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4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ReDeepWaveNet的水下图像增强网络设计
1
作者 张丹 苏里阳 +2 位作者 段舒婷 孙贵新 张雨杭 《无线电工程》 2025年第6期1238-1243,共6页
水下图像由于对比度低,色彩失真严重,衰减程度随波长的变化而变化,导致颜色不对称传输等问题。尽管深度学习技术在水下图像恢复(Underwater Image Restoration,UIR)方面已经取得了较好效果,但颜色不对称性问题依然存在。已知基于颜色通... 水下图像由于对比度低,色彩失真严重,衰减程度随波长的变化而变化,导致颜色不对称传输等问题。尽管深度学习技术在水下图像恢复(Underwater Image Restoration,UIR)方面已经取得了较好效果,但颜色不对称性问题依然存在。已知基于颜色通道的卷积范围赋予正确的接受野大小(上下文),可以有效提升UIR任务的性能,同时抑制不相关的多上下文特征,增强模型的表示能力。提出基于跳过机制来自适应地改进学习到的多上下文特征的框架ReDeepWaveNet,采用全局注意力机制(Global Attention Mechanism,GAM)来替代卷积块注意力模块(Convolutional Block Attention Module,CBAM),抑制来自前一层的无关的颜色局部跳跃信息;设计双分支通路(Dual Branch Pathway,DBP)模块,通过多尺度特征提取更丰富的图像细节特征;设计了新的复合损失函数,更准确地控制恢复图像的质量。在多个数据集上的实验表明,该方案在主客观图像质量上优于现有的方法。 展开更多
关键词 水下图像恢复 deep wavenet 全局注意力机制 多尺度特征提取 复合损失
在线阅读 下载PDF
基于Graph WaveNet模型的机场网络延误预测
2
作者 姜雨 戴垚宇 +2 位作者 刘振宇 吴薇薇 顾欣 《武汉理工大学学报（交通科学与工程版）》 2023年第5期775-780,共6页
文中提出一种基于深度Graph WaveNet(GWN)模型的机场网络延误预测方法,对机场网络整体建模,将其转换为图结构并对网络中所有机场进行离港航班多步延误预测.GWN模型融合时间和空间卷积网络,时间卷积层引入扩展因果卷积和门控机制提升模... 文中提出一种基于深度Graph WaveNet(GWN)模型的机场网络延误预测方法,对机场网络整体建模,将其转换为图结构并对网络中所有机场进行离港航班多步延误预测.GWN模型融合时间和空间卷积网络,时间卷积层引入扩展因果卷积和门控机制提升模型效率;空间卷积层采用双向卷积及自适应邻接矩阵充分挖掘延误信息的空间关联性.选择美国51个机场构建机场网络并进行延误预测分析.结果表明:GWN模型对机场未来3天离港航班准点率预测的平均绝对误差分别为4.718%、5.145%和5.240%,显著优于其它基线模型,且对不同量级机场均有稳定的预测表现,在多步预测上具有突出优势. 展开更多
关键词 航班延误预测 Graph wavenet模型 机场网络 深度学习
在线阅读 下载PDF
基于CNN-WaveNet的滚动轴承剩余寿命预测 被引量：16
3
作者 全航 张强 +2 位作者 邵思羽 牛天林 杨新宇 《计算机应用研究》 CSCD 北大核心 2021年第10期3098-3103,共6页
为保证设备正常运行并准确预测轴承剩余寿命,提出二维卷积神经网络与改进WaveNet组合的寿命预测模型。为克服未优化的递归网络在预测训练过程中易出现梯度消失问题,该模型引入了WaveNet时序网络结构。针对原始WaveNet结构不适用滚动轴... 为保证设备正常运行并准确预测轴承剩余寿命,提出二维卷积神经网络与改进WaveNet组合的寿命预测模型。为克服未优化的递归网络在预测训练过程中易出现梯度消失问题,该模型引入了WaveNet时序网络结构。针对原始WaveNet结构不适用滚动轴承振动数据情况,将WaveNet结构改进与二维卷积神经网络结合应用于滚动轴承寿命预测。模型利用二维卷积网络提取一维振动序列的特征,随后特征输入WaveNet并进行滚动轴承的预测寿命。改进模型相比于深度循环网络计算效率更高、结果更准确,相比于原始CNN-WaveNet-O模型预测结果更准确。相比于深度长短期记忆网络模型,改进方法预测结果均方根误差降低了11.04%,评分函数降低了11.34%。 展开更多
关键词 深度学习 卷积神经网络 wavenet网络 滚动轴承 寿命预测
在线阅读 下载PDF
音频数据驱动的洗煤厂溜槽堵塞检测 被引量：2
4
作者 谭兴富 卢军 +2 位作者 常发军 宋阳 赵轩 《煤炭工程》 北大核心 2024年第10期224-230,共7页
溜槽堵塞作为工业生产中的一种常见问题,不仅影响生产效率还可能导致安全隐患,因此实时准确地检测溜槽堵塞状态具有重要意义。然而传统的检测方法在实际应用中存在诸多问题与挑战,如精度不高、依赖人工干预等。文章基于音频信息构建结合... 溜槽堵塞作为工业生产中的一种常见问题,不仅影响生产效率还可能导致安全隐患,因此实时准确地检测溜槽堵塞状态具有重要意义。然而传统的检测方法在实际应用中存在诸多问题与挑战,如精度不高、依赖人工干预等。文章基于音频信息构建结合了WaveNet和GRU的WaveGNet深度网络模型,通过提取分析声音信号寻找溜槽堵塞的特征,以实现准确的堵塞检测。WaveNet能够提取高质量的声音信号特征,而GRU网络则能够捕获声音序列中的时间关系。通过将两者融合以更好地理解声音信号,在时间和频率维度上进行更准确的分析,揭示与堵塞状态相关的模式从而提高检测的准确性和鲁棒性。通过声音信息直接捕获堵塞状态,减少了人工干预的需求且具备实时性。该方法有望为工业生产中的溜槽堵塞检测提供一种创新、高效且可靠的解决方案,在实际应用中具有重大潜力。 展开更多
关键词 溜槽检测 音频 深度学习 wavenet GRU
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