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9篇文章
< 1 >
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：
基于特征插值TSCTransMix-CapsNet的轴承故障分类模型
1
作者 任义 孙明丽 +1 位作者 栾方军 袁帅 《机电工程》 北大核心 2025年第4期607-617,共11页
针对轴承故障诊断分类模型不能很好地提取到振动序列多层次特征,以及故障样本量稀少的问题,提出了一种基于特征插值的时间序列分类Transformer融合胶囊网络(TSCTransMix-CapsNet)的故障诊断模型。首先,以重叠采样预处理后的一维振动信... 针对轴承故障诊断分类模型不能很好地提取到振动序列多层次特征,以及故障样本量稀少的问题,提出了一种基于特征插值的时间序列分类Transformer融合胶囊网络(TSCTransMix-CapsNet)的故障诊断模型。首先,以重叠采样预处理后的一维振动信号数据作为模型的输入,利用时间序列分类Transformer(TSCTransformer)捕捉了序列长距离关系,提取了振动信号的全局故障特征,同时应用混合数据增强方法(Mixup)对特征做了插值处理,进行了特征增强;然后,利用胶囊网络模型对全局故障特征作了进一步细化处理,提取了局部故障特征,从而形成了包含全局模式和局部细节的特征输出;最后,在多工况条件下选取CWRU和XJTU-SY数据集进行了轴承故障诊断的消融和对比实验,并将该模型与其他模型进行了比较。研究结果表明:该模型在CWRU数据集上的故障诊断准确率达到99.50%,在XJTU-SY数据集上的故障诊断准确率达到99.87%。相比于其他模型,该模型能更加有效地提高轴承故障诊断中的分类性能。 展开更多
关键词 故障诊断模型 时间序列分类Transformer 胶囊网络模型 特征插值 特征增强 混合数据增强方法
在线阅读 下载PDF
基于CapsNet的汉字字形表征模型 被引量：4
2
作者 谢海闻 叶东毅 陈昭炯 《模式识别与人工智能》 EI CSCD 北大核心 2019年第2期169-176,共8页
提出基于胶囊神经网络(CapsNet)的汉字字形表征模型,通过表征汉字字形中的部件实现汉字字形的表征.首先,对任一汉字字形生成所有部件类别的表征向量.然后,根据部件存在概率,利用基于欧氏距离的离群点检测,选取相应的部件表征向量.最后,... 提出基于胶囊神经网络(CapsNet)的汉字字形表征模型,通过表征汉字字形中的部件实现汉字字形的表征.首先,对任一汉字字形生成所有部件类别的表征向量.然后,根据部件存在概率,利用基于欧氏距离的离群点检测,选取相应的部件表征向量.最后,由选出的部件表征向量组成该汉字的字形表征.实验表明,文中模型在仅经过部件字形训练的情况下,即可有效识别汉字部件,同时自动生成汉字字形的有效表征. 展开更多
关键词 汉字字形 胶囊神经网络(capsnet) 表征模型 部件识别 汉字字形重构
在线阅读 下载PDF
改进CapsNet的文本自杀风险检测模型 被引量：1
3
作者 陈彬 李鸿燕 梁卓 《现代电子技术》 北大核心 2024年第14期9-14,共6页
针对现有模型未充分利用社交媒体中文本历史动态信息进行自杀风险检测的问题,引入CapsNet模型。在CapsNet模型中,层与层之间传递的是有向神经元组,能够更好地感知长文本中的空间信息,发现社交媒体用户的情感趋势,为自杀风险检测提供依... 针对现有模型未充分利用社交媒体中文本历史动态信息进行自杀风险检测的问题,引入CapsNet模型。在CapsNet模型中,层与层之间传递的是有向神经元组,能够更好地感知长文本中的空间信息,发现社交媒体用户的情感趋势,为自杀风险检测提供依据。文中对CapsNet模型进行改进,首先改变尺度空间,增加网络宽度,充分提取隐藏在句子中的特征信息;其次,使用指数函数对Squash函数进行优化,放大胶囊输出,充分利用胶囊提取用户历史动态中的特征信息;最后,在动态路由中采用优化算法对耦合系数进行初始化,去除噪声胶囊的干扰。使用预训练的SBERT模型对社交媒体文本数据进行特征提取,得到改进CapsNet文本自杀风险检测模型二分类的准确率达到95.93%,F1分数达到95.86%,优于自杀风险检测的其他模型。 展开更多
关键词 capsnet模型 自杀风险检测 社交媒体 长文本信息 特征提取 SBERT模型
在线阅读 下载PDF
基于多模态融合的高铁调度员疲劳状态识别
4
作者 张光远 李莎 +2 位作者 朱泊霖 王敬儒 秦诗雨 《安全与环境学报》 北大核心 2025年第8期3112-3124,共13页
为准确识别高铁调度员的工作状态,保障高铁安全运行,研究提出一种基于脑电-眼动多模态融合的高铁调度员疲劳状态识别方法。通过开展高铁调度模拟试验以采集数据,并利用脑电源定位技术提取5个脑叶的体素电流密度为脑电特征,分析不同工作... 为准确识别高铁调度员的工作状态,保障高铁安全运行,研究提出一种基于脑电-眼动多模态融合的高铁调度员疲劳状态识别方法。通过开展高铁调度模拟试验以采集数据,并利用脑电源定位技术提取5个脑叶的体素电流密度为脑电特征,分析不同工作状态下3个频段的脑电信号活动规律和变化规律。结合多模态融合方法,将脑电特征和眼动特征作为输入端,通过全连接层将其融合生成多模态特征。全连接层作为创建胶囊的替代解决方案,构建改进CapsNet疲劳状态识别模型。结果显示:大脑皮层神经电信号较为活跃的位置集中在额叶、顶叶和枕叶,且θ波的神经电活动强度最高、变化最明显;改进胶囊网络(Capsule Network,CapsNet)模型的最佳迭代次数为3,此时多模态融合特征疲劳状态识别准确率为92.75%,高于单一的脑电或眼动特征。 展开更多
关键词 安全人体学 疲劳状态识别 脑电源定位 多模态融合 改进capsnet模型 高铁调度员
原文传递
融合时频空间特征的土石坝地震易损性分析改进MLP模型研究 被引量：5
5
作者 王晓玲 李清梦 +3 位作者 刘宗显 余佳 余红玲 王昊东 《水利学报》 EI CSCD 北大核心 2024年第1期13-23,共11页
针对现有地震易损性分析中采用的峰值加速度、峰值速度等地震动指标未能充分反映地震动复杂的时频空间特征,且现有基于对数空间线性函数关系假设的地震需求模型难以揭示地震动指标与地震响应间复杂非线性关系的问题,提出一种融合时频空... 针对现有地震易损性分析中采用的峰值加速度、峰值速度等地震动指标未能充分反映地震动复杂的时频空间特征,且现有基于对数空间线性函数关系假设的地震需求模型难以揭示地震动指标与地震响应间复杂非线性关系的问题,提出一种融合时频空间特征的土石坝地震易损性改进多层感知机(Multi Layer Perceptron,MLP)模型。该模型利用胶囊网络(Capsule Network,CapsNet)能够充分捕捉和表征目标特征空间位置分布的优势,从地震动小波时频图中提取反映地震动时频空间分布的深层特征,并以特征拼接的方式与既有特征进行融合,构建地震动融合指标;进一步地,采用树形Parzen优化算法(Tree structured Parzen Estimator,TPE)对MLP的神经元数量、学习率等超参数进行优化,提出基于TPE-MLP的土石坝地震需求模型,以反映地震动融合指标与地震响应间的复杂非线性关系,进而实现土石坝地震易损性的可靠分析。案例分析表明,相比于既有地震动指标,基于地震动时频空间特征融合指标的土石坝地震需求模型的MAE降低了40.5%,表明了所提模型的可靠性和优越性。 展开更多
关键词 土石坝 地震易损性 地震动时频空间特征 地震需求模型 胶囊网络 多层感知机 小波变换
在线阅读 下载PDF
基于条件约束的胶囊生成对抗网络 被引量：3
6
作者 孔锐 黄钢 《自动化学报》 EI CSCD 北大核心 2020年第1期94-107,共14页
生成式对抗网络(Generative adversarial networks,GAN)是主要的以无监督方式学习深度生成模型的方法之一.基于可微生成器网络的生成式建模方法,是目前最热门的研究领域,但由于真实样本分布的复杂性,导致GAN生成模型在训练过程稳定性、... 生成式对抗网络(Generative adversarial networks,GAN)是主要的以无监督方式学习深度生成模型的方法之一.基于可微生成器网络的生成式建模方法,是目前最热门的研究领域,但由于真实样本分布的复杂性,导致GAN生成模型在训练过程稳定性、生成质量等方面均存在不少问题.在生成式建模领域,对网络结构的探索是重要的一个研究方向,本文利用胶囊神经网络(Capsule networks,CapsNets)重构生成对抗网络模型结构,在训练过程中使用了Wasserstein GAN(WGAN)中提出的基于Earth-mover距离的损失函数,并在此基础上加以条件约束来稳定模型生成过程,从而建立带条件约束的胶囊生成对抗网络(Conditional-CapsuleGAN,C-CapsGAN).通过在MNIST和CIF AR-10数据集上的多组实验,结果表明将CapsNets应用到生成式建模领域是可行的,相较于现有类似模型,C-CapsGAN不仅能在图像生成任务中稳定生成高质量图像,同时还能更有效地抑制模式坍塌情况的发生. 展开更多
关键词 生成式对抗网络 胶囊神经网络 图像生成 条件模型
在线阅读 下载PDF
基于ACapsGRU的短时交通流预测研究 被引量：6
7
作者 张玺君 陶冶 +1 位作者 张冠男 余光杰 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第4期51-56,共6页
针对交通流预测中的时空相关性进行研究.首先,根据城市交通路网建立速度矩阵,将每个时刻的速度矩阵输入胶囊网络进行空间特征的提取;其次,利用注意力机制结合近期交通流数据生成注意力权重;最后,将带有注意力权重的数据输入到门控循环... 针对交通流预测中的时空相关性进行研究.首先,根据城市交通路网建立速度矩阵,将每个时刻的速度矩阵输入胶囊网络进行空间特征的提取;其次,利用注意力机制结合近期交通流数据生成注意力权重;最后,将带有注意力权重的数据输入到门控循环单元学习交通流的时间特征,进行组合模型的短时交通流预测.使用西安市的交通流数据进行验证,结果表明:提出的ACapsGRU组合模型有更好的预测结果,相比于卷积神经网络、胶囊网络及CapsNet-NLSTM等模型预测结果,在平均绝对误差(MAE)方面分别优化了17.08%,13.85%和4.78%. 展开更多
关键词 短时交通流预测 注意力机制 胶囊网络 门控循环单元 组合模型
原文传递
基于胶囊网络的三维模型识别 被引量：1
8
作者 曹小威 曲志坚 +1 位作者 徐玲玲 刘晓红 《计算机应用》 CSCD 北大核心 2020年第5期1309-1314,共6页
为解决传统卷积神经网络中大量池化层的引入导致特征信息丢失的问题,依据胶囊网络(CapsNet)使用向量神经元保存特征空间信息的特性,提出了一种用以识别三维模型的网络模型3DSPNCapsNet。使用新的网络结构,提取更具代表性的特征的同时降... 为解决传统卷积神经网络中大量池化层的引入导致特征信息丢失的问题,依据胶囊网络(CapsNet)使用向量神经元保存特征空间信息的特性,提出了一种用以识别三维模型的网络模型3DSPNCapsNet。使用新的网络结构,提取更具代表性的特征的同时降低了模型复杂度,并提出基于动态路由(DR)算法的DRL算法来优化胶囊权重的迭代计算过程。在ModelNet10上的实验结果表明,相比3DCapsNet以及VoxNet,该网络取得了更好的识别效果,在原始测试集上3DSPNCapsNet的平均识别准确率达到95%,同时验证了该网络对旋转三维模型的识别能力。适当扩展旋转训练集之后,所提网络对各角度旋转模型的平均识别率达到81%。实验结果表明,3DSPNCapsNet对三维模型及其旋转具有良好的识别能力。 展开更多
关键词 胶囊网络 动态路由算法 池化 三维模型识别 旋转
在线阅读 下载PDF
基于刑事Electra的编-解码关系抽取模型 被引量：1
9
作者 王小鹏 孙媛媛 林鸿飞 《计算机应用》 CSCD 北大核心 2022年第1期87-93,共7页
针对司法领域关系抽取任务中模型对句子上下文理解不充分、重叠关系识别能力弱的问题,提出了一种基于刑事Electra(CriElectra)的编-解码关系抽取模型。首先,参考中文Electra的训练方法,在1000000份刑事数据集上训练得到了CriElectra;然... 针对司法领域关系抽取任务中模型对句子上下文理解不充分、重叠关系识别能力弱的问题,提出了一种基于刑事Electra(CriElectra)的编-解码关系抽取模型。首先,参考中文Electra的训练方法,在1000000份刑事数据集上训练得到了CriElectra;然后,在双向长短期记忆网络(BiLSTM)模型上加入CriElectra的词特征进行司法文本的特征提取;最后,通过胶囊网络(CapsNet)对特征进行矢量聚类,从而实现实体间的关系抽取。实验结果表明,在自构建的故意伤害罪关系数据集上,与基于中文Electra的这一预训练语言模型相比,CriElectra在司法文本上的重训过程使得学习到的词向量蕴含更丰富的领域信息,且F1值提升了1.93个百分点;与基于池化聚类的模型相比,CapsNet通过矢量运算能够有效防止空间信息丢失,并提高重叠关系的识别能力,使得F1值提升了3.53个百分点。 展开更多
关键词 司法领域 关系抽取 预训练语言模型 双向长短期记忆网络 胶囊网络
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 下一页 到第 页
使用帮助 返回顶部