期刊文献+
共找到448,645篇文章
< 1 2 250 >
每页显示 20 50 100
一种基于时域融合Transformer的4D航迹预测方法
1
作者 孔建国 马珂昕 +2 位作者 梁海军 张向伟 常瀚文 《电讯技术》 北大核心 2026年第1期21-29,共9页
针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以... 针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以体现飞行过程中不同阶段的差异;采用TFT模型有效捕捉各特征之间的隐式相关性,从而提高了预测精度;同时,结合分位数回归实现不确定性量化,提供了具有置信区间的航迹预测结果。实验表明,所提方法在真实数据上优于传统模型:与CNNLSTM模型和LSTM模型相比,平均距离误差分别减少了22.7%和50.9%,纵向、横向和垂直误差分别为305.01 m、177.91 m和25.23 m,验证了模型在解决航迹预测问题上的有效性,能够为管制精细化调控提供有效支持。 展开更多
关键词 空中交通管制 4d航迹预测 自动相关监视系统数据 时域融合transformer 时间序列预测
在线阅读 下载PDF
FDGformer:基于频域引导Transformer网络的红外小目标检测
2
作者 杜妮妮 叶文亚 +3 位作者 刘烨 卫莎莎 王建超 徐生 《红外技术》 北大核心 2026年第2期204-211,共8页
红外小目标检测旨在从背景复杂的红外图像中检测和识别出尺寸较小的目标,在军事、安防以及无人机等领域有着广泛的应用。该任务的挑战在于红外图像通常分辨率较低、目标对比度低以及纹理模糊,导致小目标很容易被包含噪声和杂波的背景中... 红外小目标检测旨在从背景复杂的红外图像中检测和识别出尺寸较小的目标,在军事、安防以及无人机等领域有着广泛的应用。该任务的挑战在于红外图像通常分辨率较低、目标对比度低以及纹理模糊,导致小目标很容易被包含噪声和杂波的背景中所淹没。因此,如何准确地检测红外小目标的外形信息仍是目前学术界探索的热点问题。为解决上述问题,提出了一种基于频域信息引导Transformer(FDGformer)网络的红外小目标检测算法。首先采用了流行的U-net架构实现目标掩码的生成,在此基础上基于对红外图像不同层级频率域信息的探索,构建了一种基于Transformer结构的频率信息提取(FIE)模块,能够基于频域计算特征的自注意力,从而对输入特征中的特定频率成分进行增强;接着,将得到的频域增强特征作为引导设计了一种频率信息引导的空间Transformer结构,能够同时整合红外特征的全局依赖关系以及频域显著信息,从而更加准确的识别小目标的外形特征。在公开数据集上的实验结果表明,该算法相比其他先进小目标检测算法有着更高的检测精度,同时参数量更少,有效推动检测任务的实际应用。 展开更多
关键词 红外图像 弱小目标检测 transformER 图像分割
在线阅读 下载PDF
一种基于Transformer-TCN-GRU的未来空管4D航迹预测方法
3
作者 孔建国 李龙超 +1 位作者 梁海军 黄宇杰 《电讯技术》 北大核心 2026年第3期350-359,共10页
为满足基于航迹的运行(Trajectory-based Operations,TBO)对高精度航迹预测的严苛要求,提出了一种基于Transformer-TCN-GRU架构的4D航迹预测模型。该模型融合了Transformer的自注意力机制、时间卷积网络(Temporal Convolutional Network... 为满足基于航迹的运行(Trajectory-based Operations,TBO)对高精度航迹预测的严苛要求,提出了一种基于Transformer-TCN-GRU架构的4D航迹预测模型。该模型融合了Transformer的自注意力机制、时间卷积网络(Temporal Convolutional Network,TCN)的多尺度特征提取能力,以及门控循环单元(Gated Recurrent Unit,GRU)的长短期依赖建模优势,以实现对复杂航迹数据的高精度预测。在数据处理方面,通过对自动相关监视系统采集的终端区航迹数据进行插值与归一化预处理,以确保数据的连续性与稳定性。在模型训练中,采用贝叶斯优化方法对超参数进行精细调优,以进一步提升模型的预测精度与训练效率。实验结果表明,所提出的Transformer-TCN-GRU模型在4D航迹预测的精度和鲁棒性上均显著优于传统的LSTM、GRU和TCN-GRU模型,尤其在飞行状态剧烈变化的区域,其预测效果尤为突出。 展开更多
关键词 空中交通管理 4d航迹预测 基于航迹的运行(TBO) AdS-B数据 自注意力机制
在线阅读 下载PDF
DiST-DR:扩散模型驱动的Swin Transformer非线性医学图像微分同胚配准
4
作者 马可航 夏春潮 +3 位作者 陈梦遥 李飞 张思敏 孙怀强 《四川大学学报(自然科学版)》 北大核心 2026年第1期13-24,共12页
医学图像配准是医学图像分析中的关键任务。在深度学习框架下,实现同时具备平滑性、拓扑保持性与高精度的图像配准仍面临诸多挑战。为协同建模局部细节与全局上下文信息,并增强扩散模型的特征表达能力,提出了一种新型混合架构——DiST-D... 医学图像配准是医学图像分析中的关键任务。在深度学习框架下,实现同时具备平滑性、拓扑保持性与高精度的图像配准仍面临诸多挑战。为协同建模局部细节与全局上下文信息,并增强扩散模型的特征表达能力,提出了一种新型混合架构——DiST-DR(Diffusiondriven Swin Transformer for Diffeomorphic Registration)。该模型融合CNN与Swin Transformer作为骨干网络,并引入密集乘法连接(Dense Multiplicative Connection,DMC)模块,以有效融合多尺度特征。此外,DiST-DR引入微分同胚变换,以在配准过程中保持形变场的平滑性与拓扑结构。在心脏MRI与肝脏CT数据集上的实验证明,DiST-DR优于现有先进的配准方法,展现出其在实现精确且拓扑保持的图像配准任务中的应用潜力。 展开更多
关键词 医学图像配准 扩散模型 Swin transformer 微分同胚配准
在线阅读 下载PDF
基于Transformer的DETR目标检测算法综述
5
作者 李沂杨 陆声链 +1 位作者 王继杰 陈明 《计算机工程》 北大核心 2026年第4期62-81,共20页
在目标检测领域,卷积神经网络(CNN)凭借其优异的准确性和可扩展性,长期主导着相关研究,并获得了学术界的广泛认可。在此框架下,先后涌现出基于区域的卷积神经网络(R-CNN)系列(如Fast R-CNN、Faster R-CNN)与YOLO(You Only Look Once)系... 在目标检测领域,卷积神经网络(CNN)凭借其优异的准确性和可扩展性,长期主导着相关研究,并获得了学术界的广泛认可。在此框架下,先后涌现出基于区域的卷积神经网络(R-CNN)系列(如Fast R-CNN、Faster R-CNN)与YOLO(You Only Look Once)系列等多个代表性模型。随着Transformer在自然语言处理领域的成功,研究者开始探索将其用于计算机视觉领域,由此产生了视觉Transformer(ViT)和Swin Transformer等视觉骨干网络。Facebook团队为减少目标检测任务中的先验知识和后处理,在2020年推出了一种端到端目标检测算法——基于Transformer的DETR(DEtection TRansformer)。尽管DETR在目标检测领域展现出潜力,但也存在收敛速度慢、准确性较差、目标查询的物理意义不明确等缺点。这促使研究者对该算法开展了进一步的研究和改进。本研究旨在归纳总结针对DETR的改进探索,并分析它们的优势与不足,同时对利用DETR开展的前沿研究和细分应用领域进行概括,最后给出DETR在计算机视觉领域的未来展望。 展开更多
关键词 计算机视觉 目标检测 dETR算法 视觉transformer 图像分割
在线阅读 下载PDF
基于Takens-Transformer与GCN的DDoS攻击检测
6
作者 邓钰洋 芦天亮 +2 位作者 李知皓 孟昊阳 李锦儒 《计算机应用研究》 北大核心 2026年第2期567-576,共10页
针对现有分布式拒绝服务(DDoS)攻击检测适应性弱、计算成本高的问题,提出基于时间延迟嵌入和图卷积网络的Transformer模型(TDE-TGCN)。该模型利用Takens定理将网络流量建模为动力学系统,通过时间延迟嵌入揭示DDoS攻击对流量非线性特征... 针对现有分布式拒绝服务(DDoS)攻击检测适应性弱、计算成本高的问题,提出基于时间延迟嵌入和图卷积网络的Transformer模型(TDE-TGCN)。该模型利用Takens定理将网络流量建模为动力学系统,通过时间延迟嵌入揭示DDoS攻击对流量非线性特征的影响;采用Transformer模型将流量序列映射至高维空间,通过多头注意力机制捕捉突发性和全局关联;结合图卷积网络挖掘拓扑信息及跨节点攻击模式。在CIC-IDS2017等数据集和特征变异模拟的未知攻击场景下,TDE-TGCN检测准确率达到98.7%,误报率降低至1.2%,计算效率提升35%;消融实验验证了各组件对模型性能的显著贡献。该研究从动力学系统角度重新审视网络流量特征,提出理论与实践相结合的检测框架,为复杂网络环境下的DDoS攻击检测提供了有效技术方案。 展开更多
关键词 网络流量 ddOS攻击检测 Takens定理 图卷积网络 transformER
在线阅读 下载PDF
融合多重卷积和Dense Transformer的高光谱图像分类
7
作者 魏林 杨霄 尹玉萍 《红外技术》 北大核心 2026年第2期193-203,共11页
高光谱图像蕴含丰富的光谱空间信息。如何充分挖掘空谱信息进行分类,是一个关键的研究问题。在处理高光谱图像分类时,卷积擅长提取局部特征,Transformer能够捕获长距离特征依赖性,学习全局特征信息。针对卷积和Transformer的优势,提出... 高光谱图像蕴含丰富的光谱空间信息。如何充分挖掘空谱信息进行分类,是一个关键的研究问题。在处理高光谱图像分类时,卷积擅长提取局部特征,Transformer能够捕获长距离特征依赖性,学习全局特征信息。针对卷积和Transformer的优势,提出了一种结合三维卷积、空间通道重建卷积和Transformer的高光谱图像分类方法。首先将降维后的图像块,利用三维卷积进行综合的空谱特征提取;随后用空间通道重建卷积过滤冗余信息;最后用具有密集连接的Transformer对卷积提取的空谱特征建立长距离依赖关系,并使用多层感知机进行分类。实验表明,该方法在Pavia University、Salinas和Botswana数据集上总体分类精度分别为99.51%、99.85%、97.57%,均表现优异。 展开更多
关键词 高光谱图像 特征提取 三维卷积 空间通道重建卷积 transformER
在线阅读 下载PDF
应用VMD-Transformer-ResLSTM的短期天然气负荷预测
8
作者 赵明智 郭光荣 +2 位作者 范立军 韩龙 于千城 《中国测试》 北大核心 2026年第3期144-153,共10页
由于城市居民的消费习惯和生活节奏的变化,精确预测天然气消耗量变得尤为重要。为此,文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先,通过变分模态分解(VMD)将原始负荷序列分解为本征模态函数(IMF)分量,从而避免模... 由于城市居民的消费习惯和生活节奏的变化,精确预测天然气消耗量变得尤为重要。为此,文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先,通过变分模态分解(VMD)将原始负荷序列分解为本征模态函数(IMF)分量,从而避免模态混叠和假峰值的问题。随后,对Transformer解码层进行重新构建,并将其与LSTM网络融合,旨在更好地捕捉序列中的长期依赖关系,同时减少模型参数。为解决LSTM网络中常见的梯度消失和梯度爆炸问题,文章引入残差连接机制,将其整合到Transformer和LSTM网络中。其次,为进一步提升预测精度,设计一个误差修正模块,以提高天然气负荷预测的稳定性和准确性。实验结果表明,该组合模型在预测精度上显著优于传统模型如ARIMA、Transformer、GRU和LSTM,预测的平均绝对误差(MAE)提升23%~58%。综上所述,该方法可显著提升天然气负荷预测的精度。 展开更多
关键词 天然气短期负荷预测 变分模态分解 transformer LSTM 残差连接 误差修正
在线阅读 下载PDF
基于改进Transformer-无迹卡尔曼滤波器的智能车辆多模态3D目标检测方法
9
作者 张哲宁 刘祯 王化强 《汽车技术》 北大核心 2026年第2期39-47,共9页
为提升智能车辆环境感知目标检测的准确性,提出一种特征融合3D目标检测方法。首先,对Transformer模型进行改进,借助多头自注意力机制,充分考虑数据空间的局部特征信息,并保留不同的特征权重,以提取点云与图像特征;然后,借助无迹卡尔曼... 为提升智能车辆环境感知目标检测的准确性,提出一种特征融合3D目标检测方法。首先,对Transformer模型进行改进,借助多头自注意力机制,充分考虑数据空间的局部特征信息,并保留不同的特征权重,以提取点云与图像特征;然后,借助无迹卡尔曼滤波器(UKF)设计图像与点云多模态融合系统,最终实现3D目标检测;最后,采用KITTI数据集和实车数据集对模型进行训练和推理,并与多种主流算法进行对比。验证结果显示,与应用广泛的截锥卷积网络(F-ConvNet)、视锥点云网络(F-PointNet)等主流多模态融合算法相比,所提出的目标检测模型多类别平均精度分别提升了0.34百分点和3.03百分点,车辆和骑行者对象的检测平均精度分别提升了2.52百分点和9.32百分点,且该模型在实车数据推理中的表现与训练评测结果基本一致。 展开更多
关键词 无人驾驶 transformER 多传感器信息融合 多模态感知 无迹卡尔曼滤波器
在线阅读 下载PDF
基于ALA优化VMD和Transformer-BiGRU的锂离子电池RUL预测
10
作者 闫来清 梁朝洋 +4 位作者 韩磊 李沁春 蔡钰濠 魏嘉轩 许志超 《电源技术》 北大核心 2026年第2期277-289,共13页
准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大... 准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大多依赖手动设置,不仅耗时费力且预测效果受主观因素影响较大。针对上述难题,提出了一种基于ALA优化VMD和Transformer-BiGRU的预测方法。利用人工旅鼠算法(ALA)对变分模态分解(VMD)的模态分解层数与惩罚因子进行优化,通过VMD将电池容量数据分解为不同频率的模态分量,减小容量再生效应和测量误差的影响。构建了结合注意力机制(Transformer)和双向门控循环单元(BiGRU)的预测模型,并通过海星优化算法(SFOA)优化模型结构和关键参数,将各分量的预测结果加和得到最终预测值。基于MATLAB平台在两组公开数据集上验证了所提模型的有效性,并与其他预测方法进行对比。结果表明,所提方法的均方根误差(RMSE)均低于0.5%,预测精度较高。 展开更多
关键词 锂离子电池 人工旅鼠算法 海星优化算法 变分模态分解 双向门控循环单元 transformer模型
在线阅读 下载PDF
基于Enhanced Transformer的铁路客运站节假日客流预测研究
11
作者 朱友蓉 李得伟 +2 位作者 李涛 吴迪 李华 《铁道经济研究》 2026年第1期97-108,共12页
节假日作为居民集中出行的高峰期,其客流特征直接关系到铁路运营的安全、运力配置效率和服务质量。节假日期间的铁路客流呈现出与日常显著不同的特殊性,主要表现为长距离出行需求剧增、旅游流与探亲流高度叠加,以及客流分布的时空不均衡... 节假日作为居民集中出行的高峰期,其客流特征直接关系到铁路运营的安全、运力配置效率和服务质量。节假日期间的铁路客流呈现出与日常显著不同的特殊性,主要表现为长距离出行需求剧增、旅游流与探亲流高度叠加,以及客流分布的时空不均衡性,为铁路运营管理带来了挑战。一是客流需求的突增,热门线路和高峰时段的运输能力趋于饱和,传统时间序列模型难以捕捉这种剧烈的非平稳波动;二是预售数据不完整性,旅客购票行为贯穿整个预售期,不同时间点获取的预售数据反映的未来客流信息是动态变化的;三是客流受时间、节假日效应、列车运行安排等多种因素共同影响,这些特征之间存在复杂的非线性耦合关系。为解决上述问题,提出一种基于Enhanced Transformer的铁路客运站节假日客流预测模型。在特征工程方面,主要从时间特征、节假日特征和运营特征3个维度构建了多源特征体系:时间特征包括预售提前量和小时周期编码,用于捕捉旅客出行决策行为和一天内客流的规律性波动;节假日特征涵盖周末指示、节假日标记、节前高峰和节假日周末叠加效应,用于精确捕捉节假日期间客流模式的突变特征;运营特征则提取了每小时上下行列车班次数,反映车站的实时运力供给情况。通过多头自注意力机制,模型能够在不同的表示子空间中并行学习这些多源特征间的复杂交互模式,实现对客流驱动因素的深度理解。创新性地将动态变化的预售数据作为关键输入特征,结合模型的时序信息处理能力,实现对未来客流的滚动预测,突破传统方法在处理预售期动态性上的局限,通过选取苏州地区4个核心铁路客站(苏州北站、苏州站、苏州新区站、苏州园区站)在2025年春节期间的客流数据进行案例分析。实验结果表明,Enhanced Transformer模型对于苏州北站和苏州站等客流规模大的枢纽站,预测准确率可达84.06%,证明了模型在处理高流量、高波动性时间序列数据时的有效性。与Transformer,XGBoost,LSTM,Bi-LSTM的4种基准模型的对比实验显示,Enhanced Transformer在MSE,RMSE,MAE和准确率等所有评估指标上均全面优于其他模型。相较于标准Transformer模型,其预测准确率提升了约6.29%~6.89%;相较于LSTM,准确率提升约3.4%。这些性能提升归因于模型在长序列依赖捕捉、非平稳数据适应和多源特征交互方面的结构优势,为铁路管理部门提供了有力的技术支持,有助于实现节假日期间运力的精准配置、提升旅客服务质量和保障运营安全。 展开更多
关键词 铁路客流预测 节假日 Enhanced transformer 动态预售数据获取时间 时间序列预测 多源特征 注意力机制 铁路运营
在线阅读 下载PDF
基于2D-3D双模态Transformer人体姿态估计
12
作者 许闻 金兢 +2 位作者 王庆 祝少华 杨兴明 《微电子学与计算机》 2026年第4期19-27,共9页
人体姿态估计(Human Pose Estimation,HPE)旨在从图像和视频等输入数据中识别人体部位并构建人体骨架等表示。2D HPE方法常受遮挡和动作相似性问题的影响,而3D HPE方法能够提供更为丰富的空间信息。因此,提出了一种2D-3D双模态特征融合... 人体姿态估计(Human Pose Estimation,HPE)旨在从图像和视频等输入数据中识别人体部位并构建人体骨架等表示。2D HPE方法常受遮挡和动作相似性问题的影响,而3D HPE方法能够提供更为丰富的空间信息。因此,提出了一种2D-3D双模态特征融合架构,整合2D和3D姿态特征,通过两种模态局部特征与全局特征的有效对齐,实现精准的人体关节点预测。该架构由局部区域对齐和2D-3D跨模态空间注意力两个核心模块组成,局部区域对齐模块通过一致的Patch划分和骨架映射,强化了2D和3D特征之间的模态匹配能力,从而捕获细粒度的关节点关系。2D-3D跨模态空间注意力通过查询(Q)、键(K)、值(V)交叉选择策略增强2D特征深度信息感知,同时保留2D特征空间关系,构建互补融合特征。在Human3.6M和MPI-INF-3DHP数据集上的实验结果表明:该模型在视频人体姿态估计任务中表现出色,不仅显著提高了预测精度,还有效平衡了计算成本与性能的关系。这种跨模态融合的设计为复杂动态场景下的人体姿态建模提供了一种高效、准确的解决方案。 展开更多
关键词 人体姿态估计 2d 3d 注意力 跨模态融合 局部特征 全局特征
在线阅读 下载PDF
基于尺度监督查询优化的Transformer单目3D检测
13
作者 王鑫威 张友兵 周奎 《计算机工程与应用》 北大核心 2026年第7期244-255,共12页
近年来,基于Transformer的单目3D目标检测方法取得显著进展,然而,其无监督注意力机制受限于感受野不精确,难以有效感知复杂场景中的关键目标,易导致低质量查询特征。针对该问题,提出一种基于深度特征生成尺度监督信号的查询优化机制:通... 近年来,基于Transformer的单目3D目标检测方法取得显著进展,然而,其无监督注意力机制受限于感受野不精确,难以有效感知复杂场景中的关键目标,易导致低质量查询特征。针对该问题,提出一种基于深度特征生成尺度监督信号的查询优化机制:通过预设多尺度掩码,并引入深度引导的注意力自适应调控策略,以精细化调节查询感受野。考虑到单目深度预测缺乏显式监督,仅依赖离散的3D框标签,易受背景噪声干扰,进一步设计了基于UNet的目标区域概率预测分支,有效增强目标区域深度感知能力。为缓解层级特征图间的语义差异对深度预测的影响,提出融合空间金字塔结构与矩阵相关性计算的多层次特征融合策略。实验结果证明,该方法在KITTI数据集上,Easy、Moderate和Hard级别的AP3D(IOU=0.7)分别提升2.67、2.82和2.55个百分点,在远距目标(40 m外)检测中尤为有效,相对提升超过34.38%。 展开更多
关键词 单目3d目标检测 多层次注意力 查询优化 深度估计 前景感知
在线阅读 下载PDF
PT-MFR:一种基于Point Transformer的CAD模型加工特征识别方法
14
作者 何皓辰 方正 +2 位作者 卢政达 肖俊 王颖 《中国科学院大学学报(中英文)》 北大核心 2026年第1期115-124,共10页
加工特征识别在计算机辅助设计(CAD)和制造(CAM)中至关重要,是连接CAD和CAM系统的重要环节。研究者们提出了基于规则和基于学习的2类加工特征识别方法,其中基于学习的方法表现更出色且备受关注。然而,现有识别方法面临着几何信息利用不... 加工特征识别在计算机辅助设计(CAD)和制造(CAM)中至关重要,是连接CAD和CAM系统的重要环节。研究者们提出了基于规则和基于学习的2类加工特征识别方法,其中基于学习的方法表现更出色且备受关注。然而,现有识别方法面临着几何信息利用不足、加工特征定位不精准、实例分割过程复杂等挑战。针对这些问题,提出PT-MFR,一种基于Point Transformer的CAD模型加工特征识别方法,它执行语义分割和实例分割2个任务,分别预测模型每个面的加工特征语义类别并计算面相似度以分割加工特征实例,综合2个任务得到加工特征识别结果。实验结果表明,提出的方法性能优于现有的其他方法。 展开更多
关键词 加工特征识别 点云 神经网络 Point transformer
在线阅读 下载PDF
Experimental Research and Application of the Whole Process of Intelligent Filling System Upgrading and Transformation
15
作者 WANG Yuzhong LI Gongcheng +5 位作者 GAO Mingfa FAN Zongyu XU Wenlong MAO Hairong LI Dejian YAO Liuyang 《有色金属(中英文)》 北大核心 2026年第3期584-598,共15页
This research conducts a comprehensive experimental study of the entire filling system process at the Weishan Lake Rare Earth Mine(WSLREM)in Shandong Province,encompassing tailings thickening,feeding,slurry preparatio... This research conducts a comprehensive experimental study of the entire filling system process at the Weishan Lake Rare Earth Mine(WSLREM)in Shandong Province,encompassing tailings thickening,feeding,slurry preparation,and pipeline transportation.It proposes a complete and efficient upgrade solution for an intelligent paste filling system.The results show that the F1 flocculant was selected to prepare a flocculant solution with a solution concentration of 0.1%.The unit consumption is set to 25 g·t^(-1),and the flocculation and sedimentation effects are optimal when the mass concentration is 15%,with an underflow concentration of 62%.The selection experiment of cementitious material shows that the effect of using new cementitious material is better than that of traditional 32.5R Portland cement.At the same time,rheological experiments on the filling slurry were carried out,and the filling transportation pressure was studied by combining theoretical calculations with numerical simulations.The research results have guiding significance for the debugging of filling pumps and the selection of a filling pipeline.After the application of industrial transformation,the underflow concentration of the sand silo was 64%–66%,the slurry concentration was 68%–72%,the addition range of the cementing material was 1∶16–1∶4,and the filling capacity was 40–60 m^(3)·h^(-1).The intelligent upgrade and transformation of the filling system have yielded remarkable results,providing significant reference value for the intelligent filling transformation of similar mines. 展开更多
关键词 intelligent transformation system transformation paste filling flocculent settling filling pipeline transportation
在线阅读 下载PDF
基于ResNet和Transformer深度联合网络的TDLAS气体检测信号降噪算法研究
16
作者 彭彦锴 李野 赵鹏 《物理化学进展》 2026年第1期28-38,共11页
TDLAS技术的核心在于利用吸收谱线的峰形、峰位和线宽等特征来反演气体浓度等关键信息。然而,实际探测中不可避免地会受到光源不稳定、热噪声及干涉条纹等复杂噪声的干扰。这些噪声会淹没信号细节、扭曲峰形,严重影响测量精度,尤其是在... TDLAS技术的核心在于利用吸收谱线的峰形、峰位和线宽等特征来反演气体浓度等关键信息。然而,实际探测中不可避免地会受到光源不稳定、热噪声及干涉条纹等复杂噪声的干扰。这些噪声会淹没信号细节、扭曲峰形,严重影响测量精度,尤其是在低浓度检测场景下。传统的去噪方法往往难以在有效抑制噪声的同时保持谱线关键形状特征的完整性。为解决这一难题,本文提出了一种结合ResNet-1D与Transformer优势的混合神经网络框架(RTDNet)。该模型利用ResNet-1D强大的局部特征提取能力作为编码器,捕捉谱线的多尺度局部结构。同时,在瓶颈层引入集成了卷积前馈网络的Transformer模块,借助其自注意力机制来建模全局长程依赖关系,从而更好地识别和剔除复杂背景噪声。随后通过解码器和跳跃连接恢复信号细节。此外,针对处理长光谱数据的工程需求,模型还引入了窗口化滑动推理与重叠相加策略以满足计算约束。实验验证表明,RTDNet在不同信噪比条件下均能显著提升信号质量,有效降低误差,并在强噪声背景下稳定保持谱线的峰形与峰位特征。 展开更多
关键词 可调谐半导体吸收光谱 二次谐波调制 神经网络滤波算法 transformER
在线阅读 下载PDF
CAPTLDA:基于胶囊网络和Transformer预测LncRNA-疾病关联
17
作者 张嘉辉 谭建军 《生物医学》 2026年第1期11-24,共14页
长链非编码RNA (lncRNA)是一类长度超过200个核苷酸的转录物,在多种疾病的发病机制中发挥关键作用。因此,阐明lncRNA与疾病之间的关联对于理解潜在的发病机制和开发新的疾病预防、诊断和治疗策略至关重要。虽然传统的生物学实验对于预... 长链非编码RNA (lncRNA)是一类长度超过200个核苷酸的转录物,在多种疾病的发病机制中发挥关键作用。因此,阐明lncRNA与疾病之间的关联对于理解潜在的发病机制和开发新的疾病预防、诊断和治疗策略至关重要。虽然传统的生物学实验对于预测长链非编码RNA-疾病关联(LDA)是有价值的,但往往费用高昂且耗时。开发有效的LDA预测计算模型是有必要的。当前的计算方法在有效整合多源数据和捕获异质生物网络中的复杂高阶关系模式方面经常遇到限制。这项研究提出了一种新的计算框架命名为CAPTLDA,将lncRNA、疾病和miRNA的相似性和关联整合到一个加权的异构网络邻接矩阵中,引入了胶囊网络,以增强特征学习。此外,还采用Transformer编码器,它结合了全局多头代理注意力机制和并行的多头局部注意力机制,以全面捕获全局依赖关系和局部上下文信息,最终实现准确的LDA预测。在两个基准数据集上进行的综合计算实验表明,模型在性能上优于先进的现有方法。案例研究进一步验证了它在识别潜在疾病相关lncRNA方面的有效性。 展开更多
关键词 LncRNA-疾病关联 胶囊网络 transformER 代理注意力机制 深度学习
在线阅读 下载PDF
基于VMD-Transformer-LSTM-XGBoost的短期风电机组出力混合预测模型
18
作者 马虎林 李文清 +5 位作者 刘志月 马子旭 朱新彧 王健 施雅蓉 赵学靖 《统计学与应用》 2026年第1期265-282,共18页
风电功率时间序列具有明显的非平稳性和多尺度波动特征,使高精度短期预测面临较大挑战。针对传统模型难以同时刻画趋势、周期及高频扰动等不同时间尺度结构的问题,本文提出一种融合自适应变分模态分解(VMD)、模糊熵复杂度分析、Transfor... 风电功率时间序列具有明显的非平稳性和多尺度波动特征,使高精度短期预测面临较大挑战。针对传统模型难以同时刻画趋势、周期及高频扰动等不同时间尺度结构的问题,本文提出一种融合自适应变分模态分解(VMD)、模糊熵复杂度分析、Transformer-LSTM深度特征提取与XGBoost回归的两阶段短期风电功率预测方法。首先,以理论功率序列为分解对象,通过贝叶斯优化在训练集上自适应确定VMD的模态数与惩罚参数,并采用严格的零数据泄露策略。随后,利用模糊熵度量各IMF的复杂度特征,将其重构为低频趋势、中频周期与高频扰动三类协同模态(Co-IMFs),以增强输入特征的物理可解释性与稳定性。在特征提取阶段,构建融合Transformer全局依赖建模能力与LSTM局部时序记忆能力的DeepBlock网络,并通过贝叶斯优化确定其最优结构与训练参数,最终由XGBoost完成非线性回归预测。基于甘肃瓜州某风电场2023~2025年15分钟分辨率数据的实验结果表明,所提出方法在MAE、RMSE与R²等指标上均优于多种基准模型及消融模型,验证了该两阶段多尺度混合框架在复杂风电功率预测任务中的有效性。 展开更多
关键词 风电功率预测 变分模态分解 transformer LSTM XGBoost 多尺度分析
在线阅读 下载PDF
Phase Transformation on Chemically Corroded Surface of a Single-Crystal Superalloy During In-Situ Tension at Elevated Temperatures
19
作者 Wang Rui Li Jiarong +2 位作者 Yue Xiaodai Zhao Jinqian Yang Wanpeng 《稀有金属材料与工程》 北大核心 2026年第3期595-601,共7页
In-situ tensile tests were conducted on a chemically corroded third-generation single-crystal superalloy DD9 at 980 and 1100℃.The phase transformation in the surface areas during the tensile process was analyzed usin... In-situ tensile tests were conducted on a chemically corroded third-generation single-crystal superalloy DD9 at 980 and 1100℃.The phase transformation in the surface areas during the tensile process was analyzed using field emission scanning electron microscope,energy dispersive X-ray spectroscope,electron probe X-ray microanalysis,and transmission electron microscope.The phase transformation mechanism on the surface and the influence mechanism were studied through observation and dynamic calculation.During tensile tests at elevated temperatures,chemical corrosion promotes the precipitation of topologically close-packed(tcp)μphase andσphase on the alloy surface.Both the precipitation amount and size of these two phases on the surface at 1100℃are greater than those at 980℃.The precipitation of tcp phase on the alloy surface results in the formation of an influence layer on the surface area,and the distribution characteristics of alloying elements are significantly different from those of the substrate.The depth of the influence layer at 1100℃is greater than that at 980℃.The precipitation of tcp phase prompts the phase transition fromγphase toγ′phase around the tcp phase. 展开更多
关键词 single-crystal superalloy in-situ tension tcp phase phase transformation alloying element
原文传递
基于Transformer与BiLSTM的Docker构建预测
20
作者 蔡美玲 杨佶 张锦 《软件导刊》 2026年第3期63-68,共6页
在Docker构建过程中,通过建立提前预警机制能够精准预测构建失败情况,从而有效节省因等待构建完成而耗费的时间成本。现有基于配置语义特征与传统机器学习算法的Docker构建预测模型存在难以有效提取语义特征、捕捉复杂特征模式和深层语... 在Docker构建过程中,通过建立提前预警机制能够精准预测构建失败情况,从而有效节省因等待构建完成而耗费的时间成本。现有基于配置语义特征与传统机器学习算法的Docker构建预测模型存在难以有效提取语义特征、捕捉复杂特征模式和深层语义关系等问题,对此提出一种基于改进源代码表征方式和多头注意力机制的深度神经网络模型DeepPDBR。首先,使用AST分阶段解析对源代码进行表征,提取深层次语义特征,并将AST节点序列化后通过Word2Vec进行特征向量化;其次,使用Transformer编码器捕捉全局联系并进一步提取输入数据特征;再次,利用BiLSTM网络进行长距离依赖特征提取,以保留数据的序列化特征;最后,通过全连接层和Softmax层获得分类结果。实验结果表明,相较于现有模型,DeepPDBR在精确率、F1分数和曲线下面积方面分别提升了5.63%~12.28%、1.47%~50.49%和61.20%~93.03%,证实了其在Docker构建预测任务中的有效性。 展开更多
关键词 dOCKER 构建预测 抽象语法树 transformER BiLSTM
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部