期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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36篇文章
< 1 2 >
每页显示 20 50 100
已选0条
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：
AMVT-NMN:Adaptive Multi-Scale Vision Transformer with Neuromorphic Memory Networks for Enhanced Lung Cancer Detection 认领 引用
1
作者 Wariyo Godana Arero Yaqin Zhao +6 位作者 Mudasir Ahmad Wani Pir Noman Ahmad Kashish Ara Shakil Sadique Ahmad Sidrak Habtemariam Teredda Merhawit Berhane Teklu Longwen Wu 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第4期1236-1262,共27页
Lung cancer accounts for the highest number of cancer deaths globally,underscoring the urgent need for early and precise detection to enhance patient outcomes.While deep learning has made remarkable strides in analyzi... Lung cancer accounts for the highest number of cancer deaths globally,underscoring the urgent need for early and precise detection to enhance patient outcomes.While deep learning has made remarkable strides in analyzing medical images,current approaches face a fundamental challenge.They cannot adequately capture detailed local patterns and broader contextual relationships within lung Computed tomography(CT)scans.To address this limitation,we introduce AMVT-NMN(adaptive multi-scale vision transformer with neuromorphic memory networks),which combines three complementary mechanisms.The dynamic adaptive kernel networks component intelligently adjusts receptive field sizes based on input characteristics,enabling flexible feature capture across multiple scales.The neuromorphic contextual memory attention module draws inspiration from how human memory systems process information,maintaining a dynamic record of diagnostically relevant patterns to inform current predictions.The hierarchical cross-scale fusion mechanism with learnable weights synthesizes information from different resolution levels through adaptive weighting.Testing on the Iraq-Oncology Teaching Hospital/National Center for Cancer Diseases(IQOTHNCCD)dataset demonstrates strong performance:97.9%accuracy,96.5%sensitivity,98.7%specificity,and 99.2%Area under the Curve-Receiver Operating Characteristic(AUC-ROC).These results surpass existing methods such as CNN-GD,which achieved 97.2%accuracy.Notably,the high specificity translates to fewer false alarms,potentially reducing unnecessary biopsies and follow-up imaging outcomes that matter considerably in clinical practice.Result of AMVT-NMN generalization to the Lung Image Database Consortium and Image Database Resource Initiative(LIDC-IDRI),Lung nodule analysis(LUNA16),and Non-Small Cell Lung Cancer(NSCLC)-Radiomics datasets showed AUCs of 96.5%,92.8%,and 97.2%,respectively.Ablation experiments confirm that each architectural element of AMVT-NMN contributes meaningfully to overall performance.Five-fold cross-validation yielded consistent results(97.71±0.57%),indicating reliable performance across different patient subsets.The memory-augmented design shows particular promise for handling diagnostically ambiguous cases.It is focused on pattern recognition and computational intelligence,which is useful for coping with uncertain information in intelligent diagnosis systems,meeting the growing trend for trusted artificial intelligence(AI)in decision-making. 展开更多
关键词 Adaptive multi-scale vision transformer dynamic adaptive kernel networks hierarchical cross-scale fusion lung cancer detection neuromorphic memory networks
暂未订购 下载PDF
基于深度谱核网络压缩的序列推荐系统 认领 引用
2
作者 孙腾中 顾阜城 +2 位作者 李彦辰 陈智宏 方鹏飞 《计算机工程与应用》 EI CSCD 北大核心 2026年第7期196-206,共11页
随着人工智能技术的发展,基于深度学习的序列推荐系统(sequential recommender systems,SRS)逐渐成为捕获用户动态兴趣与生成高质量推荐的关键技术。然而,如何有效挖掘序列数据的动态变化,仍然是一个重要挑战。近年来,深度谱核网络(deep... 随着人工智能技术的发展,基于深度学习的序列推荐系统(sequential recommender systems,SRS)逐渐成为捕获用户动态兴趣与生成高质量推荐的关键技术。然而,如何有效挖掘序列数据的动态变化,仍然是一个重要挑战。近年来,深度谱核网络(deep spectral kernel network,DSKN)因其在非静态与非平稳特征刻画方面的优势,在时序数据建模与观测领域展现出有效性。提出一种基于深度谱核网络的序列推荐方法,该方法利用DSKN通过核映射学习序列数据的时序相关特征,进而在核映射空间内进行特征建模,以提升推荐质量。然而,深度谱核网络往往需要大量参数来拟合数据分布,限制了其在边缘设备上的部署。为此,提出了一种谱核网络压缩算法,其中包括基于矩阵低秩分解的参数自适应分解机制,以及结合层间共享与区块间共享的参数共享机制。在有效降低模型参数量的同时,该方法保持了模型的性能稳定性。基于真实的互联网应用数据集以及标准序列推荐预测数据的实验结果表明,所提出的谱核网络压缩方法在保证推荐质量的同时,实现了更高的计算效率和更低的存储开销,验证了方法的有效性。 展开更多
关键词 序列推荐系统 深度谱核网络 网络参数自适应分解 参数共享
暂未订购 下载PDF
基于MSAK-Net的工作面瓦斯体积分数预测方法 认领 引用
3
作者 王一名 贾澎涛 +4 位作者 李爱军 王晋峰 王润超 王伟峰 杨鸿宇 《中国安全生产科学技术》 CAS CSCD 北大核心 2026年第8期89-97,共9页
为解决现有瓦斯体积分数预测方法存在多尺度特征提取不足、高阶非线性建模能力欠缺的问题,提出1种基于融合多尺度卷积、注意力门控与多阶核优化的瓦斯体积分数预测模型(multi-scale attention-enhanced KAN network,MSAK-Net)。该模型... 为解决现有瓦斯体积分数预测方法存在多尺度特征提取不足、高阶非线性建模能力欠缺的问题,提出1种基于融合多尺度卷积、注意力门控与多阶核优化的瓦斯体积分数预测模型(multi-scale attention-enhanced KAN network,MSAK-Net)。该模型首先通过构建交互式卷积模块,以并行卷积与动态门控机制融合瓦斯序列的趋势与波动特征,然后采用注意力门控循环单元强化关键历史信息以提升模型的长程依赖建模能力,最后利用多阶核自适应网络,结合多阶核映射与多分支卷积实现多尺度整合。研究结果表明:与线性模型、Transformer模型及循环神经网络等对比模型相比,MSAK-Net在MAE(平均绝对误差)和RMSE(均方根误差)上分别降低约1.95%~20.24%、0.87%~15.49%,R2(决定系数)提升约0.13%~2.98%;MSAK-Net的PRE(峰值相对误差)降低了约5.38%~37.81%,RoCE(变化率误差)降低了约1.71%~4.17%,FAR(误报率)降低了约29.94%~66.77%。研究结果可为煤矿瓦斯体积分数预测与智能预警提供方法参考。 展开更多
关键词 瓦斯体积分数预测 交互式卷积 注意力门控循环单元 多阶核自适应网络 多尺度特征融合
暂未订购 下载PDF
基于Swish和Mish激活函数PINN方法求解偏微分方程 认领 引用
4
作者 何荣泽 周晓军 《宁夏师范大学学报》 2026年第1期18-29,共12页
为解决物理信息神经网络在求解偏微分方程时使用tanh作为激活函数容易导致梯度消失的问题,且存在收敛精度不高的问题,用Swish和Mish作为激活函数代替tanh,并基于神经切线核分析不同激活函数的谱分布特性,进而验证并解释了Swish和Mish相... 为解决物理信息神经网络在求解偏微分方程时使用tanh作为激活函数容易导致梯度消失的问题,且存在收敛精度不高的问题,用Swish和Mish作为激活函数代替tanh,并基于神经切线核分析不同激活函数的谱分布特性,进而验证并解释了Swish和Mish相对于tanh函数在收敛精度和高频信息学习方面表现出更佳性能.同时,使用本文提出的方法求解Helmholtz和Klein-Gordon方程时,相较于使用tanh作激活函数,数值结果表明收敛精度提高了26.46%~64.95%,从而验证了该方法的有效性. 展开更多
关键词 物理信息神经网络 激活函数 Helmholtz方程 Klein-Gordon方程 自适应学习率 神经切线核
暂未订购 下载PDF
复杂网络上的加速核学习算法 认领 引用
5
作者 李朵 林一夫 李文玲 《常州大学学报（自然科学版）》 CAS 2026年第3期72-81,共10页
文章研究复杂网络上的核学习问题,利用每个网络节点的输入输出数据学习节点之间的非线性耦合函数。设计了复杂网络上的核最小均方算法,采用随机傅里叶特征(RFF)算法降低核最小均方算法随数据量增加的计算复杂度与存储复杂度,实现了节点... 文章研究复杂网络上的核学习问题,利用每个网络节点的输入输出数据学习节点之间的非线性耦合函数。设计了复杂网络上的核最小均方算法,采用随机傅里叶特征(RFF)算法降低核最小均方算法随数据量增加的计算复杂度与存储复杂度,实现了节点之间非线性耦合函数的拟合。考虑到经典的随机梯度下降算法带来的随机梯度噪声问题,本文采用核再生梯度下降算法求解均方误差函数,缩减了随机梯度噪声的方差,并结合自适应动量策略对核最小均方算法进行加速,在保证非线性耦合函数拟合精度的同时,提升了算法的收敛性能。理论分析表明在学习率满足一定条件时,文章提出的加速核学习算法是收敛的,并通过仿真例子验证了算法的优越性。 展开更多
关键词 复杂网络 核学习 随机傅里叶特征 核再生梯度下降 自适应动量
暂未订购 下载PDF
基于自适应大核卷积和特征融合的视线估计 认领 引用
6
作者 李晓鹏 王演 刘教 《计算机工程与设计》 北大核心 2026年第2期495-502,共8页
针对视线估计在无约束环境中准确率不高的问题,提出了一种自适应大核卷积和自适应特征融合的全脸视线估计方法。改进残差网络,增加自适应大核卷积(ALK)进行多层次的特征提取,扩大CNN的感受野,有效捕捉面部区域的细节特征;增加自适应特... 针对视线估计在无约束环境中准确率不高的问题,提出了一种自适应大核卷积和自适应特征融合的全脸视线估计方法。改进残差网络,增加自适应大核卷积(ALK)进行多层次的特征提取,扩大CNN的感受野,有效捕捉面部区域的细节特征;增加自适应特征融合(AFF)模块,根据全局信息自适应地融合多尺度局部特征,增强模型对视线的表征能力。改进后的模型在MPIIFaceGaze数据集和Gaze360数据集上进行评估,在两个数据集上测试的视线估计平均角度误差分别为4.2°和10.65°。通过与其它模型进行比较,验证了改进后的模型能够较为准确地进行三维视线估计。 展开更多
关键词 视线估计 自适应大核卷积 特征融合 残差网络 特征提取 多尺度特征 注意力机制
暂未订购 下载PDF
基于ASFF-AAKR和CNN-BILSTM滚动轴承寿命预测 认领 引用 被引量：5
7
作者 张永超 刘嵩寿 +2 位作者 陈昱锡 杨海昆 陈庆光 《科学技术与工程》 EI 北大核心 2025年第2期567-573,共7页
针对滚动轴承寿命预测精度低,构建健康指标困难的问题。提出了一种基于自适应特征融合(adaptively spatial feature fusion,ASFF)和自联想核回归模型(auto associative kernel regression,AAKR)与卷积神经网络(convolutional neural net... 针对滚动轴承寿命预测精度低,构建健康指标困难的问题。提出了一种基于自适应特征融合(adaptively spatial feature fusion,ASFF)和自联想核回归模型(auto associative kernel regression,AAKR)与卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bi-directional long-short term memory,BILSTM)的轴承剩余寿命预测模型。首先,在时域、频域和时频域提取多维特征,利用单调性和趋势性筛选敏感特征;其次利用ASFF-AAKR对敏感特征进行特征融合构建健康指标;最后,将健康指标输入到CNN和BILSTM中,实现对滚动轴承的寿命预测。结果表明:所构建的寿命预测模型优于其他模型,该方法具有更低的误差、寿命预测精度更高。 展开更多
关键词 滚动轴承 自适应特征融合 自联想核回归 卷积神经网络 双向长短期记忆网络 剩余寿命预测
暂未订购 下载PDF
基于改进轻量化神经网络的干扰识别方法 认领 引用 被引量：2
8
作者 付亦凡 阮航 +1 位作者 周东平 穆贺强 《现代防御技术》 北大核心 2025年第2期91-98,共8页
针对战场实战电磁对抗作战中,大量雷达干扰信号可以被简单迅速地生成,使用传统卷积神经网络对雷达干扰进行识别存在规模大,难以在小型化装备上搭载的问题。提出一种改进的轻量化卷积神经网络,通过在传统神经网络中使用动态卷积核尺寸技... 针对战场实战电磁对抗作战中,大量雷达干扰信号可以被简单迅速地生成,使用传统卷积神经网络对雷达干扰进行识别存在规模大,难以在小型化装备上搭载的问题。提出一种改进的轻量化卷积神经网络,通过在传统神经网络中使用动态卷积核尺寸技术并添加批量归一化层技术,提高网络的识别效能。通过提取干扰信号时频特征,构建训练集与测试集对网络进行训练。仿真实验表明,该网络对6种干扰信号在-8 dB干噪比条件下识别准确率达到96%以上,对比其他网络具有更好的识别准确效能。 展开更多
关键词 雷达有源干扰 卷积神经网络 轻量化 动态卷积核 特征提取
暂未订购 下载PDF
考虑风光相关性的输配电协同网络多时间尺度场景优化调度 认领 引用
9
作者 张胜飞 刘毅 《四川电力技术》 2025年第3期26-34,共9页
随着大量可再生能源的加入,传统配电网正逐渐转变为主动配电网。输配电网络的互联性将增加,潮流也由单向变为双相,影响输配电网络的稳定运行。针对分布式能源接入比例较高的输配协同网络,提出了一种考虑风光相关性的输配电协同网络多时... 随着大量可再生能源的加入,传统配电网正逐渐转变为主动配电网。输配电网络的互联性将增加,潮流也由单向变为双相,影响输配电网络的稳定运行。针对分布式能源接入比例较高的输配协同网络,提出了一种考虑风光相关性的输配电协同网络多时间尺度场景优化调度方法,以满足两类网络之间日益增长的耦合需求。首先,针对多风电场和光伏电场在空间和时间维度的相关性,提出了一种基于自适应多变量核密度估计和连续时间马尔科夫链相结合的风光场景生成方法;其次,在日前阶段以系统总运行成本最小为目标,在风险极限约束条件下对输配一体化网络进行联合优化,在日内阶段以风险成本最小为目标,对调度方案进行修正;然后,采用基于改进捕获策略的多目标粒子群优化算法对多目标问题进行求解;最后,通过算例分析验证了所提多时间尺度风险调度模型的有效性,证明该模型能够实现输配电网络之间的交互协调以及运行成本和运行风险的协同优化。 展开更多
关键词 输配电网络 多时间尺度优化 自适应多变量核密度估计 多目标粒子群算法
暂未订购 下载PDF
基于热核扩散的类脑小世界储备池设计 认领 引用
10
作者 闫莹 於志勇 黄昉菀 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2025年第12期2551-2558,共8页
为了解决传统回声状态网络中储备池结构设计依赖Watts-Strogatz(WS)小世界网络随机重布线的局限性问题,本文根据热核扩散原理构造类脑小世界储备池。从随机生成的储备池中选择一个非孤立神经元,删除其现有权边中热核值最低的一条边,新... 为了解决传统回声状态网络中储备池结构设计依赖Watts-Strogatz(WS)小世界网络随机重布线的局限性问题,本文根据热核扩散原理构造类脑小世界储备池。从随机生成的储备池中选择一个非孤立神经元,删除其现有权边中热核值最低的一条边,新增尚未连接权边中热核值最高的一条边,并在此过程中利用随机重布线以提高储备池的鲁棒性。通过不断迭代该过程,使储备池呈现小世界性质。相比WS算法,本文构造的储备池小世界性质更优,且混沌时间序列预测精度显著提升,权重最优时精度提高29.89%。有效突破传统小世界网络储备池的精度局限,为回声状态网络在复杂时序分析场景的应用提供更强支撑。 展开更多
关键词 小世界 类脑 热核扩散 自适应 重布线 储备池 回声状态网络 时间序列预测
暂未订购 下载PDF
基于社区划分的学术论文推荐模型 认领 引用 被引量：11
11
作者 黄泳航 汤庸 +2 位作者 李春英 汤志康 刘继伟 《计算机应用》 CSCD 北大核心 2016年第5期1279-1283,1289,共5页
针对学术社交网络独有的社交性,构建了基于社区划分的学术论文推荐模型。模型选择社区复杂好友关系网络图中最大连通分量作为数据处理逻辑单元,在此基础上进行核心关系网划分,并采用非参数控制的方式,在所建立的核心关系网内建立标签,... 针对学术社交网络独有的社交性,构建了基于社区划分的学术论文推荐模型。模型选择社区复杂好友关系网络图中最大连通分量作为数据处理逻辑单元,在此基础上进行核心关系网划分,并采用非参数控制的方式,在所建立的核心关系网内建立标签,在学术社交网络中通过标签传播进行社区划分,根据社区划分结果在社区内部的用户之间推荐学术论文。该社区划分算法与经典社区划分算法在人工网络上进行仿真实验,结果表明该算法在不同特征的人工网络上皆能取得良好的社区发现质量。 展开更多
关键词 核心关系网 社区划分 标签传播 自适应阈值 学术论文推荐
暂未订购 下载PDF
基于核自适应滤波的无线传感网络定位算法研究 认领 引用 被引量：9
12
作者 李军 赵畅 《农业机械学报》 EI CAS CSCD 北大核心 2018年第4期241-248,共8页
针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least me... 针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least mean square,QKLMS)算法及固定预算(Fixed-budget,FB)核递推最小二乘(Kernel recursive least-squares,KRLS)算法。QKLMS算法基于一种简单在线矢量量化方法替代稀疏化,抑制核自适应滤波中径向基函数结构的增长。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"滑窗"技术不同,每次时间更新时并不"修剪"最旧的数据,而是旨在"修剪"最无用的数据,从而抑制核矩阵的不断增长。通过构建RSS指纹信息与物理位置之间的非线性映射关系,核自适应滤波算法实现WSN的室内定位,将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与其他核学习算法、极限学习机(Extreme learning machine,ELM)等定位算法进行比较。仿真实验中2种算法在3种情形下的平均定位误差分别为0.746、0.443 m,物理实验中2种算法在2种情形下的平均定位误差分别为0.547、0.282 m。实验结果表明,所提出的核自适应滤波算法均能提高定位精度,其在线学习能力使得所提出的定位算法能自适应环境动态的变化。 展开更多
关键词 核自适应滤波 量化核最小均方算法 核递推最小二乘算法 无线传感网络 室内定位
暂未订购 下载PDF
基于自适应噪声完备经验模态分解−样本熵−长短期记忆神经网络和核密度估计的短期电力负荷区间预测 认领 引用 被引量：26
13
作者 赵会茹 张士营 +2 位作者 赵一航 刘红雨 邱宝红 《现代电力》 北大核心 2021年第2期138-146,共9页
短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自... 短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自适应噪声完备经验模态分解方法将负荷序列分解为多个模态分量,并根据不同序列样本熵的计算结果将序列进行重构以降低运算量。在此基础上,针对每一个分量分别构建长短期记忆神经网络预测模型,得到未来负荷点预测值。基于此利用核密度估计方法对预测误差的分布进行估计,进而结合点预测结果实现未来短期负荷的区间预测。通过将此模型与其他模型进行对比,结果表明此模型能够实现更低的点预测误差,同时在区间预测中也表现出更好的综合性能。 展开更多
关键词 短期负荷预测 自适应噪声完备经验模态分解 长短期记忆神经网络 核密度估计
暂未订购 下载PDF
多层深度特征的目标跟踪算法研究 认领 引用 被引量：3
14
作者 胡昭华 钮梦宇 +2 位作者 邵晓雯 卞飞飞 王珏 《现代电子技术》 北大核心 2019年第1期51-56,共6页
现有的目标跟踪算法大多采用传统的手工特征或神经网络的某一层特征描述目标的外观,不利于跟踪,文中提出一种基于多层深度特征的自适应更新目标跟踪算法。采用经过预训练的深层卷积神经网络分别提取低层和高层信息用以描述目标的空间特... 现有的目标跟踪算法大多采用传统的手工特征或神经网络的某一层特征描述目标的外观,不利于跟踪,文中提出一种基于多层深度特征的自适应更新目标跟踪算法。采用经过预训练的深层卷积神经网络分别提取低层和高层信息用以描述目标的空间特征和语义特征,通过对两层特征信息的学习得到两个滤波模板,对应求得两个滤波响应,这两个滤波响应以不同的权重决定最后的跟踪结果。算法中还设计了对目标外观模型和滤波模板的自适应更新方案,能更好地适应目标的外观变化以及遮挡问题。采用多层深度特征描述目标外观,并且利用提取的特征训练两个滤波模板,求滤波响应时采用核相关的方法,增强了跟踪结果的准确性并加快了跟踪的速度。实验结果表明,所提算法与现有跟踪算法相比,可以更好地应对多种挑战因素,跟踪速度也完全能满足实时跟踪任务的需求。 展开更多
关键词 目标跟踪 深度特征 自适应核相关 卷积神经网络 滤波响应 跟踪速度
暂未订购 下载PDF
基于数字孪生与多模型融合的多元负荷短期预测 认领 引用 被引量：6
15
作者 冯佳威 王海鑫 +3 位作者 杨子豪 陈哲 李云路 杨俊友 《太阳能学报》 EI CAS CSCD 北大核心 2024年第10期97-106,共10页
针对多元负荷呈波动性和非线性特性导致预测模型稳定性差和精确度低等问题,提出一种基于数字孪生与多模型融合的多元负荷短期预测方法。首先,根据数字孪生体中气象和负荷信息,利用最大信息系数(MIC)分析多源数据信息间的耦合特性,基于... 针对多元负荷呈波动性和非线性特性导致预测模型稳定性差和精确度低等问题,提出一种基于数字孪生与多模型融合的多元负荷短期预测方法。首先,根据数字孪生体中气象和负荷信息,利用最大信息系数(MIC)分析多源数据信息间的耦合特性,基于数据时序性和周期性构建筛选信息特征。其次,采用自适应局部迭代滤波(ALIF)将历史多元负荷数据进行分解,得到不同频率下固有模态函数(IMF)分量。然后,采用核极限学习机(KELM)和双向长短期记忆网络(BiLSTM)预测高频和低频负荷分量,融合重构得到初始负荷短期预测结果。最后,利用数字孪生体补偿初始预测结果,得到最终负荷预测结果。仿真结果表明,与单预测模型及未基于数字孪生预测模型相比,所提方法具有更好的稳定性,能有效应对负荷波动变化和非线性,提升模型预测精度。 展开更多
关键词 数字孪生 负荷预测 自适应滤波 新型电力系统 核极限学习机 双向长短期记忆网络
暂未订购 下载PDF
基于KPCA-ANFIS的锂离子电池RUL预测 认领 引用 被引量：8
16
作者 王竹晴 庞晓琼 +3 位作者 黄蕊 贾建芳 史元浩 温杰 《电子测量与仪器学报》 CSCD 北大核心 2018年第10期26-32,共7页
针对锂离子电池寿命预测过程中内部参数测量困难、特征构造过程复杂、预测结果不精确等问题,提出了一种结合核主元分析法(KPCA)特征提取与自适应神经网络模糊推理系统(ANFIS)的锂电池剩余寿命预测方法。该方法利用KPCA算法从电池在线可... 针对锂离子电池寿命预测过程中内部参数测量困难、特征构造过程复杂、预测结果不精确等问题,提出了一种结合核主元分析法(KPCA)特征提取与自适应神经网络模糊推理系统(ANFIS)的锂电池剩余寿命预测方法。该方法利用KPCA算法从电池在线可测的参数(电压、电流等)中提取出相互独立的主元特征,通过计算特征得分率和Spearman秩相关系数筛选出准确反映电池退化规律的主元,将其作为锂离子电池的健康指标输入ANFIS神经网络进行容量估计和剩余寿命预测。实验结果表明,基于KPCA-ANFIS的锂电池剩余寿命预测算法所提取的主元特征能够显著反应电池退化特性。此外,通过与PCA-ANFIS算法对比,所设计算法的剩余寿命预测精度得到显著提高(均方误差提高1.73倍,平均绝对误差提高1.38倍)。 展开更多
关键词 锂离子电池 剩余使用寿命 健康指标 KPCA算法 ANFIS神经网络
暂未订购 下载PDF
基于MIWOA优化SCN的变压器故障诊断研究 认领 引用 被引量：13
17
作者 丰胜成 张宗瑞 +1 位作者 付华 韩猛 《电工电能新技术》 CSCD 北大核心 2024年第6期79-89,共11页
针对变压器故障诊断精确度低的问题,本文提出了一种多策略改进的鲸鱼优化算法(MIWOA)优化随机配置网络(SCN)的变压器故障诊断模型。首先,对变压器冗杂繁多的原始故障数据进行核主成分分析(KPCA)降维处理,降低无效特征的影响;其次,利用T... 针对变压器故障诊断精确度低的问题,本文提出了一种多策略改进的鲸鱼优化算法(MIWOA)优化随机配置网络(SCN)的变压器故障诊断模型。首先,对变压器冗杂繁多的原始故障数据进行核主成分分析(KPCA)降维处理,降低无效特征的影响;其次,利用Tent混沌映射、动态自适应权重和初级知识获取共享算法对鲸鱼算法(WOA)进行改进,提高其优化能力;然后,在SCN中引入L2范数惩罚项进行正则化处理,并使用改进后的MIWOA算法对SCN惩罚项系数C进行寻优求解,提高SCN分类精度和泛化能力;最后,将降维的数据输入到MIWOA-SCN故障诊断模型中,提高模型收敛速度。结果表明,本文所提出的模型诊断精度为93.1%,与WOA-SCN、GWO-SCN和PSO-SCN诊断模型相比,分别提高了6.89%、9.48%、14.65%,证明MIWOA-SCN诊断模型在变压器故障诊断上具有良好的诊断效果。 展开更多
关键词 变压器 鲸鱼优化算法 核主成分分析 动态自适应权重 初级知识获取共享算法 随机配置网络
暂未订购 下载PDF
基于改进的CNN语音识别研究 认领 引用 被引量：11
18
作者 徐龙飞 张磊 郁进明 《计算机应用与软件》 北大核心 2022年第1期119-125,共7页
针对卷积神经网络进行语音识别时识别率较低的问题,结合序列的最大子序列理论,把真实数据和预测数据看作两个序列并计算两者的最大子序列,再使用欧氏距离计算MSLoss损失函数。使用闵氏距离和神经网络反向更新时的参数,提出自适应卷积核A... 针对卷积神经网络进行语音识别时识别率较低的问题,结合序列的最大子序列理论,把真实数据和预测数据看作两个序列并计算两者的最大子序列,再使用欧氏距离计算MSLoss损失函数。使用闵氏距离和神经网络反向更新时的参数,提出自适应卷积核ACKS算法,根据网络传播情况动态地改变卷积核大小,改善模型在不同阶段对数据特性的提取效果。设计改进后的网络结构,把改进的网络与循环神经网络和长短时记忆神经网络进行识别率和计算时间的比较,实验结果表明,改进后的模型可以减少2%的运行时间并降低3%的误识别率。 展开更多
关键词 卷积神经网络 语音识别 最大损失函数 自适应卷积核
暂未订购 下载PDF
基于CNN和尺度自适应Transformer融合网络的路面裂缝分割方法 认领 引用 被引量：5
19
作者 桂彦 叶文倩 +2 位作者 王建新 吕松涛 葛冬冬 《中国公路学报》 EI CAS CSCD 北大核心 2024年第12期418-432,共15页
路面裂缝分割技术的发展对评估民用基础设施的安全性和耐久性具有重要意义。然而,在应对复杂多变的背景环境时,精确地分割形态各异的裂缝仍具有挑战。为了提升分割性能,提出一种基于CNN和尺度自适应Transformer融合网络的路面裂缝分割... 路面裂缝分割技术的发展对评估民用基础设施的安全性和耐久性具有重要意义。然而,在应对复杂多变的背景环境时,精确地分割形态各异的裂缝仍具有挑战。为了提升分割性能,提出一种基于CNN和尺度自适应Transformer融合网络的路面裂缝分割方法。在结合CNN和Transformer的双编码器中,提出尺度自适应Transformer块,通过结合尺度自适应多头注意力机制和细节增强前馈网络,有效地捕获多尺度裂缝特征和增强细节信息;并且,采用全局局部特征融合模块聚合双编码器的中间层特征,增强裂缝特征的辨别力。在解码器中,引入大核双重注意力模块恢复裂缝边缘信息,以及抑制背景噪声区域的影响,最终实现高精度的裂缝分割预测。最后,联合交叉熵分割损失和骰子损失优化网络训练过程。为验证所提方法的有效性,在DeepCrack、Crack500、CFTR478数据集上进行大量的对比试验和消融试验。研究结果表明:所提方法明显优于对比方法,在CFTR478验证数据集上的mIoU分数相比DTrc-Net和FAT-Net方法分别提升1.58%和1.82%;且在光线阴暗、雨天湿滑以及不同材质路面等复杂场景下,所提方法仍能有效地识别并精确地分割裂缝区域,保持清晰的边缘。在实际校园场景中应用所提方法进行路面裂缝分割,能够获得高质量路面裂缝分割结果,实际应用效果较好。 展开更多
关键词 路面工程 路面裂缝分割 尺度自适应Transformer 多尺度裂缝特征 细节增强前馈网络 大核双重注意力
暂未订购 下载PDF
基于多核自适应网络的高速公路交通流预测方法 认领 引用 被引量：5
20
作者 习金浩 孟峰 +3 位作者 朱凤华 贺正冰 李润梅 吕宜生 《交通运输研究》 2021年第4期1-9,共9页
针对高速公路各路段交通流信息差异较大这一现象,为提高交通流预测准确率,将注意力机制引入卷积神经网络,建立描述交通流时空关联特征的多核自适应网络(Multi-Kernel Adaptive Network,MKAN)。首先对输入的历史交通流数据进行多分支卷积... 针对高速公路各路段交通流信息差异较大这一现象,为提高交通流预测准确率,将注意力机制引入卷积神经网络,建立描述交通流时空关联特征的多核自适应网络(Multi-Kernel Adaptive Network,MKAN)。首先对输入的历史交通流数据进行多分支卷积,获得不同尺度的交通流特征;然后根据输入信息自适应调整各卷积分支权重并对各分支多通道特征图进行加权融合;最后根据融合特征图,利用多层感知机预测下一时段交通流。基于加州交通运输部性能测试系统中的高速公路交通流数据设计实验进行模型验证和对比分析。实验结果表明,在大多数站点,MKAN模型的预测均方根误差和平均绝对误差低于长短期记忆网络、门控循环单元、K近邻算法和支持向量回归模型,对140号站点进行全天交通流预测,在1d内的各时段,MKAN模型预测绝对误差均小于其他对比模型;相比于单核卷积神经网络,在绝大多数站点,MKAN模型预测结果的均方根误差和平均绝对误差降低7%以上,对31号站点进行全天交通流预测,在1d内的大多数时段,MKAN模型预测绝对误差小于其他单核卷积神经网络。实验证明,多核自适应网络可有效提高交通流预测准确率,其预测效果优于部分传统预测模型和单核卷积神经网络。 展开更多
关键词 城市交通 交通流预测 多核自适应网络 高速公路交通流 深度学习
暂未订购 下载PDF
已选0条
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 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈