基于DRSN-Conformer的电力调度语音识别

1

作者 韩亚旭 高鹭 +3 位作者 张飞 秦岭 王永平 张晓琳 《现代电子技术》 北大核心 2026年第6期112-119,共8页

针对基于Transformer网络的语音识别模型对电力调度噪声场景下音频特征提取能力不足、专业术语识别准确率较低以及鲁棒性较差等问题,提出一种结合深度残差收缩网络(DRSN)和Conformer网络的电力调度场景语音识别方法。首先,在DRSN中设计... 针对基于Transformer网络的语音识别模型对电力调度噪声场景下音频特征提取能力不足、专业术语识别准确率较低以及鲁棒性较差等问题,提出一种结合深度残差收缩网络(DRSN)和Conformer网络的电力调度场景语音识别方法。首先,在DRSN中设计通道阈值共享型和独立型两类收缩模块以学习音频信号的噪声阈值,减少噪声带来的干扰;然后,采用Conformer块将DRSN块输出的音频信号编码为音频特征,并使用交叉注意力融合文本编码器编码之后的文本特征,得到音频与文本的相关性表示;最后,结合CTC损失与Attention损失进行训练和解码。在公开数据集Aishell-1、Thchs30以及内蒙古自治区某电网公司内部电力调度数据集上的实验结果表明:相较于Transformer网络模型,所提方法最终字错误率降低了8.5%,专业术语识别字错误率降低了5.2%,验证了该方法在解决电力调度语音识别任务中的有效性和先进性。 展开更多

关键词 语音识别 drsn CONFORMER 电力调度 注意力机制 BiLSTM

在线阅读 下载PDF 职称材料

基于改进DRSN的转辙机故障诊断方法

2

作者 高红丽 王钟锐 《西安交通工程学院学术研究》 2026年第1期24-30,共7页

转辙机作为铁路道岔控制系统的关键设备,其运行状态直接关系到列车进路的正确建立与行车安全。然而,受噪声干扰、环境变化及多源复杂工况影响,传统的S700K转辙机故障诊断方法在弱故障识别与跨场景迁移方面仍存在不足。针对上述问题,本... 转辙机作为铁路道岔控制系统的关键设备,其运行状态直接关系到列车进路的正确建立与行车安全。然而,受噪声干扰、环境变化及多源复杂工况影响,传统的S700K转辙机故障诊断方法在弱故障识别与跨场景迁移方面仍存在不足。针对上述问题,本文提出一种基于改进深度残差收缩网络(Improved Deep Residual Shrinkage Network,IDRSN)的转辙机故障诊断方法。该方法在残差收缩模块中引入CBAM(Convolutional Block Attention Module)通道一空间注意力机制,并构建基于输入自适应的软阈值函数,模型在噪声水平变化显著的复杂现场环境下能够自动调节抑噪强度,提升弱故障特征保留能力。此外,IDRSN在全局语义阶段增加通道门控结构,并采用三层MLP(Multi-Layer Perceptron)分类头,以增强高维故障特征的非线性表征能力。以某铁路局提供的转辙机功率数据为依据,实验结果显示,与传统CNN、原始DRSN模型相比比较,IDRSN在精确率、召回率、F1分数和准确率将军去得显著提升。研究表明,所提出的IDRSN模型可有效增强转辙机故障诊断的抗噪声能力与泛化性能,为铁路道岔关键设备状态评估和智能预警提供可靠技术支撑。 展开更多

关键词 drsn S700K转辙机 故障诊断 自适应阈值

在线阅读 下载PDF 职称材料

结合不均衡样本生成及BOA-DRSN的扬声器异常声分类 被引量：1

3

作者 周静雷 李振业 +1 位作者 路昌 李丽敏 《西安工程大学学报》 2025年第4期37-45,共9页

扬声器生产过程中,其正常数据与故障数据比例可能会严重失调,从而导致样本分布不均匀,进而影响故障诊断模型的准确率及可靠性。因此,文中根据样本生成扩增和优化深度学习网络的理念提出了一种新的扬声器异常声分类方法。首先,考虑到原... 扬声器生产过程中,其正常数据与故障数据比例可能会严重失调,从而导致样本分布不均匀,进而影响故障诊断模型的准确率及可靠性。因此,文中根据样本生成扩增和优化深度学习网络的理念提出了一种新的扬声器异常声分类方法。首先,考虑到原始数据特征过于复杂而导致生成样本的质量较差,对扬声器异常声响应信号进行变分模态分解(variational mode decomposition,VMD)突出原始样本的局部特征;其次,从扩增样本角度出发提升模型故障诊断精度,使用最小二乘生成对抗网络(least squares generative adversarial networks,LSGAN)进行对抗训练,生成具有真实样本特征的虚拟样本;最后,选用蝴蝶优化算法(butterfly optimization algorithm,BOA)在大规模权重空间中高效寻优以加速模型收敛,利用深度残差收缩网络(deep residual shrinkage network,DRSN)模型进行扬声器异常声分类,从而提升在样本不均衡情况下的分类准确率及诊断稳定性。实验结果表明:该方法能有效降低误判率,在样本不均衡情况下有效提高故障诊断准确率以及分类诊断的稳定性,其分类平均准确率可达0.9912。 展开更多

关键词 故障诊断 数据不均衡 异常声分类 深度残差收缩网络(drsn) 蝴蝶优化算法(BOA) 最小二乘生成对抗网络(LSGAN)

在线阅读 下载PDF 职称材料

基于改进DRSN的人脸视频心率检测方法研究

4

作者 赵娅 吕浩原 +1 位作者 田晓彩 陆谣 《计算机与数字工程》 2025年第11期3155-3161,共7页

目前基于人脸视频的非接触式心率检测方法存在噪声干扰大、准确率低、鲁棒性差等问题。论文提出一种基于改进DRSN的人脸视频心率检测方法,可以有效解决上述问题。改进DRSN网络一方面将原DRSN网络中的SENet修改为ECA-Net,以有效避免SENe... 目前基于人脸视频的非接触式心率检测方法存在噪声干扰大、准确率低、鲁棒性差等问题。论文提出一种基于改进DRSN的人脸视频心率检测方法,可以有效解决上述问题。改进DRSN网络一方面将原DRSN网络中的SENet修改为ECA-Net,以有效避免SENet降维对学习通道注意力的影响,同时保持通道间的信息共享,让通道注意力机制可以更好地服务于软阈值函数;另一方面将原DRSN网络中的ReLU激活函数替换为Leaky ReLU,以减少由ReLU激活函数导致的死亡神经元出现。实验结果表明,该方法在VIPL数据集上MAE减少了18.7%、RMSE减少了17.6%、SD减少了17.9%、皮尔逊相关系数r增加了4.3%;在PURE数据集上MAE减少了9.5%、RMSE减少了15.2%、SD减少了10%、皮尔逊相关系数r增加了0.3%。经验证,改进后的人脸视频心率检测方法检测精度更高、抗干扰能力更强,有效提高了人脸视频心率检测的准确性和鲁棒性。 展开更多

关键词 drsn 人脸视频 心率检测 ECA-Net Leaky ReLU

在线阅读 下载PDF 职称材料

基于DRSN-Transformer编码器的域自适应辐射源个体识别方法研究

5

作者 张冠杰 李艳斌 +1 位作者 畅鑫 闫红超 《河北工业科技》 2025年第4期303-313,共11页

为了使深度神经网络能够准确识别不同传输信道的辐射源个体,提出了一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)融合Transformer编码器的域自适应个体识别方法。采用DRSN软阈值模块自动去掉I/Q接收信号中的噪声,利... 为了使深度神经网络能够准确识别不同传输信道的辐射源个体,提出了一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)融合Transformer编码器的域自适应个体识别方法。采用DRSN软阈值模块自动去掉I/Q接收信号中的噪声,利用Transformer编码器进一步提取信号中各符号间的依赖特征,使用域自适应对抗学习方法将不同域的目标信号映射为相同分布的目标特征,使得DRSN-Transformer编码器网络模型能够准确提取与信道无关的射频指纹特征(radio frequency fingerprint,RFF),实现信道变化时目标辐射源个体的精准识别,并利用调制器畸变信号模型进行了仿真试验。结果表明:与ResNet和DRSN网络模型相比,所提DRSN-Transformer网络模型的平均识别准确率分别提升了2.98个百分点和1.65个百分点;采用域自适应对抗学习方法的DRSN-Transformer编码器网络模型能够有效降低源域和目标域信号特征分布的不一致性,与传统方法训练的DRSN-Transformer编码器网络模型相比,在信噪比为27 dB时,识别准确率提升了20.73个百分点,显著改善了信道变化时的辐射源个体识别性能。与传统学习方法相比,所提方法虽然增加了特征提取网络与域判别网络的对抗训练过程,但训练完成的特征提取网络能够准确提取与信道变化无关的指纹特征,在辐射源个体识别领域具有一定的应用价值。 展开更多

关键词 计算机神经网络 深度残差收缩网络 Transformer编码器 域对抗神经网络 特定辐射源识别 信道自适应

在线阅读 下载PDF 职称材料

融合改进TCN与DRSN的IoT入侵检测模型 被引量：2

6

作者 赵建 姜伟 《小型微型计算机系统》 北大核心 2025年第2期474-481,共8页

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差... 入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差收缩网络的物联网入侵检测模型.首先,利用扩张因果卷积与一维卷积充分提取数据的时空特征,形成深层层次的网络结构;然后引入自我注意的软门槛,能够无需专家经验自动地设置门槛,消除冗余特征;最后,使用焦点损失函数来增强对少数类的识别率.实验在TON-IoT数据集上的总体准确率和F1值分别高达99.88%和99.64%,其中小样本类的F1值为100%.实验结果表明,与其他模型相比,所提模型显著提高了对于不平衡入侵数据的检测能力. 展开更多

关键词 物联网 入侵检测 时域卷积网络 深度残差收缩网络 样本不平衡 焦点损失函数

在线阅读 下载PDF 职称材料

基于改进DRSN算法的半导体探测器故障诊断研究

7

作者 樊越 颜拥军 《核电子学与探测技术》 北大核心 2025年第6期930-941,共12页

本文进行了一种基于改进型深度残差收缩网络(DRSN)算法的半导体探测器故障诊断方法研究,采集和仿真碲锌镉探测器不同工况下的脉冲信号输出数据并进行分析,提取核脉冲信号的下降沿时间、信号幅值等参数,建立核信号特征信息库。通过优化... 本文进行了一种基于改进型深度残差收缩网络(DRSN)算法的半导体探测器故障诊断方法研究,采集和仿真碲锌镉探测器不同工况下的脉冲信号输出数据并进行分析,提取核脉冲信号的下降沿时间、信号幅值等参数,建立核信号特征信息库。通过优化网络架构,逐层增加滤波器数量等方法改进了DRSN算法,建立半导体探测器故障诊断模型,将实验采集到的信号数据预处理后进行不同故障诊断实验分析。实验结果表明,该方法不仅能够对故障的探测器进行故障分类,还能有效识别故障的程度,具有实用价值。 展开更多

关键词 半导体探测器 故障诊断 深度残差收缩网络 深度学习

在线阅读 下载PDF 职称材料

基于DRSN-BiLSTM的S700K转辙机故障诊断 被引量：2

8

作者 王瑞峰 王智 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期70-78,共9页

在铁路系统中,转辙机是确保列车安全顺畅运行的关键设备。S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要。为了解决传统诊断方法在速度和准确性上的不足,提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiL... 在铁路系统中,转辙机是确保列车安全顺畅运行的关键设备。S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要。为了解决传统诊断方法在速度和准确性上的不足,提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiLSTM)的诊断模型。首先,对转辙机功率曲线进行预处理;其次,利用DRSN对预处理数据进行自动特征学习,并压缩数据长度,提高诊断的快速性,其注意力机制和软阈值化降低了噪声特征的影响,并且DRSN网络结构有助于克服网络退化和过拟合的问题;随后,利用BiLSTM的双向结构捕捉时间序列数据中复杂的关系;最后使用Softmax分类器进行故障分类。仿真结果表明DRSN-BiLSTM模型的准确率、精确率、召回率均超过了98.3%,并且该模型故障诊断的准确率相较于DRSN、深度神经网络(DNN)和卷积神经网络(CNN)等模型至少提高了1.47%,并且在添加15~40 db高斯白噪声情况下准确率保持在92.7%以上,较其余模型至少提升2%。该模型在确保训练过程的高效性的同时提升了转辙机故障诊断准确率,并且在噪声环境下展现出了优秀的鲁棒性。 展开更多

关键词 drsn BiLSTM S700K转辙机 故障诊断

原文传递

基于GRU-DRSN的双通道人体活动识别 被引量：1

9

作者 邵小强 原泽文 +3 位作者 杨永德 刘士博 李鑫 韩泽辉 《科学技术与工程》 北大核心 2024年第2期676-683,共8页

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attentio... 人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。 展开更多

关键词 人体活动识别(human activity recognizition HAR) 门控循环结构(gated recurrent unit GRU) 深度残差收缩网络(deep residual shrinkage network drsn) CBAM 双通道并行

在线阅读 下载PDF 职称材料

基于TiCNN-DRSN模型的sEMG手势识别算法的研究 被引量：3

10

作者 周国良 张道辉 郭小萍 《电子测量技术》 北大核心 2024年第6期190-196,共7页

基于表面肌电信号和模式识别的手势识别方法在康复手领域中具有广阔的应用前景。提出一种基于表面肌电信号的手部姿势识别方法,以预测手部的52种动作。为解决表面肌电信号易受干扰的问题,提高对表面肌电信号的分类效果,提出了TiCNN-DRS... 基于表面肌电信号和模式识别的手势识别方法在康复手领域中具有广阔的应用前景。提出一种基于表面肌电信号的手部姿势识别方法,以预测手部的52种动作。为解决表面肌电信号易受干扰的问题,提高对表面肌电信号的分类效果,提出了TiCNN-DRSN网络,主要作用是在拥有噪声的情况下能够更好的识别率,减少滤除噪声的时间。TiCNN网络使用卷积核Dropout和极小批量训练,为卷积神经网络引入训练干扰并且增加了模型的泛化性;DRSN网络可以有效的剔除sEMG信号中的冗余信号,减少信号噪声干扰。TiCNN-DRSN网络在不需要任何降噪预处理的前提下,取得了很高的抗噪与自适应性能。本模型在Ninapro数据库上的识别率达到97.43%±0.8%。 展开更多

关键词 表面肌电信号 抗噪声 TiCNN-drsn网络

原文传递

DRSN网络管理和控制技术

11

作者 金传升 《密码与信息》 1996年第1期45-52,共8页

本文描述ＤＲＳＮ的概况，控制措施，模糊逻辑控制，保密的Ｘ．５００目录业务管理和开放结构管理技术。文章还论述了ＩＳＯ和ＣＣＩＴＴ的有关管理协议及安全管理类型。

关键词 军事通信 网络控制 drsn 网络管理

在线阅读 下载PDF 职称材料

基于EMD-DRSN和ILSO-SVM的水电机组故障诊断 被引量：5

12

作者 田波 张广生 +1 位作者 马泽宁 陈启卷 《中国农村水利水电》 北大核心 2024年第8期235-240,共6页

水电机组的振动信号中蕴藏着丰富的机组状态信息,如果能充分地提取并有效地利用其所含的故障特征,将对识别机组状态、诊断机组故障带来极大的便利。为充分地提取振动信号所蕴含的故障特征,将深度残差收缩网络(DRSN)与经验模态分解(EMD)... 水电机组的振动信号中蕴藏着丰富的机组状态信息,如果能充分地提取并有效地利用其所含的故障特征,将对识别机组状态、诊断机组故障带来极大的便利。为充分地提取振动信号所蕴含的故障特征,将深度残差收缩网络(DRSN)与经验模态分解(EMD)相结合,前者挖掘数据隐藏信息,后者提取时频特征,进而形成融合特征。随后,为有效利用这些故障特征,采用改进光谱优化算法(ILSO)对支持向量机(SVM)的核函数参数G和惩罚系数C进行寻优,以提高SVM的分类精确度。经分析表明该方法能在一定程度上加深对水电机组故障特征的挖掘,提高故障诊断的效率及准确率。 展开更多

关键词 水电机组 故障诊断 深度残差收缩网络 光谱优化算法 经验模态分解

在线阅读 下载PDF 职称材料

基于DRSN融合Transformer编码器的轴承故障诊断方法研究 被引量：4

13

作者 陈松 陈文华 张文广 《自动化与仪表》 2024年第5期103-108,共6页

针对轴承故障在复杂工况环境中诊断准确率低和泛化性能弱的问题,提出了一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)融合Transformer编码器的轴承故障诊断方法。首先,采用DRSN通过软阈值模块自动去掉振动信号中的... 针对轴承故障在复杂工况环境中诊断准确率低和泛化性能弱的问题,提出了一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)融合Transformer编码器的轴承故障诊断方法。首先,采用DRSN通过软阈值模块自动去掉振动信号中的噪声信息,并使用注意力机制增强提取到的特征;然后,采用Transformer编码器来进一步解决振动信号中的长期依赖性问题;最后,利用Softmax函数实现多故障模式识别。在凯斯西储大学轴承数据集上通过不同噪声等级对提出的模型进行测试,实验结果表明,该方法实现了对轴承故障分类,强噪声环境下准确率更高,训练时间更快。 展开更多

关键词 故障诊断 轴承 深度残差收缩网络 Transformer编码器

在线阅读 下载PDF 职称材料

基于DRSN-CW和LSTM的轴承故障诊断 被引量：9

14

作者 王磊 孙志成 +2 位作者 王磊 陈端兵 蒋家玮 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第6期921-927,共7页

利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点... 利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点,充分提取振动信号的内部时域特征。同时,注意力机制的引入可以使得模型自动提取出重要的时域特征用于后续的故障类型识别。在凯斯西储大学(CWRU)数据集上对提出的模型进行了测试,实验表明提出的方法在无降噪处理的情况下,相比于最新的MCNN-LSTM模型能更准确地诊断轴承故障。在训练数据不足的情况下,提出的方法依旧能较好地实现轴承故障诊断,平均准确率能达到98.16%,比MCNN-LSTM平均提升了2.62%。 展开更多

关键词 注意力机制 残差收缩模块 故障诊断 长短时记忆网络 信号处理

在线阅读 下载PDF 职称材料

基于DRSN的通信信号调制方式识别方法 被引量：4

15

作者 竹杭杰 郭建新 +3 位作者 张雨帅 朱锐 黄磊 丁自立 《无线电工程》 2024年第7期1643-1651,共9页

针对现有的通信信号调制方式识别方法在低信噪比(Signal to Noise Ratio, SNR)条件下存在的识别率较低、调制类型较少和信道类型不够丰富等问题,提出了一种基于深度残差收缩网络(Deep Residual Shrinkage Network, DRSN)的通信信号调制... 针对现有的通信信号调制方式识别方法在低信噪比(Signal to Noise Ratio, SNR)条件下存在的识别率较低、调制类型较少和信道类型不够丰富等问题,提出了一种基于深度残差收缩网络(Deep Residual Shrinkage Network, DRSN)的通信信号调制方式识别方法。根据调制识别领域的特点,构建改进的深度残差收缩网络模型,充分利用该网络的注意力机制和软阈值化进行降噪处理,提高模型在低SNR条件下的调制识别能力。实验结果表明,相比残差网络(Residual Network, ResNet)、卷积长短时深度神经网络(Convolutional Long-short-term Deep Neural Network, CLDNN)和卷积门控循环深度神经网络(Convolutional Gated recurrent Deep Neural Network, CGDNN)模型,所提方法在低SNR和5种信道类型条件下对26种调制信号的识别中有效地降低了噪声的影响,在4 dB以上时识别率达到了91.70%,10 dB时识别率在98%以上,取得了较好的识别表现。 展开更多

关键词 通信信号 调制识别 深度残差收缩网络 注意力机制 软阈值化

在线阅读 下载PDF 职称材料

改进DRSN的抽油机轴承故障诊断系统 被引量：1

16

作者 朱文杰 苗芳荣 +2 位作者 李云飞 李学武 史朝晖 《电工技术》 2023年第16期246-250,共5页

传统油田抽油机维护主要靠人工巡检,油田开采又处于高负荷、强噪声的环境,导致油田抽油机轴承工况监测难度较大。针对抽油机轴承故障诊断存在准确率低、抗噪声性能弱和效率低、成本高的问题,提出一种基于改进深度残差收缩神经网络(DRSN... 传统油田抽油机维护主要靠人工巡检,油田开采又处于高负荷、强噪声的环境,导致油田抽油机轴承工况监测难度较大。针对抽油机轴承故障诊断存在准确率低、抗噪声性能弱和效率低、成本高的问题,提出一种基于改进深度残差收缩神经网络(DRSN)模型的多信息诊断抽油机轴承故障的方法。首先,根据抽油机轴承从正常状态到故障状态的性能退化过程,通过多采样点随机采样获得初步数据,将预处理的现场采集抽油机轴承多信息数据样本作为网络输入。然后,通过改进DRSN模型,引入跳跃连接使得梯度信息能直接从深层反向跨越传递到浅层,避免了梯度消失问题,使得网络更易于优化,同时软阈值化和注意力机制的加入,使得网络模型可以根据数据集的噪声含量设定不同的阈值,降低噪声干扰并提高诊断准确率。最后,通过实验对比改进DRSN模型与传统神经网络模型的训练结果,发现改进DRSN模型训练误差更低,诊断响应速度更快,平均故障诊断准确率提高3%~8%。 展开更多

关键词 轴承 深度残差收缩神经网络 故障诊断 抽油机 多信息融合

在线阅读 下载PDF 职称材料

基于改进DRSN-CW的气体泄漏检测技术 被引量：1

17

作者 李德望 周瑶 《中国高新科技》 2024年第22期140-142,共3页

为了解决环保气体泄漏检测问题,文章提出了一种基于通道阈值深度残差网络(DRSN-CW)的改进方法,以提高GPLA-12数据集的检测精度。在该方法中,所有卷积层都设计了更大且不等的卷积核大小,以便在提取故障特征的过程中扩展感受野。此外,考... 为了解决环保气体泄漏检测问题,文章提出了一种基于通道阈值深度残差网络(DRSN-CW)的改进方法,以提高GPLA-12数据集的检测精度。在该方法中,所有卷积层都设计了更大且不等的卷积核大小,以便在提取故障特征的过程中扩展感受野。此外,考虑到环保气体泄漏数据集通常含有大量的环境噪声,DRSN-CW的软阈值模块与设计的核大小相结合,降低了噪声对环保气体泄漏检测精度的影响。实验结果表明,基于改进DRSN-CW气体的泄漏检测技术优于目前常用的技术。 展开更多

关键词 安全 泄漏检测 基于信道的深度残余收缩网络

在线阅读 下载PDF 职称材料

基于DRSN-BiLSTM模型的刀具磨损预测方法研究 被引量：4

18

作者 史丽晨 史炜椿 +2 位作者 王海涛 李金阳 刘亚雄 《机械工程学报》 CSCD 北大核心 2024年第24期66-74,共9页

数控机床刀具磨损的预测对于提高刀具加工的安全性和产品加工质量具有重要意义。随着传感技术进步,制造业中用于设备状态监测的传感器数据量呈爆炸式增长,这促使了以深度学习为中心的数据驱动方法在刀具磨损预测领域受到高度重视。然而... 数控机床刀具磨损的预测对于提高刀具加工的安全性和产品加工质量具有重要意义。随着传感技术进步,制造业中用于设备状态监测的传感器数据量呈爆炸式增长,这促使了以深度学习为中心的数据驱动方法在刀具磨损预测领域受到高度重视。然而,如何精准地识别和提取与刀具退化紧密相关的特征,进而充分利用这些信息以提高预测模型的性能,仍然是一个挑战。针对以上问题,研究了一种基于深度学习的刀具磨损预测方法,将多通道筛选机制应用到预测模型中,提出基于深度残差收缩-双向长短期记忆网络模型的刀具磨损预测方法。根据监测信号的波动程度选择与刀具退化高度相关的多个通道进行融合,利用卷积通道注意力机制融合多通道数据并高效挖掘各个通道的抽象特征信息,后建立双向长短期记忆回归模型提取特征与刀具磨损相关的时序信息对刀具磨损进行准确预测。通过试验验证了通道筛选机制的有效性与预测模型精度。 展开更多

关键词 刀具磨损 多通道融合 深度学习 深度收缩残差网络 双向长短时神经网络

原文传递

网络舆情事件用户在线评论行为预测研究

19

作者 沈旺 李欣 +1 位作者 孙珂 李昕娱 《现代情报》 北大核心 2025年第12期118-129,共12页

[目的/意义]在网络舆情日益复杂的背景下,提出一种融合网络事件特征的DRSN-CW-LSTM混合网络架构用户在线评论行为预测模型,为网络舆情治理、危机应对和舆论引导策略制定提供参考。[方法/过程]该模型综合考量并提取不同用户特征与舆情事... [目的/意义]在网络舆情日益复杂的背景下,提出一种融合网络事件特征的DRSN-CW-LSTM混合网络架构用户在线评论行为预测模型,为网络舆情治理、危机应对和舆论引导策略制定提供参考。[方法/过程]该模型综合考量并提取不同用户特征与舆情事件特征,融合深度残差收缩网络与长短时记忆网络的混合网络模型,将软阈值化作为非线性层引入深度残差收缩网络结构,提升用户在线评论行为预测的准确性。[结果/结论]在网络舆情事件真实数据集上的实验结果表明,与其他基线模型进行对比,提出的方法具有很强的实用性和更高的准确性。 展开更多

关键词 用户评论行为 深度残差收缩网络 drsn-CW-LSTM网络 网络舆情事件 评论行为预测

在线阅读 下载PDF 职称材料

基于深度残差收缩网络的超声混凝土应力识别

20

作者 郑罡 张智宇 +1 位作者 于吉港 宋林正 《科学技术与工程》 北大核心 2025年第16期6869-6878,共10页

为研究混凝土梁应力的无损检测方法,提出一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)的混凝土超声尾波应力识别算法(coda wave-DRSN,C-DRSN)。根据超声信号向量的高维特性,通过引入残差收缩块,使用软阈值函数和注... 为研究混凝土梁应力的无损检测方法,提出一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)的混凝土超声尾波应力识别算法(coda wave-DRSN,C-DRSN)。根据超声信号向量的高维特性,通过引入残差收缩块,使用软阈值函数和注意力机制,降低信号噪声对测量应力精度的干扰,实现自适应识别并提取信号中应力特征,提高了识别准确率;对提取的信号特征进行可视化分析,从而建立特征与应力的映射关系。为验证所提方法的应力识别能力,分别采集混凝土工字梁在三点弯曲和偏心受压荷载作用下的超声尾波信号。结果表明:两种加载模式下,识别率均可达99%,表明该方法在超声混凝土梁应力识别方面具有可行性,与尾波干涉法相比,所提方法的准确率更高。 展开更多

关键词 无损检测 超声尾波 应力识别 混凝土 深度残差收缩网络(drsn)

在线阅读 下载PDF 职称材料