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5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：
基于时空Transformer-encoder的跨社交网络用户匹配方法
1
作者 张洋 马强 《计算机应用研究》 CSCD 北大核心 2024年第12期3742-3748,共7页
针对目前基于签到时空数据的跨社交网络用户匹配方法未充分利用时空信息之间的耦合关系,导致时空数据特征提取困难,匹配准确率下降的问题,提出了一种基于时空Transformer-encoder的跨社交网络用户匹配方法。该方法通过网格映射将签到时... 针对目前基于签到时空数据的跨社交网络用户匹配方法未充分利用时空信息之间的耦合关系,导致时空数据特征提取困难,匹配准确率下降的问题,提出了一种基于时空Transformer-encoder的跨社交网络用户匹配方法。该方法通过网格映射将签到时空信息转换为序列数据,生成签到序列;利用序列嵌入层将离散的签到序列映射到连续高维空间;然后借助多头注意力机制和卷积神经网络提取高维签到特征,并利用卷积神经网络实现优化多头注意力模块权重变换和特征融合;最后利用前馈神经网络实现分类,输出用户匹配得分。在两组真实社交网络用户数据集上进行大量用户匹配实验,与现有方法相比,准确率提升了0.40~10.53百分点,F_(1)值提升了0.43~9.5百分点。这验证了所提方法能够有效提取用户签到耦合特征,并提高用户匹配的性能。 展开更多
关键词 跨社交网络 用户匹配 transformer-encoder 卷积神经网络
在线阅读 下载PDF
时空信息融合下的车道级交通流预测
2
作者 侯越 杨萍 +1 位作者 林伟 崔菡珂 《公路交通科技》 北大核心 2025年第6期32-41,共10页
【目标】针对现有交通流预测方法对车道级空间关联特性和时间依赖特性挖掘不充分的问题,提出了一种基于车道时空数据融合的Transformer-Encoder-stacked-GRU组合深度学习模型。【方法】首先,分析同一路段车道级的时间和空间特性,运用Tra... 【目标】针对现有交通流预测方法对车道级空间关联特性和时间依赖特性挖掘不充分的问题,提出了一种基于车道时空数据融合的Transformer-Encoder-stacked-GRU组合深度学习模型。【方法】首先,分析同一路段车道级的时间和空间特性,运用Transformer-Encoder架构中的位置编码模块提取输入数据间的时序关系。其次,利用Transformer-Encoder架构中的自注意力机制对横向强相关车道的交通参数进行特征级融合,建立关于横向车道空间关联关系以及时间依赖的时空特征。最终,将时空特征和目标车道的流量参数作为所提stacked-GRU模块的输入,用以补充提取交通流短时时间依赖特征,从而实现车道级短时交通流预测。采用合肥市的车道级交通流数据进行验证。【结果】在预测时间窗口为6和12的模型中,Transformer-Encoder-stacked-GRU组合深度学习模型的均方误差相比stacked-GRU模型分别减少1.48%,2.00%,其平均绝对误差相对stacked-LSTM模型分别降低3.53%,2.53%。同时,与仅考虑横向车道空间特征的组合深度学习模型相比,考虑横向空间特征和多时间尺度依赖特征的Transformer-Encoder-stacked-GRU组合深度学习模型具有更好的预测精度,证明了所提模型在现实场景预测中的可行性与优越性。【结论】所提方法能够细粒化挖掘车道级时空关系,提高预测精度,为交通管理部门评估交通运行状态提供有效参考。 展开更多
关键词 智能交通 交通流预测 组合预测 transformer-encoder stacked-GRU 车道级 时空特征
原文传递
基于TR-YOLOv5的绝缘子异常检测算法研究
3
作者 潘卫华 吕青苗 苏攀 《计算机应用与软件》 北大核心 2025年第8期263-272,共10页
为实现绝缘子异常的准确识别和定位,提出一种改进轻量级网络模型YOLOv5的绝缘子状态异常检测方法(TR-YOLOv5)。该文利用基于自注意力机制的Transformer-Encoder模块改进特征提取网络以提高模型的检测精度;新增一个针对小目标的预测层,... 为实现绝缘子异常的准确识别和定位,提出一种改进轻量级网络模型YOLOv5的绝缘子状态异常检测方法(TR-YOLOv5)。该文利用基于自注意力机制的Transformer-Encoder模块改进特征提取网络以提高模型的检测精度;新增一个针对小目标的预测层,并利用K-means聚类算法设计目标锚框参数,为后续特征融合提供更多低层特征信息;采用EIoU作为损失函数,优化Loss值曲线,结合多尺度数据增强策略以实现目标的高精度定位。实验结果表明,TR-YOLOv5模型准确率可达94.2%,能够有效识别绝缘子异常目标。 展开更多
关键词 绝缘子检测 异常识别 YOLOv5模型 transformer-encoder 损失函数
在线阅读 下载PDF
基于注意力时间卷积网络的农产品期货分解集成预测 被引量：4
4
作者 张大斌 黄均杰 +1 位作者 凌立文 林锐斌 《南京信息工程大学学报》 CAS 北大核心 2024年第3期311-320,共10页
针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货... 针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货预测方法.首先,使用CEEMDAN将时间序列分解为多尺度多频率的本征模态分量(IMF)与残差,降低了序列建模复杂度;其次,使用融合多阶段自注意力单元Transformer-Encoder的时间卷积网络(TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重;最后,将各个子序列预测值线性相加集成得到最终预测结果.以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性. 展开更多
关键词 农产品期货 自适应噪声完备经验模态分解 自注意力机制 transformer-encoder 时间卷积网络
在线阅读 下载PDF
结合动态行为和静态特征的APT攻击检测方法 被引量：6
5
作者 梁鹤 李鑫 +1 位作者 尹南南 李超 《计算机工程与应用》 CSCD 北大核心 2023年第18期249-259,共11页
针对APT攻击网络流量难以获得,模拟的数据与现实又很难匹配的问题,提出了一种基于动态行为和静态特征结合的APT攻击检测方法。采用Noriben沙箱提取待测软件的进程行为、文件行为、注册表行为和网络行为构建动态行为特征集,基于Transform... 针对APT攻击网络流量难以获得,模拟的数据与现实又很难匹配的问题,提出了一种基于动态行为和静态特征结合的APT攻击检测方法。采用Noriben沙箱提取待测软件的进程行为、文件行为、注册表行为和网络行为构建动态行为特征集,基于Transformer-Encoder算法识别APT恶意软件的准确率达到了95.8%。对识别出的APT恶意软件进行组织分类,提取软件调用的DLL(dynamic link library)和API(application programming interface),并组合成DLL:API的特征形式,将1D-CNN(one dimensional convolutional neural networks)算法应用于APT恶意软件组织分类的准确率达到了98.7%,比之前的方法提高了5个百分点。与热门的深度学习算法和机器学习算法的实验效果做对比,数据表明,提出的方法相比其他方法,准确率有较大提升。 展开更多
关键词 高级持续性威胁(APT)攻击 动态行为 静态特征 transformer-encoder 1D-CNN
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