期刊文献+
共找到16,016篇文章
< 1 2 250 >
每页显示 20 50 100
Marginalized Modern Architectural Heritage in Indonesia:The case of transformator huisje(gardu listrik)architecture of the Nederlandsche Indisch era
1
作者 Ikaputra Ikaputra Dyah Titisari Widyastuti 《Frontiers of Architectural Research》 2025年第3期596-613,共18页
This study is in order to implement the mandate of UNESCO(2003)on the documentation of architectural heritage of the modern period of the 19th-20th century,where in reality several typologies of architectural heritage... This study is in order to implement the mandate of UNESCO(2003)on the documentation of architectural heritage of the modern period of the 19th-20th century,where in reality several typologies of architectural heritage are currently in a marginalized condition.As part of the history of modern architecture in Indonesia,transformator huisje(Dutch)or“gardu listrik”(Indonesian)which still exist today,are not widely known as buildings that have important values in the past.This study aims to reveal whether transformator huisje architecture is classifled as Modern Heritage,by tracing its historical background.Architectural analysis of 61 transformator huisje was conducted to build a“genesis”—a scheme of origin—of transformator huisje which can explain how this type of architecture was formed in accordance with the values or principles of modern architecture.The study flndings show that all design features of transformator huisje as buildings for machines are strong representations of Modern Architectural Heritage in Asia,especially the Dutch East Indies(Indonesia).In conclusion,with the flnding that transformator huisje is categorized as Modern Architectural Heritage,a strategy is needed to maintain this type of architecture as evidence of modern civilization in Indonesia. 展开更多
关键词 Modern Architectural Heritage transformator huisje gardu listrik Marginal architecture Indonesia
原文传递
基于图像匹配的高空大斜视无源目标定位
2
作者 贾平 李昌灏 +3 位作者 孙辉 宋悦铭 祃卓荦 徐芳 《光学精密工程》 北大核心 2026年第1期124-138,共15页
提出一种基于图像匹配的无源定位方法,通过引入基于Transformer的特征增强与MiHo聚类筛选的两步匹配策略,减轻了高空大斜视条件下传统无源定位算法因微小角度误差导致的定位精度下降程度。根据粗定位结果与飞行参数对航拍图像进行近似... 提出一种基于图像匹配的无源定位方法,通过引入基于Transformer的特征增强与MiHo聚类筛选的两步匹配策略,减轻了高空大斜视条件下传统无源定位算法因微小角度误差导致的定位精度下降程度。根据粗定位结果与飞行参数对航拍图像进行近似正射变换,并截取对应区域的卫星图像。采用RepVGG提取图像粗特征,通过互最近邻实现初步匹配,并结合MiHo与归一化互相关(Normalized Cross Correlation,NCC)筛选匹配点对。最后,借助Transformer模块完成精细化匹配,再根据精匹配结果构建角度误差修正矩阵,多次迭代修正系统误差。实验结果表明,所提方法的定位精度较传统方法有较大幅度提升,在典型应用场景下提升约70%,在斜距90 km的情况下,定位精度可维持在120 m左右。该方法突破了传统无源定位对角度精度的高度依赖,验证了基于图像匹配的无源定位路径的可行性与有效性。 展开更多
关键词 图像匹配 目标定位 航空光电系统 无源定位 大斜视 TRANSFORMER
在线阅读 下载PDF
基于双重并行任务的无人机小目标两阶段检测方法
3
作者 杨艺 朱江睿 +3 位作者 王科平 张高鹏 钱伟 王田 《模式识别与人工智能》 北大核心 2026年第1期31-51,共21页
目标在图像中的尺寸过小是无人机目标检测面临的主要挑战之一,特别是当无人机飞行高度较高且成像分辨率较低时,小目标特征极易在深度神经网络的深层特征中弥散.为此,文中提出基于双重并行任务的无人机小目标两阶段检测方法,并行任务包... 目标在图像中的尺寸过小是无人机目标检测面临的主要挑战之一,特别是当无人机飞行高度较高且成像分辨率较低时,小目标特征极易在深度神经网络的深层特征中弥散.为此,文中提出基于双重并行任务的无人机小目标两阶段检测方法,并行任务包含小目标检测任务与超分辨率重建任务.在超分辨率重建任务分支中,构建空间先验模块和窗口注意力引导模块.小目标检测任务分支以Swin Transformer为基础,并且分别由空间先验模块和窗口注意力引导模块进行浅层特征的空间信息和深层特征的注意力的超分辨率重建.两阶段检测方法分为训练阶段和推理阶段.在训练阶段,超分辨率重建任务分支均以高分辨率特征为标签,从而增强小目标检测任务分支对细节特征的提取能力.在推理阶段,仅保留小目标检测任务分支,可提升方法的推理速度,降低资源开销.在公共数据集VisDrone和自制无人机数据集JZ-UAV上的实验表明,文中方法识别精度较高. 展开更多
关键词 无人机(UAV) Swin TRANSFORMER 小目标检测 超分辨率重建
在线阅读 下载PDF
计及预案式失配冲击的响应驱动频率稳定紧急切负荷策略
4
作者 孙正龙 刘勇 +5 位作者 陈威翰 章锐 刘铖 华文 张程铭 蔡国伟 《电力系统保护与控制》 北大核心 2026年第1期117-129,共13页
在新型电力系统复杂工况下,以策略表为主体、通过“离线仿真、在线匹配”的预案式频率稳定控制方案存在较高失配风险,甚至因调控失当引发二次冲击,严重威胁电力系统的安全稳定运行。提出一种计及预案式失配冲击的响应驱动频率稳定紧急... 在新型电力系统复杂工况下,以策略表为主体、通过“离线仿真、在线匹配”的预案式频率稳定控制方案存在较高失配风险,甚至因调控失当引发二次冲击,严重威胁电力系统的安全稳定运行。提出一种计及预案式失配冲击的响应驱动频率稳定紧急切负荷策略。该策略动作在预案式控制之后,是对预案式控制的有益补充,能够有效提升系统频率稳定性。首先建立了基于系统频率响应(system frequency response,SFR)模型辨识的频率稳定切负荷量计算方法。提出了基于频率稀疏量测的SFR模型辨识方法,在此基础上建立了含稳定控制的SFR模型,根据频率稳定控制目标迭代求解切负荷量。其次,建立了基于Transformer网络的频率控制敏感点挖掘模型,通过分析关键发电机母线节点频率时序值和频率控制敏感点的映射关系,实现响应驱动的频率控制敏感点在线挖掘。最后,按照敏感点排序快速分配控制措施总量,构建频率稳定紧急控制方案。在某实际交直流混联万节点仿真系统验证了所提方法的有效性。 展开更多
关键词 预案式控制 频率稳定 紧急控制 频率响应模型 TRANSFORMER
在线阅读 下载PDF
面向遥感图像超分辨率重建的跨尺度余弦注意力网络
5
作者 李智杰 宋易宸 +3 位作者 李昌华 董玮 张颉 介军 《计算机工程与应用》 北大核心 2026年第1期285-296,共12页
为了解决现有遥感图像超分辨率网络无法充分利用跨尺度特征、参数过多和计算量大的问题,提出一种面向遥感图像超分辨率重建的跨尺度余弦注意力网络。通过引入特征蒸馏机制设计了一种级联特征蒸馏块,用来提取具有不同感知场和高频信息的... 为了解决现有遥感图像超分辨率网络无法充分利用跨尺度特征、参数过多和计算量大的问题,提出一种面向遥感图像超分辨率重建的跨尺度余弦注意力网络。通过引入特征蒸馏机制设计了一种级联特征蒸馏块,用来提取具有不同感知场和高频信息的更丰富的区域特征,同时保持模型轻量化。在级联特征蒸馏块中嵌入一种多分支空间注意力模块以进一步提升网络对关键空间信息的捕捉能力。此外,提出的跨尺度余弦注意力层可以在不增加计算复杂度的情况下有效计算高维和低维特征之间的相关性,从而增强模型对不同尺度特征的处理能力,而且其中的高效余弦自注意力机制解决了网络注意力被特定像素支配的问题,增强网络关注更多特征的能力。在UC Merced和AID数据集上的实验结果表明,所提算法与当前主流的超分辨率重建算法相比以相对较低的计算成本获得了更好的峰值信噪比和结构相似度,重建后的图像恢复了更多的纹理细节信息,验证了所提网络可以在较好地平衡模型轻量化的同时提升超分辨率重建性能。 展开更多
关键词 遥感图像 超分辨率重建 TRANSFORMER 轻量级 跨尺度
在线阅读 下载PDF
深度学习在细胞图像自动分割中的应用与进展
6
作者 王旭 王晓燕 +3 位作者 郭英慧 蔡肖红 刘艳艳 张文凯 《计算机工程与应用》 北大核心 2026年第2期73-91,共19页
细胞分割研究对于细胞形态学分析、疾病早期诊断、药物筛选以及个性化医疗具有重要意义。细胞图像分割作为一种核心任务,旨在从复杂的生物图像中提取细胞边界和结构,支持疾病诊断和研究。因此,对细胞进行精确分割是解决细胞形态学分析... 细胞分割研究对于细胞形态学分析、疾病早期诊断、药物筛选以及个性化医疗具有重要意义。细胞图像分割作为一种核心任务,旨在从复杂的生物图像中提取细胞边界和结构,支持疾病诊断和研究。因此,对细胞进行精确分割是解决细胞形态学分析、肿瘤检测以及药物筛选等生物医学问题的首要任务。深度学习以其良好的特征提取和自适应学习能力,近年来成为细胞图像自动分割领域的重要技术手段。为推动细胞图像分割研究,在介绍常用细胞图像分割性能评价指标的基础上,梳理了CNN、U-Net、Mask R-CNN、GAN、Transformer、GNN、弱监督学习、迁移学习和视觉大模型以及混合架构在细胞图像分割中的应用,并通过对各模型优缺点进行对比分析,明确了当前研究中存在的主要问题,并展望了未来的研究方向。 展开更多
关键词 细胞分割 深度学习 TRANSFORMER 弱监督学习 混合架构
在线阅读 下载PDF
用于低剂量CT图像降噪的多路特征生成对抗网络
7
作者 王丽芳 任文婧 +2 位作者 郭晓东 张荣国 胡立华 《计算机应用》 北大核心 2026年第1期270-279,共10页
近些年,把生成对抗网络(GAN)应用于低剂量计算机断层扫描(LDCT)图像降噪取得了显著进展。然而,现有方法存在对复杂噪声分布建模能力不足以及结构细节保留能力有限等问题。因此,提出一种用于LDCT图像降噪的多路特征GAN——Trident GAN。... 近些年,把生成对抗网络(GAN)应用于低剂量计算机断层扫描(LDCT)图像降噪取得了显著进展。然而,现有方法存在对复杂噪声分布建模能力不足以及结构细节保留能力有限等问题。因此,提出一种用于LDCT图像降噪的多路特征GAN——Trident GAN。首先,设计特征引导生成器Trident Uformer,通过在U-Net结构的瓶颈层增加特征聚合注意力(FPA)模块解决U型结构空间分辨率较低的问题;其次,设计多路特征提取子模块Trident Block,并在3个分支中分别引入局部细节增强模块(LDEB)提取细节特征,轻量通道注意力模块(LCAB)增强通道特征,以及空间交互注意力模块(SIAB)获得重要空间特征;在SIAB中采用多级交互式注意力函数和评估机制设计空间上下文注意力机制(SCAM),解决单一注意力受限的问题;最后,设计多特征融合(MFF)模块来在三分支末端进行特征聚合,并对局部细节信息和全局语义信息进行建模,解决不同层次之间细节不连续的问题。此外,利用多尺度金字塔判别器(MSPD)在不同维度下检查生成结果的质量,指导具有全局一致性图像的生成。实验结果表明,在Mayo和Piglet数据集上,Trident GAN的平均峰值信噪比(PSNR)和结构相似性(SSIM)分别达到了31.5193 dB/0.8830和33.6331 dB/0.9478,与高频敏感GAN(HFSGAN)相比,参数量降低75.58%,测试时间缩短36.36%。可见,与HFSGAN等方法相比,Trident GAN可在较少的计算负荷下提高了图像质量。 展开更多
关键词 低剂量计算机断层扫描 图像降噪 注意力机制 TRANSFORMER 生成对抗网络
在线阅读 下载PDF
一种面向地图综合建筑多边形化简的Transformer模型
8
作者 刘鹏程 成晓强 +2 位作者 肖天元 杨敏 艾廷华 《测绘学报》 北大核心 2026年第1期124-137,共14页
针对地图综合中建筑多边形化简方法依赖人工规则、自动化程度低且难以利用已有化简成果的问题,本文提出了一种基于Transformer机制的建筑多边形化简模型。该模型首先把建筑多边形映射至一定范围的网格空间,将建筑多边形的坐标串表达为... 针对地图综合中建筑多边形化简方法依赖人工规则、自动化程度低且难以利用已有化简成果的问题,本文提出了一种基于Transformer机制的建筑多边形化简模型。该模型首先把建筑多边形映射至一定范围的网格空间,将建筑多边形的坐标串表达为网格序列,从而获取建筑多边形化简前后的Token序列,构建出建筑多边形化简样本对数据;随后采用Transformer架构建立模型,基于样本数据利用模型的掩码自注意力机制学习点序列之间的依赖关系,最终逐点生成新的简化多边形,从而实现建筑多边形的化简。在训练过程中,模型使用结构化的样本数据,设计了忽略特定索引的交叉熵损失函数以提升化简质量。试验设计包括主试验与泛化验证两部分。主试验基于洛杉矶1∶2000建筑数据集,分别采用0.2、0.3和0.5 mm 3种网格尺寸对多边形进行编码,实现了目标比例尺为1∶5000与1∶10000的化简。试验结果表明,在0.3 mm的网格尺寸下模型性能最优,验证集上的化简结果与人工标注的一致率超过92.0%,且针对北京部分区域的建筑多边形数据的泛化试验验证了模型的迁移能力;与LSTM模型的对比分析显示,在参数规模相近的条件下,LSTM模型无法形成有效收敛,并生成可用结果。本文证实了Transformer在处理空间几何序列任务中的潜力,且能够有效复用已有化简样本,为智能建筑多边形化简提供了具有工程实用价值的途径。 展开更多
关键词 地图综合 建筑多边形化简 TOKENIZATION Transformer模型 上下文工程
在线阅读 下载PDF
基于CNN-Transformer架构的电磁传播损耗预测算法
9
作者 万勇 李骏杰 +1 位作者 孙伟峰 戴永寿 《现代电子技术》 北大核心 2026年第6期43-48,共6页
为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,... 为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,将从卫星图像中获取的传播路径上地物特征序列进行位置编码,增强对传播路径中不同地物特征顺序对传播损耗影响的理解。最后将CNN提取的浅层特征与位置编码后的地物特征输入到Transformer模型,通过多头自注意力机制捕捉特征间的全局关联性,从而有效校正传播损耗的预测结果。实验结果表明,所提出的CNN-Transformer方法显著降低了传播损耗预测的均方根误差(RMSE),达到了3.3745 dB,同时保持了0.8956的较高确定性系数(R^(2))。所提的电磁传播损耗预测算法为无线通信传播特性研究领域提供了参考,具有一定的应用价值。 展开更多
关键词 电磁传播 损耗预测 TRANSFORMER CNN 斯皮尔曼系数法 地物类型 位置编码
在线阅读 下载PDF
基于BSimilar优化PTransformer的光伏功率短期预测
10
作者 张文广 蔡浩 +1 位作者 刘科 孙盼荣 《动力工程学报》 北大核心 2026年第1期77-84,102,共9页
为提高光伏功率短期预测的精度,提出了考虑光伏设备性能退化因素的相似日算法优化的分时段多通道独立光伏功率短期预测方法。首先,在PTransformer模型中用分时段与通道独立的方法来处理光伏输入数据,以降低空间复杂度及提高长时间数据... 为提高光伏功率短期预测的精度,提出了考虑光伏设备性能退化因素的相似日算法优化的分时段多通道独立光伏功率短期预测方法。首先,在PTransformer模型中用分时段与通道独立的方法来处理光伏输入数据,以降低空间复杂度及提高长时间数据序列的关注度。其次,运用Transformer的编码器模型,通过自身注意力机制捕捉光伏序列特征之间的依赖关系,进行光伏功率的短期预测。最后,运用夹角余弦距离计算相似度并考虑光伏设备性能退化因素确定相似日,利用其功率数据优化PTransformer模型,以改善功率数据的滞后性。结果表明:相比典型的光伏功率短期预测方法,所提方法训练速度更快,预测精准度更高,并且对复杂天气状况下的光伏功率也有较好的预测结果。 展开更多
关键词 光伏功率 短期预测 性能退化 贝叶斯分析 TRANSFORMER 相似日
在线阅读 下载PDF
基于Swin-PIDNet的纸质工程制图线型识别方法
11
作者 朱文博 陈龙飞 迟玉伦 《计算机应用研究》 北大核心 2026年第1期313-320,共8页
识别纸质工程制图图像的难点主要在于线型识别,针对纸质工程制图线型规范性差、跨度长、相对于背景图像尺寸小等问题,提出一种纸质工程制图线型识别Swin-PIDNet模型。用Swin Transformer替换PIDNet主干网络,在减少下采样的同时增强了模... 识别纸质工程制图图像的难点主要在于线型识别,针对纸质工程制图线型规范性差、跨度长、相对于背景图像尺寸小等问题,提出一种纸质工程制图线型识别Swin-PIDNet模型。用Swin Transformer替换PIDNet主干网络,在减少下采样的同时增强了模型长程建模能力;提出一种逐阶段解冻的迁移学习方法,提升模型对线型识别的训练效率和精度,平滑模型训练过程;针对工程制图线型的细长特征,嵌入注意力模块EMA到PAHDC模块中,从而改善背景信息淹没线型特征信息的问题;为处理线型类别不平衡问题,将Focal loss和Dice loss通过加权结合构建Swin-PIDNet的训练损失函数。实验证明该模型的评价指标MIoU为87.02%、MPA为95.42%、F 1分数为96.57%,相较于其他模型,该模型具有较强的线型识别能力,对纸质工程制图图像识别具有理论研究意义和实际应用价值。 展开更多
关键词 PIDNet Swin Transformer 线型识别 纸质工程制图 迁移学习 混合空洞卷积
在线阅读 下载PDF
基于多方位感知深度融合检测头的目标检测算法
12
作者 包晓安 彭书友 +3 位作者 张娜 涂小妹 张庆琪 吴彪 《浙江大学学报(工学版)》 北大核心 2026年第1期32-42,共11页
针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用... 针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用重参化大核卷积(RLK)模块,减小来自主干网络的特征空间差异,增强网络对中小型数据集的适应性;引入编码器选择保留模块(ESM),选择性地累积来自EDWE模块的输出,优化反向传播.实验结果表明,在规模较大的MS-COCO2017数据集上,所提算法应用于常见模型RetinaNet、FCOS、ATSS时使AP分别提升了2.9、2.6、3.4个百分点;在规模较小的PASCAL VOC2007数据集上,所提算法使3种模型的AP分别实现了1.3、1.0和1.1个百分点的提升.通过EDWE、RLK和ESM模块的协同作用,所提算法有效提升了目标检测精度,在不同规模的数据集上均展现了显著的性能优势. 展开更多
关键词 检测头 目标检测 Transformer编码器 深度融合 大核卷积
在线阅读 下载PDF
面向视觉算法的知识蒸馏研究综述
13
作者 潘海为 于丰铭 +3 位作者 张可佳 兰海燕 孟庆宇 李哲 《计算机研究与发展》 北大核心 2026年第1期90-122,共33页
知识蒸馏作为深度学习中的关键技术,通过将大型教师模型的知识传递给较小的学生模型,实现了模型的压缩与加速。在保证性能的前提下,显著减少了计算资源和存储需求,促进了高性能模型在资源受限的边缘设备上的部署。围绕知识蒸馏的最新研... 知识蒸馏作为深度学习中的关键技术,通过将大型教师模型的知识传递给较小的学生模型,实现了模型的压缩与加速。在保证性能的前提下,显著减少了计算资源和存储需求,促进了高性能模型在资源受限的边缘设备上的部署。围绕知识蒸馏的最新研究进展进行了系统性的综述,从知识类型和师生模型架构2个角度对知识蒸馏进行分类,详细汇总了输出特征知识、中间特征知识、关系特征知识3种典型知识类型的蒸馏方法,以及卷积架构到卷积架构、卷积架构到ViT(vision Transformer)架构、ViT架构到卷积架构和ViT架构到ViT架构的蒸馏方法;探讨了离线蒸馏、在线蒸馏、自蒸馏、无数据蒸馏、多教师蒸馏和助理蒸馏的学习方式;归纳了基于蒸馏过程、知识结构、温度系数及损失函数的蒸馏优化方法,分析了对抗性技术、自动机器学习、强化学习和扩散模型对蒸馏的改进,并总结了蒸馏技术在常见应用中的实现。尽管知识蒸馏取得了显著进展,但在实际应用和理论研究中仍面临诸多挑战。最后,对这些问题进行了深入分析,并对未来发展方向提出了见解。 展开更多
关键词 知识蒸馏 模型压缩 深度学习 卷积神经网络 视觉Transformer
在线阅读 下载PDF
Transformer架构驱动下的综采工作面矿压时序特征智能预测
14
作者 杜锋 陈博 +7 位作者 王文强 浦海 杜雪明 李国栋 乔瑞 李鑫磊 徐杰 曹煜 《煤田地质与勘探》 北大核心 2026年第2期1-13,共13页
【背景】矿压预测是顶板灾害预警和管理的重要手段,是智能化矿井安全生产的前提和基础。开采过程中综采工作面环境复杂多变,导致基于电液控制系统采集的支架压力数据分布差异较大,预测困难。【方法】基于Transformer的矿压预测模型,使... 【背景】矿压预测是顶板灾害预警和管理的重要手段,是智能化矿井安全生产的前提和基础。开采过程中综采工作面环境复杂多变,导致基于电液控制系统采集的支架压力数据分布差异较大,预测困难。【方法】基于Transformer的矿压预测模型,使用线性插值填补缺失的矿压值,并使用滑动窗口算法调整训练时的矿压数据结构;针对矿压数据的时序特性,构建融合时序特征的输入序列,利用多头注意力(multi-head-attention)机制动态计算权重,根据数据本身自适应地聚焦关键时间步,从而有效捕捉复杂的非线性时序依赖,显著提升特征表征与预测能力,最后使用迁移学习方法,完成对上、中、下工作面支架工作阻力预测,并搭建基于矿压大数据的智能分析及预测平台。【结果和结论】使用多头注意力机制代替神经网络捕捉全局矿压数据特征,比循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)具有更强长序列依赖能力和特征学习能力,能有效降低模型损失,更加适用于预测矿压,Transformer模型在测试集上的均方误差和平均绝对误差损失精度分别达到0.34%和2.57%。Transformer模型也具有较强的泛化能力,使用迁移学习方法微调后,能够有效降低模型损失,在迁移同工作面其他支架时具有更好的泛化效果,Transformer预测模型进一步验证在矿压预测问题的适用性和可行性。平台可视化显示系统可精准分析预测前后的来压次数、推进距离、来压判据和工作面矿压云图等关键参数,为顶板灾害预警乃至其他灾害预警提供新思路,也为矿井安全高效开采与智能化建设奠定了坚实基础。 展开更多
关键词 综采工作面 深度学习 Transformer模型 时间序列 矿压显现 矿压预测
在线阅读 下载PDF
基于空域抑制与轨迹关联优化的目标跟踪算法
15
作者 陈志旺 高一铭 +2 位作者 吕昌昊 刘禄阳 彭勇 《控制与决策》 北大核心 2026年第1期165-174,共10页
传统目标跟踪算法更新模板的方式较为单一,无法在目标发生剧烈形变时有效更新,易导致算法对于剧烈形变和遮挡场景适应性不足.鉴于此,提出一种基于空域抑制与轨迹关联优化的目标跟踪方法.首先,在特征提取部分采用改进后的ResNet-50网络,... 传统目标跟踪算法更新模板的方式较为单一,无法在目标发生剧烈形变时有效更新,易导致算法对于剧烈形变和遮挡场景适应性不足.鉴于此,提出一种基于空域抑制与轨迹关联优化的目标跟踪方法.首先,在特征提取部分采用改进后的ResNet-50网络,引入空域抑制注意力(SIA),通过设计能量函数为具有空域抑制效应的神经元优化权重分配,增强对目标特征的关注强度;然后,加入选择性查询回忆策略(SQR),将Transformer训练重点放在后期阶段,避免解码器缺乏训练重点和多层解码结构的级联错误;接着,构建长期-短期-轨迹框架(LST),引入轨迹关联度(DTC),在传统模板更新算法的基础上加入DTC预测头,通过最小成本流算法(MCF)建模全局轨迹关联性,并使用连续二次规划进行反向传播,更新轨迹参考模板;最后,在GOT-10k、LaSOT、TrackingNet、NfS30、UAV123和OTB100等公开数据集上进行实验评估,实验结果验证了所提出算法的有效性. 展开更多
关键词 目标跟踪 Transformer结构 空域抑制注意力 选择性查询回忆 轨迹关联度 最小成本流
原文传递
基于迁移学习的跨域井下异常振动监测
16
作者 张涛 曹雪萌 +2 位作者 米力克·萨迪尔 孟卓然 郭庆丰 《石油机械》 北大核心 2026年第1期1-9,共9页
由于不同井间工况差异显著,异常振动特征分布存在跨井不一致性,传统基于单井数据的监测方法难以适应跨井场景。为此,以黏滑振动为例,对不同工况下的黏滑振动数据特征进行了对比分析,提出了一种结合深度判别迁移学习网络(domain adaptive... 由于不同井间工况差异显著,异常振动特征分布存在跨井不一致性,传统基于单井数据的监测方法难以适应跨井场景。为此,以黏滑振动为例,对不同工况下的黏滑振动数据特征进行了对比分析,提出了一种结合深度判别迁移学习网络(domain adaptive transfer learning network,DDTLN)与BO⁃Transformer⁃LSTM的跨井异常振动识别方法。将近钻头振动数据输入到DDTLN模型中,通过卷积层与改进的联合分布自适应(IJDA)机制减小域间特征差异,实现跨域特征提取;将提取的特征输入到BO⁃Transformer⁃LSTM模型中挖掘时序信息,实现跨井高效分类。试验结果表明:不同工况下井间振动信号差异显著,传统方法跨域分类效果较差;经过DDTLN处理后,不同域间的数据特征有了很好的对齐,跨域识别准确率高达91.5%;DDTLN⁃BO⁃Transformer⁃LSTM模型能够有效解决跨井识别问题,分类准确率最高达96.7%,显著优于传统单井识别方法,具有更好的泛化能力。该研究可为跨井场景下的井下异常振动识别提供新思路。 展开更多
关键词 跨域识别 异常振动监测 特征分析 迁移学习 BO⁃Transformer⁃LSTM模型
在线阅读 下载PDF
基于深度学习的车辆轨迹预测研究进展
17
作者 方金凤 张振伟 孟祥福 《计算机科学与探索》 北大核心 2026年第2期346-366,共21页
车辆轨迹预测是利用人工智能方法预测车辆未来一段时间内的运动路径和行为。近年来,随着汽车保有量的逐年增加,交通问题不断产生,自动感知、理解和预测车辆下一步路线的能力变得越来越重要。同时,各类交通信息采集器的普及使得社会中产... 车辆轨迹预测是利用人工智能方法预测车辆未来一段时间内的运动路径和行为。近年来,随着汽车保有量的逐年增加,交通问题不断产生,自动感知、理解和预测车辆下一步路线的能力变得越来越重要。同时,各类交通信息采集器的普及使得社会中产生了大量的车辆轨迹数据,基于这些数据预测车辆的行驶轨迹在自动驾驶等多个领域都具有极大的价值。旨在对基于深度学习的车辆轨迹预测方法进行系统性综述。归纳了影响车辆轨迹预测结果的核心因素(如数据集质量、驾驶员意图等);列举并分析了车辆轨迹预测的传统方法;在此基础上,重点综述了基于深度学习的车辆轨迹预测方法,包括基于循环神经网络、图卷积神经网络、图注意力神经网络、Transformer和其他深度学习方法(生成对抗神经网络、自编码器);阐述了车辆轨迹预测方法的常用数据集和评估指标,并从预测性能、泛化能力等维度评估了不同深度学习方法的优劣;总结了当前车辆轨迹预测所面临的挑战(如道路环境不确定性、驾驶行为不确定性等),并对未来研究方向进行了展望。 展开更多
关键词 车辆轨迹预测 深度学习 循环神经网络 图神经网络 TRANSFORMER 自动驾驶
在线阅读 下载PDF
基于长短期记忆网络-Transformer模型参数优化的锂离子电池剩余使用寿命预测 被引量:1
18
作者 高建树 郝世宇 党一诺 《汽车工程师》 2026年第1期32-39,共8页
为提高锂离子电池剩余使用寿命(RUL)预测的准确性,提出了一种基于长短期记忆(LSTM)网络-Transformer模型参数优化的RUL预测方法,采用网格搜索法选取模型的超参数,利用LSTM网络提取锂离子电池时间序列中的长短期依赖关系,使用Transforme... 为提高锂离子电池剩余使用寿命(RUL)预测的准确性,提出了一种基于长短期记忆(LSTM)网络-Transformer模型参数优化的RUL预测方法,采用网格搜索法选取模型的超参数,利用LSTM网络提取锂离子电池时间序列中的长短期依赖关系,使用Transformer的自注意力机制处理全局信息并对超参数进行优化,通过全连接层进行最终的寿命预测。基于美国国家航空航天局(NASA)数据集和先进生命周期工程中心(CALCE)数据集的试验验证结果表明,模型在更短的序列长度、更少的隐藏层数量和训练次数等条件下,在多种评价指标上均优于LSTM网络模型、Transformer模型及其他神经网络模型,具有更高的预测精度和鲁棒性。最后,通过不同电池的对比试验进一步验证了模型在不同电池数据上的泛化能力。 展开更多
关键词 锂离子电池 剩余使用寿命预测 参数优化 长短期记忆神经网络 TRANSFORMER 混合模型
在线阅读 下载PDF
一种基于时域融合Transformer的4D航迹预测方法
19
作者 孔建国 马珂昕 +2 位作者 梁海军 张向伟 常瀚文 《电讯技术》 北大核心 2026年第1期21-29,共9页
针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以... 针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以体现飞行过程中不同阶段的差异;采用TFT模型有效捕捉各特征之间的隐式相关性,从而提高了预测精度;同时,结合分位数回归实现不确定性量化,提供了具有置信区间的航迹预测结果。实验表明,所提方法在真实数据上优于传统模型:与CNNLSTM模型和LSTM模型相比,平均距离误差分别减少了22.7%和50.9%,纵向、横向和垂直误差分别为305.01 m、177.91 m和25.23 m,验证了模型在解决航迹预测问题上的有效性,能够为管制精细化调控提供有效支持。 展开更多
关键词 空中交通管制 4D航迹预测 自动相关监视系统数据 时域融合Transformer 时间序列预测
在线阅读 下载PDF
融合群分解与Transformer-KAN的短期风速预测
20
作者 史加荣 张思怡 《南京信息工程大学学报》 北大核心 2026年第1期60-68,共9页
针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列... 针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列,建立Transformer-KAN模型,所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力.最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值.为了验证所提出模型的有效性,将其与其他模型进行实验对比,结果表明,SWD-Transformer-KAN模型具有最优的预测性能,其决定系数(R^(2))高达99.91%. 展开更多
关键词 风速预测 群分解 TRANSFORMER Kolmogorov-Arnold网络
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部