期刊文献+
共找到2,538篇文章
< 1 2 127 >
每页显示 20 50 100
Dual-Network Restriction in Dense EDTA-Metal Coordination Polymers for Highly Efficient and Stable Organic RTP in Aqueous System
1
作者 Xin Zheng Yongling Liu +4 位作者 Suhua Jiang Jinyun Zhao Peiyuan Wang Yuanshan Huang Zhenghuan Lin 《Aggregate》 2026年第2期220-227,共8页
Organic room-temperature phosphorescence(RTP)materials are promising for bioimaging applications due to their tunable structures,excellent biocompatibility,and long-lived luminescence.However,the development of highly... Organic room-temperature phosphorescence(RTP)materials are promising for bioimaging applications due to their tunable structures,excellent biocompatibility,and long-lived luminescence.However,the development of highly efficient organic RTP materials for aqueous systems remains challenging,as the organic phosphorescence is prone to being quenched by the dissolved oxygen in water.Herein,heteroaromatic carboxylic acids serve as ligand vips to construct a series of host-vip composites with nontoxic,dense EDTA-M(M=Ca,Mg,and Al)coordination polymer in water.These composites exhibit ultra-long pure RTP of vip molecules with phosphorescence quantum yield up to 53%,and lifetime up to 589.7 ms,due to the synergistic effect of dual-network structure:a coordinatively cross-linked network of EDTA-M,and a non-covalent bonded network formed by ligands and water molecules.The phosphorescence intensity is more than three times that of the composite with a single coordination network.Notably,the dual-network configuration can form a rigid and dense structure and block the intrusion of external H_(2)O and O_(2) molecules to avoid phosphorescence quenching in water.As a result,the RTP of the composites remains unchanged after 1 month in water.Furthermore,the nanoparticles fabricated from composites and anionic surfactants can be successfully applied in in vivo imaging of mice for the stable RTP in water.This work provides a novel strategy for the development of high-performance RTP materials in aqueous systems. 展开更多
关键词 BIOIMAGING coordination polymers dual-network efficient RTP water stability
在线阅读 下载PDF
Design of dual-network structure based on coordination bonds and hydrogen bonds for high-performance multifunctional flexible gel absorbers
2
作者 Xinyue Xie Zijing Li +3 位作者 Shusheng Wang Geng Chen Limin Zhang Hongjing Wu 《International Journal of Minerals,Metallurgy and Materials》 2026年第2期693-703,共11页
The emergence of precision electronic devices and wearable electronic products urgently requires high-performance multifunctional electromagnetic wave(EMW)absorbers to meet the applicability and versatility in various... The emergence of precision electronic devices and wearable electronic products urgently requires high-performance multifunctional electromagnetic wave(EMW)absorbers to meet the applicability and versatility in various applications.Herein,a dual-network(DN)gel was successfully prepared using acrylamide and sodium lignosulphonate as the basic units by simple chemical cross-linking and physical cross-linking methods.Specifically,the hydrogel forms two types of cross-linking networks through metal coordination and hydrogen bonding.Benefiting from the combined effects of dipole polarization and conductivity loss,the gel achieves an effective absorption bandwidth(EAB)of 6.74 GHz at a thickness of only 1.89 mm,demonstrating excellent EMW absorption performance.In addition,this unique structural configuration endows the EMW absorber with multifunctional features,such as remarkable tensile strength,good environmental compatibility,ultraviolet(UV)resistance,and excellent adhesion.Integrating multiple functional features into the EMW gels displays a broad application prospect in a variety of application scenarios.This research reveals the significance of DN structure design in the electromagnetic wave absorption(EWA)performance of gel-based materials,providing a substantial foundation for the multifunctional design of gel-based absorbers. 展开更多
关键词 electromagnetic wave absorbers dual-network structure polarization loss hydrogen bonds coordination bonds multifunc-tional characteristics
在线阅读 下载PDF
Bacterial Cellulose/Zwitterionic Dual-network Porous Gel Polymer Electrolytes with High Ionic Conductivity
3
作者 侯朝霞 WANG Haoran QU Chenying 《Journal of Wuhan University of Technology(Materials Science)》 SCIE EI CAS CSCD 2024年第3期596-605,共10页
Bacterial cellulose(BC)was innovatively combined with zwitterionic copolymer acrylamide and sulfobetaine methacrylic acid ester[P(AM-co-SBMA)]to build a dual-network porous structure gel polymer electrolytes(GPEs)with... Bacterial cellulose(BC)was innovatively combined with zwitterionic copolymer acrylamide and sulfobetaine methacrylic acid ester[P(AM-co-SBMA)]to build a dual-network porous structure gel polymer electrolytes(GPEs)with high ionic conductivity.The dual network structure BC/P(AM-co-SBMA)gels were formed by a simple one-step polymerization method.The results show that ionic conductivity of BC/P(AM-co-SBMA)GPEs at the room temperature are 3.2×10^(-2) S/cm@1 M H_(2)SO_(4),4.5×10^(-2) S/cm@4 M KOH,and 3.6×10^(-2) S/cm@1 M NaCl,respectively.Using active carbon(AC)as the electrodes,BC/P(AM-co-SBMA)GPEs as both separator and electrolyte matrix,and 4 M KOH as the electrolyte,a symmetric solid supercapacitors(SSC)(AC-GPE-KOH)was assembled and testified.The specific capacitance of AC electrode is 173 F/g and remains 95.0%of the initial value after 5000 cycles and 86.2%after 10,000 cycles. 展开更多
关键词 bacterial cellulose ZWITTERION gel polymer electrolytes ionic conductivity dual-network structure
原文传递
基于DPNA-CASREL的柑橘病虫害实体关系联合抽取方法
4
作者 吴叶兰 于宛莹 +3 位作者 秦晴 廉小亲 于重重 吴静珠 《农业机械学报》 北大核心 2026年第5期398-406,共9页
针对柑橘病虫害领域文本数据中存在重叠三元组、嵌套实体和复杂实体抽取困难的问题,提出一种基于DPNA-CASREL(Dual-pointer network annotation-cascade binary tagging framework for relational triple extraction)的柑橘病虫害实体... 针对柑橘病虫害领域文本数据中存在重叠三元组、嵌套实体和复杂实体抽取困难的问题,提出一种基于DPNA-CASREL(Dual-pointer network annotation-cascade binary tagging framework for relational triple extraction)的柑橘病虫害实体关系联合抽取方法。通过结合预训练模型RoBERTa-wwm-ext (Robustly optimized BERT pre-training approach with whole word masking and extended training data)与双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)构建编码器获取文本的多维向量编码,并根据柑橘病虫害语料特点设计双重指针网络标注的解码网络,在头实体解码中引入多级指针网络标注方法,在尾实体解码网络中采用复杂实体标注策略以增强模型对复杂实体的抽取性能,实现对实体关系三元组的同步抽取,解决三元组重叠、嵌套实体等问题。在自建柑橘病虫害数据集上的实验结果表明,DPNA-CASREL模型的精确率、召回率和F1值分别为82.12%、81.97%、82.05%,优于其他模型,对嵌套、复杂实体抽取的F1值比CASREL分别提升8.16、6.58个百分点,有效解决了实体嵌套和实体边界不清晰问题。本文方法可为柑橘病虫害知识图谱构建提供基础。 展开更多
关键词 柑橘病虫害 实体关系联合抽取 双重指针网络标注 嵌套实体 复杂实体
在线阅读 下载PDF
基于时空双流网络与多重注意力的光伏功率预测
5
作者 李恒杰 隆贤华 +2 位作者 周云 冯冬涵 马喜平 《太阳能学报》 北大核心 2026年第2期51-59,共9页
针对光伏发电的间歇性和随机性给光伏功率预测带来的准确性不足问题,提出基于时空双流网络与多重注意力的短期光伏功率预测模型。模型结合ModernTCN、ITransformer、GRU及TimesNet网络,充分挖掘光伏发电的空间分布特性和时间序列动态性... 针对光伏发电的间歇性和随机性给光伏功率预测带来的准确性不足问题,提出基于时空双流网络与多重注意力的短期光伏功率预测模型。模型结合ModernTCN、ITransformer、GRU及TimesNet网络,充分挖掘光伏发电的空间分布特性和时间序列动态性,利用迭代交叉注意力机制有效融合独立提取的特征,形成包含丰富时空信息的特征向量,从而有效提升光伏功率的短期预测精度。实验结果证实,该模型在预测精度方面要优于现有主流时序模型。 展开更多
关键词 光伏功率预测 聚类集成 特征融合 注意力机制 双流网络
原文传递
对比学习引导的双通道自适应融合网络多视图聚类方法
6
作者 周丽娟 刘子源 +1 位作者 许鑫航 张志鸿 《小型微型计算机系统》 北大核心 2026年第1期229-239,共11页
近年来,图卷积网络在多视图聚类中表现突出,但其侧重节点间结构信息建模,而属性信息仅通过简单的线性变换进行更新,限制了模型对节点属性信息的学习能力.为此,本文提出了对比学习引导的双通道自适应融合网络多视图聚类方法.首先,结合自... 近年来,图卷积网络在多视图聚类中表现突出,但其侧重节点间结构信息建模,而属性信息仅通过简单的线性变换进行更新,限制了模型对节点属性信息的学习能力.为此,本文提出了对比学习引导的双通道自适应融合网络多视图聚类方法.首先,结合自编码器与图自编码器构建双通道网络,分别编码节点属性和结构信息,并设计通道自适应融合模块,利用注意力机制自适应融合不同通道网络在同一神经网络层中学习的属性与结构信息,以及不同神经网络层间的嵌入表示,以获得每个视图的嵌入表示.在此基础上,进一步利用注意力机制对多个视图的嵌入表示进行加权融合获得全局嵌入表示.最后,通过跨视图对比损失与自监督聚类损失迭代优化全局嵌入表示,强化视图间一致性信息学习,并生成了面向聚类任务的高质量嵌入表示.在3个公开数据集和3个来自郑州商品交易所的期货数据集上进行的实验表明,该方法在聚类任务中表现优异. 展开更多
关键词 多视图聚类 自编码器 图自编码器 双通道网络
在线阅读 下载PDF
移动机器人轨迹跟踪的参数估计与原对偶神经网络预测控制
7
作者 张浪文 王中旭 +1 位作者 魏海翔 谢巍 《控制理论与应用》 北大核心 2026年第2期278-286,共9页
本文针对轮式移动机器人的不确定参数估计与轨迹跟踪问题,研究了基于卷积神经网络(CNN)的移动机器人不确定模型参数估计方法,提出了移动机器人的原对偶神经网络(PDNN)模型预测控制(MPC)轨迹跟踪控制算法.对于轮式移动机器人而言,轮胎侧... 本文针对轮式移动机器人的不确定参数估计与轨迹跟踪问题,研究了基于卷积神经网络(CNN)的移动机器人不确定模型参数估计方法,提出了移动机器人的原对偶神经网络(PDNN)模型预测控制(MPC)轨迹跟踪控制算法.对于轮式移动机器人而言,轮胎侧偏刚度受到负载扰动、未建模动态和路况变化等不确定因素影响,在实际行驶过程中难以实时测量.论文研究侧偏刚度的CNN回归模型,以估计机器人运行过程中的不确定性.考虑前轮偏角与加速度等状态的约束条件,研究基于CNN参数估计的移动机器人预测控制设计方法,提出基于PDNN的移动机器人预测控制问题求解算法,并证明了所提出基于CNN参数估计的PDNN-MPC算法稳定性.最后,为了验证控制器的有效性,对所提出的PDNN-MPC算法进行验证. 展开更多
关键词 轮式移动机器人 轨迹跟踪 模型预测控制 原对偶神经网络 卷积神经网络
在线阅读 下载PDF
基于对偶学习的高效可见光通信非线性均衡器
8
作者 宋锐 邓春丽 +1 位作者 李志良 刘宏立 《光学技术》 北大核心 2026年第1期68-74,共7页
针对室内可见光通信(VLC)中由LED动态非线性和信道衰落所引起的信号失真问题,提出一种基于对偶学习的非线性均衡方法。通过搭建PAM4调制VLC仿真系统,结合LED非线性模型与NLOS信道以模拟失真特性,设计了基于对偶神经网络结构的均衡器,利... 针对室内可见光通信(VLC)中由LED动态非线性和信道衰落所引起的信号失真问题,提出一种基于对偶学习的非线性均衡方法。通过搭建PAM4调制VLC仿真系统,结合LED非线性模型与NLOS信道以模拟失真特性,设计了基于对偶神经网络结构的均衡器,利用正向均衡与反向映射网络实现双向约束,并借助对偶一致性损失提升在有限训练样本下的均衡性能。实验结果表明,方法显著降低了系统误码率,在相同训练符号数量下,误码率较传统均衡方法最多可降低2个数量级;与传统神经网络均衡器相比,达到FEC阈值所需训练序列长度最大可减少62.5%,能够在显著提升VLC系统传输可靠性的同时,大幅降低均衡器训练开销。 展开更多
关键词 可见光通信 非线性均衡 神经网络 对偶学习
原文传递
基于对比学习的双通道源代码漏洞检测模型
9
作者 宋建华 何佳伟 张龑 《计算机科学》 北大核心 2026年第3期424-432,共9页
随着软件漏洞日益增多,系统安全正面临着严峻的挑战。源代码漏洞检测可以在软件开发阶段及时发现软件应用中的潜在安全威胁,对保障软件应用的安全性至关重要。目前,主流的源代码漏洞检测方式为基于深度学习模型的漏洞检测方式。然而,现... 随着软件漏洞日益增多,系统安全正面临着严峻的挑战。源代码漏洞检测可以在软件开发阶段及时发现软件应用中的潜在安全威胁,对保障软件应用的安全性至关重要。目前,主流的源代码漏洞检测方式为基于深度学习模型的漏洞检测方式。然而,现有的许多深度学习模型仅依赖单一形式特征,未能充分挖掘源代码语义中的全局和局部信息,并且这些模型往往忽略了不同样本之间的差异性和相似性,导致其在处理复杂漏洞模式时表现不佳,误报率和漏报率较高。为了解决上述问题,提出了一种基于对比学习的双通道源代码漏洞检测模型。该模型使用不同通道来分别提取源代码语义中的全局特征和局部特征,并引入对比学习,使得模型能够学习不同样本之间的相似性和差异性,并以此来优化特征提取过程。实验结果表明,此模型在真实世界的漏洞数据集Devign和Reveal上的召回率、F1分数相较于基线模型显著提升。在Devign上平均提升14.65个百分点和6.30个百分点;在Reveal上平均提升31.18个百分点和22.44个百分点。 展开更多
关键词 源代码漏洞检测 双通道网络模型 对比学习 交叉注意力 特征融合
在线阅读 下载PDF
基于多尺度双流网络的深度伪造检测方法
10
作者 蒋翠玲 程梓源 +1 位作者 俞新贵 万永菁 《计算机工程》 北大核心 2026年第1期242-253,共12页
人脸深度伪造技术的滥用给社会和个人带来了极大的安全隐患,因此深度伪造检测技术已成为当今研究的热点。目前基于深度学习的伪造检测技术在高质量(HQ)数据集上效果较好,但在低质量(LQ)数据集和跨数据集上的检测效果不佳。为提升深度伪... 人脸深度伪造技术的滥用给社会和个人带来了极大的安全隐患,因此深度伪造检测技术已成为当今研究的热点。目前基于深度学习的伪造检测技术在高质量(HQ)数据集上效果较好,但在低质量(LQ)数据集和跨数据集上的检测效果不佳。为提升深度伪造检测的泛化性,提出一种基于多尺度双流网络(MSDSnet)的深度伪造检测方法。MSDSnet输入分为空域特征流和高频噪声特征流,首先采用多尺度融合(MSF)模块捕获不同情况下图像在空域被篡改的粗粒度人脸特征和伪造图像的细粒度高频噪声特征信息,然后通过MSF模块将空域流和高频噪声流的双流特征充分融合,由多模态交互注意力(MIA)模块进一步交互以充分学习双流特征信息,最后利用FcaNet(Frequency Channel Attention Network)获取伪造人脸特征的全局信息并完成检测分类。实验结果表明,该方法在HQ数据集Celeb-DF v2上的准确率为98.54%,在LQ数据集FaceForensics++上的准确率为93.11%,同时在跨数据集上的实验效果也优于其他同类方法。 展开更多
关键词 深度伪造检测 双流网络 多尺度融合 多模态交互注意力 高频噪声
在线阅读 下载PDF
基于双主干网络的分心驾驶行为检测方法
11
作者 代少升 何帅兵 余自安 《半导体光电》 北大核心 2026年第1期172-179,共8页
针对现有分心驾驶行为检测算法检测精度低、计算量大等问题,文章提出一种基于YOLOv11n改进的双主干网络(YOLO-DCC)。首先,该算法使用两条不同的轻量化主干替换YOLOv11n的原始主干,在保持轻量化的同时,增强了模型的特征提取能力。随后,... 针对现有分心驾驶行为检测算法检测精度低、计算量大等问题,文章提出一种基于YOLOv11n改进的双主干网络(YOLO-DCC)。首先,该算法使用两条不同的轻量化主干替换YOLOv11n的原始主干,在保持轻量化的同时,增强了模型的特征提取能力。随后,引入跨注意力融合模块(CAFM)在通道与空间维度上实现跨分支特征的动态交互与加权融合,进一步提升了关键特征的表达能力。最后,在颈部网络中引入上下文引导融合模块(CGFM),通过聚合局部、周边与全局上下文信息,优化了多尺度特征的融合效果,提升了模型的检测精度。在StateFarm数据集上进行实验,结果表明所提算法将mAP@0.5提升到了95.7%,相比于YOLOv11n算法检测精度提高了3.1%,计算量减少了7.94%,能够有效检测驾驶员的分心驾驶行为。 展开更多
关键词 YOLOv11n 双主干网络 特征融合 分心检测
原文传递
结合差分引导融合的双分支裂缝检测网络
12
作者 刘恒洋 曹博林 邵桂芳 《重庆理工大学学报(自然科学)》 北大核心 2026年第1期193-202,共10页
裂缝检测对于土木基础设施的维护至关重要,若不及时处理,可能导致整体结构进一步恶化,同时裂缝也是结构健康评估与监测中不可忽视的关键指标。然而,由于裂缝复杂的拓扑特征和背景噪声,现有的卷积神经网络(CNN)虽然在局部特征提取方面表... 裂缝检测对于土木基础设施的维护至关重要,若不及时处理,可能导致整体结构进一步恶化,同时裂缝也是结构健康评估与监测中不可忽视的关键指标。然而,由于裂缝复杂的拓扑特征和背景噪声,现有的卷积神经网络(CNN)虽然在局部特征提取方面表现优秀,但其感受野受限,难以高效捕捉图像中相距较远区域之间的联系。因此,提出了一种双分支CNN融合架构DCFNet,通过扩展瓶颈分支(expand bottleneck module, EBM)与边缘感知多尺度分支(edge-aware multi-scale module, EAMS)逐层扩展通道维度,捕获裂缝局部的细节轮廓与结构变化。此外,设计的差异信息动态融合模块(differential information dynamic fusion block, DIDF)通过调整不同尺度的特征,建立双分支信息的全局关联,实现跨域融合和相关性增强。最后以公开的裂缝数据集为实验对象,对所提出的DCFNet网络的性能进行评估。实验结果表明,DCFNet在MixCrack数据集上的F1分数、mAP50和mAP50-95分别达到了90、93.4%和77.8%,在各种场景下都优于现有的网络算法。 展开更多
关键词 裂缝检测 双路径网络 边缘感知 动态融合
在线阅读 下载PDF
基于增强型残差递归门控网络的信道估计方法
13
作者 刘娇蛟 王若尘 马碧云 《华南理工大学学报(自然科学版)》 北大核心 2026年第1期53-59,共7页
在高速移动场景下,无线通信要经历时间和频率双选择性衰落,信道估计用于准确获取信道状态信息,其结果有助于提高通信性能。时频双选信道是一个描述信号在时间和频率维度上都具有选择性衰落特性的信道模型。针对时频双选信道估计问题,近... 在高速移动场景下,无线通信要经历时间和频率双选择性衰落,信道估计用于准确获取信道状态信息,其结果有助于提高通信性能。时频双选信道是一个描述信号在时间和频率维度上都具有选择性衰落特性的信道模型。针对时频双选信道估计问题,近年来深度学习方法被广泛应用,原本在计算机视觉和自然语言处理领域表现优秀的卷积神经网络(CNN)和长短期记忆网络(LSTM)等被应用于信道估计,但是它们专注于时序相关性及局部时频特征的捕捉,直接用于时频双选信道估计还存在着诸多挑战。该研究提出了一种基于增强型深度残差递归门控网络(CEHNet)的信道估计算法。该算法将时频双选信道的时频网格视为二维图像,使用超分辨率网络(SR)重建信道状态信息,并且使用增加幅度特征的预处理方法扩充数据集,引入Lasso回归作为约束加快网络收敛速度。实验结果表明:针对不同信道模型,该算法在导频数量较少时的估计性能优于超分辨率网络(SRCNN)等现有方法,其收敛速度明显加快,在信噪比为22 dB时比SRCNN方法提升了4倍。 展开更多
关键词 信道估计 超分网络 时频双选信道 递归门控卷积
在线阅读 下载PDF
基于双域深度神经网络的LACT重建方法研究
14
作者 贺国平 苏月明 《燕山大学学报》 北大核心 2026年第2期138-146,共9页
有限角度计算机断层扫描(Limited-Angle Computed Tomography,LACT)旨在利用角度受限的投影数据重建原始CT图像。由于投影数据的不完备性,传统方法重建的图像中包含严重的伪影甚至失真。基于深度学习的方法能够解决该不足,然而现有基于... 有限角度计算机断层扫描(Limited-Angle Computed Tomography,LACT)旨在利用角度受限的投影数据重建原始CT图像。由于投影数据的不完备性,传统方法重建的图像中包含严重的伪影甚至失真。基于深度学习的方法能够解决该不足,然而现有基于深度学习的LACT方法构建的深度神经网络通常是经验设计的,模型架构不具有可解释性,此外,现有方法未充分利用投影域信息进行网络训练,导致重建精确度有待提升。为解决这些问题,从CT图像与投影数据双域角度出发,构建了一种联合图像域与投影域的双域重建优化模型,利用邻近梯度下降算法求解该模型,并将迭代步骤展开为深度神经网络,构建了面向LACT重建的双域深度展开网络。仿真实验结果表明,该双域深度展开网络在有限角度为90°、120°和150°下,PSNR分别达到27.70 dB、30.17 dB和33.98 dB,优于现有主流的基于深度学习的方法。此外,该深度展开网络重建的CT图像在去除伪影的同时保留了更多图像组织结构与细节信息,取得了优异的视觉效果。 展开更多
关键词 有限角度计算机断层扫描 双域网络 模型可解释性 深度展开网络
在线阅读 下载PDF
基于KAN的双通道图神经网络
15
作者 王静红 李鹏超 +1 位作者 王熙照 张自立 《计算机科学》 北大核心 2026年第3期188-196,共9页
图神经网络(GNNs)是一种专门针对图数据的神经网络模型,近年来被成功应用在各种图学习任务上,如节点分类、链路预测等。然而,目前的图神经网络模型大多基于消息传递范式,无法充分捕捉节点的结构信息与特征信息之间的多维关联关系。此外... 图神经网络(GNNs)是一种专门针对图数据的神经网络模型,近年来被成功应用在各种图学习任务上,如节点分类、链路预测等。然而,目前的图神经网络模型大多基于消息传递范式,无法充分捕捉节点的结构信息与特征信息之间的多维关联关系。此外,传统激活函数容易导致信息丢失和模型解释性不足的问题。为此,提出了一种基于Kolmogorov-Arnold网络(KAN)的双通道图神经网络(KDCGNN)。KDCGNN利用结构卷积和特征卷积,从两个通道分别提取图的结构信息和特征信息,生成节点的结构编码和特征编码,拼接融合后,进一步借助KAN对嵌入表示进行特征转换,提升分类性能和模型的可解释性。同时,引入一致性损失函数,鼓励结构编码和特征编码之间的分布一致性,从而增强模型的泛化能力。在3个经典引文网络数据集(Cora,Citeseer,Pubmed)上的实验表明,KDCGNN在节点分类任务中的表现优于现有基准方法。KDCGNN的提出为图神经网络的可解释性与性能优化提供了新思路。 展开更多
关键词 图神经网络 Kolmogorov-Arnold网络 双通道机制 节点分类 高斯-Dice相似度
在线阅读 下载PDF
OSCJC:An open-set compound jamming cognition method for radar systems in high-intensity electromagnetic warfare
16
作者 Kaixiang Zhang Jiaxiang Zhang +3 位作者 Xinrui Han Yilin Wang Bo Wang Quanhua Liu 《Defence Technology(防务技术)》 2026年第1期436-455,共20页
In high-intensity electromagnetic warfare,radar systems are persistently subjected to multi-jammer attacks,including potentially novel unknown jamming types that may emerge exclusively under wartime conditions.These j... In high-intensity electromagnetic warfare,radar systems are persistently subjected to multi-jammer attacks,including potentially novel unknown jamming types that may emerge exclusively under wartime conditions.These jamming signals severely degrade radar detection performance.Precise recognition of these unknown and compound jamming signals is critical to enhancing the anti-jamming capabilities and overall reliability of radar systems.To address this challenge,this article proposes a novel open-set compound jamming cognition(OSCJC)method.The proposed method employs a detection-classification dual-network architecture,which not only overcomes the false alarm and misdetection issues of traditional closed-set recognition methods when dealing with unknown jamming but also effectively addresses the performance bottleneck of existing open-set recognition techniques focusing on single jamming scenarios in compound jamming environments.To achieve unknown jamming detection,we first employ a consistency labeling strategy to train the detection network using diverse known jamming samples.This strategy enables the network to acquire highly generalizable jamming features,thereby accurately localizing candidate regions for individual jamming components within compound jamming.Subsequently,we introduce contrastive learning to optimize the classification network,significantly enhancing both intra-class clustering and inter-class separability in the jamming feature space.This method not only improves the recognition accuracy of the classification network for known jamming types but also enhances its sensitivity to unknown jamming types.Simulations and experimental data are used to verify the effectiveness of the proposed OSCJC method.Compared with the state-of-the-art open-set recognition methods,the proposed method demonstrates superior recognition accuracy and enhanced environmental adaptability. 展开更多
关键词 Radar compound jamming cognition Open-set recognition Detection-classification dual-network Time-frequency analysis Contrastive learning
在线阅读 下载PDF
基于DCVGG-UNet的飞机刹车盘损伤区域面积评估方法
17
作者 康瑞 马开宇 +2 位作者 夏正洪 李飞 王裕林 《机床与液压》 北大核心 2026年第4期60-67,共8页
针对UNet模型应用于飞机刹车盘损伤区域面积计算时,像素面积比与真实面积比存在较大误差的问题,提出一种基于DCVGG-UNet的刹车盘损伤区域面积评估方法。分析损伤区域的像素比与面积比之间的差异,并选取规则且面积已知的三角形、正方形... 针对UNet模型应用于飞机刹车盘损伤区域面积计算时,像素面积比与真实面积比存在较大误差的问题,提出一种基于DCVGG-UNet的刹车盘损伤区域面积评估方法。分析损伤区域的像素比与面积比之间的差异,并选取规则且面积已知的三角形、正方形、圆形损伤区域作为几何参照基准。以VGG16为骨干网络,通过深度可分离卷积替换其第5部分卷积块,以降低计算复杂度和参数量。同时,引入双层残差模块和门控基因调控网络层,以增强模型的特征提取与泛化能力,并结合CBAM注意力机制,以提高多尺度信息融合及关键区域关注度。最后,在自建的飞机刹车盘数据集上进行消融实验。结果表明:较原VGG-UNet模型,改进后的DCVGG-UNet模型在复杂损伤数据集上的平均交并比、平均准确率、平均精确率、平均召回率分别为88.24%、93.34%、93.63%、93.34%,较基线模型分别提升了9.09%、9.19%、2.13%、9.19%;在规则形状模拟数据集上,分割误差控制在3%以内。模型有效提升了分割边界的连续性和对小目标的检测能力,为刹车盘损伤面积的精确评估提供了可靠方法。 展开更多
关键词 飞机刹车盘 图像分割 UNet 双层残差网络 CBAM模块 损伤区域面积评估方法
在线阅读 下载PDF
基于双分支-交叉注意力融合的风电齿轮箱故障诊断方法
18
作者 孙抗 李腾飞 +2 位作者 王浩 杨明 赵来军 《电力系统保护与控制》 北大核心 2026年第1期83-93,共11页
针对风电齿轮箱故障诊断数据存在时序性和单通道模型难以有效提取复合故障特征信息的问题,提出一种基于改进正交卷积胶囊网络(orthogonal convolutional capsule network,OCCN)和双向长短期记忆神经网络(bi-directional long short-term... 针对风电齿轮箱故障诊断数据存在时序性和单通道模型难以有效提取复合故障特征信息的问题,提出一种基于改进正交卷积胶囊网络(orthogonal convolutional capsule network,OCCN)和双向长短期记忆神经网络(bi-directional long short-term memory,BiLSTM)融合的故障诊断方法。首先,对原始信号进行预处理。其次,将经过预处理操作后的信号输入构建的OCCN-BiLSTM双通道模型中,分别提取复合故障特征的空间特征、时域特征。最后将提取的时空特征通过交叉注意力机制进行特征融合,输入到全连接层中进行信号的分类,实现风电齿轮箱智能故障诊断。试验结果表明,所提诊断方法可有效实现风电齿轮箱智能故障诊断,其在测试集上的准确率达到99.53%。 展开更多
关键词 故障诊断 胶囊网络 并行双通道 特征融合 风电齿轮箱
在线阅读 下载PDF
股东关系网络如何赋能企业双化协同?
19
作者 王守海 孟永涛 +1 位作者 郭英栋 潘立才 《证券市场导报》 北大核心 2026年第2期29-42,共14页
数字化绿色化协同转型(简称双化协同)是企业应对气候变化、提升生产经营效率的重要举措,但在实践中存在资金有限、人才供给不足、技术基础薄弱以及投资者顾虑较多等困难。本文以股东关系网络,即企业间因存在相同股东而建立的社会关系网... 数字化绿色化协同转型(简称双化协同)是企业应对气候变化、提升生产经营效率的重要举措,但在实践中存在资金有限、人才供给不足、技术基础薄弱以及投资者顾虑较多等困难。本文以股东关系网络,即企业间因存在相同股东而建立的社会关系网络为视角,以沪深A股上市公司为样本,研究发现当企业处于股东关系网络较核心位置时,股东关系网络能显著促进双化协同,进而提升企业价值。股东关系网络一是为企业拓宽内外部融资渠道,缓解企业融资约束,避免数字化投资与绿色化改造间的资金挤出;二是为企业提供人才培养和管理信息,帮助企业建立高质量的复合型人才供给体系,促进企业人力资本结构升级;三是通过建立共享研发平台、促成战略技术合作等方式,帮助企业获取、整合前沿创新知识,提升企业创新能力;四是提供双化协同政策、进展和成效等信息,降低企业和投资者对双化协同“投入大、收益不明确”的担忧。进一步分析表明,对于内部控制水平较高、地处环境规制强度和市场化程度较高区域的企业,以及属双化协同需求迫切行业(如电力、热力、燃气及水生产和供应业)、劳动密集型行业(如制造业)、重资产行业(如卫生和社会工作)的企业,上述积极效应更加显著。此外,由非金融类股东、非国有股东、跨行业股东形成的股东关系网络,对企业双化协同的推动作用更强。本文为提升新质生产力、促进经济可持续发展提供了实践参考。 展开更多
关键词 股东关系网络 双化协同 数字化转型 绿色转型 度中心性
在线阅读 下载PDF
联合深度学习的基因测序数据扩增与分析研究
20
作者 韩晓云 《自动化与仪器仪表》 2026年第1期30-34,共5页
针对基因测序数据分析中存在的样本稀缺和特征提取困难两大关键问题,研究提出了一种联合深度学习的方案。在方法上,研究使用改进的生成对抗网络来构建数据扩增模型,通过层规范化和残差连接优化生成质量,并基于GoogLeNet-VGG16设计双分... 针对基因测序数据分析中存在的样本稀缺和特征提取困难两大关键问题,研究提出了一种联合深度学习的方案。在方法上,研究使用改进的生成对抗网络来构建数据扩增模型,通过层规范化和残差连接优化生成质量,并基于GoogLeNet-VGG16设计双分支融合网络,实现协同特征提取。实验结果表明,在数据扩增上,改进的生成对抗网络模型在GIAB数据集和仿真数据集上的FID分数分别达到18.94和16.25,较传统生成对抗网络模型提升了61.1%,且生成的基因图像纹理清晰、质量高,有效缓解了样本稀缺问题。在特征提取与分类任务中,双分支融合网络在GIAB数据集上,变异检测准确率为93.56%,F1值为92.66%,召回率为91.78%。在仿真数据集上,准确率为92.72%、F1值为92.64%,召回率为91.76%,均显著优于单分支模型。综合表明,该方法可为临床基因诊断提供可靠的技术方案。 展开更多
关键词 基因测序数据 样本稀缺 特征提取 生成对抗网络 双分支融合网络
原文传递
上一页 1 2 127 下一页 到第
使用帮助 返回顶部