检索结果-南通市图书馆

基于心电信号的自注意力双向门控循环网络疲劳检测模型

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2022年第5期39卷 578-584页

作者：刘婕王娆芬邓源上海工程技术大学电子电气工程学院上海201620

人类操作员的生理疲劳状态对其作业效率与安全性存在很大的影响,本研究提出了一种基于自注意力(SA)机制的双向门控循环(BiGRU)网络疲劳检测模型,研究基于心电信号的疲劳检测方法。首先采集了模拟不同负荷水平的过程控制任务环境下操作... 详细信息

人类操作员的生理疲劳状态对其作业效率与安全性存在很大的影响,本研究提出了一种基于自注意力(SA)机制的双向门控循环(BiGRU)网络疲劳检测模型,研究基于心电信号的疲劳检测方法。首先采集了模拟不同负荷水平的过程控制任务环境下操作人员的心电数据,以一维心电数据作为输入,经过去噪预处理后,使用改进的BiGRU神经网络进行特征提取,BiGRU在保留GRU优点的同时可以更加充分学习心电信号前后时序的特征联系,并通过SA机制筛选显著相关特征信息,最后将所获得的特征信息经过softmax分类器,得到疲劳分类结果。与传统的GRU模型和BiLSTM模型进行了比较,经过改进后的SA-BiGRU模型的疲劳分类性能整体提高2%~5%,总体准确率达83%。

关键词：心电信号双向门控循环网络自注意力机制疲劳分类

用于睡眠精准分期的多模态生理时频特征提取网络

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第1期41卷 26-33页

作者：胡凯蕾陈景霞张鹏伟雪雯谢佳陕西科技大学电子信息与人工智能学院西安710021

睡眠分期对临床疾病诊断以及睡眠质量评估至关重要。现有睡眠分期方法大多通过单通道或单模态信号,使用单分支深层卷积网络进行特征提取,这不仅阻碍了睡眠相关多样性特征的捕获,增加了计算代价,而且对睡眠分期的准确率也有一定的影响。... 详细信息

睡眠分期对临床疾病诊断以及睡眠质量评估至关重要。现有睡眠分期方法大多通过单通道或单模态信号,使用单分支深层卷积网络进行特征提取,这不仅阻碍了睡眠相关多样性特征的捕获,增加了计算代价,而且对睡眠分期的准确率也有一定的影响。为解决这一问题,本文提出一种端到端的用于睡眠精准分期的多模态生理时频特征提取网络(MTFF-Net)。首先,利用短时傅里叶变换(STFT)将包含脑电(EEG)、心电(ECG)、眼电(EOG)、肌电(EMG)的多模态生理信号转换为二维时频特征图;然后,使用多尺度EEG紧凑卷积网络(Ms-EEGNet)与双向门控循环(Bi-GRU)网络相结合的时频特征提取网络,捕获与睡眠特征波形相关的多尺度频谱特征以及与睡眠阶段转换相关的时序特征。根据美国睡眠医学学会(AASM)EEG睡眠分期判据,该模型在科英布拉大学系统与机器人研究所第三组子睡眠数据集(ISRUC-S3)上的五分类任务中取得了84.3%的准确率,其宏观F1分数(m-F1)的值为83.1%,科恩卡帕(Cohen's Kappa)系数为79.8%。实验结果表明,本文所提模型实现了更高的分类准确率,推进了深度学习算法在辅助临床决策中的应用。

关键词：睡眠分期生理信号多模态多尺度双向门控循环网络

在线全文

学校读者我要写书评

暂无评论

基于深度迁移学习的燃气轮机燃烧室故障预警

上海交通大学学报 2024年

作者：吴亚军康英伟上海电力大学自动化工程学院

针对燃气轮机燃烧室故障预警受限于样本数据稀缺导致的低效问题，提出一种基于迁移学习和卷积神经网络-双向门控循环网络(CNN-BiGRU)的方法。首先在源域上使用K折交叉验证对CNN-BiGRU网络进行预训练并筛选出最优模型；然后使用迁移学习... 详细信息

针对燃气轮机燃烧室故障预警受限于样本数据稀缺导致的低效问题，提出一种基于迁移学习和卷积神经网络-双向门控循环网络(CNN-BiGRU)的方法。首先在源域上使用K折交叉验证对CNN-BiGRU网络进行预训练并筛选出最优模型；然后使用迁移学习得到目标域故障预警模型；再将目标域数据导入该模型中并采用滑动窗口减少异常数据点造成的误报警；最后利用三倍标准差法(3-sigma)计算出的预警阈值判断是否发生故障。实验结果表明：在样本数据不足时，所提方法与非迁移学习模型相比，均方根误差降低了87.5%，平均绝对误差降低了89.05%，决定系数提升了6.39%；与系统报警时刻相比，能够更早发现故障征兆，提前82 min对燃气轮机燃烧室进行故障预警。

关键词：燃气轮机燃烧室故障预警迁移学习卷积神经网络双向门控循环网络

基于ResCNN-BiGRU的四川方言语音识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年第1期47卷 89-93页

作者：谢金洪魏霞新疆大学电气工程学院新疆乌鲁木齐830017

由于基于深度卷积神经网络的语音识别模型中缺乏对特定方言音素特征的提取能力,造成方言发音底层特征部分信息丢失,进而导致方言识别准确率不高、鲁棒性差等问题。针对上述问题,提出一种结合残差网络(RestNet)和双向门控循环网络(BiGRU... 详细信息

由于基于深度卷积神经网络的语音识别模型中缺乏对特定方言音素特征的提取能力,造成方言发音底层特征部分信息丢失,进而导致方言识别准确率不高、鲁棒性差等问题。针对上述问题,提出一种结合残差网络(RestNet)和双向门控循环网络(BiGRU)的模型,该模型以GFCC特征图为输入,同时在残差网络中设计多尺度卷积模块,通过不同大小的卷积核提取特征,然后使用双向门控循环网络捕捉序列数据中的长期依赖关系,最后采用连接时序分类算法进行标签软对齐,实现四川方言语音识别模型。在四川方言语料库上的实验结果表明,提出的模型识别性能优于现有基准模型。

关键词：四川方言音素特征双向门控循环网络多尺度卷积连接时序分类标签软对齐

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

深度学习下时序特征提取的网络入侵检测模型

保密科学技术 2024年第1期 51-60页

作者：杨超杜琪琪范波蒋碧波张文迪湖北大学计算机与信息工程学院武汉大学科学技术发展研究院湖北省高校人文社科重点研究基地绩效评价信息管理研究中心

为解决目前入侵检测算法对网络流量数据特征提取不充分、模型分类结果准确率低的问题,同时鉴于网络流量数据具有时序性和特征允余的特性,本文提出了一种融合多通道一维卷积和BiGRU的网络入侵检测模型。首先,通过多通道一维卷积对网络流... 详细信息

为解决目前入侵检测算法对网络流量数据特征提取不充分、模型分类结果准确率低的问题,同时鉴于网络流量数据具有时序性和特征允余的特性,本文提出了一种融合多通道一维卷积和BiGRU的网络入侵检测模型。首先,通过多通道一维卷积对网络流量数据进行粗化和细化提取,以捕捉不同层次的时序特征。然后,采用双向门控循环网络充分挖掘网络流量数据的时序特征,并使用SoftPool池化层替代传统池化层以保留更多的特征信息。此外,通过卡方检测方法剔除不相关的特征,减少允余特征,实现数据降维。最后,使用UBSW-NB15数据集和CIC-IDS2017数据集对入侵检测模型进行训练和测试。实验表明,该模型相比其他入侵检测算法具有更高的入侵检测准确率。

关键词：入侵检测双向门控循环网络一维卷积深度学习 SoftPool

基于TCN-Attention-BiGRU的锅炉受热面壁温预测

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2024年

作者：曹熠云茅大钧陈思勤华能国际电力股份有限公司上海石洞口第二电厂上海电力大学自动化工程学院

锅炉受热面频繁超温严重危害电厂的安全运行，准确地预测受热面壁温有助于提前采取控制措施，对电厂的安全运行有重要意义。对此，提出基于时间卷积注意力网络融合双向门控循环网络（TCN-Attention-BiGRU）的锅炉受热面壁温预测方法。... 详细信息

锅炉受热面频繁超温严重危害电厂的安全运行，准确地预测受热面壁温有助于提前采取控制措施，对电厂的安全运行有重要意义。对此，提出基于时间卷积注意力网络融合双向门控循环网络（TCN-Attention-BiGRU）的锅炉受热面壁温预测方法。首先，通过最大信息系数MIC筛选出关键特征变量，并利用VMD-WT方法剔除高频噪声；其次将时间卷积网络(TCN)的多尺度特征提取能力与注意力机制结合，以进一步突出关键特征的影响，最后融合BiGRU网络实现壁温预测。以某在役600MW超临界锅炉高温再热器为对象进行验证，结果表明，相较于其它方法，所提方法可在保证原始数据完整的同时最大限度地剔除噪声，能更准确地捕捉受热面壁温快速变化的趋势。

关键词：超临界锅炉壁温预测时间卷积网络注意力机制双向门控循环网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于情感融合和层次注意力机制的情感分析

智能计算机与应用 2024年第1期14卷 63-69页

作者：邵清张文双李颖王少军上海理工大学光电信息与计算机工程学院上海200093

针对两个反义词在相似语境下转化成词向量后空间距离相近,容易造成情感信息丢失,循环神经网络等的特征提取方式容易导致网络依赖增强,难以充分提取局部性特征。针对第一个问题,本文提出情感嵌入模块,在词嵌入的过程中加入情感向量与语... 详细信息

针对两个反义词在相似语境下转化成词向量后空间距离相近,容易造成情感信息丢失,循环神经网络等的特征提取方式容易导致网络依赖增强,难以充分提取局部性特征。针对第一个问题,本文提出情感嵌入模块,在词嵌入的过程中加入情感向量与语义信息作为网络的输入层;针对第二个问题,本文提出层次注意力机制,将融合后的词向量切片形成两个子序列,将单词的词向量输入到双向门控循环网络,利用注意力机制对隐藏层进行加权计算,获得子序列文本信息,通过多个网络层获得整个文本序列信息;最后,经过softmax函数输出文本情感极性。在NLPIR微博语料库和NLPCC2014的微博公开数据集进行实验,表明该情感分析模型在准确率上有所提高,证明了模型的有效性。

关键词：情感嵌入层次注意力双向门控循环网络情感分析

维普期刊数据库博看期刊

基于布谷鸟算法改进Bi-GRU的大坝变形预测方法

在线全文

学校读者我要写书评

暂无评论

吉林水利 2024年第2期 48-53页

作者：钱洋军侯付闯嵊州市润正建设工程检测有限公司浙江嵊州312400 陕西中凯恒瑞工程项目管理有限公司陕西西安710000

针对小型水库大坝变形监测数据类型少、预测模型精度低的问题,提出一种基于布谷鸟算法(Cuckoo Search, CS)改进双向门控循环网络(Bi-directional Gated Recurrent Unit, Bi-GRU)的大坝变形预测方法。以水库大坝为研究对象,采用布谷鸟搜... 详细信息

针对小型水库大坝变形监测数据类型少、预测模型精度低的问题,提出一种基于布谷鸟算法(Cuckoo Search, CS)改进双向门控循环网络(Bi-directional Gated Recurrent Unit, Bi-GRU)的大坝变形预测方法。以水库大坝为研究对象,采用布谷鸟搜索算法优化Bi-GRU模型的网络参数,提升Bi-GRU模型的预测性能。结果表明,对比Bi-GRU模型和Bi-LSTM模型,所构建模型预测精度较高,能满足工程实际需要。

关键词：大坝变形预测双向门控循环网络布谷鸟算法

融合卷积神经网络与双向GRU的文本情感分析胶囊模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2021年第5期35卷 118-129页

作者：程艳孙欢陈豪迈李猛蔡盈盈蔡壮江西师范大学计算机信息工程学院江西南昌330022 豫章师范学院数学与计算机学院江西南昌330103

文本情感分析是自然语言处理领域一个重要的分支。现有深度学习方法不能更为全面地提取文本情感特征,且严重依赖于大量的语言知识和情感资源,需要将这些特有的情感信息充分利用使模型达到最佳性能。该文提出了一种融合卷积神经网络与双... 详细信息

文本情感分析是自然语言处理领域一个重要的分支。现有深度学习方法不能更为全面地提取文本情感特征,且严重依赖于大量的语言知识和情感资源,需要将这些特有的情感信息充分利用使模型达到最佳性能。该文提出了一种融合卷积神经网络与双向GRU网络的文本情感分析胶囊模型。该模型首先使用多头注意力学习单词间的依赖关系、捕获文本中情感词,利用卷积神经网络和双向GRU提取文本不同粒度的情感特征,特征融合后输入全局平均池化层,在得到文本的实例特征表示的同时,针对每个情感类别结合注意力机制生成特征向量构建情感胶囊,最后根据胶囊属性判断文本情感类别。模型在MR、IMDB、SST-5及谭松波酒店评论数据集上进行实验,相比于其他基线模型具有更好的分类效果。

关键词：文本情感分析多头注意力卷积神经网络双向门控循环网络情感胶囊