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1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：
时序数据域自适应的时空卷积与对抗互学习
1
作者 孙杰 李贳宸 +4 位作者 陈仲珊 王小正 郑豪 陈长伟 常合友 《软件学报》 北大核心 2026年第3期1340-1356,共17页
在时序数据分析领域,跨域数据分布的偏移显著削弱了模型的泛化性能.为此,开发一种称为TPN的端到端时序数据域自适应框架.该框架融合了时序模式激活模块(TPAM)与Transformer编码器.TPAM通过双层时空卷积操作捕捉序列特征的空间及时间依赖... 在时序数据分析领域,跨域数据分布的偏移显著削弱了模型的泛化性能.为此,开发一种称为TPN的端到端时序数据域自适应框架.该框架融合了时序模式激活模块(TPAM)与Transformer编码器.TPAM通过双层时空卷积操作捕捉序列特征的空间及时间依赖性,结合Sigmoid和tanh激活函数对提取的特征进行非线性融合,再经由线性投影恢复至原通道尺寸,以此强化模型的时序特征提取能力.TPN还引入了增强对抗范式(EAP),通过域分类损失和操作顺序预测损失,增强生成器与判别器的协同对抗,有效缩减源域与目标域间的数据分布差距,提升模型的域适应性.在Opportunity、WISDM及HHAR这3大公开人体活动识别数据集上的实证结果显示,TPN在准确率和F1值方面较现有方法最高提升了6%,且参数量和运行时间较少.深入的消融与可视化实验进一步验证了TPAM和EAP的有效性,表明TPN在特征抽取与域对齐上具有良好表现. 展开更多
关键词 时序数据域自适应 时序模式激活模块 增强对抗范式
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