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76篇文章
< 1 2 … 4 >
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：
Subnetwork-based federated few-shot semantic segmentation of organ images 认领 引用
1
作者 Junpeng WU Meng ZHAO Huanping ZHANG 《Optoelectronics Letters》 EI 2026年第5期275-281,共7页
Federated learning(FL),as a distributed learning paradigm,allows multiple medical institutions to collaborate on learning without the need to centralize all client data.However,existing methods pay little attention to... Federated learning(FL),as a distributed learning paradigm,allows multiple medical institutions to collaborate on learning without the need to centralize all client data.However,existing methods pay little attention to more challenging medical image semantic segmentation tasks,especially in the scenario of the imbalanced dataset in federated few-shot learning(FSL).In this paper,we propose a subnetwork-based federated few-shot organ image segmentation method.Firstly,individual clients train using local training samples and then upload local model gradients to the server.The server utilizes their respective local model gradients to update the subnetwork maintained on the server and generate aggregation weights for forming personalized model parameters.Through this method,we can learn the similarities between different clients to address data heterogeneity issues.In addition,to enhance the communication efficiency between clients and the server,we have also designed a personalized layer aggregation strategy,which only transmits partial layer model parameters during the communication process to improve communication efficiency.Finally,we conducted experiments on abdomen magnetic resonance imaging(ABD-MRI)and abdomen computed tomography(ABD-CT)datasets to demonstrate the effectiveness of our method. 展开更多
关键词 subnetwork based federated learning semantic segmentation few shot learning imbalanced dataset medical image semantic segmentation local training federated learning fl collaborate learning
暂未订购 下载PDF
Structural and functional connectivity of the whole brain and subnetworks in individuals with mild traumatic brain injury:predictors of patient prognosis 认领 引用 被引量：2
2
作者 Sihong Huang Jungong Han +4 位作者 Hairong Zheng Mengjun Li Chuxin Huang Xiaoyan Kui Jun Liu 《Neural Regeneration Research》 SCIE CAS CSCD 2024年第7期1553-1558,共6页
Patients with mild traumatic brain injury have a diverse clinical presentation,and the underlying pathophysiology remains poorly understood.Magnetic resonance imaging is a non-invasive technique that has been widely u... Patients with mild traumatic brain injury have a diverse clinical presentation,and the underlying pathophysiology remains poorly understood.Magnetic resonance imaging is a non-invasive technique that has been widely utilized to investigate neuro biological markers after mild traumatic brain injury.This approach has emerged as a promising tool for investigating the pathogenesis of mild traumatic brain injury.G raph theory is a quantitative method of analyzing complex networks that has been widely used to study changes in brain structure and function.However,most previous mild traumatic brain injury studies using graph theory have focused on specific populations,with limited exploration of simultaneous abnormalities in structural and functional connectivity.Given that mild traumatic brain injury is the most common type of traumatic brain injury encounte red in clinical practice,further investigation of the patient characteristics and evolution of structural and functional connectivity is critical.In the present study,we explored whether abnormal structural and functional connectivity in the acute phase could serve as indicators of longitudinal changes in imaging data and cognitive function in patients with mild traumatic brain injury.In this longitudinal study,we enrolled 46 patients with mild traumatic brain injury who were assessed within 2 wee ks of injury,as well as 36 healthy controls.Resting-state functional magnetic resonance imaging and diffusion-weighted imaging data were acquired for graph theoretical network analysis.In the acute phase,patients with mild traumatic brain injury demonstrated reduced structural connectivity in the dorsal attention network.More than 3 months of followup data revealed signs of recovery in structural and functional connectivity,as well as cognitive function,in 22 out of the 46 patients.Furthermore,better cognitive function was associated with more efficient networks.Finally,our data indicated that small-worldness in the acute stage could serve as a predictor of longitudinal changes in connectivity in patients with mild traumatic brain injury.These findings highlight the importance of integrating structural and functional connectivity in unde rstanding the occurrence and evolution of mild traumatic brain injury.Additionally,exploratory analysis based on subnetworks could serve a predictive function in the prognosis of patients with mild traumatic brain injury. 展开更多
关键词 cognitive function cross-section follow-up functional connectivity graph theory longitudinal study mild traumatic brain injury prediction small-worldness structural connectivity subnetworks whole brain network
暂未订购 下载PDF
TOPOLOGICAL CONDITIONS FOR SOLVA ILITY OF PSEUDO-TEARING SUBNETWORK 认领 引用
3
作者 黄东泉 《Journal of Electronics(China)》 1990年第2期163-166,共4页
The problem for the solvability of pseudo-tearing subnetwork is one of the essentialinvestigations of network theory.The results presented would be not only mathematical conditionsbut also topological conditions for s... The problem for the solvability of pseudo-tearing subnetwork is one of the essentialinvestigations of network theory.The results presented would be not only mathematical conditionsbut also topological conditions for subnetwork solvability.These conditions are necessary andalmost sufficient.It should guide one intuitively to the design of accessible nodes. 展开更多
关键词 Pseudo-tearing subnetwork Indirectly accessible terminals Distinct terminals independent paths
暂未订购 下载PDF
基于改进可解释神经网络的电力线信道建模方法 认领 引用
4
作者 刘康 滕清松 +3 位作者 董武 杨成江 赵莹 王平 《电力大数据》 2026年第4期67-75,共9页
针对现有电力线信道建模方法普遍存在的参数冗余、模型收敛速度慢等问题,提出一种基于改进可解释神经网络的电力线信道建模方法,旨在利用深度学习架构构建高效、高精度的信道模型。首先,采用正交投影与分步优化策略处理输入特征,以消除... 针对现有电力线信道建模方法普遍存在的参数冗余、模型收敛速度慢等问题,提出一种基于改进可解释神经网络的电力线信道建模方法,旨在利用深度学习架构构建高效、高精度的信道模型。首先,采用正交投影与分步优化策略处理输入特征,以消除冗余信息;接着,利用多路残差子网络提取深层特征。最后,通过线性加权融合机制,实现模型参数的压缩以及信道特性的精准匹配。实测结果表明,该方法的均方根误差(RMSE)小于2 dB,且能直观呈现子网络与参数投影权重的关联,验证了模型的可解释性。与传输线建模的4.86 dB、生成对抗网络(generative adversarial networks,GAN)建模的4.23 dB、自编码器与生成对抗网络(auto-encoder-generative adversarial networks,AE-GAN)融合建模的4.38 dB相比,该方法具有更高的模型精度,可为中低压电力线载波信道特性研究提供有力支撑。 展开更多
关键词 电力线载波通信 信道建模 深度学习 可解释神经网络 残差子网络
暂未订购 下载PDF
多视图注意力融合的引文网络学术群体识别 认领 引用
5
作者 邱原 彭海龙 +3 位作者 费蓉 徐庆征 李仟禧 薛诚 《计算机应用》 CSCD 北大核心 2026年第8期2494-2504,共11页
引文网络中的学术群体识别旨在揭示学者间的内在关联。然而,节点属性(内容特征)与拓扑结构(关联模式)的异质性导致融合时易出现特征错位与信息稀释,且现有方法常忽略由高连接度节点构成的核心子网络所蕴含的稳定关联模式,这些制约了识... 引文网络中的学术群体识别旨在揭示学者间的内在关联。然而,节点属性(内容特征)与拓扑结构(关联模式)的异质性导致融合时易出现特征错位与信息稀释,且现有方法常忽略由高连接度节点构成的核心子网络所蕴含的稳定关联模式,这些制约了识别精度。为了解决上述问题,提出一种多视图注意力融合的学术群体识别(MAFCI)方法。所提方法采用双视图设计:一个视图对原始节点属性与邻接矩阵进行编码,另一个视图融合由k-core提取的核心节点信息及其拓扑结构;采用稀疏图注意力机制分别从两个视图中提取低维嵌入,并通过动态加权策略实现多源信息的自适应融合,以兼顾局部结构与全局语义。解码器通过内积重构邻接矩阵,并基于注意力机制恢复节点属性与核心信息;同时,引入自监督聚类损失,引导嵌入表示向判别性聚类中心收敛,增强群体边界的区分度。在Cora、Citeseer、ACM和DBLP 4个引文网络数据集上的实验结果表明,MAFCI方法在多数核心评价指标上优于DDGAE(Deep Dual Graph Attention auto-Encoder)和BCDAN(Balanced method for Community Detection in Attribute Networks)等9个先进基线方法。具体地,在DBLP数据集上,MAFCI方法的归一化互信息(NMI)达到0.513,准确率(ACC)达到0.809,分别较最优基线方法提升了2.3和1.3个百分点;在ACM数据集上,MAFCI方法的NMI为0.674,F1分数为0.903,分别较最优基线方法提升了1.2和0.8个百分点;在Citeseer数据集上,MAFCI方法的NMI达到0.448,较最优基线方法提升了0.7个百分点;在Cora数据集上,MAFCI方法的NMI达到0.543,同样优于所有对比方法。可见,MAFCI方法通过双视图稀疏注意力与动态融合机制,有效提升了学术群体识别的准确性与鲁棒性,在不同规模与结构的引文网络上均表现出良好泛化能力。 展开更多
关键词 学术群体识别 社区检测 自监督聚类 核心子网络 稀疏图注意力 联合优化 表示学习
暂未订购 下载PDF
Synchronization transition of a modular neural network containing subnetworks of different scales 认领 引用 被引量：1
6
作者 Weifang HUANG Lijian YANG +2 位作者 Xuan ZHAN Ziying FU Ya JIA 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2023年第10期1458-1470,共13页
Time delay and coupling strength are important factors that affect the synchronization of neural networks.In this study,a modular neural network containing subnetworks of different scales was constructed using the Hod... Time delay and coupling strength are important factors that affect the synchronization of neural networks.In this study,a modular neural network containing subnetworks of different scales was constructed using the Hodgkin–Huxley(HH)neural model;i.e.,a small-scale random network was unidirectionally connected to a large-scale small-world network through chemical synapses.Time delays were found to induce multiple synchronization transitions in the network.An increase in coupling strength also promoted synchronization of the network when the time delay was an integer multiple of the firing period of a single neuron.Considering that time delays at different locations in a modular network may have different effects,we explored the influence of time delays within each subnetwork and between two subnetworks on the synchronization of modular networks.We found that when the subnetworks were well synchronized internally,an increase in the time delay within both subnetworks induced multiple synchronization transitions of their own.In addition,the synchronization state of the small-scale network affected the synchronization of the large-scale network.It was surprising to find that an increase in the time delay between the two subnetworks caused the synchronization factor of the modular network to vary periodically,but it had essentially no effect on the synchronization within the receiving subnetwork.By analyzing the phase difference between the two subnetworks,we found that the mechanism of the periodic variation of the synchronization factor of the modular network was the periodic variation of the phase difference.Finally,the generality of the results was demonstrated by investigating modular networks at different scales. 展开更多
关键词 Hodgkin-Huxley neuron Modular neural network Subnetwork Synchronization Transmission delay
暂未订购 下载PDF
一种面向运动-认知协同康复的脑功能连接定量分析方法 认领 引用
7
作者 刘一诺 卢杰威 +2 位作者 刘晋瑞 于宁波 韩建达 《仪器仪表学报》 EI CAS CSCD 北大核心 2026年第5期273-282,共10页
运动-认知协同康复已被证实可显著改善脑卒中等中枢神经疾病患者的整体功能。然而,脑区间动态协同机制复杂,如何量化分析运动-认知功能相关的脑区间交互效应是优化康复治疗的一个核心挑战。为此,提出了一种基于最优传输子网络的脑功能... 运动-认知协同康复已被证实可显著改善脑卒中等中枢神经疾病患者的整体功能。然而,脑区间动态协同机制复杂,如何量化分析运动-认知功能相关的脑区间交互效应是优化康复治疗的一个核心挑战。为此,提出了一种基于最优传输子网络的脑功能连接定量分析方法,旨在从脑电信号中提取可解释的运动-认知神经特征。首先,设计了有、无视觉反馈的握力控制实验范式,同步采集脑电和握力数据;然后,基于锁相值建立功能连接矩阵,使用Kruskal优化算法筛选出最关键的节点连接,构建最优传输子网络以强化网络表达;进而,结合最优子网络和滑动任务窗分析提取脑区内连通强度和脑区间连通强度特征,分析握力机制并量化不同任务阶段下脑功能连接的动态变化。招募15名受试者开展实验,结果表明视觉反馈显著增强了特定脑区内和脑区间的功能连接,且在不同阶段体现出不同的增强表现。在任务准备阶段,高频信号下前额叶认知区连接增强;在任务启动阶段,低频振荡驱动枕叶皮层视觉区与中央运动区及体感联合皮层耦合增强;在任务稳定阶段,低高频信号共同协调认知区与运动区连接,保证握力持续稳定控制。由此,建立了一种可解释的脑区间交互效应分析与特征提取方法,为运动-认知协同康复提供了技术手段和量化依据。 展开更多
关键词 运动-认知功能 脑功能连接 EEG 最优传输子网络
暂未订购 下载PDF
中子扩散方程的PINN源迭代法求解精度与收敛性优化研究 认领 引用
8
作者 曹允 庄坤 陈金根 《核技术》 EI CAS CSCD 北大核心 2026年第6期137-148,共12页
准确预测有效增殖因数(keff)对反应堆物理设计与安全分析至关重要。近年来,物理信息神经网络(Physics-Informed Neural Networks,PINN)为其提供了一种无网格的机器学习求解范式,但在求解多材料区域问题时因其表达能力瓶颈导致精度和... 准确预测有效增殖因数(keff)对反应堆物理设计与安全分析至关重要。近年来,物理信息神经网络(Physics-Informed Neural Networks,PINN)为其提供了一种无网格的机器学习求解范式,但在求解多材料区域问题时因其表达能力瓶颈导致精度和收敛性严重下降。针对该问题,本研究建立了基于PINN源迭代法求解中子扩散方程的算法,并通过单区域均匀问题验证了其正确性。在多材料区域问题中,引入了残差自适应重采样和权重动态调整策略,数值结果表明,在材料截面平滑过渡问题中,残差自适应重采样与权重动态调整策略均能提升预测精度,特别是后者不仅改善了收敛稳定性,更将keff预测误差由9.89×10-3降低至6.3×10-4。针对多区问题中由于中子通量梯度大导致上述优化策略失效,预测精度难以满足反应堆物理计算要求的情况,采用分域物理信息神经网络(Extended Physics Informed Neural Networks,XPINN),并利用二维TWIGL基准题进行验证。结果表明,XPINN的keff预测误差仅为2.5×10-4,较单网络模型精度提升超过一个数量级,并在收敛过程中表现出良好的稳定性。本研究提出的优化框架在复杂非均匀问题中的预测精度与训练稳定性上均表现出较大优势,为PINN方法在多区中子扩散问题中的应用提供了新的思路与参考。 展开更多
关键词 物理信息神经网络 中子扩散方程 分域神经网络 精度优化策略 多区子网
暂未订购 下载PDF
SUBNETWORK-EXTRACTION THEOREMS AND THEIR APPLICATIONS 认领 引用
9
作者 黄汝激 《Science China Mathematics》 1989年第9期1128-1138,共11页
The active-subnetwork-extraction theorem and the passive-subnetwork-extraction theorem are derived from one of the author’s previous work. Using them to find the fully symbolic network functions, the multilevel-teari... The active-subnetwork-extraction theorem and the passive-subnetwork-extraction theorem are derived from one of the author’s previous work. Using them to find the fully symbolic network functions, the multilevel-tearing topological analysis for active networks can be substantially simplified so that it can be conducted conveniently on a computer. Using them to find partially symbolic network functions, one finds it possible to extend not only the electrical network that can be analysed on a computer to the order that can be processed by an ordinary numerical analysis program, but also the symbolic subnetwork to the order that can be processed by an ordinary topological analysis program. So far the latter cannot be achieved with the current conventional methods, i. e. the parameter-extraction method and interpolative approach. 展开更多
关键词 subnetwork extraction multilevel-tearing symbolie network function topological analysis numerical analysis.
暂未订购 下载PDF
基于子网络架构的页岩气水平井机械钻速预测 认领 引用 被引量：3
10
作者 彭炽 任书江 杨赟 《钻采工艺》 CAS 北大核心 2025年第1期113-120,共8页
构建准确的机械钻速预测模型是优化钻井参数的前提。在页岩气水平井钻井过程中,由于地质条件复杂、影响因素繁多、钻压传递困难,采用传统方法难以准确预测机械钻速。针对这一问题,提出了一种基于深度残差神经网络和子网络架构的机械钻... 构建准确的机械钻速预测模型是优化钻井参数的前提。在页岩气水平井钻井过程中,由于地质条件复杂、影响因素繁多、钻压传递困难,采用传统方法难以准确预测机械钻速。针对这一问题,提出了一种基于深度残差神经网络和子网络架构的机械钻速预测模型。首先,对实钻数据进行了预处理,随后,构建了基于二维卷积神经网络的井下约束条件井深序列特征提取器,将井下约束条件添加到钻速模型中。最后,考虑到不同类型特征参数对机械钻速的影响机理不同,基于子网络架构建立了机械钻速智能预测模型。利用四川盆地泸州区块页岩气水平井实钻数据对构建的机械钻速预测模型进行了训练和测试,并通过消融试验分析了井下约束条件井深序列特征提取、子网络架构和深度残差神经网络对模型预测精度的影响。结果表明,该模型平均绝对误差为0.41 m/h,平均相对误差为6.87%,子网络架构对模型性能的贡献程度最大。该模型能够准确预测页岩气水平井的机械钻速,为钻井提速提供参考。 展开更多
关键词 机器学习 页岩气水平井 机械钻速 深度残差神经网络 子网络架构
暂未订购 下载PDF
Perspectives on studying molecular adaptations of amphibians in the genomic era 认领 引用
11
作者 Yan-Bo Sun Yi Zhang Kai Wang 《Zoological Research》 SCIE CSCD 2020年第4期351-364,共14页
Understanding the genetic mechanisms underlying particular adaptations/phenotypes of organisms is one of the core issues of evolutionary biology.The use of genomic data has greatly advanced our understandings on this ... Understanding the genetic mechanisms underlying particular adaptations/phenotypes of organisms is one of the core issues of evolutionary biology.The use of genomic data has greatly advanced our understandings on this issue,as well as other aspects of evolutionary biology,including molecular adaptation,speciation,and even conservation of endangered species.Despite the well-recognized advantages,usages of genomic data are still limited to non-mammal vertebrate groups,partly due to the difficulties in assembling large or highly heterozygous genomes.Although this is particularly the case for amphibians,nonetheless,several comparative and population genomic analyses have shed lights into the speciation and adaptation processes of amphibians in a complex landscape,giving a promising hope for a wider application of genomics in the previously believed challenging groups of organisms.At the same time,these pioneer studies also allow us to realize numerous challenges in studying the molecular adaptations and/or phenotypic evolutionary mechanisms of amphibians.In this review,we first summarize the recent progresses in the study of adaptive evolution of amphibians based on genomic data,and then we give perspectives regarding how to effectively identify key pathways underlying the evolution of complex traits in the genomic era,as well as directions for future research. 展开更多
关键词 Molecular adaptation Gene subnetwork Phenotypic evolution Transposable element Amphibians
暂未订购 下载PDF
3-Dimensional Bag of Visual Words Framework on Action Recognition 认领 引用 被引量：1
12
作者 Shiqi Wang Yimin Yang +1 位作者 Ruizhong Wei Qingming Jonathan Wu 《Computers, Materials & Continua》 SCIE EI 2020年第6期1081-1091,共11页
Human motion recognition plays a crucial role in the video analysis framework.However,a given video may contain a variety of noises,such as an unstable background and redundant actions,that are completely different fr... Human motion recognition plays a crucial role in the video analysis framework.However,a given video may contain a variety of noises,such as an unstable background and redundant actions,that are completely different from the key actions.These noises pose a great challenge to human motion recognition.To solve this problem,we propose a new method based on the 3-Dimensional(3D)Bag of Visual Words(BoVW)framework.Our method includes two parts:The first part is the video action feature extractor,which can identify key actions by analyzing action features.In the video action encoder,by analyzing the action characteristics of a given video,we use the deep 3D CNN pre-trained model to obtain expressive coding information.A classifier with subnetwork nodes is used for the final classification.The extensive experiments demonstrate that our method leads to an impressive effect on complex video analysis.Our approach achieves state-of-the-art performance on the datasets of UCF101(85.3%)and HMDB51(54.5%). 展开更多
关键词 Action recognition 3D CNNs recurrent neural networks residual networks subnetwork nodes
暂未订购 下载PDF
利用双差的超大GNSS基准站网解算方法改进 认领 引用 被引量：9
13
作者 程传录 蒋光伟 +1 位作者 聂建亮 田晓静 《武汉大学学报（信息科学版）》 EI CAS CSCD 北大核心 2014年第5期596-599,共4页
针对GNSS超大网解算中的划分子网问题,分析了GAMIT软件子网划分模块(NETSEL)算法的局限性。在此基础上,提出了顾及站点分布的区域性与不均匀性的移动格网密度法。以中国大陆构造环境监测网络站点数据为例,算例结果表明,该方法有效削弱... 针对GNSS超大网解算中的划分子网问题,分析了GAMIT软件子网划分模块(NETSEL)算法的局限性。在此基础上,提出了顾及站点分布的区域性与不均匀性的移动格网密度法。以中国大陆构造环境监测网络站点数据为例,算例结果表明,该方法有效削弱了子网划分不合理情况造成的影响,增强了子网结构的可靠性与站点的精度。 展开更多
关键词 大规模GNSS网 网解 子网划分 NETSEL 双差方法
暂未订购 下载PDF
高铁-民航复合网络的构建及网络拓扑特性分析 认领 引用 被引量：19
14
作者 徐凤 朱金福 杨文东 《复杂系统与复杂性科学》 EI CAS CSCD 北大核心 2013年第3期1-11,共11页
运用复杂网络理论,在P空间构建无向非加权网络,实证研究了中国高铁-民航复合网络的基本拓扑性质,并对复合网络及其子网络的网络特性进行了比较。结果表明,以城市为节点构建的高铁-民航复合网络,其度分布服从双段幂律分布,是一个具有无... 运用复杂网络理论,在P空间构建无向非加权网络,实证研究了中国高铁-民航复合网络的基本拓扑性质,并对复合网络及其子网络的网络特性进行了比较。结果表明,以城市为节点构建的高铁-民航复合网络,其度分布服从双段幂律分布,是一个具有无标度特性的小世界网络,且存在局部的群落结构特征;两个子网络也都具有无标度特性和小世界特性,其中,高铁子网络表现出很强的集聚性,具有明显的群落结构特征;航空网络集群系数近年有所下降,但其拓扑特征值的变化表明航空子网络整体结构趋势走好。 展开更多
关键词 复杂网络 高铁-民航复合网络 子网络 拓扑特性
暂未订购 下载PDF
一种面向时间序列InSAR的不连通子网快速连接方法 认领 引用 被引量：5
15
作者 吴宏安 张永红 +1 位作者 康永辉 郭明 《测绘学报》 EI CSCD 北大核心 2016年第10期1192-1199,共8页
时间序列InSAR技术目前已广泛应用于地表形变监测,尤其是稳定点目标较多地区的城市地面沉降监测。然而,实际应用中受大气相关距离限制以及模型相干系数阈值影响,连接点目标的Delaunay三角网常常不能完整地连接所有点目标,出现若干个不... 时间序列InSAR技术目前已广泛应用于地表形变监测,尤其是稳定点目标较多地区的城市地面沉降监测。然而,实际应用中受大气相关距离限制以及模型相干系数阈值影响,连接点目标的Delaunay三角网常常不能完整地连接所有点目标,出现若干个不连通的子网。这种现象导致无法获取部分点目标的形变信息,特别是在非城镇地区影响尤为明显。为了提取大区域地表形变信息,本文提出了一种多层级、不同步长的子网最近邻点目标快速连接方法。其显著特点是通过逐层联网的方式,可快速减少子网数目。与现有复杂网络连接方法相比,该方法在保证结果精度的前提下,数据处理耗时仅为前者的32.56%。 展开更多
关键词 时间序列InSAR 不连通子网 多层级连接 地表形变监测
暂未订购 下载PDF
基于多点联合检测的低压电网故障定位方法 认领 引用 被引量：5
16
作者 王毅 梁栋辉 +3 位作者 李松浓 叶君 郑可 万毅 《南京邮电大学学报（自然科学版）》 北大核心 2020年第3期66-75,共10页
针对目前低压电网中缺乏有效故障定位方法的问题,提出了一种基于多点联合检测的低压电网故障定位方法。该方法以混沌反射法为基础,在低压电网中设置多个测试点,对电网进行实时监测,电网发生故障后,对比分析各个测试点的测试结果,根据最... 针对目前低压电网中缺乏有效故障定位方法的问题,提出了一种基于多点联合检测的低压电网故障定位方法。该方法以混沌反射法为基础,在低压电网中设置多个测试点,对电网进行实时监测,电网发生故障后,对比分析各个测试点的测试结果,根据最短路径原则确定每个测试点与故障点的最短距离,由最近的测试点的测量结果建立潜在故障分支集合,进而确定故障子网络,最后融合故障子网络中的多个信息源确定具体的故障分支,并通过最近的测试点确定具体故障位置。并在此基础上提出一种测距装置优化配置方法,以减少成本。simulink的仿真结果表示,该方法可以实现低压电网环境下快速、有效的故障定位,实现简单且相对误差仅为1.1%。 展开更多
关键词 低压电网 故障定位 反射测量 故障子网络
暂未订购 下载PDF
一种融合表达谱相关性信息的激活子网辨识算法 认领 引用 被引量：5
17
作者 李非 伯晓晨 +3 位作者 李鹏 虞朝辉 彭宇行 王升启 《生物化学与生物物理进展》 SCIE CAS 北大核心 2010年第2期208-217,共10页
传统表达谱数据分析方法集中于寻找差异表达基因和共表达基因集合,没有考虑基因表达产物之间已知的相互作用.近年来在系统生物学的研究中发展了将基因表达谱与蛋白质相互作用网络进行整合分析的方法.现有方法未能综合考虑基因表达差异... 传统表达谱数据分析方法集中于寻找差异表达基因和共表达基因集合,没有考虑基因表达产物之间已知的相互作用.近年来在系统生物学的研究中发展了将基因表达谱与蛋白质相互作用网络进行整合分析的方法.现有方法未能综合考虑基因表达差异性和相关性信息,容易导致辨识结果中重要功能分子缺失且生物学功能相关度不高.提出一种融合表达谱差异性和相关性信息的激活子网辨识算法,能够在蛋白质相互作用网络中辨识高功能相关度的激活子网.应用到人免疫缺陷病毒HIV-1感染过程的研究,结果表明,该算法可以有效避免仅考虑基因表达差异性所引入的偏差,揭示了高相关性低表达差异基因在相关通路中的关键性作用. 展开更多
关键词 激活子网 表达谱 模拟退火算法 最大生成子树
暂未订购 下载PDF
基于全卷积网络的红外图像非均匀性校正算法 认领 引用 被引量：8
18
作者 牟新刚 崔健 周晓 《红外技术》 CSCD 北大核心 2022年第1期21-27,共7页
针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正。该算法设计了非均匀性等级估计子网络,将含有非... 针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正。该算法设计了非均匀性等级估计子网络,将含有非均匀性噪声的红外图像输入子网络后,输出非均匀性等级估计图,并和待校正红外图像一并输入校正主网络。子网络生成的非均匀性等级估计图作为一个参数输入校正主网络,避免了网络只针对同一等级非均匀性产生过拟合。经过实验验证,该算法克服了传统的基于场景的算法所产生的边缘模糊问题,对条纹状非均匀性噪声校正效果较好,经过校正后的红外图像清晰度高、细节丰富、边缘清晰、图像质量良好。 展开更多
关键词 非均匀性等级估计子网络 红外图像 非均匀性校正 深度学习
暂未订购 下载PDF
基于网络拓扑的子网络OD需求估计 认领 引用 被引量：3
19
作者 孙超 程琳 +2 位作者 栾鑫 凃强 马捷 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第6期1248-1252,共5页
为了对局部交通路网进行设计和评价,运用拓扑结构分析方法对子网络OD需求进行估计.根据子网络拓扑结构,分别对子网络边界点和内部点的OD量进行分析,每个与外界网络相连的边界点都为子网络的交通发生吸引点,内部点OD需求量与原来网络保... 为了对局部交通路网进行设计和评价,运用拓扑结构分析方法对子网络OD需求进行估计.根据子网络拓扑结构,分别对子网络边界点和内部点的OD量进行分析,每个与外界网络相连的边界点都为子网络的交通发生吸引点,内部点OD需求量与原来网络保持一致.进而建立了基于网络拓扑的子网络OD需求估计模型,其中目标函数同时考虑了交通需求的熵最大化及弹性化,约束条件为子网络OD量约束.将原问题分为求解交通需求和道路阻抗两部分,设计了启发式迭代算法反复求解,并运用凸组合算法计算交通需求.运用Sioux Falls网络对算法和模型进行了测试,结果表明考虑弹性需求的子网络OD估计模型在可靠性和计算精度上均优于考虑固定需求的子网络OD估计模型,算法能够快速收敛到所需精度,建立的模型可以用来对实际路网进行简化. 展开更多
关键词 OD矩阵估计 子网络分析 拓扑结构 弹性需求 启发式迭代算法
暂未订购 下载PDF
知识交流视角下孵化网络动态演化与层级关联研究——以T孵化器网络为例 认领 引用 被引量：3
20
作者 张海红 赵黎明 吴文清 《科技进步与对策》 CSSCI 北大核心 2021年第9期134-143,共10页
基于知识交流视角,构建孵化载体、在孵企业、服务机构分层嵌入的孵化网络模型框架,通过调研数据分析以T孵化器为核心节点的孵化网络拓扑结构动态演化过程,探究孵化网络不同层级之间知识交流相互关联的特点。结果表明,T孵化器网络密度呈... 基于知识交流视角,构建孵化载体、在孵企业、服务机构分层嵌入的孵化网络模型框架,通过调研数据分析以T孵化器为核心节点的孵化网络拓扑结构动态演化过程,探究孵化网络不同层级之间知识交流相互关联的特点。结果表明,T孵化器网络密度呈指数下降,平均度稳中有升、增幅缓慢,平均路径长度和网络中心势呈对数增长,平均聚类系数在高值区间缓慢下降至稳定状态;T孵化器网络在演化过程中表现出自组织、无标度和小世界的复杂网络特性;“T孵化器-在孵企业”网络与“在孵企业-服务机构”网络之间、“T孵化器-服务机构”网络与“在孵企业-服务机构”网络之间的知识交流频次显著正相关。 展开更多
关键词 孵化网络 T孵化器 知识交流 动态演化 层级关联
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 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈