期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GATv2-TCN联合优化的WSN数据流异常检测算法
1
作者
苏宇杭
马俊
+3 位作者
樊津瑜
陈博行
周家城
尹博然
《计算机工程与科学》
北大核心
2025年第5期843-850,共8页
在传感器网络中,通过对数据流进行异常检测能够及时发现故障并报警,以确保系统安全可靠运行。然而WSN数据流异常检测仍面临2大难题:1)不同时间序列间复杂的相关性有待深入挖掘;2)在正常/异常样本分布极度不平衡的数据集中异常样本不易...
在传感器网络中,通过对数据流进行异常检测能够及时发现故障并报警,以确保系统安全可靠运行。然而WSN数据流异常检测仍面临2大难题:1)不同时间序列间复杂的相关性有待深入挖掘;2)在正常/异常样本分布极度不平衡的数据集中异常样本不易检出。提出一种基于GATv2-TCN的异常检测算法。采用GATv2和TCN来建模特征和时间维度的复杂关系,并优化预测和重构模块。采用4个数据集对所提算法进行性能验证与分析。实验结果表明,所提算法获得了较高的F 1和AUC,特别是在不平衡的数据集中各项指标均高于基线模型,具有较好的WSN数据流异常检测效果。
展开更多
关键词
无线传感器网络
数据流异常检测
gatv2
TCN
在线阅读
下载PDF
职称材料
图注意力Transformer网络的自适应网格划分
2
作者
韩婷
叶佳
+1 位作者
闫连山
甘宗鑫
《光电工程》
北大核心
2025年第4期2-13,共12页
针对有限元分析中自适应网格划分面临的计算精度与效率协同优化难题,本研究提出基于注意力融合机制的GTF-Net框架。该模型创新融合图注意力网络与Transformer架构,通过多头交叉注意力模块实现局部几何特征与全局物理场的动态耦合,增强...
针对有限元分析中自适应网格划分面临的计算精度与效率协同优化难题,本研究提出基于注意力融合机制的GTF-Net框架。该模型创新融合图注意力网络与Transformer架构,通过多头交叉注意力模块实现局部几何特征与全局物理场的动态耦合,增强对奇异场及复杂边界的表征能力。经光波导传输和贝塞尔函数双案例验证,相较传统Scikit-FEM(skFem)方法,GTF-Net在保持计算效率优势的同时,梯度误差标准差分别降低85.9%和23.8%。结果表明,该框架通过非线性特征映射显著提升网格分布与物理场变化的匹配度,为解决工程计算中的自适应网格优化问题提供深度学习新方案。
展开更多
关键词
自适应网格细化
gatv2
-Transformer融合网络
有限元分析
深度学习
在线阅读
下载PDF
职称材料
题名
基于GATv2-TCN联合优化的WSN数据流异常检测算法
1
作者
苏宇杭
马俊
樊津瑜
陈博行
周家城
尹博然
机构
青海师范大学物理与电子信息工程学院
青海师范大学高原科学与可持续发展研究院(物联网重点实验室)
青海大学计算机技术与应用学院
出处
《计算机工程与科学》
北大核心
2025年第5期843-850,共8页
基金
青海省自然科学基金(2021-ZJ-916)。
文摘
在传感器网络中,通过对数据流进行异常检测能够及时发现故障并报警,以确保系统安全可靠运行。然而WSN数据流异常检测仍面临2大难题:1)不同时间序列间复杂的相关性有待深入挖掘;2)在正常/异常样本分布极度不平衡的数据集中异常样本不易检出。提出一种基于GATv2-TCN的异常检测算法。采用GATv2和TCN来建模特征和时间维度的复杂关系,并优化预测和重构模块。采用4个数据集对所提算法进行性能验证与分析。实验结果表明,所提算法获得了较高的F 1和AUC,特别是在不平衡的数据集中各项指标均高于基线模型,具有较好的WSN数据流异常检测效果。
关键词
无线传感器网络
数据流异常检测
gatv2
TCN
Keywords
wireless sensor network
data flow anomaly detection
gatv2
TCN
分类号
TP212.9 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
图注意力Transformer网络的自适应网格划分
2
作者
韩婷
叶佳
闫连山
甘宗鑫
机构
西南交通大学信息科学与技术学院
出处
《光电工程》
北大核心
2025年第4期2-13,共12页
基金
中国国家重点研发计划(2022YFB2802701)
国家自然科学基金(U23A20376,62075185,62271422)
四川省杰出青年科学基金(2024NSFJQ0016)。
文摘
针对有限元分析中自适应网格划分面临的计算精度与效率协同优化难题,本研究提出基于注意力融合机制的GTF-Net框架。该模型创新融合图注意力网络与Transformer架构,通过多头交叉注意力模块实现局部几何特征与全局物理场的动态耦合,增强对奇异场及复杂边界的表征能力。经光波导传输和贝塞尔函数双案例验证,相较传统Scikit-FEM(skFem)方法,GTF-Net在保持计算效率优势的同时,梯度误差标准差分别降低85.9%和23.8%。结果表明,该框架通过非线性特征映射显著提升网格分布与物理场变化的匹配度,为解决工程计算中的自适应网格优化问题提供深度学习新方案。
关键词
自适应网格细化
gatv2
-Transformer融合网络
有限元分析
深度学习
Keywords
adaptive mesh refinement
gatv2
-Transformer fusion network
finite element analysis
deep learning
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GATv2-TCN联合优化的WSN数据流异常检测算法
苏宇杭
马俊
樊津瑜
陈博行
周家城
尹博然
《计算机工程与科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
图注意力Transformer网络的自适应网格划分
韩婷
叶佳
闫连山
甘宗鑫
《光电工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部