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1,445篇文章
< 1 2 … 73 >
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：
低过采样数字调制信号的多尺度一维卷积神经网络解调器
1
作者 陈显敏 符杰林 《计算机应用与软件》 北大核心 2024年第5期113-117,共5页
针对应用深度学习方法对数字调制信号进行解调时过采样要求较高的问题,设计低过采样的多尺度一维卷积神经网络数字解调器。该解调器可以在与传统解调器相同的过采样条件下,对BPSK、4-QAM、8-QAM、16-QAM四种数字调制信号进行解调,并能... 针对应用深度学习方法对数字调制信号进行解调时过采样要求较高的问题,设计低过采样的多尺度一维卷积神经网络数字解调器。该解调器可以在与传统解调器相同的过采样条件下,对BPSK、4-QAM、8-QAM、16-QAM四种数字调制信号进行解调,并能保证传统解调方法相同的误码性能。仿真结果表明,在高斯和Rayleigh衰落信道下,给出的数字调制信号解调器可以在保证解调误码性能的同时,减少了对采样倍数的要求,降低了神经网络结构的复杂性。 展开更多
关键词 低采样倍数 解调 多尺度一维卷积神经网络 BPSK和M-QAM
下载PDF
基于多尺度一维卷积神经网络的弯管冲蚀损伤智能检测方法 被引量：1
2
作者 陈传智 李宁 +2 位作者 王畅 陈家梁 罗锦达 《科学技术与工程》 北大核心 2024年第5期1893-1899,共7页
针对高压管汇损伤需要提高检测效率和准确率的问题,提出一种基于多尺度一维卷积神经网络(multi-scale one-dimensional convolutional neural network,MS-1DCNN)的弯管冲蚀损伤智能检测新方法,即用多尺度卷积层代替传统的单一尺度卷积... 针对高压管汇损伤需要提高检测效率和准确率的问题,提出一种基于多尺度一维卷积神经网络(multi-scale one-dimensional convolutional neural network,MS-1DCNN)的弯管冲蚀损伤智能检测新方法,即用多尺度卷积层代替传统的单一尺度卷积层。在MS-1DCNN模型中,把通过模拟实验所得弯管冲蚀损伤原始时域信号作为多尺度一维卷积神经网络的输入,这样能解决传统方法依赖人工提取特征和专家知识的问题;然后,通过多尺度卷积层和池化层的交替连接对输入信号进行特征提取;最后,经由输出层输出弯管冲蚀损伤分类结果。模型试验结果表明:基于MS-1DCNN弯管冲蚀损伤检测方法可以有效检测出弯管冲蚀损伤,且平均检测准确率达到99.18%。研究可为高压管汇冲蚀损伤智能检测提供一种新思路。 展开更多
关键词 高压管汇 冲蚀损伤 一维卷积神经网络 多尺度 智能检测
下载PDF
基于多尺度一维卷积神经网络的光纤振动事件识别 被引量：26
3
作者 吴俊 管鲁阳 +2 位作者 鲍明 许耀华 叶炜 《光电工程》 CAS CSCD 北大核心 2019年第5期76-83,共8页
针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处... 针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号,直接通过MS 1-D CNN实现端到端的振动信号特征的提取和识别。MS1-DCNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度,利用全连接层(FClayer)和Softmax层完成最终的识别过程,与二维卷积神经网络(2-D CNN)和一维卷积神经网络(1-D CNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明,MS 1-D CNN的识别正确率与2-D CNN相近,达到了96%以上,而处理速度提升一倍,在保持识别性能的前提下,有利于提高振动事件识别的实时性。 展开更多
关键词 分布式光纤振动传感 多尺度一维卷积神经网络 相位敏感光时域反射 振动事件识别 模式识别
下载PDF
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断 被引量：5
4
作者 徐培文 陈仁祥 +3 位作者 胡小林 杨黎霞 唐林林 林立 《振动与冲击》 EI CSCD 北大核心 2022年第4期86-92,共7页
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原... 为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果。在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果。 展开更多
关键词 风机基础螺栓 松动诊断 多尺度一维卷积神经网络 粒子群优化(PSO) 适应度值
下载PDF
多尺度一维卷积神经网络的风机基础螺栓松动智能检测 被引量：5
5
作者 陈仁祥 徐培文 +3 位作者 韩坤林 曾力 王帅 朱玉清 《振动与冲击》 EI CSCD 北大核心 2022年第22期301-307,共7页
为精细化表征风机基础螺栓松动状态特征,实现对风机基础螺栓松动的智能检测,提出多尺度一维卷积神经网络的风机基础螺栓松动智能检测方法。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的... 为精细化表征风机基础螺栓松动状态特征,实现对风机基础螺栓松动的智能检测,提出多尺度一维卷积神经网络的风机基础螺栓松动智能检测方法。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的依赖,并最大程度保留原始信号特征;然后,通过交替的多尺度卷积层和池化层对时域信号特征进行学习,其中多尺度卷积层设置不同尺度的卷积核进行卷积运算,避免单一尺度卷积核对不同精细度特征的忽略,增强网络对特征的表达能力,实现对时域信号特征精细化分布式表征;最后,在特征输出层后添加Softmax多分类器,利用反向传播逐层微调结构参数建立特征空间到松动状态空间的映射,输出风机基础螺栓松动检测结果。所提方法将松动特征自动学习与松动识别融为一体,实现了风机基础螺栓松动智能检测。通过在稳定转速和变转速下对风机基础螺栓松动检测试验,证明了所提方法的可行性和有效性。 展开更多
关键词 风机基础螺栓 松动状态 智能检测 多尺度一维卷积神经网络 精细化表征
下载PDF
基于多尺度一维卷积神经网络的入侵检测模型 被引量：4
6
作者 林伟 洪容容 《中国电子科学研究院学报》 北大核心 2023年第7期656-662,670,共8页
随着信息技术的快速发展,网络安全问题日益严峻,入侵检测成为保护网络系统的关键任务之一。为了获得更好的网络流量特征,提出了一种基于多尺度一维卷积神经网络的入侵检测模型。首先,利用一维卷积块提取数据的原始特征;然后,采用三种不... 随着信息技术的快速发展,网络安全问题日益严峻,入侵检测成为保护网络系统的关键任务之一。为了获得更好的网络流量特征,提出了一种基于多尺度一维卷积神经网络的入侵检测模型。首先,利用一维卷积块提取数据的原始特征;然后,采用三种不同尺度的一维卷积对网络入侵数据分别提取特征;最后,将不同尺度的特征融合,以构建出网络入侵检测模型。文中所提方法在两个公开的网络入侵检测数据集上进行了实验验证,结果表明,基于多尺度一维卷积神经网络融合的特征向量包含更加丰富网络流量特征,能够有效提高入侵的性能。 展开更多
关键词 多尺度 一维卷积神经网络 入侵检测 特征融合
下载PDF
基于深度多尺度一维卷积神经网络的雷达舰船目标识别 被引量：29
7
作者 郭晨 简涛 +2 位作者 徐从安 何友 孙顺 《电子与信息学报》 EI CSCD 北大核心 2019年第6期1302-1309,共8页
为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法。针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取... 为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法。针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取不同精细度的特征,并构造中心损失函数来提高特征的分辨能力。实验结果表明,该模型可以显著提高目标在非理想条件下的识别正确率,克服目标姿态角敏感性问题,具有良好的鲁棒性和泛化性。 展开更多
关键词 雷达目标识别 高分辨1维距离像 多尺度 卷积神经网络 中心损失函数
下载PDF
基于多尺度一维卷积神经网络的雷达辐射源脉内调制类型分类方法 被引量：1
8
作者 袁士博 赵耀东 +1 位作者 李鹏 荆泽寰 《电子信息对抗技术》 北大核心 2023年第5期21-28,共8页
雷达辐射源脉内调制类型是分析雷达系统的关键性特征信息,对脉内调制类型的正确分类有助于分析目标雷达的功能,为己方提供有效的信息支撑与帮助。针对目前脉内调制类型多样复杂的特点,提出了一种基于多尺度一维卷积神经网络的雷达辐射... 雷达辐射源脉内调制类型是分析雷达系统的关键性特征信息,对脉内调制类型的正确分类有助于分析目标雷达的功能,为己方提供有效的信息支撑与帮助。针对目前脉内调制类型多样复杂的特点,提出了一种基于多尺度一维卷积神经网络的雷达辐射源脉内调制类型分类方法。该方法在数据预处理阶段仅包括序列的零填充、快速傅里叶变换和取模值与幅度归一化,与基于时频变换的方法相比,实时性更高。同时多尺度一维卷积神经网络相比单一尺度的卷积神经网络,能进一步提升雷达辐射源脉内调制类型分类的平均正确率。实验仿真了8种不同脉内调制类型的雷达辐射源信号,其中信噪比(Signal-Noise Ratio,SNR)范围为-14~0 dB,并使用所提出的多尺度一维卷积神经网络和对比算法进行分类。实验表明,提出的多尺度一维卷积神经网络对8种不同的雷达辐射源脉内调制类型的分类效果良好,全局平均正确率达到95.92%,同时在SNR为-10 dB的条件下,分类正确率均优于91%。 展开更多
关键词 雷达辐射源信号 脉内调制类型分类 一维卷积神经网络 多尺度卷积神经网络
下载PDF
基于CEEMDAN与改进一维多尺度卷积神经网络结合的滚动轴承故障诊断
9
作者 马宁 赵荣珍 郑玉巧 《兰州理工大学学报》 北大核心 2025年第1期45-54,共10页
针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对... 针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对轴承信号进行消噪处理,并利用皮尔逊相关系数法对所得IMF分量进行信号重构;其次,在网络首层将大尺寸卷积核与空洞卷积结合,并引入金字塔场景解析网络提出改进的一维多尺度卷积神经网络,对故障特征信息进行提取,采用PSO算法对卷积核进行参数寻优;最后,融合多尺度特征信息完成网络学习,并输入Sofmax分类器,实现滚动轴承故障诊断.采用西储大学轴承数据集和HZXT-DS-001型双跨综合故障模拟实验台的滚动轴承故障数据进行了验证.结果表明,相比传统故障诊断方法该方法可以得到良好的诊断结果. 展开更多
关键词 自适应噪声完备集合经验模态分解 一维卷积神经网络 多尺度特征提取 特征可视化 故障诊断
下载PDF
基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测
10
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 金永涛 叶文杰 王巧华 马美湖 《食品科学》 北大核心 2025年第6期245-253,共9页
引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均... 引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰。结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%~1%,平均检测时间(AATS)可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 一维卷积神经网络 深度学习
下载PDF
ISW32离心泵深度一维卷积神经网络故障诊断
11
作者 贺婷婷 张晓婷 +1 位作者 李强 颜洁 《机械设计与制造》 北大核心 2025年第4期213-216,共4页
传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达... 传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达到更强的特征提取能力。通过参数设置对深度一维卷积神经网络进行调节,确定最优的参数范围:学习率为0.01,卷积核选取为(1×3),批处理量为50,采取最大池化条件,以Adam优化器优化实验参数。实验测试研究结果表明:深度一维卷积神经网络在离心泵故障诊断实现了99.97%准确率,可以满足智能故障诊断的要求。该研究对提高ISW32离心泵的故障诊断能量具有很好的实际应用价值。 展开更多
关键词 离心泵 故障诊断 深度一维卷积神经网络 准确率 实验 采样
下载PDF
基于小波多尺度卷积神经网络的人脸表情识别方法
12
作者 刘经纬 林小源 《科技与创新》 2025年第2期194-196,199,共4页
对于传统卷积神经网络(Convolutional Neural Network,CNN)应用于人脸表情识别任务中的不足,提出了一种基于小波多尺度卷积神经网络(Wavelet-based multi-scale Convolutional Neural Networks,WmCNN)的人脸表情识别方法。该方法在单个... 对于传统卷积神经网络(Convolutional Neural Network,CNN)应用于人脸表情识别任务中的不足,提出了一种基于小波多尺度卷积神经网络(Wavelet-based multi-scale Convolutional Neural Networks,WmCNN)的人脸表情识别方法。该方法在单个卷积层中使用多个不同尺寸的卷积核对输入图像进行不同尺度的面部特征提取,再通过小波变换函数进行非线性激活,增强特征的鲁棒性,并对AlexNet的网络结构进行改进和优化,从而降低了模型的参数量,同时提高了模型的准确率。最后在FER2013和RAF-DB数据集中验证了本文所提方法的有效性,实验结果表明,相比较于AlexNet,改进方案的准确率平均提高了3.074%和3.754%,模型参数量降低了28.35%,训练周期减少了37.75%和17.92%,损失降低了0.086 703和0.105 097。 展开更多
关键词 表情识别 深度学习 小波变换 多尺度卷积神经网络
下载PDF
烧结矿低温还原粉化指数的一维卷积神经网络预测方法
13
作者 徐斌 洪德奔 春铁军 《制造业自动化》 2025年第1期112-120,共9页
以某钢铁企业烧结机的实际生产数据为基础,构建了基于一维卷积神经网络模型的烧结矿低温还原粉化指数(RDI)预测模型。首先对实际生产数据进行预处理,接着通过随机森林特征选择、k折交叉验证确定最优的特征参数组合。然后对一维卷积神经... 以某钢铁企业烧结机的实际生产数据为基础,构建了基于一维卷积神经网络模型的烧结矿低温还原粉化指数(RDI)预测模型。首先对实际生产数据进行预处理,接着通过随机森林特征选择、k折交叉验证确定最优的特征参数组合。然后对一维卷积神经网络的结构、各项参数进行训练调整,建立了最终的一维卷积神经网络预测模型。最后将预测结果与基于MLP神经网络、线性回归模型、随机森林模型的预测结果相比,一维卷积神经网络模型在预测的平均相对误差以及命中率上都有较好的表现。为了进一步提高模型的预测精度,采用了马尔可夫链来修正预测结果,最终模型的拟合优度R~2达到0.8478、在误差范围±2.5%内的命中率达到94.7%,基本达到了对烧结矿RDI进行实时预测的目的。 展开更多
关键词 烧结矿质量 低温还原粉化指数 一维卷积神经网络 马尔可夫链 预测
下载PDF
基于PCC-VMD的一维卷积神经网络的轴承早期故障诊断
14
作者 邓志超 张清华 于军 《机床与液压》 北大核心 2025年第2期9-15,共7页
针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相... 针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相关系数,再根据相关系数阈值去掉噪声分量并对信号进行重构,最后对重构信号进行傅里叶变换并输入到一维卷积神经网络中,利用一维卷积神经网络对轴承早期故障进行诊断。利用所提方法对西储大学(CWRU)轴承数据集的滚动轴承故障数据进行分析,诊断准确率达到99%以上,验证了所提方法对滚动轴承早期故障诊断的有效性。 展开更多
关键词 皮尔逊相关系数 变分模态分解 一维卷积神经网络(1D-CNN) 早期故障诊断
下载PDF
一种针对卷积神经网络的特征升维分析方法
15
作者 潘永昊 张苒苒 +2 位作者 于洪涛 黄瑞阳 金柯君 《信息工程大学学报》 2025年第1期44-50,共7页
针对卷积神经网络模型与输入数据紧密耦合的特性导致特征重要性难以区分的问题,提出一种从网络模型的输出结果中分析输入特征重要性的特征升维分析方法。首先,在高维欧氏空间中对输入网络模型的样本特征依次分配一个标准正交基,对输入... 针对卷积神经网络模型与输入数据紧密耦合的特性导致特征重要性难以区分的问题,提出一种从网络模型的输出结果中分析输入特征重要性的特征升维分析方法。首先,在高维欧氏空间中对输入网络模型的样本特征依次分配一个标准正交基,对输入样本特征进行升维表示;其次,在高维欧氏空间中对卷积神经网络进行计算扩展,并对升维表示的特征进行计算;最后,在计算结果中可由标准正交基与输入样本特征的对应关系,分析得出各个输入样本特征在输出结果中的影响权值。实验表明该方法分析得出的权重能够有效反映输入特征对卷积神经网络的影响力。 展开更多
关键词 卷积神经网络 特征升维 权重分析 高维欧式空间
下载PDF
基于二维卷积神经网络的结构加速度数据异常检测研究
16
作者 麻胜兰 钟建坤 +1 位作者 刘昱昊 郑翔 《建筑科学与工程学报》 北大核心 2025年第1期112-120,共9页
为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果... 为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果表明:提出的结构加速度数据异常检测方法能快速准确区分加速度数据异常类型,异常检测的准确率可达97%以上;对于包含信息复杂、数据规模大的样本,采用4层以上的2D-CNN有助于提高加速度数据异常检测的准确率,采用5层卷积层的2D-CNN对数据异常辨识精度可达98%;当加速度信噪比大于1时,数据异常检测准确率均在90%以上,当加速度信噪比为10时,准确率在97%以上,所提方法具有良好的容噪性和鲁棒性;采用2D-CNN的数据异常检测方法可为传感器网络的有效运行提供技术支持。 展开更多
关键词 结构健康监测 二维卷积神经网络 桁架结构 深度学习 加速度 数据异常检测
下载PDF
基于核脉冲峰值序列二维卷积神经网络的核素识别方法
17
作者 罗庚 石睿 +5 位作者 曾树鑫 尚亚楠 杨广 丁逸仙 吴亚东 庹先国 《核技术》 北大核心 2025年第3期123-135,共13页
基于能谱的核素识别方法受到数值统计局限性的影响,需花费较长时间得到统计结果,导致应用于低计数率的快速核素识别速度较慢、精度较差、泛化性不高。为提升核素识别的速度和性能,本文提出一种基于核脉冲峰值序列二维卷积神经网络(Two-D... 基于能谱的核素识别方法受到数值统计局限性的影响,需花费较长时间得到统计结果,导致应用于低计数率的快速核素识别速度较慢、精度较差、泛化性不高。为提升核素识别的速度和性能,本文提出一种基于核脉冲峰值序列二维卷积神经网络(Two-Dimensional Convolutional Neural Network,2D-CNN)的核素识别方法。实验使用NaI(Tl)探测器在不同探源距下采集低计数率的单一源、混合源以及环境本底的核脉冲序列并将其进行固定长度序列划分作为数据集,然后使用最大最小归一化和二维矩阵映射对数据集进行预处理,最后使用10阶分层交叉验证方法构建和优化2D-CNN模型,并将模型与BPNN+PCA(反馈神经网络+主成分分析,Back Propagation Neural Network+Principal Component Analysis)、SVM+PCA(支持向量机+主成分分析,Support Vector Machine+Principal Component Analysis)以及2D-CNN+能谱核素识别方法进行核素识别性能比较。实验结果表明,本文构建的2D-CNN能够有效提取探源距40 cm范围内固定长度的脉冲序列特征,核素识别水平优于其他核素识别方法并具有较好的泛化性能。该方法可用于低计数率的快速核素识别任务。 展开更多
关键词 核脉冲峰值序列 二维卷积神经网络 K阶分层交叉验证 核素识别
原文传递
基于一维残差卷积神经网络的Pi2脉动识别模型
18
作者 张怡悦 邹自明 方少峰 《空间科学学报》 北大核心 2025年第1期66-81,共16页
Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率. 展开更多
关键词 Pi2脉动 Pi2脉动识别模型 一维残差卷积神经网络
下载PDF
基于遗传算法优化卷积神经网络的滚动轴承故障诊断方法研究
19
作者 孙豫 张雷 周凯 《制造业自动化》 2025年第1期89-95,共7页
对轴承故障类型的准确诊断有利于提高设备可靠性和效率,在早期诊断和预测故障方面开展研究具有重要意义。目前有一部分诊断方法通过手动提取故障特征进行分类,另一部分使用神经网络的诊断方法,但缺乏网络自适应调参的能力,泛化能力不足... 对轴承故障类型的准确诊断有利于提高设备可靠性和效率,在早期诊断和预测故障方面开展研究具有重要意义。目前有一部分诊断方法通过手动提取故障特征进行分类,另一部分使用神经网络的诊断方法,但缺乏网络自适应调参的能力,泛化能力不足。因此提出使用遗传算法优化卷积神经网络进行故障诊断,其中一维卷积神经网络可以提取轴承故障信号中的微弱特征,使用遗传算法对卷积神经网络的网络参数进行自适应调参,提高了模型的诊断精度和泛化能力。实验结果表明,该模型的诊断平均准确率为98.56%,比传统的诊断方法1d-CNN、MLP和SVM分别提高了3.26%,10.45%,13.72%。 展开更多
关键词 轴承故障诊断 一维卷积神经网络 遗传算法
下载PDF
基于卷积神经网络的高层建筑智能控制算法研究
20
作者 刘康生 涂建维 +1 位作者 张家瑞 李召 《重庆大学学报》 北大核心 2025年第1期66-75,共10页
浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑... 浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑智能控制算法,并完成高精度网络模型训练和1D-CNN数据特征可视化;以20层benchmark模型为对象,研究了不同工况下1D-CNN深度学习智能控制算法的减震效果,并与BP(back propagation,BP)和RBF(radial basis function,RBF)等浅层学习进行对比。结果表明,1D-CNN凭借一维卷积和池化特性,可自动提取数据深层次特征并对海量数据进行降维处理;在外界激励作用下,1D-CNN控制器加速度和位移最高减震率分别为69.0%和55.6%,控制性能远高于BP和RBF;改变激励作用后,3种控制器控制性能均有所降低,但1D-CNN性能降幅最小且减震率最高,说明1D-CNN具备更好的泛化性能。 展开更多
关键词 深度学习 一维卷积神经网络 智能控制 数据特征可视化 泛化性能
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 2 … 73 下一页 到第 页
使用帮助 返回顶部