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18,247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：
美国国会图书馆的非拉丁文字资源编目实践及启示
1
作者 王兴兰 《图书馆杂志》 北大核心 2026年第2期50-57,共8页
在不同的编目格式中实现非拉丁文字资源的描述,对国际编目领域的发展具有重要意义。本文分析了美国国会图书馆在USMARC、MARC21、BIBFRAME等不同格式中非拉丁文字资源的描述原则、方法和实践,全面了解其变化历程。通过对非拉丁文字资源... 在不同的编目格式中实现非拉丁文字资源的描述,对国际编目领域的发展具有重要意义。本文分析了美国国会图书馆在USMARC、MARC21、BIBFRAME等不同格式中非拉丁文字资源的描述原则、方法和实践,全面了解其变化历程。通过对非拉丁文字资源描述的深入解读与分析,为国内开展非拉丁文字资源描述提供参考。 展开更多
关键词 非拉丁文字 编目 BIBFRAME MARC
原文传递
基于双向时序窗口Transformer的网络入侵检测方法
2
作者 王长浩 王明阳 +1 位作者 丁磊 刘凯 《计算机应用研究》 北大核心 2026年第1期271-279,共9页
近年来,网络攻击的高度动态化、隐蔽化给互联网的安全和稳定带来了极大的威胁。针对现有网络入侵检测方法在局部时序建模精度不足及多分类下少数类识别能力不佳等问题,提出了一种基于双向时间滑动窗口Transformer的网络异常流量检测方... 近年来,网络攻击的高度动态化、隐蔽化给互联网的安全和稳定带来了极大的威胁。针对现有网络入侵检测方法在局部时序建模精度不足及多分类下少数类识别能力不佳等问题,提出了一种基于双向时间滑动窗口Transformer的网络异常流量检测方法。该方法将网络流量数据转换为突出时序关系的三维序列数据,引入可学习的嵌入编码及上下文位置编码,以增强序列特征的表现能力,提升了异常流量检测的准确率和稳定性,并在UNSW-NB15、CIC-IDS-2017公开数据集上进行了验证。实验结果表明,所提方法均表现出较好的性能优势,在二分类任务中检测准确率分别为99.79%、99.77%;在多分类任务中,准确率分别达到98.48%、99.76%,性能均显著高于其他先进深度学习模型。综上,该方法有效提升了网络异常流量检测的准确性和对少数类攻击的识别能力,为网络安全防护提供了新的技术手段。 展开更多
关键词 入侵检测 网络流量 双向时间窗口 上下文位置编码
在线阅读 下载PDF
基于多方位感知深度融合检测头的目标检测算法
3
作者 包晓安 彭书友 +3 位作者 张娜 涂小妹 张庆琪 吴彪 《浙江大学学报(工学版)》 北大核心 2026年第1期32-42,共11页
针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用... 针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用重参化大核卷积(RLK)模块,减小来自主干网络的特征空间差异,增强网络对中小型数据集的适应性;引入编码器选择保留模块(ESM),选择性地累积来自EDWE模块的输出,优化反向传播.实验结果表明,在规模较大的MS-COCO2017数据集上,所提算法应用于常见模型RetinaNet、FCOS、ATSS时使AP分别提升了2.9、2.6、3.4个百分点;在规模较小的PASCAL VOC2007数据集上,所提算法使3种模型的AP分别实现了1.3、1.0和1.1个百分点的提升.通过EDWE、RLK和ESM模块的协同作用,所提算法有效提升了目标检测精度,在不同规模的数据集上均展现了显著的性能优势. 展开更多
关键词 检测头 目标检测 Transformer编码器 深度融合 大核卷积
在线阅读 下载PDF
基于CNN-Transformer架构的电磁传播损耗预测算法
4
作者 万勇 李骏杰 +1 位作者 孙伟峰 戴永寿 《现代电子技术》 北大核心 2026年第6期43-48,共6页
为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,... 为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,将从卫星图像中获取的传播路径上地物特征序列进行位置编码,增强对传播路径中不同地物特征顺序对传播损耗影响的理解。最后将CNN提取的浅层特征与位置编码后的地物特征输入到Transformer模型,通过多头自注意力机制捕捉特征间的全局关联性,从而有效校正传播损耗的预测结果。实验结果表明,所提出的CNN-Transformer方法显著降低了传播损耗预测的均方根误差(RMSE),达到了3.3745 dB,同时保持了0.8956的较高确定性系数(R^(2))。所提的电磁传播损耗预测算法为无线通信传播特性研究领域提供了参考,具有一定的应用价值。 展开更多
关键词 电磁传播 损耗预测 TRANSFORMER CNN 斯皮尔曼系数法 地物类型 位置编码
在线阅读 下载PDF
基于文本引导的轻量异构编码多模态图像融合
5
作者 王传云 周明奇 +3 位作者 孙冬冬 王田 高骞 李照奎 《工程科学学报》 北大核心 2026年第2期346-359,共14页
针对资源受限的无人机平台对红外与可见光图像的融合效率与感知性能需求,本文提出一种基于文本引导的轻量异构编码多模态图像融合网络.该网络设计了一种面向红外与可见光图像信息表达功能互补的轻量化双分支异构编码,红外图像编码分支... 针对资源受限的无人机平台对红外与可见光图像的融合效率与感知性能需求,本文提出一种基于文本引导的轻量异构编码多模态图像融合网络.该网络设计了一种面向红外与可见光图像信息表达功能互补的轻量化双分支异构编码,红外图像编码分支强调热目标与边缘响应,可见光图像编码分支侧重于纹理与细节信息建模,从而有效避免同构编码器带来的特征冗余与性能瓶颈.同时,引入轻量级跨模态特征融合模块,增强多模信息之间的互补性与融合表达能力.进一步,通过预训练视觉语言模型结合语义文本特征对融合过程进行引导与调控,提升融合图像的语义一致性与环境适应性.在三个公开多模态图像数据集TNO、LLVIP与M3FD上,本文方法与九种代表性图像融合算法进行了系统对比实验与综合评估,结果显示本文网络在互信息、结构相似性等多个主流评价指标上均表现优越,融合图像在细节清晰度、边缘结构一致性与目标可辨性方面优于现有方法.同时,消融实验表明所提出模型的推理时间相较基线方法减少约50%,且在不显著牺牲性能的前提下实现了更高的效率.除定量评估外,本文还开展了基于文本指令的定性实验,结果显示模型可根据不同语义指令灵活调整红外与可见光特征融合策略,适应低光、过曝、低对比、噪声等多种任务场景.在保证语义一致性的同时,有效增强了热源感知、结构清晰度与抗干扰能力,展现出传统无引导方法难以实现的语义可控性与内容适应性. 展开更多
关键词 多模态图像融合 双分支异构编码 文本引导 轻量化网络 注意力机制
在线阅读 下载PDF
基于剧本杀的沉浸式生物化学互动课堂实践——以糖酵解为例
6
作者 刘静 袁宁 《生命的化学》 2026年第1期173-180,共8页
本文以糖酵解代谢途径为例,将剧本杀游戏融入生物化学课堂,构建一种沉浸式互动教学模式。通过角色扮演、推理解谜、团队协作等元素的剧本杀课程设计,将糖酵解的复杂生化反应过程转化为生动有趣的剧情任务。教学实践表明,该模式提高了学... 本文以糖酵解代谢途径为例,将剧本杀游戏融入生物化学课堂,构建一种沉浸式互动教学模式。通过角色扮演、推理解谜、团队协作等元素的剧本杀课程设计,将糖酵解的复杂生化反应过程转化为生动有趣的剧情任务。教学实践表明,该模式提高了学生的课堂参与度和学习效果,为创建生动的生物化学课堂提供了新思路。 展开更多
关键词 剧本杀 沉浸式课堂 生物化学 糖酵解 互动教学
原文传递
利用编码器-解码器的温室温湿度长序列预测
7
作者 盖荣丽 王鹏飞 +1 位作者 郭志斌 段立明 《小型微型计算机系统》 北大核心 2026年第1期89-96,共8页
针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系,导致模型在实际应用中预测精度不足问题,本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换... 针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系,导致模型在实际应用中预测精度不足问题,本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换和特征提取,并使用改进的双向限制性耦合长短期记忆网络(Bidirectional Restrictive Coupled Long-Short Term Memory,BiRCLSTM)优化了信息传递机制,同时运用多头注意力机制从不同的表示子空间中捕捉信息,最终实现了长序列多变量温室温湿度数据的精确预测.在自建温湿度数据集中,该模型的预测误差明显优于基线模型,并且该模型还在3个公共数据集上进行了不同时间分辨率的预测实验,综合实验结果表明,本文模型在温室温湿度预测中具有更高的精度和良好的泛化性能. 展开更多
关键词 温湿度预测 长时间序列 多变量特征 编码器-解码器 长短期记忆网络
在线阅读 下载PDF
沉浸式实景剧本游的微观可行性分析——以南京珍珠泉风景区为例
8
作者 鲁靖 李佳洋 胡靖怡 《常州信息职业技术学院学报》 2026年第1期84-88,共5页
沉浸式实景剧本游以独特的场景沉浸性、文化体验性与互动参与性,成为文旅深度融合的重要载体。南京珍珠泉风景区资源禀赋优越,具备开发沉浸式实景剧本游的良好基础。在对相关文献与景区现状进行研究后,从微观操作的视角(即从项目具体实... 沉浸式实景剧本游以独特的场景沉浸性、文化体验性与互动参与性,成为文旅深度融合的重要载体。南京珍珠泉风景区资源禀赋优越,具备开发沉浸式实景剧本游的良好基础。在对相关文献与景区现状进行研究后,从微观操作的视角(即从项目具体实施层面)分析其可操作性和可持续性,系统论证沉浸式实景剧本游的具体场景构建、内容体系设计、技术应用适配、客群需求匹配及成本运营优化等路径,旨在为同类景区提供可复制、可持续的落地方案。 展开更多
关键词 沉浸式 实景剧本游 微观可行性
在线阅读 下载PDF
基于小波去噪超图深度聚类网络的多传感器故障识别方法
9
作者 王刚 俞云龙 卢明凤 《计算机集成制造系统》 北大核心 2026年第2期686-705,共20页
针对实际工业场景中标签数据不足,以及多传感器数据间的复杂高阶异质关系所带来的挑战,提出一种基于小波去噪超图深度聚类网络的多传感器故障识别方法。首先,该方法利用K近邻算法为每个由多传感器数据构成的样本构建超图,以建模传感器... 针对实际工业场景中标签数据不足,以及多传感器数据间的复杂高阶异质关系所带来的挑战,提出一种基于小波去噪超图深度聚类网络的多传感器故障识别方法。首先,该方法利用K近邻算法为每个由多传感器数据构成的样本构建超图,以建模传感器间的高阶异质关系;然后,设计基于离散超图小波框架的小波去噪超图卷积编码器,以提取并融合多尺度下的高频细节分量和低频近似分量;最后,通过联合优化聚类损失与重构损失,迭代更新深度故障特征与故障簇的中心表示,实现深度故障模式聚类。为验证该方法的有效性,在两个公开数据集上进行了充分的实验。实验结果表明,相较于基准方法,所提方法在无监督故障识别任务上表现出显著优越性,且具有良好的抗噪性能。 展开更多
关键词 深度聚类 小波去噪超图卷积编码器 多传感器故障识别 无监督学习
在线阅读 下载PDF
基于可变形卷积和注意力机制的路面裂缝检测
10
作者 谢永华 方育才 彭银佳 《计算机工程与设计》 北大核心 2026年第1期279-285,共7页
为解决路面裂缝检测中图像边缘特征难以学习和背景噪声干扰的问题,提出一个基于可变形卷积和注意力机制的可端到端训练的路面裂缝检测网络。该网络基于U-Net结构设计,在特征融合部分添加边缘感知模块来增强裂缝边缘的检测能力;在编码器... 为解决路面裂缝检测中图像边缘特征难以学习和背景噪声干扰的问题,提出一个基于可变形卷积和注意力机制的可端到端训练的路面裂缝检测网络。该网络基于U-Net结构设计,在特征融合部分添加边缘感知模块来增强裂缝边缘的检测能力;在编码器部分使用空洞残差模块扩大感受野并保留更多细节信息;在解码器部分添加注意力机制提高对裂缝特征的关注度,抑制背景噪声。实验结果表明,该网络在MPA、mIoU和F1值这3项指标上均优于其它对比网络,验证了该网络的有效性。 展开更多
关键词 裂缝检测 语义分割 编码解码 可变形卷积 空洞卷积 残差连接 注意力机制
在线阅读 下载PDF
基于Diff-Cascade的低资源命名实体识别方法
11
作者 邱云飞 董丽波 张文文 《计算机科学与探索》 北大核心 2026年第2期533-545,共13页
在低资源命名实体识别(NER)任务中,目前许多基于迁移学习的方法虽然能够缓解数据稀缺问题,但往往会导致句子中部分正确信息的遗漏或识别错误,从而影响模型在低资源环境中的效果。针对此问题,提出了一种基于多模块协同的NER模型Diff-Casc... 在低资源命名实体识别(NER)任务中,目前许多基于迁移学习的方法虽然能够缓解数据稀缺问题,但往往会导致句子中部分正确信息的遗漏或识别错误,从而影响模型在低资源环境中的效果。针对此问题,提出了一种基于多模块协同的NER模型Diff-Cascade-NER。利用变分自编码器(VAE)在潜在空间中学习数据表示,并生成多样化的样本;将上下文信息、句法分析和VAE重构数据作为条件输入到条件编码器(CE)进行编码;将编码后的数据传递给级联扩散模型(CDM),通过多阶段的去噪和生成过程产生高质量样本;通过对抗学习阶段(AL)优化生成样本的质量和多样性。实验结果表明,对比现有模型,Diff-Cascade-NER在8个低资源数据集上表现优越,特别是在BC2GM和WNUT-16数据集上,F1值分别达到85.44%和56.38%,验证了各模块协同作用在低资源NER任务中的有效性。 展开更多
关键词 低资源命名实体识别 变分自编码器 条件编码器 级联扩散模型 对抗学习
在线阅读 下载PDF
双路径编码与自适应感受野驱动的医学图像分割
12
作者 彭晏飞 孙伟强 《中国图象图形学报》 北大核心 2026年第1期320-334,共15页
目的受限于局部感受野,卷积神经网络难以有效建模长程依赖。现有研究尝试将Transformer模块引入编码器、解码器或跳跃连接以增强全局信息建模能力,但此类局部式嵌入仍不足以捕获器官在尺度与形态高度可变情况下所呈现的复杂依赖关系。此... 目的受限于局部感受野,卷积神经网络难以有效建模长程依赖。现有研究尝试将Transformer模块引入编码器、解码器或跳跃连接以增强全局信息建模能力,但此类局部式嵌入仍不足以捕获器官在尺度与形态高度可变情况下所呈现的复杂依赖关系。此外,传统卷积在训练后趋于静态,难以适应器官的几何形变,从而在一定程度上限制了模型对动态形变结构的表征能力。方法针对上述问题,提出一种端到端的医学图像分割框架,通过双路径编码与自适应感受野机制的协同设计,增强模型对全局—局部特征融合能力。具体而言,首先,设计了双路径编码结构,在多个网络层级融合卷积神经网络与Transformer特征,实现局部细节与全局上下文的渐进式融合;其次,构建编码器多层次融合机制,通过跨尺度信息交互整合浅层纹理与深层语义特征,增强模型对目标结构的多分辨率解析能力;最后,提出自适应感受野机制,基于像素级语义差距动态调整卷积核感知范围,突破静态卷积在形变组织表征中的瓶颈。结果实验在两个公开数据集上与最新的方法进行比较,在Synapse数据集中,本文方法较次优模型在DSC(Dice similarity coefficient)和HD95(95%Hausdorff distance)评价指标上分别提升0.54%和0.44;在ACDC(auto⁃mated cardiac diagnosis challenge)数据集上的DSC值提高0.34%;消融实验进一步验证了双路径编码与自适应感受野机制的协同有效性。结论本文方法通过深度融合卷积神经网络局部感知与Transformer全局建模的各自优势,结合自适应感受野机制,有效解决了当前医学图像分割模型中全局—局部特征融合不足及卷积核参数静态固化的问题,实现了SOTA(state-of-the-art)级别的分割精度,为复杂医学图像分割任务提供了新的方案。代码已开源:https://github.com/Swq308/DPAR-Net。 展开更多
关键词 卷积神经网络(CNN) TRANSFORMER 双路径编码 自适应感受野 多层次融合
原文传递
基于双重注意力机制的传统服饰图像检索
13
作者 王明远 张优贤 《毛纺科技》 北大核心 2026年第2期110-116,共7页
针对传统服饰图像检索过程中特征描述符构建粗糙、特征编码冗余度高、图像特征提取不充分的问题,提出一种基于双重注意力机制的传统服饰图像检索方法。该方法利用差分成像方法重构传统服饰图像,将重构后图像输入多尺度通道注意力机制中... 针对传统服饰图像检索过程中特征描述符构建粗糙、特征编码冗余度高、图像特征提取不充分的问题,提出一种基于双重注意力机制的传统服饰图像检索方法。该方法利用差分成像方法重构传统服饰图像,将重构后图像输入多尺度通道注意力机制中,获取传统服饰图像多尺度特征;将该特征输入自注意力机制自主学习,获取包含空间和位置信息的特征图;经由2个全连接层组成的哈希网络对特征图编码,计算特征图编码之间的汉明距离;设定三元组量化约束,降低该距离的计算误差,获取前N个结果作为传统服饰图像检索结果。测试结果显示:该方法重构后图像的色彩饱满且不失真,并且信息系数均在0.929以上,弗雷谢特感知距离均低于0.016,能够依据设定的损失函数进行训练并输出检索结果。 展开更多
关键词 注意力机制 传统服饰 图像检索 特征图编码 汉明距离 三元组量化约束
在线阅读 下载PDF
基于线性注意和类别关联特征学习的在线动作检测
14
作者 詹永照 孙慧敏 +1 位作者 夏惠芬 任晓鹏 《江苏大学学报(自然科学版)》 北大核心 2026年第1期39-47,63,共10页
为了在在线动作检测中充分合理利用动作的上下文特征、与类别关联的特征和预测的未来特征快速检测相应动作,提出基于线性注意和类别关联特征学习的在线动作检测方法.该方法改进了Transformer构架,采用哈达玛积的轻型线性自注意实现Trans... 为了在在线动作检测中充分合理利用动作的上下文特征、与类别关联的特征和预测的未来特征快速检测相应动作,提出基于线性注意和类别关联特征学习的在线动作检测方法.该方法改进了Transformer构架,采用哈达玛积的轻型线性自注意实现Transformer视频上下文特征学习,以减少计算开销;其次对训练样本动作特征进行聚类,将视频序列上下文特征与动作类别特征进行关联学习,有效获得与类别关联的特征表达;最后融合动作的上下文特征、与类别关联的特征和预测的未来特征检测相应时刻动作,以提升动作鉴别性.在典型数据集上进行性能试验,完成了超参取值分析,对比了不同方法的工作精度和运行效率.给出了消融试验和可视化分析.结果表明:在Thumos14(TSN-Anet)、Thumos14(TSN-Kinetics)和HDD数据集上,所提出方法的mAP比Colar方法分别提高了0.2、0.5、0.2百分点,可见新方法优于目前较先进的Colar方法. 展开更多
关键词 在线动作检测 深度学习 注意力机制 编码 上下文特征 TRANSFORMER 类别关联特征学习
在线阅读 下载PDF
基于注意力和变分类自编码的PCB小样本缺陷检测
15
作者 宋涛 冉璐 +4 位作者 杨金河 邢镔 龙邹荣 王泓俊 李梓谦 《计算机工程与应用》 北大核心 2026年第4期363-372,共10页
针对小样本印刷电路板(printed circuit board,PCB)缺陷样本少、样本失衡、难泛化导致检测精度较低的问题,引入元学习方案,在元学习目标检测框架上提出基于注意力和变分类自编码的小样本缺陷检测方法。针对支持分支建模易受噪声影响问题... 针对小样本印刷电路板(printed circuit board,PCB)缺陷样本少、样本失衡、难泛化导致检测精度较低的问题,引入元学习方案,在元学习目标检测框架上提出基于注意力和变分类自编码的小样本缺陷检测方法。针对支持分支建模易受噪声影响问题,提出基于注意力的背景弱化模块,通过对注意力机制进行改进,使模型能够自适应改变重要性,聚焦前景信息与周围差异,减少背景干扰。鉴于支持分支缺乏类特征提取,导致查询特征与支持特征聚合后容易发生漏检、错检的问题,提出变分类自编码模块,利用概率分布以及重参数化获得类特征,提高新类检测准确率。为了充分探索查询特征与支持特征高级特征关系,提出多特征聚合模块,利用元素乘法、减法运算对两种特征之间的相似点和差异性进行建模,同时通过查询原型减少随机采样带来的噪声。实验结果表明,在PKU-Market-PCB数据集上,该方法在10样本下新类、基类准确率最高可达到65.3%、89.7%。 展开更多
关键词 小样本目标检测 元学习 注意力机制 变分类自编码 多特征聚合
在线阅读 下载PDF
考虑并行时序卷积的短期风电功率预测
16
作者 李练兵 高一波 +1 位作者 陈业 雒威 《华中科技大学学报(自然科学版)》 北大核心 2026年第1期53-59,共7页
为进一步提高风电功率预测精度,对功率序列与外部变量序列进行有效特征提取与融合,提出一种考虑并行时序卷积的短期风电功率预测方法.首先,利用最大互信息系数(MIC)选取与风电功率相关性较高的外部变量,作为与风电功率强相关的外部序列... 为进一步提高风电功率预测精度,对功率序列与外部变量序列进行有效特征提取与融合,提出一种考虑并行时序卷积的短期风电功率预测方法.首先,利用最大互信息系数(MIC)选取与风电功率相关性较高的外部变量,作为与风电功率强相关的外部序列,风电功率序列作为内部序列,二者并行输入到两个编码器模块中进行序列编码与特征提取.然后,将内部序列并行输入到全局TCN和局部TCN中,全局TCN通过扩张时序感受野,有效提取功率序列长时间时序依赖关系,局部TCN通过膨胀因果卷积感知局部时序关系;两个编码器并行进行外部序列与内部序列的特征提取,两个TCN模块进行内部序列的双时间尺度时序感知,基于双交叉注意力层融合关联外部序列与内部序列的时序关系及风电功率内部序列的全局依赖与局部时序特征.最后,基于实际风电场站数据进行模型对比实验与模块消融实验,证明所提方法有效提高了风电功率预测精度. 展开更多
关键词 风电功率预测 最大互信息系数 时间序列 编码器 时序卷积 交叉注意力
原文传递
结合Transformer的扩散模型用于人脸美丽预测
17
作者 甘俊英 黎慧聪 +2 位作者 陈汉添 庄圳鑫 陈真 《机电工程技术》 2026年第3期74-79,共6页
模型过度拟合数据库中的噪声标签,导致人脸美丽预测任务中存在泛化能力较弱、预测准确率降低的问题。针对此问题,提出了一种结合Transformer的扩散模型用于训练过程中的标签去噪和重建。模型学习条件概率分布,以“分类器引导”方式控制... 模型过度拟合数据库中的噪声标签,导致人脸美丽预测任务中存在泛化能力较弱、预测准确率降低的问题。针对此问题,提出了一种结合Transformer的扩散模型用于训练过程中的标签去噪和重建。模型学习条件概率分布,以“分类器引导”方式控制生成过程,包含条件信息编码器和去噪网络。首先,迁移Swin Transformer的预训练权重,微调并获取初步预测,作为输出先验;其次,将先验知识作为扩散模型后向过程端点的均值,并调节每一个时间步的去噪转换;最后,提取人脸美丽特征,经扩散模型推理得到预测结果。基于3个人脸美丽数据库进行了实验验证,结果表明,所提模型优于基准扩散模型及人脸美丽预测方法。就准确率而言,所提模型在SCUT-FBP5500、LSAFBD、CelebA数据库上分别取得76.50%、72.65%、81.78%的准确率,分别比基准扩散模型提升了0.73%、1.76%、1.12%,比人脸美丽预测方法提升了1.00%、4.42%、0.37%,较好地解决了噪声标签的问题,提高了预测性能,可广泛应用于其他图像分类任务或相关领域。 展开更多
关键词 人脸美丽预测 扩散模型 TRANSFORMER 条件信息编码器
在线阅读 下载PDF
变速工况下基于阶次域分析的旋转机械故障诊断方法
18
作者 吴国威 陈华辉 邵昌盛 《自动化应用》 2026年第3期129-132,136,共5页
针对变工况条件下旋转机械的转速波动会导致振动信号呈现非平稳性的问题,传统故障诊断方法在特征提取的过程中容易受到频率混叠和噪声的干扰,导致诊断精度下降。为此,提出了一种结合计算阶次跟踪(COT)与变分模态分解(VMD)的旋转机械故... 针对变工况条件下旋转机械的转速波动会导致振动信号呈现非平稳性的问题,传统故障诊断方法在特征提取的过程中容易受到频率混叠和噪声的干扰,导致诊断精度下降。为此,提出了一种结合计算阶次跟踪(COT)与变分模态分解(VMD)的旋转机械故障诊断方法。在信号预处理阶段,该方法利用编码器脉冲信号,通过COT算法对原始振动信号进行等角度重采样处理,将变速时域信号映射至阶次域,从而有效削弱转速波动对频谱分析的影响。在信号分析阶段,引入VMD算法对阶次域信号进行多尺度分解,获得若干具有不同中心频率的固有模态函数,实现噪声抑制与故障成分的分离。进一步地,采用相关峭度作为周期性冲击特征的定量评价指标,对分解得到的模态进行综合评估与筛选,选取敏感模态进行Hilbert包络分析以及阶次域包络谱计算,从而有效提取故障特征。实验结果表明,所提方法在变速工况下能够准确提取旋转机械的故障特征,相较于传统方法,具有更强的抗噪声能力和更高的诊断准确性。 展开更多
关键词 旋转机械故障诊断 计算阶次跟踪 变分模态分解 相关峭度 编码器脉冲信号 定量评价指标
在线阅读 下载PDF
基于门控循环单元的局域网络总线入侵智能检测研究
19
作者 张国志 《现代电子技术》 北大核心 2026年第2期54-58,共5页
为提高实验室局域网络总线入侵检测的时效性与准确性,设计一种基于门控循环单元的总线入侵智能检测方法。对仅包含两种状态的定性特征进行二值化处理,对包含三种或更多类别的特征,通过one-hot编码将其转换为向量特征;再对数据集进行规... 为提高实验室局域网络总线入侵检测的时效性与准确性,设计一种基于门控循环单元的总线入侵智能检测方法。对仅包含两种状态的定性特征进行二值化处理,对包含三种或更多类别的特征,通过one-hot编码将其转换为向量特征;再对数据集进行规范化调整,平衡不同量级的数据特征。为提高检测上限,使用结合聚类的欠采样算法构建平衡数据集,融合门控循环单元(GRU)与卷积神经网络(CNN)构建CNN-GRU入侵检测模型,以实现局域网络总线入侵的智能、高效检测。实验测试结果表明,在检测不同攻击时,所设计方法的Micro-F_(1)和Macro-F_(1)指标均较高,对于不同攻击的检测耗时均低于0.2 s。 展开更多
关键词 入侵检测 局域网络总线 门控循环单元 卷积神经网络 混合采样 one-hot编码
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