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8,977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：
基于深度残差注意力网络的光伏组件分割
1
作者 李鹏 宁昊 +2 位作者 宿雲龙 孟庆伟 陈继明 《太阳能学报》 北大核心 2026年第1期72-81,共10页
针对遥感图像中光伏组件的分割和提取问题,提出一种基于深度残差注意力网络的遥感图像光伏组件语义分割方法。首先基于U-Net结构搭建光伏组件遥感图像分割框架;然后,使用深度残差神经网络替换原始U-Net的特征提取部分,提升网络的图像特... 针对遥感图像中光伏组件的分割和提取问题,提出一种基于深度残差注意力网络的遥感图像光伏组件语义分割方法。首先基于U-Net结构搭建光伏组件遥感图像分割框架;然后,使用深度残差神经网络替换原始U-Net的特征提取部分,提升网络的图像特征提取和表达能力;最后,在网络的残差模块中引入一种高效局部注意力机制,用于进一步增强局部特征的表达能力,提高算法对光伏组件的分割和提取精度。利用该算法在遥感图像光伏组件公开数据集上进行分割提取实验,结果表明改进算法在3类不同空间分辨率的数据集上表现优于DeepLabv3+、UCTransNet、UDTransNet、HRNetV2、SegFormer等方法,相较于原始U-Net网络的mIoU、Dice、mPA和Precision等评价指标平均提升5.80%、2.91%、3.06%和3.92%。 展开更多
关键词 光伏组件 深度学习 语义分割 深度残差网络 U-Net 注意力机制
原文传递
基于稠密残差注意力网络的调制方式识别
2
作者 李啸天 常家盛 +1 位作者 侯艳丽 张冠杰 《计算机测量与控制》 2026年第1期252-258,268,共8页
针对低信噪比和复杂信道条件下通信信号调制方式识别特征提取准确性难以保证及深度残差收缩网络特征学习能力不足的问题,提出基于多特征的稠密残差注意力网络;通过提取I/Q信号的单路与两路联合特征,利用多特征稠密瓶颈层替代传统卷积层... 针对低信噪比和复杂信道条件下通信信号调制方式识别特征提取准确性难以保证及深度残差收缩网络特征学习能力不足的问题,提出基于多特征的稠密残差注意力网络;通过提取I/Q信号的单路与两路联合特征,利用多特征稠密瓶颈层替代传统卷积层构造DRSM,实现深浅层特征的高效融合与抗噪增强;结合混合注意力机制建立跨维度特征强化机制,提升关键信号特征的捕获精度;基于RadioML2016.10A数据集的实验表明,该方法在信噪比大于4 dB时11类信号总体识别准确率较传统深度残差收缩网络(DRSN)提高约5%,验证了所提方法在复杂信道条件下的有效性与鲁棒性;此外,针对传统模型在16 QAM和64 QAM信号识别中的不足,稠密残差注意力网络表现出较好的识别能力。 展开更多
关键词 调制方式识别 特征 深度残差收缩网络 稠密残差 注意力机制
在线阅读 下载PDF
基于响应数据图像化和深度残差收缩网络的结构损伤诊断
3
作者 李书进 张杰玲 赵源 《建筑科学与工程学报》 北大核心 2026年第1期28-40,共13页
利用卷积神经网络(CNN)处理二维图像的优势以及深度残差收缩网络(DRSN)在抗噪性、稳定性和鲁棒性上的良好表现,提出一种将动力响应信号图像化处理后利用DRSN对结构损伤进行诊断的方法。以复杂损伤工况下的平面和空间框架结构的节点损伤... 利用卷积神经网络(CNN)处理二维图像的优势以及深度残差收缩网络(DRSN)在抗噪性、稳定性和鲁棒性上的良好表现,提出一种将动力响应信号图像化处理后利用DRSN对结构损伤进行诊断的方法。以复杂损伤工况下的平面和空间框架结构的节点损伤诊断问题为研究对象,从模型的样本输入和特征学习两方面出发,通过格拉姆角场(GAF)变换和数据增强处理将各监测点的一维结构动力响应信号构造为图像增强样本集,同时构建了适用于框架结构节点损伤位置和损伤程度诊断的DRSN多标签分类模型,并从训练收敛速度、诊断准确率、训练样本类别及网络结构几方面对其诊断性能进行了研究。通过对所提方法在强噪声干扰下的抗噪性能及处理新样本时的泛化性能进行研究,验证其有效性和实用性。结果表明:采用图像增强样本集训练的DRSN模型在诊断准确率、迭代收敛速度和稳定性方面的表现优于普通卷积神经网络模型,且在不同的诊断对象上表现出了良好的鲁棒性和适应性;DRSN的自适应调整阈值降噪机制具有出色的抗噪性能和泛化性能,使其在强噪声、小样本情况下的表现更具优势。 展开更多
关键词 损伤诊断 深度残差收缩网络 卷积神经网络 格拉姆角场 多标签分类 数据增强
在线阅读 下载PDF
基于注意力残差网络的非合作水声通信信号自动调制识别
4
作者 巩文静 李宇 +2 位作者 丁飞龙 王宇杰 黄海宁 《声学学报》 北大核心 2026年第1期298-309,共12页
针对时变信道环境下的非合作水声通信信号识别,提出一种基于注意力残差结构的水声通信信号自动调制识别方法。该方法以残差结构为骨架,设计了一种适用于水下平台的轻量化网络模型,通过跨层连接缓解梯度消失问题;同时,引入注意力机制,增... 针对时变信道环境下的非合作水声通信信号识别,提出一种基于注意力残差结构的水声通信信号自动调制识别方法。该方法以残差结构为骨架,设计了一种适用于水下平台的轻量化网络模型,通过跨层连接缓解梯度消失问题;同时,引入注意力机制,增强对调制敏感的特征提取,提高模型的调制识别能力。实验结果表明,模型在仿真和实测水声通信信号数据集上分别达到94.3%和93.9%的识别正确率,实测结果与对比模型相比平均提升3.1%,在细分的数据集上识别正确率平均达到97.8%。模型参数量仅0.26M,在训练平台上实现0.61 ms/帧的处理能力。此外,模型支持迁移学习,在新增数据集上的识别正确率达到92.7%。 展开更多
关键词 水声通信 自动调制识别 注意力机制 残差网络
原文传递
基于残差与均方根误差联合筛选的流星雷达风场反演优化方法
5
作者 马铮 谢文超 +1 位作者 龚韵 张绍东 《地球物理学报》 北大核心 2026年第2期486-495,共10页
流星雷达是一种重要的地基无线电探测设备,能基于流星尾迹的散射信号反演中层顶区域的水平风信息,在全球中高层大气动力学研究中发挥着重要作用.全天空最小二乘法是当前广泛应用于流星雷达回波信号反演风场的经典算法,但该方法对流星回... 流星雷达是一种重要的地基无线电探测设备,能基于流星尾迹的散射信号反演中层顶区域的水平风信息,在全球中高层大气动力学研究中发挥着重要作用.全天空最小二乘法是当前广泛应用于流星雷达回波信号反演风场的经典算法,但该方法对流星回波信号的数量与质量较为敏感,个别异常回波信号可能导致风场反演误差显著增加,因此亟需对原始回波信号进行筛选与剔除.传统的筛选方法主要以残差筛选为主,通过迭代运算剔除残差过大的回波信号,但在迭代次数过多或阈值设定较为严格时,可能会过度剔除有效信号,尤其在回波数量有限的情况下,难以保障风场反演结果的稳定性与可靠性.为此,本文提出一种基于残差与均方根误差联合筛选的优化策略.该方法首先放宽残差筛选阈值且不再进行迭代运算,以保留更多流星回波信号,然后通过均方根误差检验评估整体数据质量,确保最终风场反演数据的可靠性.利用武汉大学在银川地区部署的流星雷达进行实验验证,结果表明联合筛选策略不仅能够有效剔除异常数据,还能保持更多的流星回波数据量,使风场解算更加稳定和可靠.本研究为流星雷达风场反演的回波数据筛选提供了一种切实可行的优化方案,可作为流星风场反演中有效流星回波数据筛选环节的重要参考. 展开更多
关键词 流星雷达 风场反演 筛选与优化 残差 均方根误差
在线阅读 下载PDF
高超声速进气道内收缩基准流场的残差网络智能预测方法
6
作者 杨孔强 熊冰 +2 位作者 范晓樯 王翼 唐啸 《国防科技大学学报》 北大核心 2026年第1期28-39,共12页
为了提高内转式进气道的设计效率,实现对内收缩基准流场的快速预测,采用准均匀B样条方法实现内收缩基准流场的参数化设计,提出了基于深度学习残差神经网络架构的流场预测模型。结合峰值信噪比、结构相似性指数等图像质量评估方法,对预... 为了提高内转式进气道的设计效率,实现对内收缩基准流场的快速预测,采用准均匀B样条方法实现内收缩基准流场的参数化设计,提出了基于深度学习残差神经网络架构的流场预测模型。结合峰值信噪比、结构相似性指数等图像质量评估方法,对预测流场进行定量评价,并从中提取壁面特性分布、激波形态等关键流场特性,以实现基于基准流场几何参数快速获取流场云图和特性参数分布的目标。研究结果表明,所构建的流场快速预测模型精度较高,其整体平均峰值信噪比为42.51 dB,平均结构相似性指数为0.9973,且能有效地从预测结果中提取流场的关键特性与参数分布,为内收缩基准流场的快速设计与优化提供有力支持。 展开更多
关键词 高超声速 内收缩 基准流场 参数方法 流场预测 残差神经网络
在线阅读 下载PDF
基于多电压传感器数据与深度残差网络的MMC子模块开路故障诊断
7
作者 吉宇 吴家欣 +4 位作者 曹欣阳 谢金润 郭龚玺 梅军 黄灿 《传感技术学报》 北大核心 2026年第1期139-146,共8页
针对模块化多电平换流器(MMC)子模块IGBT开路故障的隐蔽性和诊断困难,提出一种基于一维深度残差网络(1D-ResNet)的智能诊断方法。首先,利用电压传感器采集子模块电容电压数据,并通过短时傅里叶变换(STFT)提取其时间-频率特征。采用滑动... 针对模块化多电平换流器(MMC)子模块IGBT开路故障的隐蔽性和诊断困难,提出一种基于一维深度残差网络(1D-ResNet)的智能诊断方法。首先,利用电压传感器采集子模块电容电压数据,并通过短时傅里叶变换(STFT)提取其时间-频率特征。采用滑动窗口技术生成大量训练样本,以降低过拟合风险。随后,构建一维深度残差网络进行特征学习与分类,其残差块和跳跃连接结构有效缓解了深层网络的梯度退化问题,增强了对微弱故障特征的捕捉能力。仿真结果表明,所提方法在分类准确率和故障定位时间上显著优于传统支持向量机(SVM)和一维卷积神经网络(1D-CNN)。对比研究进一步验证了该方法具有良好的鲁棒性和实时性,为MMC子模块的IGBT开路故障诊断提供了一种新的有效解决方案。 展开更多
关键词 模块化多电平换流器 故障诊断 卷积神经网络 残差网络 支持向量机
在线阅读 下载PDF
基于残差连接的轻量化番茄作物病害检测模型
8
作者 邹强 宋欣 +3 位作者 宋中越 田颖 朝博 贾学勤 《农业机械学报》 北大核心 2026年第1期140-148,共9页
番茄作物生长过程中容易受到多种病害的侵袭。基于深度学习模型的病害检测策略,其计算量通常较大。针对这个问题,本文提出了一种轻量化深度学习模型ResDepSepNet。该模型基于残差模块构建,引入深度可分离卷积,并通过增加卷积运算步长实... 番茄作物生长过程中容易受到多种病害的侵袭。基于深度学习模型的病害检测策略,其计算量通常较大。针对这个问题,本文提出了一种轻量化深度学习模型ResDepSepNet。该模型基于残差模块构建,引入深度可分离卷积,并通过增加卷积运算步长实现下采样。同时引入SE(Squeeze-and-excitation)注意力模块,提升病害识别能力。采用PlantVillage番茄作物病害数据集对ResDepSepNet模型进行了测试,并将测试结果与MobileNetV2模型和TrioConvTomatoNet模型进行对比。测试结果显示,ResDepSepNet模型的整体识别正确率分别比MobileNetV2模型和TrioConvTomatoNet模型高4.8、1.1个百分点,且其浮点运算次数仅为3.5×10^(7),约为MobilenetV2模型和TrioConvTomatoNet模型的1/18和1/7。本研究为番茄作物病害检测提供了技术参考。 展开更多
关键词 番茄 病害检测 轻量化设计 残差模块
在线阅读 下载PDF
基于双残差LSTM和DCGAN的脑电信号驱动视觉图像重建模型
9
作者 倪哲文 全海燕 《数据采集与处理》 北大核心 2026年第1期244-258,共15页
近年来,计算机视觉的进步使基于脑电信息重建图像成为可能,这在医学图像重建和脑机接口等领域具有重要意义。然而,由于脑电信号的复杂性和时序特性,现有模型在特征提取和图像生成任务上面临诸多挑战。为此,本文提出了一种基于双残差长... 近年来,计算机视觉的进步使基于脑电信息重建图像成为可能,这在医学图像重建和脑机接口等领域具有重要意义。然而,由于脑电信号的复杂性和时序特性,现有模型在特征提取和图像生成任务上面临诸多挑战。为此,本文提出了一种基于双残差长短期记忆网络(Long short-term memory,LSTM)和深度卷积生成对抗网络(Deep convolution generative adversarial network,DCGAN)的脑电信号驱动视觉图像重建模型。该模型引入基于注意力残差网络和三元组损失函数的长短期记忆网络(LSTM network based on attention residual network and triplet loss,ARTLNet),以提升脑电信号特征提取的质量。ARTLNet融合了残差网络、长短期记忆网络和注意力机制,通过残差连接改善深层网络训练,长短期记忆网络捕捉时间序列特征,注意力机制增强对关键特征的关注;同时结合批量归一化和全局平均池化,确保信号稳定传递。在图像生成阶段,模型引入自行设计的DCGAN与特征融合策略,有效提升了生成图像的质量和多样性。实验结果表明,改进后的ARTLNet在Characters和Objects数据集上,结合不同的分类和聚类算法均获得了更高的准确率;所提模型在图像生成质量方面也表现优越,尤其在图像清晰度和类别区分度方面展现出显著优势。 展开更多
关键词 深度学习 生成对抗网络 脑电信号解码 自注意力 残差连接
在线阅读 下载PDF
基于多维特征融合与残差增强的交通流量预测
10
作者 张振琳 郭慧洁 +4 位作者 窦天凤 亓开元 吴栋 曲志坚 任崇广 《计算机应用研究》 北大核心 2026年第1期161-169,共9页
交通流量预测在智能交通系统中占据核心地位。针对当前交通流量预测方法在特征利用和时空依赖建模方面的不足,提出了一种新的基于多维特征融合与残差增强的交通流量预测模型MFRGCRN(multi-dimensional feature fusion and residual-enha... 交通流量预测在智能交通系统中占据核心地位。针对当前交通流量预测方法在特征利用和时空依赖建模方面的不足,提出了一种新的基于多维特征融合与残差增强的交通流量预测模型MFRGCRN(multi-dimensional feature fusion and residual-enhanced graph convolutional recurrent network)。该模型通过结合自编码器、深度可分离卷积及时间卷积全方位挖掘时空相关性,使用门控循环单元与多尺度卷积注意力结合学习数据的关联关系,同时利用多尺度残差增强机制实现对复杂模式的逐步建模。在四个真实数据集上的实验结果表明,所提出的模型在预测性能上优于对比的基线模型,尤其在PEMS08数据集的12步预测任务中,MAE、RMSE和MAPE分别降低约7.7%、2.9%和4.5%,展现出优异的长期预测能力。模型在准确性、稳定性和鲁棒性方面均表现出较强优势,为智能交通系统中的复杂交通流建模提供了有效解决方案。 展开更多
关键词 交通流量预测 动态图卷积网络 特征融合 残差建模 注意力机制
在线阅读 下载PDF
深度残差神经网络下滚动轴承非平稳故障诊断
11
作者 魏波 冯乃勤 刘翠芳 《机械设计与制造》 北大核心 2026年第1期201-206,共6页
滚动轴承是机械设备中的零部件。在工业现场中,轴承经常运行在转速转矩变化的非稳态工况下,信号中的周期性特征被时变工况破坏,频谱中的频率分量不断变化,相互混淆。滚动轴承在非平稳运行状态下,故障特征频率随转频变化,若不计算故障特... 滚动轴承是机械设备中的零部件。在工业现场中,轴承经常运行在转速转矩变化的非稳态工况下,信号中的周期性特征被时变工况破坏,频谱中的频率分量不断变化,相互混淆。滚动轴承在非平稳运行状态下,故障特征频率随转频变化,若不计算故障特征频率和因子,就无法准确把握故障特征与正常状态的差异,导致故障诊断的准确率较低。为此,引入深度残差神经网络,提出变转速滚动轴承非平稳故障诊断方法。引入深度残差神经网络,通过ReLU激活函数获取提取故障特征频率的误差值,学习不同工况下信号的内在规律,即使特征在频谱中混淆也能准确提取复杂非平稳信号中的故障特征频率和特征因子。通过构建深度残差神经网络模型,结合瞬时故障特征频率、故障特征因子的计算,分析其在非平稳状态下的频谱;调整深度残差神经网络的各项参数,引入阶比谱,通过分析一阶故障特征阶比和轴承转频阶比即可实现对滚动轴承非平稳故障的诊断。测试结果表明,所提方法可实现对故障轴承的精准诊断,且具有较好的抗干扰能力和最接近1的诊断F1值。 展开更多
关键词 深度残差神经网络 滚动轴承 ReLU激活函数 短时傅里叶变换 故障特征频率
在线阅读 下载PDF
基于残差网络和改进特征的油气田作业施工监控画面检测算法研究
12
作者 刘晓天 谭龙华 +2 位作者 钱成 张军 王晨曦 《电子设计工程》 2026年第1期165-169,共5页
为提升油气田设备的使用效率并加快油田作业进度,设计了一种基于残差网络和改进特征的油气田作业施工监控画面检测算法。采用残差网络模型提取画面信息的改进特征,并通过对监控画面的匹配实现特征数据的初筛处理。根据改进特征下监控检... 为提升油气田设备的使用效率并加快油田作业进度,设计了一种基于残差网络和改进特征的油气田作业施工监控画面检测算法。采用残差网络模型提取画面信息的改进特征,并通过对监控画面的匹配实现特征数据的初筛处理。根据改进特征下监控检测目标的评估与定位标准,计算检测样本的均衡损失度值。实验结果表明,应用上述算法可在不同的监控画面清晰度下捕捉施工设备占用情况,最低占用率仅为26.9%,有助于提取油气田施工的细节信息。 展开更多
关键词 残差网络 改进特征 油气田施工 监控画面 画面检测
在线阅读 下载PDF
基于分层式残差聚合与双分支维度分裂注意力机制的情绪识别
13
作者 李杰 何文雪 +1 位作者 王述畅 杨帮华 《中国医学物理学杂志》 2026年第2期220-228,共9页
针对脑电图(EEG)动态复杂性和解码难度限制情绪识别的精度和鲁棒性的问题,提出一种新的情绪分类模型MADBNet。首先,多尺度分组卷积用于捕捉不同层次的情绪特征;随后,通过分层残差聚合多尺度特征,并穿插轴向通道空间注意力捕获通道相关... 针对脑电图(EEG)动态复杂性和解码难度限制情绪识别的精度和鲁棒性的问题,提出一种新的情绪分类模型MADBNet。首先,多尺度分组卷积用于捕捉不同层次的情绪特征;随后,通过分层残差聚合多尺度特征,并穿插轴向通道空间注意力捕获通道相关性和空间依赖性;最后,通过双分支维度分裂特征处理的注意力机制增强局部与全局关联,实现EEG时空频特征的融合。在DEAP数据集上的实验结果表明,该模型在精度和稳定性显示出优越的性能。 展开更多
关键词 情绪识别 人机交互 分层残差聚合 轴向通道空间注意力 双分支维度分裂
在线阅读 下载PDF
基于改进型残差网络的MRI脑肿瘤辅助诊断研究
14
作者 闭应洲 甘秋静 +1 位作者 霍雷刚 刘善锐 《临床放射学杂志》 北大核心 2026年第2期213-220,共8页
目的 针对传统卷积神经网络(CNN)在MRI图像中空间位置信息建模不足及通道特征感知能力薄弱的问题,提升脑肿瘤识别的准确率与鲁棒性。方法 提出融合坐标卷积(CoordConv)与多级残差注意力机制的改进型ResNet50模型(CoResAttNet),通过在初... 目的 针对传统卷积神经网络(CNN)在MRI图像中空间位置信息建模不足及通道特征感知能力薄弱的问题,提升脑肿瘤识别的准确率与鲁棒性。方法 提出融合坐标卷积(CoordConv)与多级残差注意力机制的改进型ResNet50模型(CoResAttNet),通过在初始层引入CoordConv增强空间感知能力,并在各残差阶段嵌入注意力模块以强化关键通道特征的表达。结果 在两个脑肿瘤MRI公开数据集上进行四分类实验,其在准确率、精确率、召回率和F1分数上分别达到99.72%、99.70%、99.69%、99.69%及98.26%、98.24%、98.25%、98.24%。结论 CoResAttNet模型在脑肿瘤分类任务中具备较好泛化能力与识别性能,能为智能辅助诊断提供有效支持。 展开更多
关键词 MRI 脑肿瘤 坐标卷积 ResNet50 残差注意力模块
原文传递
基于残差注意力机制的离轴数字全息重建
15
作者 蒙明伟 蒋行国 《光学技术》 北大核心 2026年第1期61-67,共7页
离轴数字全息重建具有重要应用价值,但重建方法仍较为有限,面临零级衍射干扰,计算复杂度高以及重建精度受限等问题。针对这些问题,论文提出一种基于残差注意力机制的离轴数字全息重建方法。首先采用优化后的U-Net模型作为网络架构,并使... 离轴数字全息重建具有重要应用价值,但重建方法仍较为有限,面临零级衍射干扰,计算复杂度高以及重建精度受限等问题。针对这些问题,论文提出一种基于残差注意力机制的离轴数字全息重建方法。首先采用优化后的U-Net模型作为网络架构,并使用模拟生成的离轴菲涅尔全息图进行训练。然后,通过改进U-Net模型中的编码器和解码器结构,以提升网络特征提取能力,从而能够实现高质量的离轴数字全息图重建。最终,为进一步验证该模型的抗噪声性能,保持网络结构和参数不变,使用含噪声的数据集进行重建,并对重建结果进行质量评估。实验结果表明,相较于最优对比算法,改进后的网络在数据集上的平均SSIM和PSNR分别提高了2.97%和15.52%,而在加噪数据集上平均SSIM和PSNR则分别提高了6.48%和19.04%。显著提升了离轴数字全息重建的质量和抗噪性能,为复杂光学成像问题提供了有效的深度学习解决方案。 展开更多
关键词 数字全息 离轴全息重建 深度学习 残差注意力 神经网络
原文传递
基于残差扩散模型的遥感超分辨率图像生成研究 被引量：3
16
作者 左宪禹 田展硕 +4 位作者 殷梦晗 党兰学 乔保军 刘扬 谢毅 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期58-65,I0007,F0002,共10页
传统基于扩散的图像超分辨率方法通常需要大量采样步骤,并且优化功能强大的扩散模型需要耗费大量运算时间.为了在有限的计算资源上实现训练,现有的加速采样技术往往会牺牲部分图像质量,导致超分辨率结果模糊.为了解决这一问题,提出了一... 传统基于扩散的图像超分辨率方法通常需要大量采样步骤,并且优化功能强大的扩散模型需要耗费大量运算时间.为了在有限的计算资源上实现训练,现有的加速采样技术往往会牺牲部分图像质量,导致超分辨率结果模糊.为了解决这一问题,提出了一种改进的、高效的残差超分辨扩散模型.通过构建马尔可夫链,在高分辨率图像和低分辨率图像之间移动残差来实现图像之间的转移,有效减少扩散步骤的数量.该方法保证了超分辨率结果的质量和灵活性,同时也提高了转移效率,消除了推理过程中需要的后加速及其相关图像细节特征的退化.实验证明,即使只执行15个采样步骤,所提的方法在合成数据集和真实数据集上也可以获得优于或至少可以与当前最先进方法相当的图像质量. 展开更多
关键词 遥感 超分辨率 图像生成 残差移动 残差扩散模型
在线阅读 下载PDF
一种基于相邻边切割与独立残差的因果发现算法
17
作者 庞伟才 李冶通 《南宁师范大学学报(自然科学版)》 2026年第1期165-176,共12页
发现观测数据中的因果关系是科学的基础问题,其中条件独立性(Conditional Independence,CI)是基于约束的方法的研究核心。相较于传统的CI测试方法,ReCIT(Residualbased Conditional Independence Test)是一种新兴的条件独立性测试方法,... 发现观测数据中的因果关系是科学的基础问题,其中条件独立性(Conditional Independence,CI)是基于约束的方法的研究核心。相较于传统的CI测试方法,ReCIT(Residualbased Conditional Independence Test)是一种新兴的条件独立性测试方法,它在结合PC(Peter-Clark)算法后可应用于因果发现领域,尽管其耗时较长,但能发现更多的因果方向,甚至在一致有向无环图(DAG)无V结构时仍有效。因果分割是一种基于分而治之策略的因果发现方法,其中CPA(Causal Partitioning by Edge Cutting of Adjoint Graph)算法是一种不违背d-分离准则的因果分割方法。ReCIT通过融合CPA算法,得到了一个时间复杂度较小的算法MReCIT(Mixed ReCIT)。在Alarm等6个数据集上的实验表明,相对于ReCIT,MReCIT平均提速4.4%,同时能保持和提高精确性;并且发现,在一些数据集上MReCIT处理较大样本时的提速效果更显著——以Alarm数据集为例,MReCIT在样本量为25~50时未体现提速,在样本量为100~200时平均提速为9.5%,在样本量为400~800时平均提速为12.1%。 展开更多
关键词 因果发现 因果推断 条件独立性检验 独立残差
在线阅读 下载PDF
深度残差网络在新能源汽车减速器齿轮故障诊断中的研究
18
作者 郭城 候雯娜 郭一帆 《专用汽车》 2026年第1期73-76,共4页
针对新能源汽车减速器齿轮在高转速、大扭矩工况下易出现磨损、点蚀、断齿等故障,且传统诊断方法特征提取能力有限、诊断精度不足的问题,提出基于深度残差网络(DRN)的智能诊断方法。通过分析齿轮典型故障机理与振动信号特征,构建多传感... 针对新能源汽车减速器齿轮在高转速、大扭矩工况下易出现磨损、点蚀、断齿等故障,且传统诊断方法特征提取能力有限、诊断精度不足的问题,提出基于深度残差网络(DRN)的智能诊断方法。通过分析齿轮典型故障机理与振动信号特征,构建多传感器信号采集及预处理体系,将一维振动信号经时频变换转为二维时频图像,输入融合残差模块与注意力机制的改进型ResNet模型,以提升特征提取深度与诊断鲁棒性。同时开发含多源数据接口的可视化诊断系统,实现故障实时识别与可视化展示,为新能源汽车传动系统智能运维提供技术参考。 展开更多
关键词 新能源汽车 减速器齿轮 深度残差网络 故障诊断 振动信号处理
在线阅读 下载PDF
针对X线图像超分辨率重建的轻量残差注意力网络
19
作者 杨昆 齐晁仪 +4 位作者 刘天军 艾尚璞 闫森广 刘秀玲 薛林雁 《河北大学学报(自然科学版)》 北大核心 2025年第4期419-430,共12页
针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证... 针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证参数量不增加的条件下,通过增设卷积层来提取更为丰富的图像特征.为进一步提高卷积层间的信息传递效率,设计了一种新颖的残差级联方案IRSC(improved residual skip concatenation).同时,为应对医学影像中信噪比低的问题,构建了多维混合注意力机制模块CSPMA(channel-spatial-pixel mixed attention),该模块分别从通道、空间和像素3个维度筛选信息,从而显著增强了网络对关键图像特征的捕捉能力.实验结果表明,LDRAN在X线医学图像数据集Chest X-ray上的PSNR为36.81 dB,SSIM为0.8966,均取得了最优.并且能够更好地重建X线图像的细节和纹理.此外,LDRAN在3个自然图像数据集上的重建效果比多数具有代表性的算法更好. 展开更多
关键词 超分辨重建 轻量化 深度残差块 混合多维度注意力模块 残差级联
在线阅读 下载PDF
一种自适应残差卷积自编码网络及其故障诊断应用
20
作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页
针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多
关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取
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