期刊文献+
共找到1,453篇文章
< 1 2 73 >
每页显示 20 50 100
Data fusion control and guidance of surface-to-air missile under the complex circumstance based on neural-net technology
1
作者 Zhou Deyun Zhou Feng 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2008年第5期996-1002,共7页
Under the complicated electromagnetism circumstance, the model of data fusion control and guidance of surface-to-air missile weapon systems is established. Such ways and theories as Elman-NN, radar tracking and filter... Under the complicated electromagnetism circumstance, the model of data fusion control and guidance of surface-to-air missile weapon systems is established. Such ways and theories as Elman-NN, radar tracking and filter's data fusion net based on the group method for data-processing (GMRDF) are applied to constructing the model of data fusion. The highly reliable state estimation of the tracking targets and the improvement in accuracy of control and guidance are obtained. The purpose is optimization design of data fusion control and guidance of surface-to-air missile weapon systems and improving the fighting effectiveness of surface-to-air missile weapon systems. 展开更多
关键词 surface-to-air missile FUSION neural net GMDH control and guidance.
在线阅读 下载PDF
基于改进1DCNN-LSTM的防冲钻孔机器人钻进煤岩性状识别
2
作者 司垒 刘扬 +5 位作者 王忠宾 顾进恒 魏东 戴剑博 李鑫 赵杨奇 《矿业科学学报》 北大核心 2026年第1期206-217,共12页
防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,... 防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,基于一维卷积神经网络(1DCNN)和长短时记忆网络(LSTM)并结合模拟实验提出了一种钻进过程煤岩性状识别方法。通过加入卷积块注意力机制(CBAM),提升模型识别准确率,并采用改进蜣螂优化(IDBO)算法对模型中超参数进行寻优,确定最优的网络参数组合。搭建煤岩钻进模拟试验台,制作6种典型煤岩试块,采集回转速度、回转扭矩、推进速度和推进压力等4类传感信号,开展相应的对比测试分析。结果表明:所提方法具有较高的钻进煤岩识别准确率,达到97.00%,明显优于1DCNN和1DCNN-LSTM,以及逻辑回归、支持向量机(SVM)、决策树、随机森林、K聚类、Transformer等方法。 展开更多
关键词 防冲钻孔机器人 钻进煤岩识别 一维卷积神经网络(1DCNN) 长短时记忆神经网络(LSTM) 改进蜣螂优化(IDWO)算法
在线阅读 下载PDF
CA-SFTNet:基于空间特征变换和浓缩注意力机制的皮肤病灶分割模型
3
作者 张伟 梁敦英 +1 位作者 周婉婷 程祥 《计算机科学》 北大核心 2026年第3期277-286,共10页
针对皮肤病灶边缘模糊、毛发等噪声导致的分割病灶区域不完整、病灶特征分布差异较大等问题,基于U-Net提出一种结合浓缩注意力机制和残差空间特征变换的皮肤病灶分割算法CA-SFTNet。首先,在模型下采样过程中进行特征切分,保留皮肤病灶... 针对皮肤病灶边缘模糊、毛发等噪声导致的分割病灶区域不完整、病灶特征分布差异较大等问题,基于U-Net提出一种结合浓缩注意力机制和残差空间特征变换的皮肤病灶分割算法CA-SFTNet。首先,在模型下采样过程中进行特征切分,保留皮肤病灶浅层语义信息。其次,在跳跃连接处引入浓缩注意力机制(Condensed Attention Neural Block),使得模型能够聚焦于病灶区域,提高分割精度。最后,在模型尾部加入残差空间特征变换层(Residual Spatial Feature Transformation Layer),增强对皮肤病变图像不同区域的自适应调整能力,提高模型对特征分布差异较大病灶的识别能力。实验在ISIC2017和ISIC2018数据集上进行,结果表明,CA-SFTNet在分割性能上优于传统U-Net,Dice系数分别达到93.12%和92.36%,比U-Net提升7.15个百分点和4.81个百分点;IoU值分别为82.59%和82.31%,比U-Net提升6.23个百分点和4.45个百分点。相比TransUNet和Swin-UNet等拓展算法,Dice系数提升2~6个百分点,IoU值提升1.8~4个百分点。这些结果证明了改进算法在皮肤病变区域分割上的优越性,其能够有效提高分割精度。 展开更多
关键词 皮肤病变 U-Net 浓缩注意力机制 残差空间特征变换 语义分割
在线阅读 下载PDF
基于SDP图像转换和融合自注意力机制U-net神经网络的电机故障诊断
4
作者 徐丽 周腊吾 +3 位作者 龙卓 周子靖 周宇微 吴子豪 《中国测试》 北大核心 2026年第2期162-174,共13页
为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图... 为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图像,经对称性反色操作增强特征信号,再对生成图像进行数据泛化扩充,输入Unet网络上下采样处理,最后通过多层感知机完成故障分类。在0 HP、1 HP和2 HP三种负载工况下,对正常电机、断条电机、单相断路电机和转子错位电机进行测试,改进后的U-net模型故障诊断准确率超98%。实验表明,该方法有效解决电机故障诊断中的特征提取与小样本难题,在多种故障场景中展现出优异性能与可靠的诊断能力。 展开更多
关键词 电机故障诊断 对称点模式 扩散模型 U-net神经网络 自注意力机制 多层次感知机
在线阅读 下载PDF
基于改进U-Net的人工光植物工厂生菜图像分割方法
5
作者 李文豪 金文帅 +3 位作者 高晟 薛岳 毛罕平 左志宇 《农机化研究》 北大核心 2026年第6期157-163,共7页
针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分... 针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分割效果,结果表明:与传统方法相比,U-Net神经网络在分割精度和模型稳定性方面具有明显优势。然而,进一步分析U-Net模型的分割结果发现,其在复杂光照条件下的分割精度和泛化能力仍有提升空间,主要体现在边界细节处理和小目标分割的准确性不足。为此,针对性地提出3种改进策略:一是通过数据增强技术扩展训练数据集,以提升模型的鲁棒性;二是对U-Net模型的结构进行优化,改进金字塔结构以增强多尺度特征融合能力;三是采用坐标注意力机制,有效提升模型对目标区域的聚焦能力,特别是在背景复杂或光线不均的情况下。基于此,进行试验验证,结果表明:结合改进金字塔结构和坐标注意力机制的U-Net模型在分割平均精确率和平均交并比上分别达到98.19%和96.86%,相比原始U-Net模型分别提高了4.01、3.02个百分点。所提方法显著改善了人工光环境下对植物工厂作物的图像分割性能,为植物工厂内作物生长监测与精准信息采集提供了技术支持,同时为未来智能农业领域的相关研究奠定了基础。 展开更多
关键词 生菜图像分割 植物工厂 人工光 改进U-Net 注意力机制 神经网络
在线阅读 下载PDF
面向边缘端部署的油浸式变压器二维温度场快速计算模型
6
作者 傅榕韵 刘云鹏 +3 位作者 向文鑫 刘刚 刘浩宇 高树国 《高电压技术》 北大核心 2026年第1期338-346,共9页
为推进电力系统数智化建设,满足变压器数字化运维的实时性需求,该文提出了基于轻量型U-net网络快速获取油浸式变压器内部温度的方法。该方法利用数据驱动的深度学习算法及结构化剪枝技术,以环境温度及负载率为输入,建立变压器稳态温度... 为推进电力系统数智化建设,满足变压器数字化运维的实时性需求,该文提出了基于轻量型U-net网络快速获取油浸式变压器内部温度的方法。该方法利用数据驱动的深度学习算法及结构化剪枝技术,以环境温度及负载率为输入,建立变压器稳态温度场的快速计算模型,从而实现全场域温度分布预测。首先阐述了U-net神经网络及DepGraph组级剪枝算法的基本原理,建立面向边缘端应用的变压器温度场计算的整体思路,之后以1台220 kV油浸式变压器为例做算法验证,从计算效率和计算精度两个维度与Fluent仿真软件对比,全场域计算误差集中在0~2 K,平均相对误差仅为0.35%,计算时间由3600 s缩短至0.018 s。该文在实现以上快速计算的同时,减轻了数据回传压力和服务器计算负担,可为变压器数字化运行提供决策支撑。 展开更多
关键词 U-net神经网络 二维温度场 油浸式变压器 轻量化设计 边缘端应用
原文传递
基于改进U-Net模型的细胞图像分割
7
作者 郭健邦 陈昌奉 罗伟铭 《软件导刊》 2026年第2期172-179,共8页
为了解决传统U-Net模型存在的非线性特征提取能力有限、细胞图像分割精度较低的问题,提出一种基于改进的U-Net网络模型的细胞图像分割算法。首先,在U-Net网络模型的基础上改进原有Conv_Block卷积块的结构,设计了一种新的卷积结构Catch_C... 为了解决传统U-Net模型存在的非线性特征提取能力有限、细胞图像分割精度较低的问题,提出一种基于改进的U-Net网络模型的细胞图像分割算法。首先,在U-Net网络模型的基础上改进原有Conv_Block卷积块的结构,设计了一种新的卷积结构Catch_Conv,减少U-Net网络在卷积过程中重复提取patch中的冗余信息;其次,在特征融合过程中引入带有残差模块的SE-Attention注意力机制Res-SEAtt,确保U-Net网络感受野不减小的情况下,降低池化处理导致的信息损失。实验表明,所提算法的分割准确度达到97.88%,DICE系数达到92.45%,相较于其他模型在评价指标上具有更好的分割效果。 展开更多
关键词 图像分割 卷积神经网络 U-Net 注意力机制
在线阅读 下载PDF
基于DR特征提取网络和混合扩张卷积的头部检测
8
作者 罗晶 肖德广 《信息技术》 2026年第2期50-57,共8页
人体检测是一项主流的安全技术,具有很高的市场价值。然而,安防场景往往是复杂的,人群的密度以及场景本身的复杂性易导致人体目标被遮挡,因此选择人头这种遮挡可能性低的人体特征作为检测目标。首先文中在YOLOv3的基础上引入SPP模块,增... 人体检测是一项主流的安全技术,具有很高的市场价值。然而,安防场景往往是复杂的,人群的密度以及场景本身的复杂性易导致人体目标被遮挡,因此选择人头这种遮挡可能性低的人体特征作为检测目标。首先文中在YOLOv3的基础上引入SPP模块,增强了特征图表达能力,使特征图表达更为丰富。然后提出了一个重要的权重参数β来重建特征选择无锚模块(FSAF)的损失函数,并对FSAF模块进行了优化,以提高运动模糊目标的检测性能。该模块在训练过程中与YOLOv3检测器的基于锚点的分支联合工作,有效提高了检测器对微小和密集目标的检测精度。 展开更多
关键词 头部检测 小目标 卷积神经网络 DR-Net MDC
在线阅读 下载PDF
基于改进BILSTM/BIGRU的多特征短期负荷预测 被引量:2
9
作者 王昊 王树东 唐伟强 《计算机与数字工程》 2025年第3期755-759,864,共6页
针对传统神经网络在多输入特征下预测时间较长且精度欠佳的问题,论文提出了一种基于深度双向策略改进的长短期记忆神经网络与门控循环单元神经网络相结合的短期负荷预测模型。该模型采用自适应噪声完整集成经验模态算法将负荷数据进行分... 针对传统神经网络在多输入特征下预测时间较长且精度欠佳的问题,论文提出了一种基于深度双向策略改进的长短期记忆神经网络与门控循环单元神经网络相结合的短期负荷预测模型。该模型采用自适应噪声完整集成经验模态算法将负荷数据进行分解,降低负荷数据复杂度;利用互信息主成分分析法提取原始多维输入变量,降低主成分因子;然后通过改进鲸鱼优化算法对构建模型进行寻参优化。以中国某地区的负荷数据作为算例,将论文所构建模型与其它模型进行了对比分析,预测结果表明,论文所构建的模型能够缩短预测的时间,提高负荷预测的精度。 展开更多
关键词 负荷预测 深度双向策略 改进鲸鱼优化算法 长短期记忆神经网络 门控循坏单元神经网络
在线阅读 下载PDF
半监督学习模型下的露天矿高陡岩质边坡裂隙识别研究 被引量:1
10
作者 江松 章睿 +4 位作者 崔智翔 王会杰 刘仲光 吴祥业 饶彬舰 《安全与环境学报》 北大核心 2025年第10期3821-3829,共9页
针对传统露天矿边坡人工检测效率低、主观性强的问题,提出一种基于半监督学习的裂隙智能识别方法,旨在实现高效、精准的自动化检测。构建双模型协同训练框架:通过无人机采集露天矿高陡岩质边坡裂隙图像数据,利用少量人工标注样本与大量... 针对传统露天矿边坡人工检测效率低、主观性强的问题,提出一种基于半监督学习的裂隙智能识别方法,旨在实现高效、精准的自动化检测。构建双模型协同训练框架:通过无人机采集露天矿高陡岩质边坡裂隙图像数据,利用少量人工标注样本与大量未标注数据,设计主模型与评判模型协同迭代优化的半监督学习策略,分析模型在复杂背景下的特征学习能力,并验证半监督机制对性能的提升作用。结果表明:双模型协同训练框架在裂隙识别的精确率、召回率、交并比和平均像素精度分别达到91.9%、91.5%、88.7%和90.2%,均显著优于单一监督模型与传统图像分割算法。研究通过半监督学习策略融合标注数据与未标注数据的特征信息,为露天矿边坡裂隙检测提供了高效、鲁棒的技术路径,可降低对人工标注的依赖,提升复杂场景下的裂隙识别精度。 展开更多
关键词 安全工程 裂隙识别 图像分割 半监督学习 掩膜区域卷积神经网络 U形网络
原文传递
面向离散制造车间的CNN-GRU超宽带数据融合定位算法
11
作者 陈伟 郭宇 +1 位作者 田旭 王胜博 《机械设计与制造》 北大核心 2025年第7期360-364,368,共6页
针对离散制造车间各制造要素定位过程中存在非视距误差和测量系统误差的问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的超宽带数据融合定位算法。首先,对采集到的超宽... 针对离散制造车间各制造要素定位过程中存在非视距误差和测量系统误差的问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的超宽带数据融合定位算法。首先,对采集到的超宽带定位数据进行格式转换,以满足CNN和GRU的输入要求;其次,使用多通道CNN提取定位数据空间上的局部重要信息,并通过两层双向GRU单元挖掘数据的时序特征,在此基础上,利用集成学习思想融合局部重要特征和时序特征,以提高数据融合的定位准确度。最后,在某航天车间进行定位实例验证,实验结果表明,相较于CNN或GRU模型,所提方法在定位精度上具有更优越的性能。 展开更多
关键词 离散制造车间 超宽带室内定位 卷积神经网络 门控循环单元
在线阅读 下载PDF
基于噪声元学习的卫星遥测信号异常检测方法
12
作者 郭鹏飞 靳锴 +1 位作者 陈琪锋 魏才盛 《系统工程与电子技术》 北大核心 2025年第2期352-359,共8页
针对卫星遥测数据先验知识稀缺、常规数据驱动的异常检测方法难以准确辨识异常状态的问题,提出一种基于元学习与动态放缩阈值法的卫星遥测信号异常检测算法。首先,通过元学习算法求解一组具备快速适应小样本任务能力的长短期记忆神经网... 针对卫星遥测数据先验知识稀缺、常规数据驱动的异常检测方法难以准确辨识异常状态的问题,提出一种基于元学习与动态放缩阈值法的卫星遥测信号异常检测算法。首先,通过元学习算法求解一组具备快速适应小样本任务能力的长短期记忆神经网络初始参数,并在训练过程中为网络权重添加噪声,进一步提升模型泛化性能。其次,采用动态放缩阈值法分析预测误差序列,划定动态变化的异常阈值,标记异常点索引以实现卫星遥测数据异常检测。最后,通过两组卫星遥测信号算例验证所提算法的有效性。仿真结果表明,所提方法能够改善预测模型过拟合现象,并降低漏警概率。 展开更多
关键词 卫星遥测信号 异常检测 长短期记忆神经网络 元学习
在线阅读 下载PDF
复频域注意力和多尺度频域增强驱动的语音增强网络
13
作者 吕景刚 彭绍睿 +1 位作者 高硕 周金 《计算机应用》 北大核心 2025年第9期2957-2965,共9页
现有语音增强方法的目标信号为复频谱信号,而训练网络通常采用实值网络,训练时分别并行处理实部和虚部信号降低了特征提取的准确度,并且对复频域的语义特征提取不充分。为解决上述问题,提出一种基于复频域注意力和多尺度频域增强(CFAFE... 现有语音增强方法的目标信号为复频谱信号,而训练网络通常采用实值网络,训练时分别并行处理实部和虚部信号降低了特征提取的准确度,并且对复频域的语义特征提取不充分。为解决上述问题,提出一种基于复频域注意力和多尺度频域增强(CFAFE)的复数域网络实现语音增强。该网络以U-Net为基本架构,首先,利用短时傅里叶变换(STFT)将语音时序含噪信号转换到复频域;其次,针对复频域特征,设计复数域多尺度频域增强模块,构建复频域条件下增强的含噪语音局部特征挖掘模块,从而增强频域干扰和识别期望信号特征的能力;再次,在ViT(Vision Transformer)的基础上设计基于复频域的自注意力算法,实现并行复频域特征的增强;最后,在基准数据集VoiceBank+Demand上进行对比实验和消融实验,并在使用Noise92加噪后的Timit数据集上进行迁移泛化实验。实验结果表明,在VoiceBank+Demand数据集上,相较于深度复卷积递归网络(DCCRN),所提网络在语音质量的感知评估(PESQ)、MOS信号失真(CSIG)、MOS噪声失真(CBAK)、MOS整体语音质量(COVL)指标上分别提升了16.6%、10.9%、44.4%和14.1%;在Timit+Noise92数据集上,相较于DCCRN模型,在babble噪声信噪比(SNR)为-5 dB的条件下,所提网络的PESQ和STOI(Short-Time Objective Intelligibility)分别提高了29.8%和5.2%。 展开更多
关键词 语音增强 复神经网络 U-Net 注意力机制 TRANSFORMER
在线阅读 下载PDF
基于运动姿态数据挖掘的泊船遭遇角控制方法
14
作者 李宗锋 郑永果 齐林 《舰船科学技术》 北大核心 2025年第13期162-166,共5页
在环境风、浪的作用下,船舶在泊船过程中的运动姿态会发生显著变化,导致遭遇角出现偏差,从而无法按预期调整航向,进而降低泊船过程的安全性。因此,提出基于运动姿态数据挖掘的泊船遭遇角控制方法。利用FP-growth算法挖掘出运动姿态与遭... 在环境风、浪的作用下,船舶在泊船过程中的运动姿态会发生显著变化,导致遭遇角出现偏差,从而无法按预期调整航向,进而降低泊船过程的安全性。因此,提出基于运动姿态数据挖掘的泊船遭遇角控制方法。利用FP-growth算法挖掘出运动姿态与遭遇角控制间的关联关系。通过RBF神经网络构建泊船系统函数,由此使用Nomoto传递函数描述船舶航向响应特性,并将其输入至三阶闭环增益成形算法中,通过增益成形实时调整船舶运动状态,抑制外部环境干扰造成的遭遇角偏差,实现泊船遭遇角的精准控制。结果表明,所提方法各个时刻遭遇角控制结果与实际期望控制值高度吻合,可以稳定船舶的运动姿态,保证泊船过程的安全性。 展开更多
关键词 运动姿态数据挖掘 泊船遭遇角 FP-GROWTH算法 RBF神经网络 闭环增益成形算法
在线阅读 下载PDF
融合语义分割和边缘提取的DEGUNet桥梁裂缝识别方法
15
作者 殷新锋 谈承午 +3 位作者 陈勉 晏万里 陈湘 叶航艇 《公路工程》 2025年第3期53-62,73,共11页
为解决现有卷积神经网络识别桥梁细小裂缝时存在精度低、受环境影响大等问题,提出一种融合语义分割和边缘提取的DEGUNet桥梁裂缝识别方法。首先通过改进传统Canny边缘检测算法,计算图像在多个方向上的梯度幅值,以增强模型的几何敏感度;... 为解决现有卷积神经网络识别桥梁细小裂缝时存在精度低、受环境影响大等问题,提出一种融合语义分割和边缘提取的DEGUNet桥梁裂缝识别方法。首先通过改进传统Canny边缘检测算法,计算图像在多个方向上的梯度幅值,以增强模型的几何敏感度;其次构建动态门控模块并集成于U-Net模型各层级跳跃连接处,提升模型获取多层次裂缝边缘特征的能力;最后结合通道-空间注意力机制以残差连接的方式融入模型解码器结构,提高裂缝检测的精度。将所提方法与VGG-16模型和U-Net模型在相同数据集中进行训练测试,结果表明:所提方法裂缝识别精确率为93.76%,较VGG-16模型和U-Net模型分别提升了19.48个百分点和6.31个百分点;裂缝分割平均交并比为72.35%,相比VGG-16模型和U-Net模型分别提高了10.51个百分点和4.32个百分点。另外,在未参与训练的皮山河大桥数据集中,裂缝识别精确率为92.12%、F_(1)分数91.92%,召回率91.73%,裂缝分割的平均像素精准度为80.69%,平均交并比为87.38%。因此,本研究提出的DEGUNet网络能够准确分割并识别桥梁细小裂缝,同时在复杂性环境下表现出良好的鲁棒性。 展开更多
关键词 桥梁工程 裂缝识别 卷积神经网络 U-Net模型 CANNY边缘检测算法
在线阅读 下载PDF
基于多尺度样本重构与多通道融合的刀具磨损预测
16
作者 史丽晨 李金阳 +2 位作者 张国宁 陈嘉铭 豆卫涛 《制造业自动化》 2025年第9期9-18,共10页
刀具磨损预测对降本增效及保证加工质量意义重大。针对在环境噪声复杂,信噪比较低环境下刀具磨损相关信息特征提取困难、所提特征利用率低、预测精度和准确度不高等问题,首先提出了一种对振动信号进行多尺度样本重构(Multi-scale Sample... 刀具磨损预测对降本增效及保证加工质量意义重大。针对在环境噪声复杂,信噪比较低环境下刀具磨损相关信息特征提取困难、所提特征利用率低、预测精度和准确度不高等问题,首先提出了一种对振动信号进行多尺度样本重构(Multi-scale Sample Reconstruction,MSR)的方法来降低噪声对后续模型预测效果的影响,随后提出了一种以残差神经网络(Residual Neural Network,ResNet)和双向长短期记忆(Bidirectional Long Short-Term Memory Networks,BILSTM)网络集成模型为基础并通过在每个残差层融合交叉注意力机制(Criss Cross Attention,CCA),采用堆叠双向长短期记忆网络(Stacked Bidirectional Long Short-Term Memory Networks,SBILSTM)的改进模型,将改进模型与ResNet-BILSTM模型以及传统的深度学习模型进行对比,结果表明该方法很显著地提高了刀具磨损的预测精度和准确度。 展开更多
关键词 刀具磨损 残差神经网络 堆叠双向长短时记忆网络 多尺度样本重构
在线阅读 下载PDF
基于改进U-Net的舌象分割算法
17
作者 唐满 魏兵 郭东恩 《南阳理工学院学报》 2025年第4期8-15,共8页
舌诊作为一种独特的中医诊断手段,在疾病诊断、治疗及预防中发挥着不可替代的作用。针对传统舌诊主观性强和对医生经验依赖性高的问题,提出一种基于改进U-Net的舌象分割算法,通过引入条状池化和自适应空间金字塔池化(Atrous Spatial Pyr... 舌诊作为一种独特的中医诊断手段,在疾病诊断、治疗及预防中发挥着不可替代的作用。针对传统舌诊主观性强和对医生经验依赖性高的问题,提出一种基于改进U-Net的舌象分割算法,通过引入条状池化和自适应空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)对经典U-Net架构进行改进。首先对U-Net网络进行扩展,添加条状池化层以增强模型对舌象细节特征的捕捉能力,并引入ASPP模块以融合多尺度上下文信息。此外,通过数据集优化处理来增强模型的泛化能力。实验结果表明,改进后的U-Net模型在舌象分割任务上取得了显著的性能提升,提高了舌象分割的准确性,使得后续的舌象特征提取更加准确和一致,有助于标准化舌诊流程,具有较高的临床应用价值。 展开更多
关键词 舌象分割 卷积神经网络 U-Net 条状池化 ASPP
在线阅读 下载PDF
基于GM(1,1)与BP神经网络模型的西安市地下水位动态特征及趋势预测研究 被引量:1
18
作者 李培月 梁豪 +2 位作者 杨俊岩 田艳 寇晓梅 《西北地质》 北大核心 2025年第3期236-245,共10页
地下水是干旱与半干旱地区极其珍贵的自然资源,地下水动态的精准预测与评估关乎着地下水资源的有效保护与合理利用。本研究根据西安市2010~2020年地下水位监测数据,系统分析了西安市地下水位年际、年内动态变化特征,探究了影响地下水位... 地下水是干旱与半干旱地区极其珍贵的自然资源,地下水动态的精准预测与评估关乎着地下水资源的有效保护与合理利用。本研究根据西安市2010~2020年地下水位监测数据,系统分析了西安市地下水位年际、年内动态变化特征,探究了影响地下水位动态的主要因素,通过SPSS对影响地下水位动态的降水量和开采量两个主要因素进行相关性分析,并基于GM(1,1)灰度预测模型和BP神经网络模型对地下水位变动趋势进行了预测。结果表明:(1)2010~2016年,地下水位整体上呈下降趋势,2016~2020年间,得益于地下水压采和供水设施的不断优化完善,地下水位呈回升趋势。(2)降水和人为开采均对西安市地下水位变动具有显著影响;地下水位埋深是决定受降水影响程度的关键因素,其中河漫滩地区最为敏感,阶地次之,黄土塬区较弱。地下水开采量与地下水位埋深具有更强的相关性。这凸显了其在调控地下水位动态变化中的主导地位。(3)地下水位预测结果显示,随着地下水开采量呈现出逐年下降的趋势,研究区地下水整体处于波动上升趋势。本研究对西安市地下水动态的影响因素及预测趋势进行了研究,对地下水资源管理和可持续发展具有重要参考价值。 展开更多
关键词 地下水位动态 主导因素 回归分析 灰色模型 BP神经网络预测
在线阅读 下载PDF
深度学习在结肠息肉图像分割中的研究综述 被引量:4
19
作者 李国威 刘静 +1 位作者 曹慧 姜良 《计算机科学与探索》 北大核心 2025年第5期1198-1216,共19页
结肠息肉是一种可能发展为结直肠癌的胃肠道异常生长组织,因此,早期检测和切除结肠息肉对预防结直肠癌具有重要意义。近年来,深度学习技术在结肠息肉图像分割领域中的应用取得了显著进展,大幅提高了分割的准确性和自动化水平。针对深度... 结肠息肉是一种可能发展为结直肠癌的胃肠道异常生长组织,因此,早期检测和切除结肠息肉对预防结直肠癌具有重要意义。近年来,深度学习技术在结肠息肉图像分割领域中的应用取得了显著进展,大幅提高了分割的准确性和自动化水平。针对深度学习在结肠息肉图像分割中的研究展开综述,介绍了多种结肠息肉成像方式及包括图片和视频在内的常用数据集,并详细说明了这些数据集的特点。深入阐述了基于深度学习的结肠息肉分割方法,涵盖了全卷积网络、Mask R-CNN、生成对抗网络、U-Net、Transformer以及多网络融合模型,其中重点强调了UNet及其变体在结肠息肉图像分割中的应用,分析了其结构改进、性能提升和实际应用效果。同时,综合对比了各网络模型的主要改进思路、优缺点及其分割结果。指出了当前深度学习在该领域面临的主要挑战,并对未来的研究方向进行了相应的展望。 展开更多
关键词 结肠息肉分割 深度学习 医学图像 卷积神经网络 U-Net
在线阅读 下载PDF
基于PSO-BP神经网络的海上饲料称重研究
20
作者 林华建 刘孔瑞 +2 位作者 杨斌 俞文胜 潘柏霖 《渔业现代化》 北大核心 2025年第4期63-70,共8页
为了提高下料装置在海上摇摆、颠簸工况下的饲料称重精度,提出了基于PSO-BP神经网络的称重误差修正算法。基于传感技术,建立配置有称重传感器和姿态传感器的密闭式试验装置,在近海养殖场测取不同配重下0~20°倾斜范围内的饲料称重... 为了提高下料装置在海上摇摆、颠簸工况下的饲料称重精度,提出了基于PSO-BP神经网络的称重误差修正算法。基于传感技术,建立配置有称重传感器和姿态传感器的密闭式试验装置,在近海养殖场测取不同配重下0~20°倾斜范围内的饲料称重与姿态数据,在确定修正系数后,引入BP神经网络算法获取称重预测值。结果显示:真实质量分别为8.06 kg与12.40 kg的测试样本中,相较于直接测量法,BP神经网络算法修正后的称重数据的最大相对误差分别减小4.32%与4.36%;相较于BP神经网络算法,PSO-BP神经网络算法修正后的称重数据,其最大相对误差分别降低0.39%与0.33%。研究表明,对于海上网箱养殖业的饲料称重,运用PSO-BP神经网络算法进行误差修正具有更高的精度。 展开更多
关键词 饲料称重 网箱养殖 BP神经网络 粒子群 误差修正
在线阅读 下载PDF
上一页 1 2 73 下一页 到第
使用帮助 返回顶部