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117篇文章
< 1 2 … 6 >
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1D-2D-GRU-ResNet的辐射源个体识别方法
1
作者 刘恒燕 方君 +3 位作者 凌青 闫文君 于柯远 张立民 《系统工程与电子技术》 北大核心 2026年第2期727-735,共9页
针对现有辐射源个体识别算法对特征提取不够充分,导致分类准确率提升受限的问题,提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据,分别采用门控循环单元(gated recurrent uni... 针对现有辐射源个体识别算法对特征提取不够充分,导致分类准确率提升受限的问题,提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据,分别采用门控循环单元(gated recurrent unit,GRU)及改进的深度残差网络(residual networks,ResNet)提取一维、二维特征,充分利用原始序列特征及机器学习处理二维数据的优势进行互补。仿真结果表明,GRU-ResNet具有更好的特征提取能力,大大提升了辐射源个体识别准确率,迭代次数为50次时,识别准确率较其他网络提升了10%以上,为特定辐射源识别问题提供了新思路。 展开更多
关键词 特定辐射源识别 门控循环单元 深度残差网络 特征融合
在线阅读 下载PDF
基于改进SE-ResNet50的激光雷达晴空湍流识别研究
2
作者 庄子波 陈珺 +3 位作者 何沛林 张红颖 靳国华 罗雄 《雷达学报(中英文)》 北大核心 2025年第3期629-640,共12页
针对机场低空区域采用激光雷达进行湍流识别时识别率低的问题,提出了使用一种改进50层挤压激励残差网络(SE-ResNet50)的晴空湍流识别方法。通过引入挤压激励模块,改进网络结构,降低了模型对特征定位的过度敏感,使网络在学习过程中选择... 针对机场低空区域采用激光雷达进行湍流识别时识别率低的问题,提出了使用一种改进50层挤压激励残差网络(SE-ResNet50)的晴空湍流识别方法。通过引入挤压激励模块,改进网络结构,降低了模型对特征定位的过度敏感,使网络在学习过程中选择性地突出有用的信息特征;以兰州中川国际机场的实测数据建立了样本数据集,依据湍流分类等级抽取弱、中、强3类等量颠簸数据建立平衡数据集进行模型训练。在相同的实验条件下,与卷积神经网络、MobileNetV2和ShuffleNetV1网络相比,改进SE-ResNet50的识别准确率分别提高了7.44%,6.52%和4.11%,对比各个模型生成的混淆矩阵,表明该文方法的准确率达到了95%,验证了所提方法的可行性。 展开更多
关键词 激光雷达 涡流耗散率(EDR) 晴空湍流 残差网络(resnet) 深度学习
在线阅读 下载PDF
基于改进ResNet深度学习的古代壁画分类方法 被引量：2
3
作者 曹建芳 彭存赫 +1 位作者 陈志强 杨卓林 《电子测量技术》 北大核心 2025年第1期186-196,共11页
针对壁画图像人物间纹理,轮廓相似,不同场景下壁画人物特征差异较大,背景噪声复杂,分类易混淆等问题,提出了一种针对ResNet卷积神经网络的改进策略。首先将模型输入层中较大的7×7卷积核分离为3个串联的3×3小卷积核堆积的主干,... 针对壁画图像人物间纹理,轮廓相似,不同场景下壁画人物特征差异较大,背景噪声复杂,分类易混淆等问题,提出了一种针对ResNet卷积神经网络的改进策略。首先将模型输入层中较大的7×7卷积核分离为3个串联的3×3小卷积核堆积的主干,将2×2平均池化与最大池化进行add特征融合取代原最大池化操作,增强模型的表征能力。其次设计了一种多尺度高效的空间通道注意模块,以ECA通道注意力模块为基础,串联空间注意力模块,将空间模块中原3×3卷积核替换为SK注意力模块,融合多尺度信息捕捉全局长距离依赖关系,降低背景噪声的干扰。最后提出一种蜂窝式聚合结构,将相邻的block块中的输出信息进行add操作,作为后续层的输入,同时捕获低级和高级特征,增强上下文信息的流通性。实验结果表明:该模型在准确率、精度、召回率和F1值分别达到96.51%、96.65%、96.67%、96.63%。相对于原模型ResNet-18准确率提升9.76%,与主流的分类算法相比分类准确率、泛化能力、稳定性均有一定的提升,能够高效准确识别壁画所属类型,这对于文化遗产保护和艺术史方面研究具有显著价值。 展开更多
关键词 壁画分类 resnet 注意力机制 特征提取 卷积神经网络 深度学习
原文传递
基于网络重构的改进ResNet表情识别研究
4
作者 王梦娇 李瑶 李捍东 《智能计算机与应用》 2025年第8期36-41,共6页
表情识别是人工智能研究的一个重要方向,能够通过分析人脸表情的特征来判断人的情绪,实现计算机对人脸表情的理解与识别。研究目标是通过改进损失函数、调整算法结构提高表情识别的精度和速度。以ResNet网络模型为基础,使用改进后的损... 表情识别是人工智能研究的一个重要方向,能够通过分析人脸表情的特征来判断人的情绪,实现计算机对人脸表情的理解与识别。研究目标是通过改进损失函数、调整算法结构提高表情识别的精度和速度。以ResNet网络模型为基础,使用改进后的损失函数来改进模型,由可视化分析发现改进后模型的部分卷积层功能相似,故提出了基于网络重构的改进ResNet网络模型来进一步简化。最后使用标准表情数据集(CK+、BU-3DFE)评估本文所提出的网络模型,与分别结合软最大损失函数、中心损失函数的ResNet网络模型做对比实验。实验结果表明改进的模型在不同数据集上表情识别的效果都有了明显的提升,这证明了改进后的网络模型具有一定的价值。 展开更多
关键词 深度学习 resnet 表情识别 损失函数 网络重构
在线阅读 下载PDF
基于数据融合ResNet网络的外辐射源定位方法
5
作者 苏琳 魏国峰 +3 位作者 汤鹏 焦雨涛 张胜磊 丁国如 《哈尔滨工程大学学报》 北大核心 2025年第5期1014-1022,共9页
针对复杂电磁空间中对零功率目标的难以定位问题,本文利用外辐射源在实现非合作目标定位过程中的泛在性,从目标与背景环境之间相互作用关系的角度出发,首先将目标有无以及目标所处位置识别建模为多元假设检验问题,然后通过挖掘利用电磁... 针对复杂电磁空间中对零功率目标的难以定位问题,本文利用外辐射源在实现非合作目标定位过程中的泛在性,从目标与背景环境之间相互作用关系的角度出发,首先将目标有无以及目标所处位置识别建模为多元假设检验问题,然后通过挖掘利用电磁环境状态特征,提出了基于数据融合ResNet网络的外辐射源定位方法,进一步构建了室内模拟场景,采集了实测信号。分析结果表明,与单接收机的ResNet网络相比,所提的基于多接收机数据融合ResNet网络可提供更准确的定位性能。 展开更多
关键词 无源定位 外辐射源 目标感知 电磁环境状态特征 多元假设检验 数据融合 resnet网络 深度学习
在线阅读 下载PDF
基于ResNet-Att的网络入侵检测模型研究 被引量：3
6
作者 王继伟 张海建 霍巍 《铁路计算机应用》 2025年第3期7-11,共5页
为提高铁路网络入侵检测能力,解决传统网络入侵检测算法误报率高、维护成本高、无法应对未知攻击等问题,提出了一种基于ResNet-Att的网络入侵检测模型。该模型将ResNet网络中的跳跃连接与注意力机制的优点相结合,以增强对网络流量中异... 为提高铁路网络入侵检测能力,解决传统网络入侵检测算法误报率高、维护成本高、无法应对未知攻击等问题,提出了一种基于ResNet-Att的网络入侵检测模型。该模型将ResNet网络中的跳跃连接与注意力机制的优点相结合,以增强对网络流量中异常行为的识别能力。通过在CICIDS-2017数据集上进行训练和测试,结果表明,该模型在网络入侵检测的多分类任务中准确率达99.75%、平均召回率达95.33%、平均精确率达94.48%,均超过传统网络入侵检测模型,有助于提高铁路系统的网络安全性,可为网络安全技术的发展提供技术支撑。 展开更多
关键词 网络入侵检测 深度学习 机器学习 resnet 注意力机制
在线阅读 下载PDF
基于ResNet-Transformer模型的风电机组偏航异响故障诊断
7
作者 陈亚楠 胡凯凯 +1 位作者 李籽圆 王立鹏 《控制与信息技术》 2025年第1期21-26,共6页
风电机组作为新型电力系统的核心设备,运行在恶劣的工作环境下,并受到多种不确定因素的影响,易发生故障。其中,作为风电机组的关键部件,偏航系统的故障显得尤为严重。为提高风电机组偏航系统异响故障诊断的准确性,文章提出了一种基于声... 风电机组作为新型电力系统的核心设备,运行在恶劣的工作环境下,并受到多种不确定因素的影响,易发生故障。其中,作为风电机组的关键部件,偏航系统的故障显得尤为严重。为提高风电机组偏航系统异响故障诊断的准确性,文章提出了一种基于声音信号的ResNet-Transformer模型。首先,利用ResNet的残差结构进行声音信号的局部特征提取,以增强对微小信号变化的感知能力;其次,结合Transformer的多头注意力机制捕捉全局特征信息,从不同时间步长的原始信号中提取全局信息,使模型在捕捉长时间跨度特征时具备更高的灵活性和鲁棒性;最后,通过整合局部信息和全局信息,使模型同时关注微观细节和宏观依赖,从而精确识别和分类复杂声音信号中的关键特征。实验结果表明,该模型基于声音信号的偏航故障诊断准确率可达96.88%,为后续快速、有针对性的风电机组维护和安全诊断提供了新的技术途径。 展开更多
关键词 风电机组 偏航异响 故障诊断 深度残差网络 TRANSFORMER
在线阅读 下载PDF
基于3D ResNet网络的多层螺旋CT在肺结核临床诊断中的应用
8
作者 米日古丽·达毛拉 努尔阿米娜·肉孜 +4 位作者 古丽米热·艾麦提 阿里木江·阿卜杜凯尤木 王洋 麦日耶木姑丽·艾山 马依迪丽·尼加提 《医疗装备》 2025年第20期13-17,共5页
目的 评估基于3D ResNet网络的多层螺旋CT在肺结核诊断中的应用价值。方法 选取2016年1月至2023年8月医院收治的735例肺结核患者和348例肺炎患者的胸部CT影像资料,按7∶2∶1比例分为训练集、验证集和测试集,另选取同期150例肺结核患者与... 目的 评估基于3D ResNet网络的多层螺旋CT在肺结核诊断中的应用价值。方法 选取2016年1月至2023年8月医院收治的735例肺结核患者和348例肺炎患者的胸部CT影像资料,按7∶2∶1比例分为训练集、验证集和测试集,另选取同期150例肺结核患者与130例肺炎患者进行外部验证。使用3D VGG-16、3D EfficientNet和3D ResNet-50深度学习模型完成诊断,采用受试者工作特征(ROC)曲线分析3种模型在训练集、验证集、测试集和外部验证集中的效能,比较有、无采用AI系统辅助阅片对肺结核的诊断效能。结果 3D ResNet-50的分类性能最好,曲线下面积(AUC)和准确度均高于其他2个模型,模型在内部测试集上的AUC为0.822,准确度为0.859。AI系统辅助放射科医师诊断肺结核的特异度、准确度均高于医师独立诊断,阅片时间短于医师独立诊断(P<0.05)。结论 基于3D ResNet网络自动化率的诊断方法可提高肺结核的诊断准确度。 展开更多
关键词 多层螺旋CT 3D resnet网络 肺结核 肺炎 深度学习
暂未订购
基于ResNet提高特定目标类精度的微调法
9
作者 江星剑 王士同 《计算机应用》 北大核心 2025年第S2期28-34,共7页
卷积神经网络(CNN)在图像分类中会出现某些特定目标类精度无法达到精度要求的问题;因此,以图像分类的主流模型残差神经网络(ResNet)为切入点进行研究,在维持它的基本结构不变且无需重新训练的前提下,提出提高特定目标类精度的基于ResNe... 卷积神经网络(CNN)在图像分类中会出现某些特定目标类精度无法达到精度要求的问题;因此,以图像分类的主流模型残差神经网络(ResNet)为切入点进行研究,在维持它的基本结构不变且无需重新训练的前提下,提出提高特定目标类精度的基于ResNet微调法(ResNet-FT),在提高特定目标类的精度同时保持整体精度。首先,筛选残差模块兴奋层;其次,在这些层里使用ResNet兴奋神经元算法(ResNet-ENA),并根据最大输出阈值公式找出能使分类器中的错误分类修正为正确分类的兴奋神经元;最后,将这些神经元以合适的权重连接到目标类,以修正错误的目标类输出,从而可控地提高单个或多个目标类的精度。在SVHN、CIFAR10和CIFAR100数据集上的实验结果表明,所提方法对2个目标类的精度分别提升了0.83、3.30、7.00和0.78、1.40、4.00个百分点,整体精度损失控制在0.09个百分点以下。可见,该方法对ResNet的目标类精度提高有良好的效果。 展开更多
关键词 残差神经网络 图像分类 兴奋神经元 θ连接 深度学习 微调
在线阅读 下载PDF
基于DTL与DC-ResNet的非侵入式多标签负荷识别方法 被引量：2
10
作者 潘国兵 王振涛 +3 位作者 欧阳静 王杰 高亚栋 尹康 《高技术通讯》 CAS 2021年第7期781-789,共9页
针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有... 针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有效的负荷特征,可以达到降维的效果。然后将负荷数据按时间滑窗生成特征图作为DC-ResNet的输入,利用卷积核自动提取时间尺度上的有效特征。DC-ResNet的一条通道用于提取大类特征预测负荷的开关状态,另一条通道用于提取小类特征预测负荷的运行模式,综合两条通道的输出可以得到最后的多标签分类结果。实验结果表明,经DTL提取后的负荷数据更易被识别,DC-ResNet在总体和单一设备的识别上都具有更好的效果,而且模型所需的训练时间较短。 展开更多
关键词 双通道深度残差神经网络(DC-resnet) 深度转换学习(DTL) 非侵入式负荷识别 多标签分类
在线阅读 下载PDF
基于DenseNet和ResNet融合的发动机孔探图像分类研究 被引量：6
11
作者 敖良忠 马瑞阳 杨学文 《计算技术与自动化》 2021年第3期105-110,183,共7页
孔探是检测发动机内部损伤最重要的手段之一。为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础。通... 孔探是检测发动机内部损伤最重要的手段之一。为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础。通过对某大修厂孔探数据和自建数据进行处理,完成了孔探图像分类数据集的构建;训练新型的49层网络模型,在自建数据集测试集上测试的准确率和平均召回率分别为96.0%和95.9%,有较好的泛化能力,可以有效的对发动机部件进行分类。 展开更多
关键词 发动机孔探 部件分类 DenseNet resnet 深度神经网络
在线阅读 下载PDF
ResNet-UAN-AUD:基于深度学习的水声上行非正交多址通信系统活动用户检测方法 被引量：1
12
作者 王建平 陈光岚 +1 位作者 冯启高 马建伟 《传感技术学报》 CAS CSCD 北大核心 2024年第6期985-996,共12页
水下声学网络(Underwater Acoustic Networks,UAN)是探测未知水域的重要技术手段。非正交多址(Non-Orthogonal Multiple Access,NOMA)是一种新颖的移动通信技术,支持时域、频域、空域/编域的非正交分配,可有效地提高网络容量和用户接入... 水下声学网络(Underwater Acoustic Networks,UAN)是探测未知水域的重要技术手段。非正交多址(Non-Orthogonal Multiple Access,NOMA)是一种新颖的移动通信技术,支持时域、频域、空域/编域的非正交分配,可有效地提高网络容量和用户接入数,为性能和电量受限的UAN提供创新解决方案。活动用户检测(Active User Detection,AUD)是NOMA通信系统的基础支撑,对于NOMA系统消除信号干扰和提高接收性能至关重要。ResNet是基于残差模块跳跃连接的神经网络,解决了深度学习的梯度消失和网络退化问题。提出了一种基于深度学习的水声上行NOMA通信系统AUD检测方案。首先,构建水声上行NOMA通信系统基本模型;其次,实施NOMA活动用户检测问题的数学表征;接着,开发基于ResNet网络的水声NOMA系统活动节点检测方法(ResNet-UAN-AUD);最后,执行仿真实验。结果表明,ResNet-UAN-AUD的检测性能接近基于长短期记忆网络的活动用户检测(LSTM-UAN-AUD)方案,而复杂度略高于基于卷积神经网络的活动用户检测(CNN-UAN-AUD)技术,实现了次优目标,适合水声上行NOMA系统使用。 展开更多
关键词 水声网络 深度学习 残差神经网络(resnet) 活动用户检测 上行NOMA通信系统
在线阅读 下载PDF
基于CT影像构建的ResNet-18模型在非酒精性脂肪性肝病分级中的应用 被引量：2
13
作者 雷立存 杜亚强 +3 位作者 周琦 高天姿 杨爽 王哲 《中国医学影像学杂志》 CSCD 北大核心 2022年第3期245-249,共5页
目的 应用深度学习图像识别网络ResNet-18,基于肝脏CT扫描图像,建立非酒精性脂肪性肝病(NAFLD)分级预测模型,为辅助临床诊断提供参考。资料与方法 收集2020年5—12月河北医科大学第一医院164例经CT扫描检查拟诊为NAFLD的影像数据,共1 80... 目的 应用深度学习图像识别网络ResNet-18,基于肝脏CT扫描图像,建立非酒精性脂肪性肝病(NAFLD)分级预测模型,为辅助临床诊断提供参考。资料与方法 收集2020年5—12月河北医科大学第一医院164例经CT扫描检查拟诊为NAFLD的影像数据,共1 801层CT平扫图像,同时收集20例行上腹部CT平扫未见明显异常者作为对照组,共200层图像,共计2 001层图像。首先进行图像预处理,按照60%、20%、20%划分训练、验证和测试数据集,训练与验证数据集用于建立采用迁移学习方式的ResNet-18网络模型,优化模型权重参数以及防止过拟合,测试数据集用于评估模型最终表现,用受试者工作特征曲线评估ResNet-18图像识别网络在NAFLD分级中的价值。结果 ResNet-18图像识别网络在测试集中的总体准确率为95%,识别正常与轻中重度NAFLD分级的敏感度分别为100%、98%、88%、97%,特异度分别为95%、94%、98%、94%,受试者工作特征曲线下面积均>0.98。结论 ResNet-18图像识别网络在图像识别方面具有较高的敏感度和特异度,可以准确进行NAFLD分级诊断。 展开更多
关键词 非酒精性脂肪性肝病 体层摄影术 X线计算机 深度学习 resnet 图像识别 卷积神经网络
暂未订购
基于ResNet残差神经网络识别的深部煤层显微组分和微裂缝分类——以鄂尔多斯盆地石炭系本溪组8~#煤层为例 被引量：3
14
作者 刘大锰 王子豪 +6 位作者 陈佳明 邱峰 朱凯 高羚杰 周柯宇 许少博 孙逢瑞 《石油与天然气地质》 CSCD 北大核心 2024年第6期1524-1536,共13页
显微组分和微裂缝是煤储层重要的微观特征,影响煤储层产气能力和力学性质。采集鄂尔多斯盆地深部煤层气井石炭系本溪组8^(#)煤层样品,运用ResNet残差神经网络识别方法,研究了显微组分和微裂缝发育特征。在煤样305个显微组分和65个微裂... 显微组分和微裂缝是煤储层重要的微观特征,影响煤储层产气能力和力学性质。采集鄂尔多斯盆地深部煤层气井石炭系本溪组8^(#)煤层样品,运用ResNet残差神经网络识别方法,研究了显微组分和微裂缝发育特征。在煤样305个显微组分和65个微裂缝图样本研究的基础上,建立了基于残差神经网络识别的煤岩显微组分和微裂缝识别方法,并利用残差神经网络技术对镜下数据进行反演,构建了深部煤储层显微组分和微裂缝的识别和分类模型。结合地质特征和聚类算法结果联合验证,模型具有可靠性。显微组分预测准确率为0.90,微裂缝预测准确率为0.80,可以有效预测煤岩显微组分和微裂缝类型。模型识别与预测表明裂缝形态与显微组分具有相关关系。裂缝的发育与显微组分中的镜质组关系最大,裂缝类别和数量的预测结果与显微组分发育的相吻合。 展开更多
关键词 分类模型 残差神经网络 显微组分 微裂缝 深部煤储层 煤层气 石炭系 鄂尔多斯盆地
在线阅读 下载PDF
基于MDM-ResNet的脑肿瘤分类方法 被引量：8
15
作者 夏景明 邢露萍 +1 位作者 谈玲 宣大伟 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2022年第2期212-219,共8页
脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解... 脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解这些问题.因此,本文基于ResNet提出了一种MDM-ResNet网络,该网络由多尺寸卷积核模块(Multi-size convolution kernel module)、双通道池化层(Dual-channel pooling layer)和多深度融合残差块(Multi-depth fusion residual block)组成.本文实验在Figshare数据集上展开,采用数据增强操作对图像进行预处理,并利用5倍交叉验证方法对网络性能进行评估.最终实验结果表明MDM-ResNet能够对脑膜瘤(Meningioma)、胶质瘤(Glioma)和垂体瘤(Pituitary tumor)进行有效分类. 展开更多
关键词 脑肿瘤 深度神经网络(DNN) 残差网络(resnet) 多尺寸卷积核模块 双通道池化层 多深度融合残差块
在线阅读 下载PDF
基于深度平行残差神经网络的质子交换膜燃料电池故障诊断
16
作者 宫文峰 石磊 +1 位作者 盛晨兴 张泽辉 《计算机系统应用》 2026年第2期269-279,共11页
质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)作为一种新型可再生清洁能源设备具有巨大的市场应用价值.PEMFC在复杂多变的运行工况下长时间连续工作易发生水管理故障.然而,传统的故障诊断方法难以有效地从动态变化的... 质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)作为一种新型可再生清洁能源设备具有巨大的市场应用价值.PEMFC在复杂多变的运行工况下长时间连续工作易发生水管理故障.然而,传统的故障诊断方法难以有效地从动态变化的监测数据中提取出关键故障特征.为此,提出了一种基于深度平行残差神经网络的PEMFC故障诊断方法.该方法首先将采集的电流、电压等多源信号进行数据处理;然后,设计了一种深度平行残差神经网络(deep parallel residual neural network,DP-ResNet)解决残差网络多尺度特征提取能力不足的问题;最后,将提出的算法应用于质子交换膜燃料电池在负载变化工况下的水管理故障数据集进行诊断验证.实验结果表明,提出的DP-ResNet模型在真实的PEMFC实验数据集中对水淹故障的诊断准确率高达99.46%.该方法相比于传统机器学习Decision-tree、GaussianNB、KNN和CNN算法具备更高的特征提取能力和诊断精度. 展开更多
关键词 燃料电池 故障诊断 质子交换膜 深度平行残差神经网络
在线阅读 下载PDF
基于深度学习的蓝莓病虫害识别系统研究与应用
17
作者 朱轶峰 《今日自动化》 2026年第2期138-141,共4页
蓝莓是一种经济价值较高的水果,传统种植主要依靠人工识别病虫害,识别的结果主要依赖于人工经验,效率低下且成本高。文章提出了一种基于深度学习的蓝莓病虫害识别系统,旨在实现蓝莓病虫害自动检测,进而提高识别精度。
关键词 蓝莓病虫害识别 YOLOv8 resnet 深度学习 卷积神经网络
在线阅读 下载PDF
基于深度学习的水果智能分拣系统设计与实现
18
作者 刘兴伟 张涛涛 +2 位作者 张文辉 李学斌 王宗奇 《数学的实践与认识》 北大核心 2026年第1期252-262,共11页
针对果实分拣中存在识别精度低、耗时长等问题,设计实现了一种基于深度学习的智能水果分拣系统.首先,该系统采用残差网络(Residual network,ResNet)模型,通过引入动态残差门控机制优化梯度传播有效解决了深层网络训练中的梯度消失和爆... 针对果实分拣中存在识别精度低、耗时长等问题,设计实现了一种基于深度学习的智能水果分拣系统.首先,该系统采用残差网络(Residual network,ResNet)模型,通过引入动态残差门控机制优化梯度传播有效解决了深层网络训练中的梯度消失和爆炸问题,使得网络能够通过跳跃连接学习到更有效的特征表示;其次,对ResNet-18模型进行了轻量化设计,利用交叉熵损失函数(CrossEntropy loss,CELoss)和Adam优化器(Adaptive moment estimation,Adam)来进行模型的训练;最后,对数据集peach-split进行实验分析,结果表明构建的智能分拣系统对提高水果分拣精度研究具有一定的实用价值. 展开更多
关键词 深度学习 resnet-18模型 卷积神经网络(Convolutional neural network CNN) 水果分拣 轻量化模型
原文传递
基于CA-ResNet网络与nadam优化的入侵检测算法 被引量：10
19
作者 张文泷 魏延 +3 位作者 李媛媛 蒋俊蕊 张昆 张杨 《重庆师范大学学报（自然科学版）》 CAS 北大核心 2021年第4期97-106,共10页
【目的】针对深度学习模型在网络入侵检测中进行参数训练时因梯度消失而导致深度学习模型过拟合在测试集上准确率下降的问题。提出一种结合LeakyRelu激活函数与ResNet的网络入侵检测算法,即CA-ResNet,并采用nadam优化器对模型进行优化... 【目的】针对深度学习模型在网络入侵检测中进行参数训练时因梯度消失而导致深度学习模型过拟合在测试集上准确率下降的问题。提出一种结合LeakyRelu激活函数与ResNet的网络入侵检测算法,即CA-ResNet,并采用nadam优化器对模型进行优化。【方法】该模型在DNN的基础上增加了网络的层次,结合了ResNet和LeakyRelu激活函数。【结果】解决了模型训练时梯度消失的问题,保证了该模型在测试数据集上的表现,使得训练的模型的泛化能力更强,同时通过增加网络的单层维度和总层次的深度,提高了网络的特征提取能力和对尺度的适应性。【结论】使用KDD Cup99数据中的Corrected数据集对算法进行验证。实验表明,该算法与CNN和CNN-BiLSTM算法相比具有更高的准确率和F1-score,准确率能够达到95.0%,F1-score能够达到97.5,时间复杂度为线性时间复杂度。 展开更多
关键词 网络安全 深度学习 入侵检测 resnet残差网络 协同激活函数 CA-resnet nadam优化器
原文传递
一种基于改进ResNet的疲劳检测方法 被引量：4
20
作者 王家曜 马亮亮 +1 位作者 王飞 赵德京 《自动化与仪表》 2023年第11期66-70,共5页
为了避免因疲劳驾驶导致的交通事故的发生,该文提出一种基于改进ResNet网络的疲劳检测方法。通过在残差模块中引入深度卷积,对标准化方法进行优化并引入平均池化和注意机制,有效提升了模型对脑电信号全局信息的捕捉能力。通过SEED-VIG... 为了避免因疲劳驾驶导致的交通事故的发生,该文提出一种基于改进ResNet网络的疲劳检测方法。通过在残差模块中引入深度卷积,对标准化方法进行优化并引入平均池化和注意机制,有效提升了模型对脑电信号全局信息的捕捉能力。通过SEED-VIG的功率谱特征和微分熵特征数据集、多熵融合疲劳检测数据集和SPIS静息状态数据集对该文模型进行验证。实验结果表明,该文模型在各数据集上的平均准确率达到97.4%,较原ResNet网络提升17.9%。此模型对疲劳检测十分有效,可在一定程度上降低交通事故发生率。 展开更多
关键词 疲劳驾驶 脑电信号 深度学习 resnet网络
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 2 … 6 下一页 到第 页
使用帮助 返回顶部