检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进残差网络的拉丝机减速箱故障诊断

软件工程 2024年第3期27卷 36-41页

作者：邹知成万昌江汝欣浙江理工大学机械工程学院浙江杭州310018 浙江理工大学龙港研究院浙江温州325000

减速箱对拉丝辊的转速固定有重要作用,由于拉丝设备结构紧密,内部零件的运行状态不易于观察,因此减速箱轮齿故障导致的转速配比异常很难被及时发现,针对拉丝机减速箱存在的故障诊断环节缺失问题,提出一种遗传算法与优化注意力模块改进... 详细信息

减速箱对拉丝辊的转速固定有重要作用,由于拉丝设备结构紧密,内部零件的运行状态不易于观察,因此减速箱轮齿故障导致的转速配比异常很难被及时发现,针对拉丝机减速箱存在的故障诊断环节缺失问题,提出一种遗传算法与优化注意力模块改进的残差网络的故障诊断方法。首先,通过小波包分解与带通滤波的混合方法清洗数据,依照生产车间实际情况提出综合评价指标,并按照指标需求选择小波包分解层数;其次,针对残差网络与注意力模块进行改进;最后,将经过连通域分析与二值化后的特征图送入改进后的模型进行诊断。结果表明,该方法的诊断准确率比注意力-残差网络模型(Squeeze-and-Excitation-ResNet,SE-ResNet)提升了7.32%,比卷积神经网络-极限学习机模型(Convolutional Neural Network-Extreme Learning Machine,CNN-ELM)提升了8.81%,针对注意力模块(Squeeze-and-Excitation Module,SE)的改进将模型的单次诊断时间在原来的基础上缩短0.92 s,对塑编拉丝车间中减速箱的维护具有较大的实用价值。

关键词：故障诊断深度学习遗传算法挤压-激励模块拉丝机残差网络

维普期刊数据库博看期刊

基于SE-DSCNN的MMC开关管故障诊断方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2022年第5期42卷 104-111页

作者：曾昭瑢何怡刚武汉大学电气与自动化学院湖北武汉430072

为了实现模块化多电平变换器(MMC)子模块开关管的故障诊断,提出了一种基于挤压-激励模块的深度可分离卷积神经网络(SE-DSCNN)。该网络直接利用原始电容电压数据,不需要任何的特征提取算法,能够自动提取隐藏在原始数据中的深层特征,结合... 详细信息

为了实现模块化多电平变换器(MMC)子模块开关管的故障诊断,提出了一种基于挤压-激励模块的深度可分离卷积神经网络(SE-DSCNN)。该网络直接利用原始电容电压数据,不需要任何的特征提取算法,能够自动提取隐藏在原始数据中的深层特征,结合挤压-激励模块以突出通道域中具有代表性的特征,利用深度可分离卷积(DSC)来减少网络的计算量。利用滑动时间窗口将数据分段并归一化后输入提前训练好的最优模型中,模型输出预测标签。通过与其他人工特征提取方法及深度学习方法进行对比,结果表明模型参数量比具有相同卷积层数的标准卷积神经网络(CNN)减少了70.92%左右。所提方法在已有样本片段上的分类准确率及不同故障时期的诊断正确率均达99%及以上,诊断单个样本片段所需的时间约为0.34 ms,不但能区分故障早期的耦合性特征,还能实现准确、可靠、高效、快速的故障诊断。

关键词： MMC 开关管故障挤压-激励模块深度可分离卷积神经网络故障诊断

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于原始波形的端到端阿尔茨海默症检测方法

电子学报 2023年第12期51卷 3582-3590页

作者：陈旭初张卫强马勇清华大学电子工程系北京100084 江苏师范大学语言科学与艺术学院江苏徐州221009

阿尔茨海默症(Alzheimer’s Disease,AD)是一种退行性疾病,随着病情加重,患者的语言能力逐渐减弱.目前已经有研究者使用梅尔谱图、梅尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)等声学特征对阿尔茨海默症患者和健康人进... 详细信息

阿尔茨海默症(Alzheimer’s Disease,AD)是一种退行性疾病,随着病情加重,患者的语言能力逐渐减弱.目前已经有研究者使用梅尔谱图、梅尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)等声学特征对阿尔茨海默症患者和健康人进行分类,但是对于使用神经网络从原始波形提取特征进行阿尔茨海默症检测还缺少进一步的探索.本文提出一种基于原始波形的端到端阿尔茨海默症检测方法.该方法使用一维卷积从原始波形中提取时间维度特征,并使用含有膨胀卷积的残差块提取更复杂的特征.为进一步提高性能,在残差块中引入挤压-激励模块.在全国人机语音通讯学术会议(National Conference on Man-Machine Speech Communication,NCMMSC)2021 AD数据集上,本文提出的模型在长音频测试集、短音频测试集分别达到了86.55%和81.35%的准确率,比基线系统分别提高了6.75%、7.35%.在INTERSPEECH2020 ADReSS数据集上,模型的准确率为66.67%,比基线系统提高4.17%.

关键词：阿尔茨海默症语音检测残差块挤压-激励模块端到端

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度残差长短记忆网络交通流量预测算法

计算机应用 2021年第6期41卷 1566-1572页

作者：刘世泽秦艳君王晨星苏琳柯其学罗海勇孙艺王宝会北京航空航天大学软件学院北京100191 北京邮电大学计算机学院北京100876 首都师范大学信息工程学院北京100048 中国科学院计算技术研究所北京100190

针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆(LSTM)网络、卷积残差网络和注意力机制的融合模型。首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络... 详细信息

针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆(LSTM)网络、卷积残差网络和注意力机制的融合模型。首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络来挖掘不同尺度的时间域特征;其次,构建基于注意力机制挤压激励(SE)模块的卷积残差网络嵌入到LSTM网络结构中,从而挖掘交通流量数据中的空间域特征;最后,将编码器中获得的隐状态下的信息输入到解码器中,实现高精度多步交通流量的预测。基于真实交通数据进行实验测试和分析,实验结果表明,相较于原始的基于图卷积的模型,所提模型在北京和纽约两个交通流量公开数据集上的均方根误差(RMSE)分别获得了1.622和0.08的下降。所提模型能够高效且精确地对交通流量作出预测。

关键词：时空数据挖掘编解码器长短期记忆挤压-激励模块空间注意力

维普期刊数据库

基于深度学习的视网膜OCT图像自动分类研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的视网膜OCT图像自动分类研究

作者：连超铭福州大学

学位级别：硕士

视网膜是人体眼球最重要的成像组织之一,视网膜受到损伤会导致视力衰退甚至不可逆性失明。各种视网膜疾病正危害着人群的视力健康状况,其中较为常见的有视网膜黄斑病变、糖尿病视网膜病变等等。近年来,由于光学相干层析技术(Optical Coh... 详细信息

视网膜是人体眼球最重要的成像组织之一,视网膜受到损伤会导致视力衰退甚至不可逆性失明。各种视网膜疾病正危害着人群的视力健康状况,其中较为常见的有视网膜黄斑病变、糖尿病视网膜病变等等。近年来,由于光学相干层析技术(Optical Coherence Tomography,OCT)在医学成像领域的发展与应用,专业医生通过观察患者视网膜OCT图像上的病变部位特征就能判别病变的类型。但是视网膜疾病的判断是一个复杂细致的工作,许多微小的病变表征容易被主观忽视,同时随着患者群体的不断增大,频繁的筛查工作将导致眼科医生工作负担过重。本文以视网膜病变的自动识别需求为背景,搭建频域视网膜OCT图像自动分类系统,并研究OCT图像去噪算法和基于深度学习的视网膜病变OCT图像自动分类算法。主要研究内容如下:深入研究频域光学相干层析成像技术,借助其能够清晰呈现生物组织的内部结构信息的特点,自主搭建了频域OCT成像系统并测量获得小鼠视网膜图像。针对系统成像过程中的噪声,首先利用五步移相法去除光谱信号采集过程中存在的噪声干扰;其次提出自适应阈值联合高斯滤波算法消除经过傅里叶变换后的OCT图像存在的散斑噪声并增强图像。并将该算法应用于神经网络训练的数据集预处理,增强图像特征的同时减少噪声干扰。针对小型数据集数据量不足的问题,提出基于迁移学习的视网膜病变自动分类网络。以预训练模型为主干网络,通过微调解决样本差异的问题,以全局平均池化方法替代传统的全连接层来提取深层特征,在结构上对网络进行正则化以降低网络的过拟合现象,增强特征的空间映射鲁棒性。对实验结果的分析证明该方法有助于提高小型数据集的分类效果。在分析卷积神经网络不同的特征提取通道之间的关联性基础上,提出基于挤压-激励网络模块(SE-block)的多尺度特征分类网络,拟合复杂通道之间的相关性,提升重要特征通道的权值比例。结合不同尺度的卷积核提取图像的局部信息,并采用深度可分离卷积来减小网络的参数量,提升模型大数据集上的训练稳定性。对比实验结果证明,所构建的算法有效针对病变部位特征进行提取,有良好的分类表现,在视网膜病变自动分类识别任务上取得了优异的表现。本研究将自动分类算法和视网膜OCT成像实验相结合,有效提升了病变识别的准确性,对实现视网膜疾病的智能化诊断具有重要意义。

关键词：视网膜病变频域OCT 深度学习迁移学习挤压-激励模块

基于全卷积神经网络和深层特征融合的筏式水产养殖区提取方法研究

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

基于全卷积神经网络和深层特征融合的筏式水产养殖区提取方法研究

作者：费东山东科技大学

学位级别：硕士

遥感技术已经成为一种主要的海上筏式水产养殖区监测技术。近年来,深度学习在遥感领域取得了巨大的进步。然而,由于筏式水产养殖区的海洋环境较为复杂,使用基于深度学习的方法在遥感影像中提取养殖区时会产生“粘连现象”。“粘连现象... 详细信息

遥感技术已经成为一种主要的海上筏式水产养殖区监测技术。近年来,深度学习在遥感领域取得了巨大的进步。然而,由于筏式水产养殖区的海洋环境较为复杂,使用基于深度学习的方法在遥感影像中提取养殖区时会产生“粘连现象”。“粘连现象”的产生主要包含两个原因,一方面,遥感影像中筏式水产养殖区的边界往往会由于复杂的海洋环境变得模糊;另一方面,受水产养殖作物的生长阶段和采收状态的影响,一些筏架吃水较深,筏式水产养殖区的光谱值与周围海水非常相似。因此,在提取遥感影像中的筏式水产养殖区时,相邻的养殖区之间的海水容易被识别为养殖区,使得提取的多个养殖区域粘连在一起。为了改进基于深度学习方法的筏式水产养殖区提取精度,本文提出了一种基于全卷积神经网络、端到端的筏式水产养殖区提取模型(UP-Net)。在U-Net的基础上,本文提出了金字塔上采样模块,增加了5条支路来获取多尺度的特征图。其中,大尺度的特征图用来提取详细的边界信息防止边界模糊,小尺度的特征图用来提取上下文信息精确定位筏式水产养殖区具体的位置。实验结果表明,UP-Net提高了的筏式水产养殖区提取精度,但是提取结果中依然存在少量的“粘连现象”。卷积神经网络能够从遥感影像中提取出养殖区域的不同尺度的特征图,融合这些特征图中的边缘细节信息和上下文信息是改善神经网络模型的关键。在UP-Net的基础上,本文提出了 UPS-Net,通过使用深层特征融合模块学习每个特征图的权重,然后进行加权融合。此外,与其他的神经网络相比,通过使用深度可分离卷积和金字塔上采样模块,UPS-Net 具有更少的参数量。以连云港近岸海域筏式水产养殖区提取为例,实验结果表明,本文提出的UPS-Net网络模型具有出色的筏式水产养殖区提取效果,有效地减少了“粘连现象”。

关键词：筏式水产养殖区提取卫星遥感影像全卷积神经网络空间金字塔池化挤压-激励模块特征融合