检索结果-南通市图书馆

电网技术 2023年第2期47卷 741-754页

作者：史法顺吴俊勇季佳伸步雨洛李栌苏赵鹏杰李宝琴北京交通大学电气工程学院北京市海淀区100044

暂态电压稳定(transient voltage stability,TVS)与暂态功角稳定(transient angle stability,TAS)是电力系统安全运行的重要基础。随着新型电力系统的建设,电压与功角问题紧密耦合且频发,亟需高精度的一体化超前评估为紧急控制夯实基础... 详细信息

暂态电压稳定(transient voltage stability,TVS)与暂态功角稳定(transient angle stability,TAS)是电力系统安全运行的重要基础。随着新型电力系统的建设,电压与功角问题紧密耦合且频发,亟需高精度的一体化超前评估为紧急控制夯实基础。首先根据调研整合了表征功角稳定与电压稳定的综合特征,并根据极限梯度提升(extreme gradient boosting,XGBoost)衡量特征贡献度,根据贡献度生成含差分特征的特征集作为评估模型的输入。其次,提出了融合挤压激励模块的多尺度卷积门控循环单元模型(a multi-scale convolution gated recurrent unit integrated with squeeze excitation,SE-CGRU)。该模型通过挤压激励(squeeze&excitation,SE)模块实现特征通道权重的自适应调整,并利用多尺度卷积融合细节特征与宏观特征,实现了暂态功角与暂态电压的高精度一体化评估。在线评估时无需已知故障切除时间即可给出预测结果并输出系统当前状态下的安全裕度。通过引入带时间约束的损失函数与动态权重训练的方式,在保持现有精度的基础上大大缩减了响应时间,实现超前评估。采用多判据融合策略进一步减少了漏判与误判,提高了模型评估的可靠性。以新英格兰10机39节点系统和国内某区域省级互联系统为例验证分析,结果表明所提方法可实现高精度的功角和电压稳定一体化超前评估。

关键词：暂态功角稳定暂态电压稳定特征贡献度挤压激励模块

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于MSR-UNet的煤岩显微组分分割与定量分析算法

引用

数据与计算发展前沿 2023年第6期5卷 126-137页

作者：季菁菁奚峥皓李忠峰上海工程技术大学电子电气工程学院上海201620 营口理工学院电气工程学院辽宁营口115000

【目的】煤岩的质量决定着煤岩的利用率,其组分的分析是判断煤炭质量的重要依据。本文针对煤岩显微组分的分割问题,提出一种改进的UNet网络,旨在提高对煤岩显微组分分割的准确度,以此实现对煤岩显微组分的自动化分析。【方法】首先,提... 详细信息

【目的】煤岩的质量决定着煤岩的利用率,其组分的分析是判断煤炭质量的重要依据。本文针对煤岩显微组分的分割问题,提出一种改进的UNet网络,旨在提高对煤岩显微组分分割的准确度,以此实现对煤岩显微组分的自动化分析。【方法】首先,提出一种多尺度上下文注意模块。通过捕获具有空间上下文信息的高层特征来提高网络提取关键特征的能力。其次,在跳跃连接层中引入挤压激励模块,提高网络对低层特征重要信息的捕获能力。最后,选用骰子损失函数和焦点损失函数训练网络,以提高网络对小目标组分的敏感度和对相似组分的区分能力。【结果】实验结果表明,所提方法在分割煤岩显微组分图像时,PA指标、IoU指标和Dice指标分别为91.24%、83.01%和84.70%,各组分分割的平均绝对误差分别为2.95%、5.43%和6.19%。【结论】本文算法在实现利用计算机辅助自动化分析煤岩质量方面具有巨大潜力。

关键词：煤岩显微组分图像分割 UNet 多尺度上下文注意模块挤压激励模块

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合轮廓信息与条件生成对抗的视网膜血管分割

引用

生物医学工程学杂志 2021年第2期38卷 276-285页

作者：梁礼明蓝智敏盛校棋谢招犇刘万蓉江西理工大学电气工程与自动化学院江西赣州341000 赣南医学院信息工程学院江西赣州341000 赣南医学院第一附属医院眼科江西赣州341000

针对现有视网膜血管分割算法存在主血管末端易断裂、中心黄斑和视盘边界易误分割等问题,本文提出一种融合血管轮廓信息与条件生成对抗网络的视网膜血管分割算法。首先,采用非均匀光照移除和主成分分析处理眼底图像,增强血管与背景的对比... 详细信息

针对现有视网膜血管分割算法存在主血管末端易断裂、中心黄斑和视盘边界易误分割等问题,本文提出一种融合血管轮廓信息与条件生成对抗网络的视网膜血管分割算法。首先,采用非均匀光照移除和主成分分析处理眼底图像,增强血管与背景的对比度,并获得特征信息丰富的单尺度灰度图像。其次,将集成了带偏移量的深度可分离卷积和挤压激励(SE)模块的密集块同时运用到编码器和解码器,缓解梯度消失和梯度爆炸,同时使得网络专注于学习目标的特征信息。然后,引入轮廓损失函数,提升网络对血管信息和轮廓信息的辨识能力。最后,在DRIVE与STARE数据集上分别进行实验,受试者曲线值分别达到0.9825和0.9874,准确率分别达到0.9677和0.9756。实验结果表明,本文提出的算法能够准确辨别轮廓与血管,减少血管断裂,在临床眼科疾病诊断中具有一定的应用价值。

关键词：轮廓损失函数深度可分离卷积挤压激励模块条件生成对抗网络视网膜血管分割

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多源多模态数据和多维卷积网络的行为识别方法研究

基于多源多模态数据和多维卷积网络的行为识别方法研究

引用

作者：王宇豪山东大学

学位级别：硕士

随着深度学习的日渐发展,人体行为识别(Human Activity Recognition,HAR)技术受到诸多关注,越来越多的学者投身于HAR领域的研究。同时,各类可穿戴设备软硬件性能的提升为基于传感器的HAR技术的普及提供了实践经验。目前,运动分析、智能... 详细信息

随着深度学习的日渐发展,人体行为识别(Human Activity Recognition,HAR)技术受到诸多关注,越来越多的学者投身于HAR领域的研究。同时,各类可穿戴设备软硬件性能的提升为基于传感器的HAR技术的普及提供了实践经验。目前,运动分析、智能家居和特殊人群监测等领域已经成功应用了基于传感器的HAR技术。为了获得更高的识别准确率,目前大多数HAR研究涉及多源多模态传感器(Multisource and Multimode Sensors,MMS)数据。尽管HAR相关研究领域的成果较为丰富,但基于传感器的HAR技术仍存在一些不足。在数据集方面,现有的公开家庭行为数据集种类单一,难以充分模拟智能家居场景;在特征提取方面,现有的算法大多使用单一维度的卷积核,因受到卷积核感受野的限制,无法充分获取MMS数据之间的联系;在实际应用方面,人体行为种类繁多且复杂,容易发生混淆,现有网络模型很难做出精准的判断。本论文针对以上问题,开展了以下几个方面的研究:(1)针对现有数据集中日常行为种类较为单一的问题,使用定制采集终端采集行为数据,构建日常居家行为(Daily HomeActivity,DHA)数据集,该数据集可应用于智能家居等场景。(2)针对HAR网络特征提取维度单一的问题,提出了多维并行卷积连通(Multidimensional Parallel Convolutional Connected,MPCC)网络结构,该结构利用不同维度卷积核的感受野,提取多维特征,增强多传感器数据之间的关联。同时,为了丰富特征提取的多样性,提出了多尺度残差卷积挤压激励(Multiscale Residual Convolutional Squeeze-and-Excitation,MRCSE)模块,该模块将多尺度卷积与挤压激励(Squeeze-and-Excitation,SE)模块相结合,重新校准多尺度特征的自适应关系,从而增强表示特征的能力。最后,将MPCC网络与MRCSE模块结合,提出了 MPCC-MRCSE行为识别网络,该网络结合前两者优点,在体力活动监测(PhysicalActivity Monitoring,PAMAP2)数据集、OPPORTUNITY数据集和DHA数据集上进行了10折交叉验证,Fw-score结果分别为98.33%、97.07%和95.92%,性能优于最新和经典的网络模型。(3)针对实际应用中人体行为种类繁多和易混淆的问题,本论文将类循环神经网络(Recurrent Neural Network,RNN)与MPCC-MRCSE行为识别网络进行结合,提出了监察员(Monitor)行为识别网络。将MPCC-MRCSE网络所提取的行为特征继续输送至双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU),通过获取多传感器的上下文特征,进一步提取多传感器数据的时间关系。使用该网络在PAMAP2、OPPORTUNITY和DHA三个数据集上进行了 1 0折交叉验证,Fw-score结果分别为99.01%、98.75%和 96.39%,性能较 MPCC-MRCSE 网络提升明显。通过以上研究,实现了对复杂行为和易混淆行为的有效识别。通过在PAMAP2、OPPORTUNITY公开数据集以及DHA自采数据集上进行实验分析,证明了所提网络和方法的有效性与优势,其可被应用于智能家居等诸多HAR场景,具有很大的研究价值和广阔的应用前景。

关键词：多源多模态传感器数据人体行为识别挤压激励模块 10折交叉验证双向门控循环单元

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的图像标注算法研究

基于卷积神经网络的图像标注算法研究

引用

作者：吴新建苏州大学

学位级别：硕士

在大数据时代,每天都有海量的图片上传到互联网,为了对如此大规模图像数据进行有效的管理和检索,图像的高效自动标注显得越来越重要。图像自动标注就是利用算法使得计算机能自动为图像赋上与图像语义内容相关的关键词汇,其本质是在图像... 详细信息

在大数据时代,每天都有海量的图片上传到互联网,为了对如此大规模图像数据进行有效的管理和检索,图像的高效自动标注显得越来越重要。图像自动标注就是利用算法使得计算机能自动为图像赋上与图像语义内容相关的关键词汇,其本质是在图像的高层语义信息和底层特征之间建立一种映射关系。传统的图像标注算法需要手动提取特征,不适应大规模的数据集,而基于深度学习的图像标注算法大多忽视了图像的多标签性,且这些算法没有考虑图像标签间的关联性,以致提取的特征不够高效。基于此,本文对基于卷积神经网络的图像自动标注的理论和方法进行了深入的探究,针对现有方法存在的问题提出了改进算法和模型。本文的主要工作内容如下:(1)提出基于Sigmoid损失函数的卷积神经网络图像标注算法。针对图像标注任务的多标签性,将卷积神经网络常用的Softmax损失函数改为Sigmoid损失函数,更好地适应多标签学习,提出了一个适用于多标签图像的卷积神经网络模型;并使用256位编码特征来表示图像从而进行图像标注,获得了方便存储和图像快速比较的特征,最后通过实验验证所提出模型的有效性。(2)提出基于多标签加权三元组损失函数的卷积神经网络图像标注算法。针对图像标签间的关联性以及相似图像的差异性等特点,引入三元组损失函数,增加了模型的内聚性,同时为了解决汉明误差的问题,提出了多标签加权三元组损失函数,并结合Inception V4网络模型提出了基于多标签加权三元组损失函数的卷积神经网络图像标注模型。(3)提出基于Spatial SE特征的卷积神经网络图像标注算法。针对提取的多标签全局特征表示能力不足的问题,对卷积神经网络的网络结构进行改进。从网络通道层面考虑,引入挤压激励(Squeeze-and-Excitation,SE)模块。通过学习的方式来自动获取到每个特征通道的重要程度,然后根据这个重要性让网络利用全局信息有选择地增强有益特征通道并抑制无用特征通道,从而能实现特征通道自适应校准。并在此基础上,为了获得高效的卷积层特征,考虑了各空间像素点的重要性,为特征引入了空间像素权重信息,提取出强健并高效的Spatial SE特征。上述图像标注算法从模型的损失函数和网络结构两个方面出发,提出了三种卷积神经网络图像标注算法。通过和已有的图像标注算法在Natural Scenes、Corel-5K、ESP-Game、IAPRTC-12和NUS-WIDE等多个图像数据集上的对比,验证了本文提出的算法在图像标注任务上的高效性。

关键词：图像标注卷积神经网络多标签加权三元组挤压激励模块

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：