基于双域深度神经网络的LACT重建方法研究

1

作者 贺国平 苏月明 《燕山大学学报》 北大核心 2026年第2期138-146,共9页

有限角度计算机断层扫描(Limited-Angle Computed Tomography,LACT)旨在利用角度受限的投影数据重建原始CT图像。由于投影数据的不完备性,传统方法重建的图像中包含严重的伪影甚至失真。基于深度学习的方法能够解决该不足,然而现有基于... 有限角度计算机断层扫描(Limited-Angle Computed Tomography,LACT)旨在利用角度受限的投影数据重建原始CT图像。由于投影数据的不完备性,传统方法重建的图像中包含严重的伪影甚至失真。基于深度学习的方法能够解决该不足,然而现有基于深度学习的LACT方法构建的深度神经网络通常是经验设计的,模型架构不具有可解释性,此外,现有方法未充分利用投影域信息进行网络训练,导致重建精确度有待提升。为解决这些问题,从CT图像与投影数据双域角度出发,构建了一种联合图像域与投影域的双域重建优化模型,利用邻近梯度下降算法求解该模型,并将迭代步骤展开为深度神经网络,构建了面向LACT重建的双域深度展开网络。仿真实验结果表明,该双域深度展开网络在有限角度为90°、120°和150°下,PSNR分别达到27.70 dB、30.17 dB和33.98 dB,优于现有主流的基于深度学习的方法。此外,该深度展开网络重建的CT图像在去除伪影的同时保留了更多图像组织结构与细节信息,取得了优异的视觉效果。 展开更多

关键词 有限角度计算机断层扫描 双域网络 模型可解释性 深度展开网络

在线阅读 下载PDF 职称材料

时频双域注意力机制GAN的电磁信号降噪

2

作者 边杏宾 石森 +1 位作者 胡志勇 马俊明 《计算机系统应用》 2026年第3期219-230,共12页

在电磁信息安全领域,电磁泄漏红信号的检测受电磁噪声干扰影响严重.传统降噪方法在处理非平稳信号和复杂噪声环境时存在局限性.提出一种基于生成对抗网络(GAN)的降噪方法,通过生成器与判别器的对抗学习实现高效降噪.针对电磁信号的非平... 在电磁信息安全领域,电磁泄漏红信号的检测受电磁噪声干扰影响严重.传统降噪方法在处理非平稳信号和复杂噪声环境时存在局限性.提出一种基于生成对抗网络(GAN)的降噪方法,通过生成器与判别器的对抗学习实现高效降噪.针对电磁信号的非平稳特性设计了时频双域注意力机制(time-frequency dual-domain attention mechanism, TF-DAM),生成器采用基于TF-DAM改进的U-Net架构,结合残差网络和dropout层增强泛化能力,利用编码器-解码器结构和跳跃连接保留信号细节,训练过程中采用动态调整损失权重的策略提高训练效率和降噪效果.实验表明,该方法在信噪比提升和细节保留上优于传统方法,在非平稳信号处理中表现突出.本研究为电磁信号降噪提供了新思路,具有较高应用价值. 展开更多

关键词 非平稳电磁信号 生成对抗网络 时频双域注意力机制 U-Net改进架构 损失权重动态调整

在线阅读 下载PDF 职称材料

电子设计实验室数字化开放建设探索

3

作者 冯伟 顾斌杰 +1 位作者 陶洪峰 赵华荣 《实验室研究与探索》 北大核心 2026年第2期121-126,154,共7页

针对电子设计实验室在传统开放模式下存在的开放时段固定、安全监管手段落后、审批流程繁琐及管理工作繁重等问题,提出一套数字化开放建设方案。该方案在充分调研师生实际需求的基础上,系统规划了基础设施建设与数字化业务建设等核心内... 针对电子设计实验室在传统开放模式下存在的开放时段固定、安全监管手段落后、审批流程繁琐及管理工作繁重等问题,提出一套数字化开放建设方案。该方案在充分调研师生实际需求的基础上,系统规划了基础设施建设与数字化业务建设等核心内容。通过打通实验室管理信息系统与底层设备间的数据壁垒,实现了数据互通与功能联动;同时,将数字技术融入实验室开放的全业务流程,对预约管理、安全管理、资产管理等关键业务进行线上建模与流程重构,最终实现了按需开放、实时响应的智能化管理目标。实践应用表明,该建设方案显著提升了学生动手实践能力和实验室的管理效能,可为同类型实验室的数字化转型提供可复制的参考范例。 展开更多

关键词 电子设计 开放实验室 数字化 5G双域专网

在线阅读 下载PDF 职称材料

基于深度学习的双域信息CT金属伪影抑制方法

4

作者 海潮 田鑫 +4 位作者 张宏 谭大龙 何一新 孟凡勇 杨民 《北京航空航天大学学报》 北大核心 2026年第1期232-243,共12页

当CT扫描视野中出现金属时,重建图像不可避免地会产生金属伪影,严重影响图像质量。为了抑制金属伪影,提出一种新的深度学习CT金属伪影抑制(MAR)方法,结合正弦图域和图像域的双域信息,采用自适应最优阈值分割方法分割CT图像中的金属,并... 当CT扫描视野中出现金属时,重建图像不可避免地会产生金属伪影,严重影响图像质量。为了抑制金属伪影,提出一种新的深度学习CT金属伪影抑制(MAR)方法,结合正弦图域和图像域的双域信息,采用自适应最优阈值分割方法分割CT图像中的金属,并在正弦图中去除金属污染区域,使用线性插值(LI)初步修复缺失的金属区域,采用正弦图修补网络修复受金属污染的正弦图,利用编码器-解码器网络结构恢复缺失的图像信息。网络输出的正弦图经过滤波反投影(FBP)算法生成CT重建图像。对于初步校正后存在的正弦图信息不一致性问题,使用非局部细化网络在图像域进行修复,减少二次伪影产生。模拟和真实数据实验结果表明:所提方法能有效减少金属伪影,同时保留图像细节信息,显著提高重建图像质量。 展开更多

关键词 图像处理 深度学习 金属伪影抑制 双域信息 Pix2Pix 非局部细化网络

原文传递

基于ADP-DANN的小样本风电集群短期功率预测方法

5

作者 曲凯 闫大鹏 +2 位作者 郑晓东 薛霜思 曹晖 《电力系统自动化》 北大核心 2026年第7期206-217,共12页

中国的风电产业已进入集群化发展阶段,但跨区域时空特征不匹配、新建场站运行数据稀缺等因素导致小样本问题普遍存在,严重制约了预测模型的精度与泛化能力。文中提出一种自适应双预测器域对抗神经网络(ADP-DANN),旨在通过多层次的跨域... 中国的风电产业已进入集群化发展阶段,但跨区域时空特征不匹配、新建场站运行数据稀缺等因素导致小样本问题普遍存在,严重制约了预测模型的精度与泛化能力。文中提出一种自适应双预测器域对抗神经网络(ADP-DANN),旨在通过多层次的跨域知识迁移,有效应对小样本预测难题。首先,设计了动态适配层,以灵活处理源域与目标域间风电场数量不等的异构输入,保证了输入信息的完整性;其次,通过融合序列记忆与上下文挖掘的共享特征提取器,并结合域对抗训练,实现了域不变时空特征的高效提取与对齐;最后,建立双预测器结构,在共享特征的基础上为目标域适配独立的预测函数,实现了从特征空间到任务空间的精细化迁移。基于多场站实测数据的综合实验表明,所提ADP-DANN在多种预测时间尺度下的性能均优于基线模型。消融实验进一步验证了动态适配层、双预测器及域对抗机制等核心组件的不可或缺性及其协同效应。此外,借助t分布随机邻域嵌入特征可视化与SHAP可解释性分析,从数据和机理层面证实了模型在特征空间的有效域对齐能力及其预测决策的物理合理性,为风电集群小样本功率预测提供了一种性能优越且机理清晰的可迁移建模框架,对电网智能调度与新能源高效消纳具有重要价值。 展开更多

关键词 风电集群 功率预测 自适应双预测器 域对抗神经网络 小样本 迁移学习

在线阅读 下载PDF 职称材料

广电5G双域专网技术在家庭智能应急广播系统中的研究

6

作者 刘辰 谢玉永 陈亮 《广播与电视技术》 2026年第1期12-15,共4页

随着5G技术的发展和应急广播体系建设的推进,家庭应急广播设备的需求日益凸显。本文介绍了基于5G技术的家庭智能应急广播系统的设计与实现。该系统通过广电5G双域专网技术,结合智能终端设备,实现了应急信息的快速传递和家庭日常娱乐功... 随着5G技术的发展和应急广播体系建设的推进,家庭应急广播设备的需求日益凸显。本文介绍了基于5G技术的家庭智能应急广播系统的设计与实现。该系统通过广电5G双域专网技术,结合智能终端设备,实现了应急信息的快速传递和家庭日常娱乐功能的融合。本文详细阐述了系统架构、双域专网设计、系统实现以及系统功能,并分析了其在智慧养老、社区管理等领域的应用前景。 展开更多

关键词 广电5G 家庭应急广播 双域专网

在线阅读 下载PDF 职称材料

基于DB-GS-Yolo11的跨域智能无线感知算法

7

作者 孙海洋 李天成 +1 位作者 刘广虎 徐凌伟 《聊城大学学报(自然科学版)》 2026年第2期224-237,共14页

无线感知技术利用环境中的Wi Fi信号提取特征信息,识别目标运动状态。无线感知技术随智能设备普及,已广泛应用于智能家居、医疗健康、人机交互和自动驾驶等领域。然而,移动通信环境复杂多变,无线感知存在着模型感知精度低、场景泛化能... 无线感知技术利用环境中的Wi Fi信号提取特征信息,识别目标运动状态。无线感知技术随智能设备普及,已广泛应用于智能家居、医疗健康、人机交互和自动驾驶等领域。然而,移动通信环境复杂多变,无线感知存在着模型感知精度低、场景泛化能力差、环境依赖性高等问题。因此,针对不同的跨域场景,提出基于双支路门控时序Yolo11跨域智能无线感知算法DB-GS-Yolo11。该算法采用双支路结构设计,融合了Yolo11神经网络、门控注意力模块(Gated Attention Coding, GAC)和状态空间模块(State Space Model,SSM),能够高效感知输入信号,并有效提取关键跨域特征,从而大幅提升模型的泛化能力。这一改进显著降低了感知任务对特定环境的依赖,使其具备更强的鲁棒性、可移植性以及跨领域识别精度。在对比实验中,所提出的DB-GS-Yolo11算法与多种主流神经网络模型,包括深度神经网络(Deep Neural Network,DNN)、门控循环网络(Gated Recurrent Unit, GRU)以及Google Inception Net神经网络(Goog Le Nte)进行了性能对比。实验结果表明,DB-GS-Yolo11在感知复杂度优化、识别精度提升以及跨域适应能力方面均展现出更优越的表现。在域内数据集中识别精度整体提高5.33%~9.67%,耗时减少1.35%~17.81%。同时在跨位置、跨方向等跨域数据集上所提出的算法的识别精度提升2.33%~7.33%和2.67%~4.33%,耗时减少1.63%~4.69%和0.23%~3.11%。 展开更多

关键词 智能无线感知 跨域识别 注意力机制 双支路Yolo11神经网络

在线阅读 下载PDF 职称材料

无监督条件下基于双源信息融合对抗网络的齿轮箱故障跨域识别

8

作者 朱嵘华 马俊卿 +3 位作者 李春龙 王凯 刘寒秋 张旭军 《机电工程》 北大核心 2026年第3期441-454,共14页

针对风电齿轮变速箱在复杂工况下存在故障标签不完整及单一信号诊断信息不足的问题,提出了一种基于对比学习的双源信息融合对抗网络(DFCAN),用于无监督下的齿轮箱故障跨域诊断。首先,构建了基于孪生网络的对比学习(CL)模块,在无监督条... 针对风电齿轮变速箱在复杂工况下存在故障标签不完整及单一信号诊断信息不足的问题,提出了一种基于对比学习的双源信息融合对抗网络(DFCAN),用于无监督下的齿轮箱故障跨域诊断。首先,构建了基于孪生网络的对比学习(CL)模块,在无监督条件下提取了具有判别性与通用性的共享深度特征表示;然后,设计了振动信号与输入端编码器信号的双模态融合机制,采用特征级加权策略实现了多源异构信息整合,形成了增强的联合特征表达;接着,在此基础上,引入了基于最大分类器不一致性的对抗迁移模块,利用双分类器结构对目标域预测差异进行了建模,并引导特征生成器优化了跨域分布对齐;最后,利用风电齿轮箱多工况数据集,在异构测试场景中开展了实验验证,用于证明DFCAN在无监督条件下的跨域诊断性能与应用潜力。研究结果表明:在风电行星齿轮箱多工况数据集的迁移任务中,DFCAN方法平均诊断准确率高于94.2%,较传统领域自适应(DA)方法提高明显,整体优于主流无监督迁移模型;在振动与编码器信号融合比例设定为7∶3下,个别任务准确率可达98.79%;在异构齿轮箱数据集上进行迁移测试时,无标签条件下模型仍可保持90%以上准确率。DFCAN方法在标签缺失条件下具备稳定的跨域特征提取与迁移能力,能够显著提升多源信号融合下的故障识别性能,验证了其在无监督条件下的跨域诊断有效性。 展开更多

关键词 齿轮传动 双模态故障诊断 对比学习 信息融合 领域自适应 基于对比学习的双源信息融合对抗网络

在线阅读 下载PDF 职称材料

5G双域专网解决方案研究 被引量：4

9

作者 刘洋 《无线互联科技》 2025年第5期94-97,共4页

为了解决ULCL方案无法支持漫游和回落4G接入的不足,文章研究并设计了一种以多数据网络名称(Data Network Name, DMN)为基础的5G双域专网分流解决方案。该方案主要在SMF的支持下执行专用DNN会话的创建任务并有效发挥分流规则的约束作用,... 为了解决ULCL方案无法支持漫游和回落4G接入的不足,文章研究并设计了一种以多数据网络名称(Data Network Name, DMN)为基础的5G双域专网分流解决方案。该方案主要在SMF的支持下执行专用DNN会话的创建任务并有效发挥分流规则的约束作用,通过UPF向不同会话锚点对专网和公网流量进行分流,以此实现二者之间的顺畅高效切换。应用效果表明,该方案不仅能够有效支持基于漫游接入的专网与公网分流,还可以在回落至4G网络场景之时实现用户高速接入,具有较理想的应用价值。 展开更多

关键词 5G双域专网 分流 多DNN 专网 公网

在线阅读 下载PDF 职称材料

基于对称融合多尺度双域网络的图像压缩感知重建方法

10

作者 林乐平 廖心竹 欧阳宁 《计算机工程与设计》 北大核心 2025年第7期1905-1911,共7页

针对图像在细节丰富和结构复杂区域重建效果不佳的问题,提出一种对称融合多尺度双域网络(SFMD-Net),通过融合频域和空间域信息,提高图像重建质量。在频域增强支路,利用二维离散余弦变换获取频域信息,通过双残差注意模块深化频域关键特... 针对图像在细节丰富和结构复杂区域重建效果不佳的问题,提出一种对称融合多尺度双域网络(SFMD-Net),通过融合频域和空间域信息,提高图像重建质量。在频域增强支路,利用二维离散余弦变换获取频域信息,通过双残差注意模块深化频域关键特征的学习。在空域多尺度重建支路,设计多尺度深度细化模块,加强对空间域内不同层次和尺度特征的提取与增强。引入对称融合策略确保频域与空间域特征的有效融合,提高重建图像的细节表现和整体视觉质量。实验结果表明,与当前主流压缩感知重建算法相比,所提算法在性能和效果上均有改进,尤其是在重建边缘明显和纹理丰富的图像方面。 展开更多

关键词 压缩感知 多尺度特征 离散余弦变换 图像重建 对称融合 深度学习 双域网络

在线阅读 下载PDF 职称材料

基于时频双域特征融合与动态交互机制的短期电力负荷预测

11

作者 王东风 张浩 +2 位作者 胡怡然 崔玉雷 黄宇 《电力科学与工程》 2025年第12期57-64,共8页

针对电力负荷序列时序动态性、多尺度特征及复杂周期规律给预测带来的难题,提出一种基于时频双域特征融合与动态交互机制的短期电力负荷预测方法,其核心架构为双谱网。首先,针对短期电力负荷数据的非平稳和非线性特性,采用基于阿尔法进... 针对电力负荷序列时序动态性、多尺度特征及复杂周期规律给预测带来的难题,提出一种基于时频双域特征融合与动态交互机制的短期电力负荷预测方法,其核心架构为双谱网。首先,针对短期电力负荷数据的非平稳和非线性特性,采用基于阿尔法进化算法改进的变分模态分解算法对负荷数据分解,得到若干本征模态函数;其次,设计频域特征增强机制,通过频谱注意力动态融合振幅谱与相位谱,并构建时频交叉注意力网络嵌入频域先验,结合跨维度门控实现特征校准;最后,基于多尺度金字塔解码器自适应融合时空特征生成预测值。以某市电力负荷数据集进行验证并与主流模型进行对比,结果表明所采用的预测方法具有更好的预测性能。 展开更多

关键词 时频双域 动态交互 双谱网 频域特征增强 多尺度金字塔解码器

在线阅读 下载PDF 职称材料

模型与数据双驱动的联合有限角CT重建与金属伪影校正方法 被引量：2

12

作者 石保顺 程诗展 +1 位作者 姜轲 傅昭然 《电子与信息学报》 北大核心 2025年第5期1569-1581,共13页

有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务,传统方法重建的CT图像往往存在伪影,特别是当患者携带金属植入物时,伪影将进一步加重... 有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务,传统方法重建的CT图像往往存在伪影,特别是当患者携带金属植入物时,伪影将进一步加重,影响后期医疗诊断及下游任务的精度。为解决这一问题,该文利用双域知识和深度展开技术,融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力,提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络,记为MD3Net。该文首先构建了双域优化模型,使用邻近梯度下降算法对优化模型进行求解,并将其展开成模型驱动的CT重建网络。其次,设计了任务选择(TS)模块,通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中,构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络,进而提升网络表示能力。实验结果表明,与现有方法相比,所提算法在联合LACT和LAMAR任务上重建效果更好。 展开更多

关键词 有限角度CT 金属伪影校正 模型与数据双驱动 双域网络

在线阅读 下载PDF 职称材料

基于电−振信号联合的电动机故障诊断研究

13

作者 惠阿丽 周睿香 +2 位作者 韦鹏 魏礼鹏 荣相 《工矿自动化》 北大核心 2025年第10期114-122,共9页

针对煤矿井下电动机复杂工况下单一信号(电流、振动)故障诊断精度有限、多故障并存导致识别困难的问题,基于机电耦合特性及多传感器信息互补性,提出基于电−振信号联合的电动机故障诊断方法。分别对电动机电流信号和振动信号在时域、频... 针对煤矿井下电动机复杂工况下单一信号(电流、振动)故障诊断精度有限、多故障并存导致识别困难的问题,基于机电耦合特性及多传感器信息互补性,提出基于电−振信号联合的电动机故障诊断方法。分别对电动机电流信号和振动信号在时域、频域和时频域内捕获故障信息,在通道维度上融合生成包含多域信息的特征彩色图像,丰富故障表征信息。构建了一种嵌入改进卷积块注意力模块(ICBAM)的双通道残差网络(DCResNet)模型ICBAM−DCResNet,通过多层残差块和ICBAM的注意力机制,挖掘图像样本的深层特征,最后进行融合并实现分类,实现电−振信号联合的故障诊断。对比实验结果表明,多域融合相比单一分析域诊断精度更高,ICBAM−DCResNet模型比深度残差网络(ResNet)模型性能更好,对信号样本的特征提取能力更强。在公开数据集上的实验结果表明,基于电−振信号联合的电动机故障诊断方法的准确率达99.8%,对转子故障和轴承故障均能取得不错的识别效果,泛化性较好。 展开更多

关键词 电动机故障诊断 电流信号 振动信号 多域特征提取 双通道残差网络 卷积块注意力模块

在线阅读 下载PDF 职称材料

基于双通道域对抗神经网络的微地震事件检测

14

作者 吕雁茹 王维波 +1 位作者 高明 盛立 《地球物理学进展》 北大核心 2025年第3期1075-1086,共12页

水力压裂是非常规油气资源开采的一项关键技术,微地震监测是评估水力压裂效果的一种重要手段.然而,由于不同井的储层岩石特性、压裂施工方法、岩石破裂方式、环境干扰强度等因素不同,其产生的微地震波形也有较大差异,进而给事件检测算... 水力压裂是非常规油气资源开采的一项关键技术,微地震监测是评估水力压裂效果的一种重要手段.然而,由于不同井的储层岩石特性、压裂施工方法、岩石破裂方式、环境干扰强度等因素不同,其产生的微地震波形也有较大差异,进而给事件检测算法的准确性带来不利影响.为解决这一问题,本文提出使用双通道域对抗神经网络(DC-DANN)进行微地震事件检测,其两个通道分别处理原始信号和小波去噪后的信号.此设计能够使模型更为有效地学习到不同井微地震事件波形的共享特征,从而降低不同井之间进行事件检测的误差.本文对比了传统神经网络方法和基于DC-DANN的方法对于不同井的微地震事件检测的性能.实验结果表明,基于DC-DANN的方法能够显著提高模型检测的准确性,可以有效地解决因不同油气井间数据差异引起的模型泛化能力差的问题. 展开更多

关键词 水力压裂 微地震事件检测 迁移学习 双通道域对抗神经网络 波形差异分析

原文传递

基于双通道回归融合网络的滚动轴承剩余寿命预测 被引量：3

15

作者 徐浩 高乾 +3 位作者 王铭榜 吕成兴 杨智博 陈健 《振动与冲击》 北大核心 2025年第4期322-332,共11页

轴承作为机械系统中关键的部件,其状态监测和剩余使用寿命(remaining useful life,RUL)预测变得日益重要。为此,提出了一种基于Transformer的时频域双通道融合网络(time frequency domain dual channel fusion network,TFDN)以解决深度... 轴承作为机械系统中关键的部件,其状态监测和剩余使用寿命(remaining useful life,RUL)预测变得日益重要。为此,提出了一种基于Transformer的时频域双通道融合网络(time frequency domain dual channel fusion network,TFDN)以解决深度学习的RUL预测方法中存在难以考虑数据的空间关系和样本贡献度,以及未能充分挖掘时频域数据的关联性和互补性等问题。该方法利用二维卷积提取时频域信号的空间特征,通过Transformer编码器层对卷积层输出进行位置编码学习退化特征。设计了一种时频域融合回归算法,对时频域信号进行权重特征融合实现RUL预测。通过在西安交通大学轴承数据集和青岛港实际采集数据集上进行测试,试验结果显示TFDN在预测精度上超过了其他网络结构和现有方法。 展开更多

关键词 轴承 剩余使用寿命预测 TRANSFORM 时频域双通道融合网络(TFDN)

在线阅读 下载PDF 职称材料

基于“5G+教育”的双域DNN专网规划方案研究 被引量：1

16

作者 李佳 肖大薇 刘亚楠 《电脑与电信》 2025年第3期7-13,共7页

针对大连理工大学城市学院的5G应用需求,设计了一种基于“5G+教育”的双域DNN专网规划方案。用户可以通过线上/线下渠道自主申请5G专网服务,实现无缝访问校园内外资源,显著提升用户体验。通过校园—5G RADIUS与运营商—5G RADIUS的双重... 针对大连理工大学城市学院的5G应用需求,设计了一种基于“5G+教育”的双域DNN专网规划方案。用户可以通过线上/线下渠道自主申请5G专网服务,实现无缝访问校园内外资源,显著提升用户体验。通过校园—5G RADIUS与运营商—5G RADIUS的双重鉴权和信息同步机制,实现了对5G专网用户的实时化、自动化、精细化管理,确保了用户能够安全、可信、可溯源且分级分权访问资源。5G RADIUS与校园统一身份管理平台的对接,实现了用户账户全生命周期管理,极大提高了网络管理的效率和透明度。该方案通过融合校园网认证与5G网络,致力于打造城院5G校园专网,实现了校园用户随时随地安全访问内网,为其他高校在5G专网建设方面提供了理论参考和实践指导。 展开更多

关键词 5G+教育 双域专网 自主开通 无感访问 双重鉴权 溯源

在线阅读 下载PDF 职称材料

基于域对抗神经网络的双模态燃烧室跨构型燃烧模态识别 被引量：1

17

作者 宋婷 刘和东 +2 位作者 黄玥 陈玉乾 尤延铖 《推进技术》 北大核心 2025年第2期129-144,共16页

双模态冲压发动机燃烧室在宽马赫飞行过程中会呈现不同燃烧模态来保持稳定工作,燃烧模态的准确识别对燃烧室乃至发动机的控制和稳定运行具有重要意义。基于域对抗网络的领域适应策略,提出了一种针对不同构型双模态燃烧室的燃烧模态识别... 双模态冲压发动机燃烧室在宽马赫飞行过程中会呈现不同燃烧模态来保持稳定工作,燃烧模态的准确识别对燃烧室乃至发动机的控制和稳定运行具有重要意义。基于域对抗网络的领域适应策略,提出了一种针对不同构型双模态燃烧室的燃烧模态识别方法。首次将域适应的解决思路应用于燃烧及流体的问题中,以提高双模态燃烧室跨域数据集模态识别模型的泛化性能。通过数值模拟得到三种构型燃烧室的数据集,利用原始构型数据集训练模型,对上凹腔扩张构型和下凹腔扩张构型的数据集验证其泛化性能,并将获得的识别准确率与其他识别方法(包括支持向量机、K近邻、决策树)进行对比分析。研究结果表明:对亚燃模态和超燃模态进行识别,在上凹腔扩张构型和下凹腔扩张构型的密度梯度分布图的验证中分别取得了93.5%和96.3%的准确率,在温度分布图的验证准确率为91.8%和97.1%。本文的方法可以获得更易于识别燃烧模态的图像信息,以获得更高的跨领域数据识别准确率和更好的泛化性能,为发展适用于不同构型双模态燃烧室的燃烧模态识别方法提供了有力支撑。 展开更多

关键词 双模态燃烧室 燃烧模态识别 域自适应 对抗学习 神经网络

原文传递

基于双域边缘融合网络的RGB显著性目标检测

18

作者 林怡翔 李海明 陈黎飞 《计算机工程与设计》 北大核心 2025年第11期3266-3274,共9页

为解决现有RGB显著性目标检测模型在处理复杂背景和噪声干扰时,存在边缘特征对噪声鲁棒性不足以及难以准确区分真实边缘的问题。提出一种基于双域边缘融合网络的RGB显著性目标检测模型。该模型通过结合空间域的拉普拉斯金字塔技术与频... 为解决现有RGB显著性目标检测模型在处理复杂背景和噪声干扰时,存在边缘特征对噪声鲁棒性不足以及难以准确区分真实边缘的问题。提出一种基于双域边缘融合网络的RGB显著性目标检测模型。该模型通过结合空间域的拉普拉斯金字塔技术与频率域的傅里叶变换和自适应掩膜技术,强化RGB图像多尺度和全局边缘信息的提取,并提升其识别颜色信息时的抗噪能力。新模型还通过像素重排提高特征图的空间分辨率,以保留更多的语义信息与细节特征。在5个基准数据集上的实验结果表明,与现有的8种RGB显著性目标检测模型相比,该模型在3个评价指标上取得较好的结果。 展开更多

关键词 显著性目标检测 双域边缘融合网络 空间域 频率域 拉普拉斯金字塔 傅里叶变换 像素聚合 特征融合

在线阅读 下载PDF 职称材料

融合递进式域适应和交叉注意力的事故检测方法

19

作者 张奇 周威 +1 位作者 胡伟超 于鹏程 《计算机工程与应用》 北大核心 2025年第6期349-360,共12页

道路交通事故是导致财产损失、人员伤亡和交通拥堵的主要原因之一。快速准确地检测事故对于提高应急救援速度和降低人员伤亡率至关重要。近年来,基于视觉的事故检测方法成为主流,且随深度学习技术的应用取得了显著进展。然而,现有方法... 道路交通事故是导致财产损失、人员伤亡和交通拥堵的主要原因之一。快速准确地检测事故对于提高应急救援速度和降低人员伤亡率至关重要。近年来,基于视觉的事故检测方法成为主流,且随深度学习技术的应用取得了显著进展。然而,现有方法应用于国内监控场景时存在精度不高的问题,主要原因是用于模型训练的开源数据与国内监控事故视频数据间存在较大的域偏移。为了避免重新构建并标注一个大型国内监控事故数据集的繁琐性,提出了一种域适应双流网络,充分利用现有开源事故数据集实现面向国内监控场景的道路事故检测。具体地提出了一种“由粗到细”递进式域适应方法,指导模型以捕捉域不变事故外观特征。构建交叉注意力融合网络实现外观特征和运动特征的关联与交互,缓解因场景差异导致的特征偏差问题。实验结果表明,所提方法在国内监控场景下取得了较高的检测性能,验证了其有效性和可靠性。有望为提升人民生命安全和交通效率提供了重要的技术支持。 展开更多

关键词 智能交通 计算机视觉 事故检测 域适应双流网络

在线阅读 下载PDF 职称材料

面向低剂量CT智能去噪算法的成像性能评估与分析

20

作者 温孟皇 曹希明 +1 位作者 边兆英 马建华 《中国医学物理学杂志》 2025年第5期620-624,共5页

目的:探究现有主流深度学习去噪网络的低剂量CT去噪性能和泛化性能。方法:基于公开的AAPM Mayo挑战赛数据,选取3个图像域方法(REDCNN、WGAN-VGG、CTformer)和2个投影-图像双域方法(VVBP-UNet、CLEAR)训练去噪网络。对不同去噪网络的峰... 目的:探究现有主流深度学习去噪网络的低剂量CT去噪性能和泛化性能。方法:基于公开的AAPM Mayo挑战赛数据,选取3个图像域方法(REDCNN、WGAN-VGG、CTformer)和2个投影-图像双域方法(VVBP-UNet、CLEAR)训练去噪网络。对不同去噪网络的峰值信噪比(PSNR)、结构相似度、均方根误差、网络参数量、浮点运算次数进行定量分析,并在腹部AbdomenCT-1K数据集上进行泛化性能分析。结果:图像域去噪网络能极大抑制低剂量CT图像噪声,其中REDCNN去噪效果最好,PSNR达42.0988 dB。双域去噪网络在去除图像噪声同时能较好地保留图像微小组织结构,其中VVBP-UNet性能最好,PSNR提高至42.1509 dB。结论:投影-图像双域方法的去噪性能和泛化性能优于图像域方法,但双域方法的网络参数量和计算量比较大。在计算资源满足情况下,双域方法的去噪结果更满足临床诊断需求。 展开更多

关键词 低剂量CT 去噪网络 图像域 投影-图像双域

暂未订购