,端到端总时延降低了约6%,求解时间减少了约41%。 展开更多
关键词 时间敏感网络 流量调度 门控列表 时间窗口 整数线性规划
在线阅读 下载PDF
基于LDF-YOLO的小目标检测方法 被引量：1
11
作者 刘洋 任旭虎 +1 位作者 刘宝弟 刘伟锋 《电子测量技术》 北大核心 2025年第12期156-165,共10页
小目标检测是计算机视觉中极具挑战性的任务,现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题,本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进,在特征融合网络... 小目标检测是计算机视觉中极具挑战性的任务,现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题,本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进,在特征融合网络中引入了特征转换模块,设计了针对微小物体的检测头LP-Detect;其次,借鉴残差门控机制和局部特征增强机制设计了LR-C2f模块,增强模型提取局部特征的能力;最后,融入了局部特征增强模块,以强化骨干网络提取小目标信息的能力。在公开数据集Tiny Person上,LDF-YOLO比原YOLOv8在mAP0.5上提高了4.5%,召回率提高了5.5%,实验结果验证了改进方法的有效性,同时在NWPU VHR-10和VisDrone2019数据集上做了泛化对比实验,经实验表明各项指标均有提升。 展开更多
关键词 小目标检测 YOLOv8 残差门控机制 特征转换 特征融合
原文传递
基于门控注意网络模型的天然气管道泄漏检测新方法 被引量：2
12
作者 董宏丽 孙桐 +2 位作者 王闯 杨帆 商柔 《天然气工业》 北大核心 2025年第1期25-36,共12页
准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模... 准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模型的初始超参数选择通常是随机的,这也可能会导致识别性能不稳定。为了提升天然气管道泄漏检测的准确性,提出一种基于麻雀搜索算法的门控注意网络模型(Sparrow Search Algorithm-based Gate Attention Network, SGAN)。首先,为了提取有效且具有鲁棒性的数据特征,采用带交叉熵函数的麻雀搜索算法对门控循环单元的初始超参数进行全局搜索;然后,设计了一种异常注意力机制,通过对数据特征进行加权来放大正常和泄漏数据之间的区分差异;最后,将所提算法应用于天然气管道的泄漏检测。研究结果表明:(1) SGAN模型能够实现模型超参数的自适应优化,并加快了模型的收敛速度,使模型性能更加稳定;(2) SGAN模型通过对正常与泄漏特征进行加权处理,显著提升了数据特征的区分效果;(3) SGAN模型的学习表示能力和泛化能力得到了明显加强,以此提高了对数据的分类性能;(4) SGAN模型能够显著提高天然气管道泄漏检测的准确率和召回率,可减少误报率和漏报率,并且其性能明显优于常规分类算法。结论认为,SGAN模型通过自适应优化和异常注意力机制结合,能精准识别泄漏特征,并快速响应天然气管道中的泄漏情况,有效提升了检测的准确性和可靠性,显著降低了安全事故风险,为天然气管道泄漏检测提供了一种高效、智能的解决新方案。 展开更多
关键词 天然气管道 泄漏检测 麻雀搜索算法 门控循环单元 异常注意力机制 自适应优化 智能
在线阅读 下载PDF
改进YOLOv8n的选通图像目标检测算法 被引量：1
13
作者 田青 王颖 +1 位作者 张正 羊强 《计算机工程与应用》 北大核心 2025年第2期124-134,共11页
激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,... 激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,使用大核卷积C2f-DSF更有效地捕获输入数据的全局信息。添加了多头注意力检测头Detect-SEAM模块,增强了特征提取和目标识别的能力。为了获取不同感受野的上下文信息,增强特征提取能力,使用了SPPF-M模块。采用上采样算子Dysample,减少特征信息的损失,从而提高小目标的检测精度。改进的YOLOv8n算法在选通图像数据集上mAP@0.5提高了2.4个百分点,mAP@0.5:0.95提高了1.8个百分点。为了验证改进的YOLOv8n算法的泛化性,选取KITTI数据集实验,相比于YOLOv8n算法改进YOLOv8n的mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了3.5个百分点。 展开更多
关键词 选通图像 YOLOv8n 遮挡目标 小目标 大卷积核
在线阅读 下载PDF
中医命门学说研究述评 被引量：2
14
作者 林明欣 《中华中医药杂志》 北大核心 2025年第1期13-19,共7页
“命门”本义为“大自然产生、传递、调节万有世界物质、能量、信息之所”;对应于人,命门为“人体产生、传递、调节生命物质、能量、信息之所”,具有重要的理论价值与实践意义。自《黄帝内经》首论命门之名,《难经》称命门为“生命之本... “命门”本义为“大自然产生、传递、调节万有世界物质、能量、信息之所”;对应于人,命门为“人体产生、传递、调节生命物质、能量、信息之所”,具有重要的理论价值与实践意义。自《黄帝内经》首论命门之名,《难经》称命门为“生命之本”,此乃命门学说之滥觞;后世医家将命门提升到五脏六腑之主的高度,为高于五脏六腑之生命调控中枢,对其藏精舍神、维系元气、主宰生殖发育、抵御邪气等功能多有阐发,见仁见智。如今命门学说又被赋予新的内涵,其理论体系逐渐被完善。文章从守正传承命门理论精华(涵盖命门本义、出处、内涵、部位与功能5个方面)、融合创新命门临床应用(涵盖命门调治法则与命门临床应用2个方面)、命门研究总结与未来展望(涵盖深化理论研究、拓展临床应用与设立专项基金3个方面)3个大模块进行述评,以期推动命门学说守正传承、融合创新、原创发展。 展开更多
关键词 命门 命门学说 述评 原创理论 融合创新
原文传递
融合数据分解和优化门控循环单元的水质预测模型及应用 被引量：5
15
作者 郭利进 刘彦宾 +1 位作者 刘文哲 陈剑铮 《环境科学学报》 北大核心 2025年第2期201-213,共13页
水质预测对保护水生态系统和确保人类健康至关重要.为使预测任务更加准确、高效,本研究提出了一种基于模态分解、聚类重构、优化算法及门控循环单元(GRU)的组合预测模型.首先,采用自适应噪声完备集合经验模态分解(CEEMDAN)将原始序列分... 水质预测对保护水生态系统和确保人类健康至关重要.为使预测任务更加准确、高效,本研究提出了一种基于模态分解、聚类重构、优化算法及门控循环单元(GRU)的组合预测模型.首先,采用自适应噪声完备集合经验模态分解(CEEMDAN)将原始序列分解成不同频率的本征模态函数(IMF);其次,通过排列熵算法与K-means聚类方法将复杂度相近的序列进行重构;最后,利用改进蜣螂优化算法优化GRU神经网络,融合各模态的预测结果以获得最终预测值.结果表明,该模型在天津曹庄子泵站监测点数据集上的均方根误差、平均绝对误差、平均绝对百分比误差、R^(2)分别为0.2277、0.1634,1.6393%、0.9566,均优于其他对比模型.在其他监测点的实验中,该方法也表现出色,进一步验证了模型的泛化能力与预测精度.模型具有良好预测性能,可为水质预测提供一种新的有效方法. 展开更多
关键词 CEEMDAN分解 门控循环单元 蜣螂优化算法 排列熵 水质预测
原文传递
基于双向门控循环单元网络的心音分段 被引量：2
16
作者 卢官明 许梦悦 +3 位作者 卢峻禾 戚继荣 赵宇航 王洋 《南京邮电大学学报(自然科学版)》 北大核心 2025年第3期58-66,共9页
为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing... 为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing Transform,SST)技术提取各个时间步短时窗口内心音信号的瞬时频率特征;然后,将各个时间步提取的瞬时频率特征构成序列并输入到Bi‑GRU网络,利用Bi‑GRU网络挖掘特征序列的上下文依赖关系,提取心音信号的上下文时频特征;最后,使用Softmax分类器将心音信号分成第一心音(S1)、第二心音(S2)、S1‑S2间期、S2‑S1间期4种状态类别。在PhysioNet/CinC Challenge 2016数据集上的实验结果表明,提出的心音分段算法总体准确率为93.30%,S1状态的平均F1得分为0.9538,S2状态的平均F1得分为0.9450,优于基线心音分段算法LR‑HSMM的性能指标,验证了该算法能有效地对心音信号进行分段,为心音信号的特征提取与分析提供了基础。 展开更多
关键词 心音分段 短时傅里叶变换 同步挤压变换 双向门控循环单元
在线阅读 下载PDF
卷积自编码器和残差循环神经网络在刀具剩余寿命预测中的应用 被引量：1
17
作者 周学良 潘晓明 吴瑶 《机械科学与技术》 北大核心 2025年第5期806-813,共8页
针对刀具剩余寿命预测问题,提出了一种将一维卷积自编码器(One-dimensional convolutional auto encoder,1DCAE)和残差双向门控循环单元(Residual bidirectional gated recurrent unit,RBGRU)相结合的预测方法。通过1DCAE连续卷积池化... 针对刀具剩余寿命预测问题,提出了一种将一维卷积自编码器(One-dimensional convolutional auto encoder,1DCAE)和残差双向门控循环单元(Residual bidirectional gated recurrent unit,RBGRU)相结合的预测方法。通过1DCAE连续卷积池化和反卷积上采样方法获取工况信号的深层特征,并将其与分段后的原始信号融合后作为刀具剩余寿命的表征;同时结合残差网络的思想对双向门控循环单元(Bidirectional gated recurrent unit,BiGRU)的结构进行改进以增强对时序特征的捕获能力。实验结果表明,该方法比其他算法具有更高的预测精度。 展开更多
关键词 刀具 剩余寿命预测 卷积自编码器 残差门控循环单元 特征融合
在线阅读 下载PDF
融入股票论坛UGC时序特征的上市公司财务困境预测方法 被引量：1
18
作者 张玉 蒋翠清 《合肥工业大学学报(自然科学版)》 北大核心 2025年第3期387-394,共8页
股票论坛用户生成内容(user generated content,UGC)能反映上市公司利益相关者对公司经营业绩和相关事件的关注和观点,具有及时性和动态性,是对财务信息的有效补充。为有效提取动态变化UGC,文章提出一种融入股票论坛UGC时序特征的上市... 股票论坛用户生成内容(user generated content,UGC)能反映上市公司利益相关者对公司经营业绩和相关事件的关注和观点,具有及时性和动态性,是对财务信息的有效补充。为有效提取动态变化UGC,文章提出一种融入股票论坛UGC时序特征的上市公司财务困境预测方法。首先,针对用户评论和用户阅读中的时间序列信息,考虑情感特征时序性和互动信息时序性,采用门控循环网络(gated recurrent unit,GRU)模型,挖掘时间序列中的动态信息;其次,不同时间段下发生的事件对财务困境预测的影响程度不同,采用注意力机制聚合重大事件对财务困境预测的影响;最后,基于UGC时序特征,并结合财务特征对上市公司财务困境进行预测。研究表明,所提方法能够有效地提取并聚合时序特征,提高财务困境预测效果。 展开更多
关键词 股票论坛 时序特征 门控循环网络 注意力机制 财务困境预测
在线阅读 下载PDF
多域时空层次图神经网络的空气质量预测 被引量：4
19
作者 马汉达 吴亚东 《计算机应用》 北大核心 2025年第2期444-452,共9页
在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。 展开更多
关键词 空气质量预测 多域特征融合 时空特征 周期解耦 门控机制融合 图神经网络
在线阅读 下载PDF
基于蜉蝣优化算法的时空融合交通流预测研究 被引量：1
20
作者 张红 巩蕾 +1 位作者 曹洁 张玺君 《哈尔滨工程大学学报》 北大核心 2025年第4期764-771,796,共9页
针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性... 针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。 展开更多
关键词 交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络
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