期刊导航
期刊开放获取
重庆大学
退出
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
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
检索
高级检索
期刊导航
共找到
5
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数据与模型联合驱动的波阻抗反演方法
1
作者
桑文镜
袁三一
+3 位作者
丁智强
于越
刘浩杰
韩智颖
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2024年第2期696-710,共15页
井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合...
井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布.
展开更多
关键词
数据与模型联合驱动
波阻抗反演
初始模型
井震联合
双向门控递归单元
下载PDF
职称材料
采用双向GRU的软件源代码漏洞检测方法
2
作者
赵墨刊
李冬辉
《现代电子技术》
2022年第18期57-62,共6页
针对软件源代码漏洞检测误报率和漏报率高的问题,文中提出一种基于双向门控递归单元(BGRU)的软件源代码漏洞检测方法。首先,采用基于Token的方法和词法分析,将软件源代码的字符流转换成等价Token序列,并将其表征为one-hot向量;然后,使用...
针对软件源代码漏洞检测误报率和漏报率高的问题,文中提出一种基于双向门控递归单元(BGRU)的软件源代码漏洞检测方法。首先,采用基于Token的方法和词法分析,将软件源代码的字符流转换成等价Token序列,并将其表征为one-hot向量;然后,使用Word2vec模型将其转换为分布式向量并输入到BGRU神经网络中,通过BGRU自动从正反两个方向提取软件源代码中的高维非线性特征。这样可以充分利用软件源代码中的特征信息对软件源代码进行表征建模,从而有效地降低软件源代码漏洞检测的误报率和漏报率。再以白酒质量监控系统软件源代码为测试对象,针对软件源代码的10种开放式Web应用程序安全项目(OWASP)漏洞进行检测。最后,将所提方法与双向循环神经网络和卷积神经网络两种深度学习方法进行比较。实验结果表明,在检测软件源代码漏洞时,其他两种方法出现较大的误报率或漏报率,而所提方法具有较低的漏洞检测误报率和漏报率,说明所提出的BGRU检测方法能够有效降低软件源代码漏洞检测的误报率和漏报率。
展开更多
关键词
软件源代码
双向门控递归单元
漏洞检测
网络安全
特征提取
表征建模
下载PDF
职称材料
基于注意力机制的半监督日志异常检测方法
3
作者
尹春勇
冯梦雪
《计算机工程与科学》
CSCD
北大核心
2023年第8期1405-1415,共11页
日志记载着系统运行时的重要信息,通过日志异常检测可以快速准确地找出系统故障的原因。然而,日志序列存在数据不稳定和数据之间相互依赖等问题。为此,提出了一种新的半监督日志序列异常检测方法。该方法利用双向编码语义解析BERT模型...
日志记载着系统运行时的重要信息,通过日志异常检测可以快速准确地找出系统故障的原因。然而,日志序列存在数据不稳定和数据之间相互依赖等问题。为此,提出了一种新的半监督日志序列异常检测方法。该方法利用双向编码语义解析BERT模型和多层卷积网络分别提取日志信息,得到日志序列之间的上下文相关信息和日志序列的局部相关性,然后使用基于注意力机制的Bi-GRU网络进行日志序列异常检测。在3个数据集上验证了所提方法的性能。与6个基准方法相比,所提方法拥有最优的F1值,同时获得了最高的AUC值0.9813。实验结果表明,所提方法可以有效处理日志序列的数据不稳定性和数据之间相互依赖的问题。
展开更多
关键词
日志异常检测
双向门控递归单元
多层卷积
双向
编码语义解析
注意力机制
下载PDF
职称材料
基于半监督学习的井震联合储层横向孔隙度预测方法
被引量:
3
4
作者
韩宏伟
刘浩杰
+3 位作者
桑文镜
魏国华
韩智颖
袁三一
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2022年第10期4073-4086,共14页
传统地震储层预测技术一般基于弹性参数反演和岩石物理建模的级联流程实现储层孔隙度预测,其预测精度受到波动理论和岩石物理理论的近似假设、初始模型和二次反演累积误差等因素的影响.为缓解这些问题,本文提出了一种基于双向门控递归...
传统地震储层预测技术一般基于弹性参数反演和岩石物理建模的级联流程实现储层孔隙度预测,其预测精度受到波动理论和岩石物理理论的近似假设、初始模型和二次反演累积误差等因素的影响.为缓解这些问题,本文提出了一种基于双向门控递归单元神经网络的半监督学习井震联合孔隙度预测方法,实现从地震数据直接预测储层横向孔隙度.通过少量的地震测井样本标签对和多目标函数约束建立智能化多尺度多信息融合孔隙度预测模型,实现地震数据到孔隙度,孔隙度再到生成地震数据的闭环映射.此外,在网络模型每次迭代更新的过程中随机引入非井旁地震道参与网络训练,非井旁地震道的波形匹配能在一定程度上保证井间孔隙度的预测精度.模型数据和实际数据测试结果表明,本文提出的方法相比于有监督学习孔隙度预测方法能进一步提高储层孔隙度的预测准确性和横向连续性,获得较为可靠的储层物性参数的空间分布.
展开更多
关键词
半监督学习
孔隙度预测
井震联合
双向门控递归单元
下载PDF
职称材料
数据挖掘技术在生物序列分析与识别算法上的应用
5
作者
石文
《电脑编程技巧与维护》
2020年第7期77-79,共3页
深度学习已经在生物序列中得到越来越多的应用,递归神经网络(Recurrent Neural Network,RNN)及其变体在时序数据中具有更好的性能。在此基础上,提出了一种双向门控递归单元(Gated Recurrent Unit,GRU)网络与k-mer嵌入相结合的转录因子(t...
深度学习已经在生物序列中得到越来越多的应用,递归神经网络(Recurrent Neural Network,RNN)及其变体在时序数据中具有更好的性能。在此基础上,提出了一种双向门控递归单元(Gated Recurrent Unit,GRU)网络与k-mer嵌入相结合的转录因子(transcription factors,TF)结合位点识别方法。将DNA序列分为具有特定长度和跨度窗口的k-mer序列,通过Word2vec算法将每个k-mer视为一个单词和经过预训练的单词表示模型,构建了用于特征学习和分类的深度双向GRU模型,并给出了预测结果。实验结果表明,与其他方法相比,所提方法具有更好的性能,说明方法的可行性与有效性。
展开更多
关键词
递归
神经网络
生物序列
双向门控递归单元
k-mer嵌入
下载PDF
职称材料
题名
基于数据与模型联合驱动的波阻抗反演方法
1
作者
桑文镜
袁三一
丁智强
于越
刘浩杰
韩智颖
机构
中国石油大学(北京)地球物理学院
中国石化集团公司胜利油田物探研究院
出处
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2024年第2期696-710,共15页
基金
国家重点研发计划(2018YFA0702504)
国家自然科学基金(41974140,42174152)
+1 种基金
中国石油天然气集团有限公司科技管理部(2022DQ0604-01)
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项(ZLZX2020-03)联合资助.
文摘
井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布.
关键词
数据与模型联合驱动
波阻抗反演
初始模型
井震联合
双向门控递归单元
Keywords
Data-model jointly driven
Acoustic Impedance(AI)inversion
Initial model
Combination of well log and seismic data
Bidirectional Gated Recursive Unit(Bi-GRU)
分类号
P631 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
采用双向GRU的软件源代码漏洞检测方法
2
作者
赵墨刊
李冬辉
机构
天津大学电气自动化与信息工程学院
出处
《现代电子技术》
2022年第18期57-62,共6页
基金
2019年工业互联网创新发展工程—工业软件源代码安全检测工具(TC190H46G)。
文摘
针对软件源代码漏洞检测误报率和漏报率高的问题,文中提出一种基于双向门控递归单元(BGRU)的软件源代码漏洞检测方法。首先,采用基于Token的方法和词法分析,将软件源代码的字符流转换成等价Token序列,并将其表征为one-hot向量;然后,使用Word2vec模型将其转换为分布式向量并输入到BGRU神经网络中,通过BGRU自动从正反两个方向提取软件源代码中的高维非线性特征。这样可以充分利用软件源代码中的特征信息对软件源代码进行表征建模,从而有效地降低软件源代码漏洞检测的误报率和漏报率。再以白酒质量监控系统软件源代码为测试对象,针对软件源代码的10种开放式Web应用程序安全项目(OWASP)漏洞进行检测。最后,将所提方法与双向循环神经网络和卷积神经网络两种深度学习方法进行比较。实验结果表明,在检测软件源代码漏洞时,其他两种方法出现较大的误报率或漏报率,而所提方法具有较低的漏洞检测误报率和漏报率,说明所提出的BGRU检测方法能够有效降低软件源代码漏洞检测的误报率和漏报率。
关键词
软件源代码
双向门控递归单元
漏洞检测
网络安全
特征提取
表征建模
Keywords
software source code
BGRU
vulnerability detection
network security
feature extraction
characterization modeling
分类号
TN911.23-34 [电子电信—通信与信息系统]
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于注意力机制的半监督日志异常检测方法
3
作者
尹春勇
冯梦雪
机构
南京信息工程大学计算机学院、网络空间安全学院
出处
《计算机工程与科学》
CSCD
北大核心
2023年第8期1405-1415,共11页
文摘
日志记载着系统运行时的重要信息,通过日志异常检测可以快速准确地找出系统故障的原因。然而,日志序列存在数据不稳定和数据之间相互依赖等问题。为此,提出了一种新的半监督日志序列异常检测方法。该方法利用双向编码语义解析BERT模型和多层卷积网络分别提取日志信息,得到日志序列之间的上下文相关信息和日志序列的局部相关性,然后使用基于注意力机制的Bi-GRU网络进行日志序列异常检测。在3个数据集上验证了所提方法的性能。与6个基准方法相比,所提方法拥有最优的F1值,同时获得了最高的AUC值0.9813。实验结果表明,所提方法可以有效处理日志序列的数据不稳定性和数据之间相互依赖的问题。
关键词
日志异常检测
双向门控递归单元
多层卷积
双向
编码语义解析
注意力机制
Keywords
log anomaly detection
bidirectional gate recurrent unit
multilayer convolution
bidirectional encoder representation from transformers
attention mechanism
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于半监督学习的井震联合储层横向孔隙度预测方法
被引量:
3
4
作者
韩宏伟
刘浩杰
桑文镜
魏国华
韩智颖
袁三一
机构
中国石化集团公司胜利油田物探研究院
中国石油大学(北京)油气资源与探测国家重点实验室
出处
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2022年第10期4073-4086,共14页
基金
国家重点研发计划(2018YFA0702504)
国家自然科学基金(41974140,42174152)联合资助。
文摘
传统地震储层预测技术一般基于弹性参数反演和岩石物理建模的级联流程实现储层孔隙度预测,其预测精度受到波动理论和岩石物理理论的近似假设、初始模型和二次反演累积误差等因素的影响.为缓解这些问题,本文提出了一种基于双向门控递归单元神经网络的半监督学习井震联合孔隙度预测方法,实现从地震数据直接预测储层横向孔隙度.通过少量的地震测井样本标签对和多目标函数约束建立智能化多尺度多信息融合孔隙度预测模型,实现地震数据到孔隙度,孔隙度再到生成地震数据的闭环映射.此外,在网络模型每次迭代更新的过程中随机引入非井旁地震道参与网络训练,非井旁地震道的波形匹配能在一定程度上保证井间孔隙度的预测精度.模型数据和实际数据测试结果表明,本文提出的方法相比于有监督学习孔隙度预测方法能进一步提高储层孔隙度的预测准确性和横向连续性,获得较为可靠的储层物性参数的空间分布.
关键词
半监督学习
孔隙度预测
井震联合
双向门控递归单元
Keywords
Semi-supervised learning
Porosity prediction
Seismic and well logs integration
Bidirectional Gated Recursive Units(Bi-GRUs)
分类号
P631 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
数据挖掘技术在生物序列分析与识别算法上的应用
5
作者
石文
机构
陕西学前师范学院数学与统计学院系
出处
《电脑编程技巧与维护》
2020年第7期77-79,共3页
基金
陕西省自然科学基础研究计划项目“数据挖掘技术在生物序列模式分析与识别算法上的应用研究”(项目编号:S2015YFJM0762)。
文摘
深度学习已经在生物序列中得到越来越多的应用,递归神经网络(Recurrent Neural Network,RNN)及其变体在时序数据中具有更好的性能。在此基础上,提出了一种双向门控递归单元(Gated Recurrent Unit,GRU)网络与k-mer嵌入相结合的转录因子(transcription factors,TF)结合位点识别方法。将DNA序列分为具有特定长度和跨度窗口的k-mer序列,通过Word2vec算法将每个k-mer视为一个单词和经过预训练的单词表示模型,构建了用于特征学习和分类的深度双向GRU模型,并给出了预测结果。实验结果表明,与其他方法相比,所提方法具有更好的性能,说明方法的可行性与有效性。
关键词
递归
神经网络
生物序列
双向门控递归单元
k-mer嵌入
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数据与模型联合驱动的波阻抗反演方法
桑文镜
袁三一
丁智强
于越
刘浩杰
韩智颖
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
采用双向GRU的软件源代码漏洞检测方法
赵墨刊
李冬辉
《现代电子技术》
2022
0
下载PDF
职称材料
3
基于注意力机制的半监督日志异常检测方法
尹春勇
冯梦雪
《计算机工程与科学》
CSCD
北大核心
2023
0
下载PDF
职称材料
4
基于半监督学习的井震联合储层横向孔隙度预测方法
韩宏伟
刘浩杰
桑文镜
魏国华
韩智颖
袁三一
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2022
3
下载PDF
职称材料
5
数据挖掘技术在生物序列分析与识别算法上的应用
石文
《电脑编程技巧与维护》
2020
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部