检索结果-南通市图书馆

基于一维卷积神经网络的地铁钢轨波磨识别方法

在线全文

学校读者我要写书评

暂无评论

中南大学学报（自然科学版） 2021年第4期52卷 1371-1379页

作者：谢清林陶功权温泽峰西南交通大学牵引动力国家重点实验室四川成都610031

利用轴箱振动加速度构建一种基于一维卷积神经网络(1-dimensional convolutional neural network,1-DCNN)的地铁钢轨波磨智能识别方法。提出“空间域”切割的方法制作样本集,构建恰当的1-DCNN结构与配置参数可对输入样本集数据进行自动... 详细信息

利用轴箱振动加速度构建一种基于一维卷积神经网络(1-dimensional convolutional neural network,1-DCNN)的地铁钢轨波磨智能识别方法。提出“空间域”切割的方法制作样本集,构建恰当的1-DCNN结构与配置参数可对输入样本集数据进行自动特征提取并学习分类。通过设置“空间窗”长度任意调节钢轨波磨智能分类时的定位分辨率。研究结果表明:提出的1-DCNN方法能有效、快速且稳定地对钢轨波磨进行智能识别与定位,在车辆复杂的运营条件及速度时变工况下仍然能保持较高的识别精度,稳定在99.20%(标准差为0.1);与此同时,对每一条样本的识别时间均少于0.2 ms,满足钢轨波磨在线监测的时效性。

关键词：钢轨波磨轴箱振动深度学习一维卷积 “空间域”切割

基于词极性算法及一维卷积词向量技术的商品评论情感分类研究

在线全文

学校读者我要写书评

暂无评论

软件 2022年第12期43卷 100-104页

作者：李昕昊上海理工大学上海200093

在不同的电商平台中,部分用户购买商品后会发表评论信息,以此来反馈购买商品的态度。对用户的商品评论数据进行挖掘与分析,有利于商户与生产企业预估商品销量、改进商品品质而言具有潜在的应用价值。因此本文主要工作是采用改进的Word2... 详细信息

在不同的电商平台中,部分用户购买商品后会发表评论信息,以此来反馈购买商品的态度。对用户的商品评论数据进行挖掘与分析,有利于商户与生产企业预估商品销量、改进商品品质而言具有潜在的应用价值。因此本文主要工作是采用改进的Word2Vec词嵌入模型,将整个情感词典进行扩展分析,以改进情感词典的电商平台适用性,确定用户真实的情感倾向,再将其与情感词极性分类算法有效结合,最终提升整体算法的情感分类性能,实验结果表明,所提Conv1d-Word2Vec模型相较于传统模型具有更优的情感识别效果。

关键词：词嵌入情感分类一维卷积词极性算法

基于一维卷积神经网络的燃气管道泄漏声发射信号识别

在线全文

学校读者我要写书评

暂无评论

中国安全生产科学技术 2021年第2期17卷 104-109页

作者：张瑞程王新颖胡磊磊林振源黄旭安赵斌常州大学环境与安全工程学院江苏常州213164

为保障燃气管道系统安全运行,及时诊断管道故障,基于VGG-16模型提出基于一维卷积神经网络的燃气管道故障诊断模型,提取原始声发射信号特征参数,有效诊断燃气管道故障。结果表明:基于一维卷积神经网络的燃气管道故障诊断模型,能够有效解... 详细信息

为保障燃气管道系统安全运行,及时诊断管道故障,基于VGG-16模型提出基于一维卷积神经网络的燃气管道故障诊断模型,提取原始声发射信号特征参数,有效诊断燃气管道故障。结果表明:基于一维卷积神经网络的燃气管道故障诊断模型,能够有效解决燃气管道故障诊断过程中数据预处理复杂、特征提取困难以及识别准确率低等问题,可为燃气管道故障诊断提供技术支撑。

关键词：故障诊断一维卷积燃气管道声发射混淆矩阵

基于一维卷积长短时记忆网络的多信号融合刀具磨损评估

在线全文

学校读者我要写书评

暂无评论

机械与电子 2021年第5期39卷 8-14页

作者：李鹏黄亦翔夏鹏程时轮上海交通大学机械与动力工程学院上海200240 上海交大智邦科技有限公司上海201306

为实现刀具磨损状态的有效在线监测,提出一种基于一维卷积长短时记忆网络的多信号融合刀具磨损评估模型。该模型综合使用加工过程中主轴和工作台的振动和声发射信号,以实现信号间的优势互补,弥补单一信号的不足;基于一维卷积的特征学习... 详细信息

为实现刀具磨损状态的有效在线监测,提出一种基于一维卷积长短时记忆网络的多信号融合刀具磨损评估模型。该模型综合使用加工过程中主轴和工作台的振动和声发射信号,以实现信号间的优势互补,弥补单一信号的不足;基于一维卷积的特征学习能力和长短时记忆网络的时序特征分析能力,充分挖掘信号中包含的刀具磨损状态信息;最后通过全连接层和softmax分类器对刀具磨损状态进行评估。试验结果表明,该模型在各单一工况下对刀具磨损状态的识别准确率均可达93.8%以上,整体工况下识别准确率达95.3%,具有很好的稳定性和多工况通用性。

关键词：刀具磨损状态评估多信号融合一维卷积长短时记忆网络

基于一维卷积神经网络的时间域航空电磁数据快速成像

在线全文

学校读者我要写书评

暂无评论

基于一维卷积神经网络的时间域航空电磁数据快速成像

作者：余小东于曦王绪本

1引言随着航空电磁（Airborne electromagnetic, AEM）系统观测精度、数据处理效率和反演解释分辨率的提高,AEM已成为航空物探中最常用的勘探方法之一。为了获得地下介质的分布情况,通常需要对AEM数据进行成像或反演处理。由于AEM测量... 详细信息

1引言随着航空电磁（Airborne electromagnetic, AEM）系统观测精度、数据处理效率和反演解释分辨率的提高,AEM已成为航空物探中最常用的勘探方法之一。为了获得地下介质的分布情况,通常需要对AEM数据进行成像或反演处理。由于AEM测量产生的数据量较大,快速成像和一维反演方法仍然是实际工程应用中主要的处理方法。

关键词：时间域航空电磁 CNN 电导率成像层状模型电磁响应反演参数地下介质一维反演快速成像正则化反演一维卷积神经网络

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于一维卷积的分布式光伏功率估计研究

基于一维卷积的分布式光伏功率估计研究

第31届中国过程控制会议（CPCC2020）

作者：张宇轩陆建宇何星上海交通大学自动化系系统控制与信息处理教育部重点实验室国家电网有限公司华东分部

区域电网的分布式光伏功率估计对电力系统的安全经济运行具有重要意义。不同于已经成熟的可以实际采集的集中式光伏,分布式光伏的功率估计面临着点多面广,密度不均,无法统一入网采集等问题。本文针对区域电网的分布式光伏,采用基于AP聚... 详细信息

区域电网的分布式光伏功率估计对电力系统的安全经济运行具有重要意义。不同于已经成熟的可以实际采集的集中式光伏,分布式光伏的功率估计面临着点多面广,密度不均,无法统一入网采集等问题。本文针对区域电网的分布式光伏,采用基于AP聚类的节点偏好选址优化采集方案,对所得采样点的数据应用带功率补偿的插值法和一维卷积神经网络模型,通过学习光伏数据中的时空特征,实现区域电网的分布式光伏实时功率的估计。实际案例研究表明,确定选址采集优化方案后,相应的功率估计算法对未采集点的光伏功率估计有着较高的准确性。

关键词：分布式光伏 AP算法功率估计一维卷积

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

采用残差结构和卷积神经网络的铣刀磨损研究

机械科学与技术 2024年第8期43卷 1403-1410页

作者：程胜明王雅君张昕晨冷峻宇大连工业大学机械工程与自动化学院大连116034

对于传统的卷积神经网络准确率低的问题,提高刀具磨损监测的准确性,提出一种具有残差结构的一维卷积神经网络。模型中采用两个残差块,残差结构能够跳跃一部分卷积层减少模型的训练时间,并将信息保留下来与下一层输出连接起来。采集的信... 详细信息

对于传统的卷积神经网络准确率低的问题,提高刀具磨损监测的准确性,提出一种具有残差结构的一维卷积神经网络。模型中采用两个残差块,残差结构能够跳跃一部分卷积层减少模型的训练时间,并将信息保留下来与下一层输出连接起来。采集的信息具有多维性,卷积神经网络能够自适应地提取相关特征,比传统机器学习需要人工依靠经验来提取特征更具有可靠性。实验结果表明,具有残差结构的卷积神经网络比传统的卷积神经网络不仅有较低的损失函数值,在准确度方面也有很好表现,提高了刀具磨损分类的精度。

关键词：一维卷积残差结构刀具磨损监测机器学习

基于机-岩状态识别和融合注意力的盾构姿态多步预测

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：熊栋栋刘哲许超中交第二航务工程局有限公司交通运输行业交通基础设施智能制造技术研发中心长大桥梁建设施工技术交通行业重点实验室

为了准确预测未来多个时刻的盾构姿态，帮助盾构操作人员提前识别盾构姿态变化趋势，以进行早期决策，提出基于机-岩状态识别和融合多尺度的特征-时域注意力机制的知识-数据双驱动盾构掘进姿态多步预测方法：引入实时反映机-岩工作状态... 详细信息

为了准确预测未来多个时刻的盾构姿态，帮助盾构操作人员提前识别盾构姿态变化趋势，以进行早期决策，提出基于机-岩状态识别和融合多尺度的特征-时域注意力机制的知识-数据双驱动盾构掘进姿态多步预测方法：引入实时反映机-岩工作状态关系的场切入指标FPI、单位贯入度的刀盘扭矩指标TPI、分区可掘性指标FPIR、螺旋机性能指标STP等复合参数指标，作为模型的输入特征参数，并构建以GRU为基础单元的Encoder-Decoder网络结构，在特征维度上，采用融合多尺度一维卷积的特征注意力机制，自适应捕捉不同层次、不同尺度的盾构掘进参数特征；时间维度上，在解码器中引入时域注意力机制，充分挖掘盾构掘进数据中的长期历史信息和短期输入输出序列的隐藏依赖关系。通过广州地铁12号线盾构掘进历史数据的模型测试结果分析表明，该预测方法在不增加网络复杂性的前提下，既缓解了算法自身在进行寻优、迭代和匹配时产生的可解释性差、效率低等问题，又大幅提升模型的特征提取、时间序列的相关性捕获及长期趋势挖掘的能力，实现盾构掘进姿态的精准多步预测，其性能明显优于的门控循环神经网络LSTM、GRU及其经典组合模型GRUSelfAttention、GRU-MultiheadAttention等。研究结果为进一步完善盾构掘进姿态预测方法、提升盾构掘进姿态优化控制水平提供参考。

关键词：盾构盾构姿态多步预测复合参数指标一维卷积特征注意力时域注意力

融合局部感知Transformer模型的微积分方程求解

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

广西大学学报（自然科学版） 2024年第3期49卷 606-619页

作者：卢林朱兆旻吴宁广西大学计算机与电子信息学院广西南宁530004 桂林航天工业学院电子信息与自动化学院广西桂林541004 北部湾大学电子与信息工程学院广西钦州535011

针对局部信息在数学表达式的符号计算中非常重要,而Transformer模型通常存在局部缺失从而忽略字符间的语义信息的问题,提出一种将一维卷积(Conv1d)和Transformer模型相结合的符号计算模型Convld_Transformer。该模型通过在嵌入层中引入... 详细信息

针对局部信息在数学表达式的符号计算中非常重要,而Transformer模型通常存在局部缺失从而忽略字符间的语义信息的问题,提出一种将一维卷积(Conv1d)和Transformer模型相结合的符号计算模型Convld_Transformer。该模型通过在嵌入层中引入卷积网络提取局部特征信息,可有效增强局部感知。此外,还提出了一种生成一类偏微分方程数据集的算法,该算法结合特征线法和常微分方程变换,可实现对常系数一阶线性(pde1_cc)、变系数一阶线性(pde1_vc)以及满足一定条件的二阶抛物线偏微分方程(parapde2_cc)的求解。实验结果表明:Conv1d_Transformer模型在函数积分任务中相比Transformer模型精度更高,在解决pde1_cc、pde1_vc和parapde2_cc问题时准确率分别达到了96.00%、77.18%和86.18%,其性能要优于Mathematica和SymPy数学求解器。

关键词：符号计算一维卷积函数积分微分方程特征线法

维普期刊数据库博看期刊