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10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：
基于卷积自编码器的地震数据随机噪声压制
1
作者 何承峻 张华 《物探化探计算技术》 2025年第3期427-435,共9页
随着油气勘探向复杂地质环境的不断深入,地震勘探数据面临着越来越严重的噪声干扰,这对后续数据处理和解释提出了挑战。由于常规卷积自编码器去噪方法一般采用的ReLU激活函数,存在着梯度消失和“死亡ReLU”问题。为此,笔者提出在基于卷... 随着油气勘探向复杂地质环境的不断深入,地震勘探数据面临着越来越严重的噪声干扰,这对后续数据处理和解释提出了挑战。由于常规卷积自编码器去噪方法一般采用的ReLU激活函数,存在着梯度消失和“死亡ReLU”问题。为此,笔者提出在基于卷积自编码器的去噪过程中,采用ELU激活函数,有效地避免了ReLU激活函数存在的问题,并利用Adam优化器提高了网络的稳定性和效率。实验首先对合成数据进行训练,然后对带有噪声的合成地震数据和实际地震数据进行去噪处理。结果表明,ELU构建的自编码器网络在去除随机噪声方面优于原始的ReLU构建的自编码器,能够有效地分离有效信号和噪声,并显著减少人工干预的需要,实现了地震数据的智能降噪处理,提高了处理质量。 展开更多
关键词 地震数据去噪 卷积自编码器 深度学习 elu激活函数
在线阅读 下载PDF
基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法 被引量：45
2
作者 樊丁 胡桉得 +2 位作者 黄健康 徐振亚 徐旭 《焊接学报》 EI CAS CSCD 北大核心 2020年第1期7-11,I0001,共6页
针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探... 针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别.首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力.通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验.结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现. 展开更多
关键词 焊缝缺陷识别 卷积神经网络 SLIC算法 elu函数
在线阅读 下载PDF
基于深度学习的图像拼接篡改检测 被引量：6
3
作者 边亮 罗霄阳 李硕 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第5期1039-1044,共6页
传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络(CNN),将卷积核前置并固定,自... 传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络(CNN),将卷积核前置并固定,自主学习相关特征从而检测拼接篡改的图像区域。经过一系列研究,发现拼接篡改图像的拼接篡改区域特征可以被CNN模型学习。在CNN模型之前,卷积核使用高通滤波器,激活函数采用指数线性单元(ELU),使得CNN模型具有识别拼接篡改图像边缘痕迹等特征的能力。检测结果表明:在IEEE IFS-TC图像拼接取证竞赛训练集上对拼接篡改图像拼接篡改区域定位的准确率为84.3%,对拼接篡改区域判定的真负类率为96.18%。 展开更多
关键词 卷积神经网络(CNN) 图像拼接取证 深度学习 指数线性单元(elu) 损失函数
原文传递
基于频谱增强和卷积宽度学习的音乐流派分类 被引量：3
4
作者 刘万军 李雨萌 曲海成 《计算机系统应用》 2023年第10期85-95,共11页
针对频谱图对于音乐特征挖掘较弱、深度学习分类模型复杂且训练时间长的问题,设计了一种基于频谱增强和卷积宽度学习(CNNBLS)的音乐流派分类模型.该模型首先通过SpecAugment中随机屏蔽部分频率信道的方法增强梅尔频谱图,再将切割后的梅... 针对频谱图对于音乐特征挖掘较弱、深度学习分类模型复杂且训练时间长的问题,设计了一种基于频谱增强和卷积宽度学习(CNNBLS)的音乐流派分类模型.该模型首先通过SpecAugment中随机屏蔽部分频率信道的方法增强梅尔频谱图,再将切割后的梅尔频谱图作为CNNBLS的输入,同时将指数线性单元函数(ELU)融合进CNNBLS的卷积层,以增强其分类精度.相较于其他机器学习网络框架,CNNBLS能用少量的训练时间获得较高的分类精度.此外,CNNBLS可以对增量数据进行快速学习.实验结果表明:无增量模型CNNBLS在训练400首音乐数据可获得90.06%的分类准确率,增量模型Incremental-CNNBLS在增加400首训练数据后可达91.53%的分类准确率. 展开更多
关键词 梅尔频谱 宽度学习 语音增强 音乐流派分类 指数线性单元函数(elu)
在线阅读 下载PDF
基于自适应矩估计优化堆栈自编码器的过热汽温预测模型 被引量：1
5
作者 马良玉 梁书源 《电力科学与工程》 2022年第10期47-53,共7页
为实现锅炉过热汽温的预测优化控制,基于某600 MW超临界机组的运行数据,采用堆栈自编码器(stacked autoencoder,SAE)建立其过热汽温特性预测模型。为加快模型训练误差梯度的下降速度,引入自适应矩估计(adaptive moment estimation,Adam... 为实现锅炉过热汽温的预测优化控制,基于某600 MW超临界机组的运行数据,采用堆栈自编码器(stacked autoencoder,SAE)建立其过热汽温特性预测模型。为加快模型训练误差梯度的下降速度,引入自适应矩估计(adaptive moment estimation,Adam)算法对SAE模型进行优化;对使用不同隐含层激活函数时预测模型精度的变化情况进行比较后,选择效果更好的elu激活函数。将基于以上策略建立的Adam-SAE过热汽温预测模型与采用随机搜索优化的极端梯度提升模型的预测效果进行对比,结果表明,Adam-SAE模型的预测误差更小、精度更高。 展开更多
关键词 超临界机组 过热汽温预测 堆栈自编码器 Adam算法 elu激活函数 极端梯度提升模型
在线阅读 下载PDF
绝对值激活深度神经网络的串联故障电弧检测 被引量：4
6
作者 余琼芳 黄高路 杨艺 《计算机应用》 CSCD 北大核心 2019年第A01期54-59,共6页
串联故障电弧具有隐蔽性和随机性,发生时线路电流波形受负载类型的影响而具有复杂性,检测难度大,严重威胁用电系统安全。鉴于电流数据具有大量负值的特点,提出用绝对值函数作为激活函数改进AlexNet深度学习网络检测串联故障电弧,并分析... 串联故障电弧具有隐蔽性和随机性,发生时线路电流波形受负载类型的影响而具有复杂性,检测难度大,严重威胁用电系统安全。鉴于电流数据具有大量负值的特点,提出用绝对值函数作为激活函数改进AlexNet深度学习网络检测串联故障电弧,并分析了激活函数特性对串联故障电弧检测效果的影响。把实验采集的三类负载分别在正常和发生串联故障电弧状态下的共7200组电流数据制作成训练集和测试集,并分别对使用四种激活函数的AlexNet网络进行训练和测试。实验结果显示,ELU激活的网络最高检测正确率为95.5%;而绝对值激活的网络效果最好,其平均检测正确率最高为97.25%,最低为93%,比ReLU激活的AlexNet网络最高88.75%的平均准确率高出最少4.25个百分点;而使用Sigmoid函数的网络不收敛。分析结果表明线性的激活数据特征有助于提高网络的检测准确率。 展开更多
关键词 串联故障电弧 深度学习 卷积神经网络 激活函数 绝对值函数 指数线性单元 修正线性单元
在线阅读 下载PDF
基于侧链连接卷积神经网络的手掌静脉图像识别 被引量：2
7
作者 娄梦莹 王天景 +2 位作者 刘娅琴 杨丰 黄靖 《计算机应用》 CSCD 北大核心 2020年第12期3673-3678,共6页
针对手掌静脉图像数量少且质量参差不齐,进而导致掌脉识别系统的性能降低的现象,提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先,在ResNet模型的基础上,用卷积层和池化层提取掌脉特征。然后,采用指数线性单元(ELU)激活... 针对手掌静脉图像数量少且质量参差不齐,进而导致掌脉识别系统的性能降低的现象,提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先,在ResNet模型的基础上,用卷积层和池化层提取掌脉特征。然后,采用指数线性单元(ELU)激活函数、批归一化(BN)和Dropout技术来改进和优化模型,以缓解梯度消失、防止过拟合、加快收敛及增强模型泛化能力。最后,引入稠密连接网络(DenseNet),使提取到的手掌静脉特征更具丰富性和有效性。在两个公开库和一个自建库上分别进行实验,结果表明所提方法在三个数据库上的识别率分别为99.98%、97.95%、97.96%。可见该方法能有效提高掌脉识别系统的性能,且更适用于掌脉识别的实际应用。 展开更多
关键词 手掌静脉识别 ResNet 指数线性单元激活函数 批归一化 DROPOUT 稠密连接网络
在线阅读 下载PDF
基于改进YOLOv4-tiny的无人机影像枯死树木检测算法 被引量：4
8
作者 金远航 徐茂林 郑佳媛 《自然资源遥感》 CSCD 北大核心 2023年第1期90-98,共9页
针对目前枯死树木检测主要依赖人工实地勘察,容易受到森林地形限制、勘察效率低、易发生危险等问题,提出一种引进注意力机制及空间金字塔池化的YOLOv4-tiny枯死树木检测算法。首先,该方法在模型的Backbone部分后引入空间金字塔池化(spat... 针对目前枯死树木检测主要依赖人工实地勘察,容易受到森林地形限制、勘察效率低、易发生危险等问题,提出一种引进注意力机制及空间金字塔池化的YOLOv4-tiny枯死树木检测算法。首先,该方法在模型的Backbone部分后引入空间金字塔池化(spatial pyramid pooling,SPP)结构,融合局部和全局特征,丰富模型的特征表达能力;其次,使用ELU替换模型中原激活函数LeakyReLU,使得激活函数单侧饱和,能够更好地收敛,提升模型鲁棒性;最后,将注意力机制ECANet引入模型中,加强网络对图像中重要信息的学习,提升网络的性能。实验利用无人机采集辽南某风景区山林的树木影像,并使用不同模型对其中枯死树木进行检测。通过实验结果表明,改进算法检测精度达到93.25%,相比于YOLOv4-tiny,YOLOv4,SSD和文献[8]算法,精度分别提升9.58%,12.57%,10.54%和4.87%,能够较好地实现对于枯死树木的检测。 展开更多
关键词 枯死树木 YOLOv4-tiny 注意力机制 SPP elu激活函数
在线阅读 下载PDF
基于ABiGRU的铣刀磨损监测方法研究 被引量：2
9
作者 刘超 王宸 +1 位作者 张秀峰 鲁旭祥 《计量学报》 CSCD 北大核心 2023年第5期679-686,共8页
为了准确监测铣削加工过程中刀具磨损程度,提出了一种基于双向门控循环神经网络融合注意力机制(ABiGRU)的刀具磨损监测模型。在该监测模型中,通过对振动、力和声发射传感器采集到的时序数据进行时域、频域和时频域分析,使用spearman相... 为了准确监测铣削加工过程中刀具磨损程度,提出了一种基于双向门控循环神经网络融合注意力机制(ABiGRU)的刀具磨损监测模型。在该监测模型中,通过对振动、力和声发射传感器采集到的时序数据进行时域、频域和时频域分析,使用spearman相关系数提取与后刀面平均磨损量强相关的20维特征。引入ELU激活函数来优化BiGRU网络,解决梯度消失问题;利用内部注意力机制提升模型对于重要特征信息的捕捉能力,快速实现从特征到刀具磨损值的映射。通过与RNN、LSTM、GRU、BiLSTM和BiGRU进行的对比分析,结果表明:该模型能够准确地表征刀具磨损程度,并使模型的精度和效率得到了较大的提高。 展开更多
关键词 计量学 刀具磨损监测 双向门控循环神经网络 注意力机制 特征提取 elu激活函数 梯度消失
在线阅读 下载PDF
改进残差网络的海水养殖鱼类识别与分类研究
10
作者 季星宇 赵雪峰 +1 位作者 陈荣军 仲兆满 《计算机时代》 2023年第9期101-105,共5页
为了满足海水养殖行业不断提高的智能化需求,对海洋鱼类的识别和分类算法进行研究。采用多重残差网络进行鱼类识别及分类,不仅降低计算复杂度,同时加快了残差网络的学习速度;引入指数线性单元(ELU)改进网络的标准残差模块,对输入的负激... 为了满足海水养殖行业不断提高的智能化需求,对海洋鱼类的识别和分类算法进行研究。采用多重残差网络进行鱼类识别及分类,不仅降低计算复杂度,同时加快了残差网络的学习速度;引入指数线性单元(ELU)改进网络的标准残差模块,对输入的负激活值部分进行非线性变化,其参数可通过卷积训练进行自适应学习,同时保持正激活值部分不变,解决了传统残差模块中ReLU层将包含有用信息的负激活值完全丢弃的问题,以降低梯度消失的概率。在海洋鱼类识别与分类的多次实验中,改进的残差网络准确率均不低于95.48%,表明改进算法拥有较高的识别准确率和良好的稳定性。 展开更多
关键词 海水养殖 鱼类识别 残差网络 指数线性单元 激活函数
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