检索结果-南通市图书馆

基于融合注意力时间卷积网络的烘丝出口含水率控制方法

在线全文

学校读者我要写书评

暂无评论

烟草科技 2023年第8期56卷 93-99页

作者：刘静远李昕刘杰陈钇辛黄暹四川中烟工业有限责任公司成都卷烟厂成都市610000

为解决HDT气流式烘丝机在烘丝过程中存在出口含水率控制精度低等问题,提出一种基于融合注意力时间卷积网络(Fused Attention Time Convolution Network,FATCN)的烘丝出口含水率控制方法。借助多元高斯分布检测和降噪自编码器对监测数据... 详细信息

为解决HDT气流式烘丝机在烘丝过程中存在出口含水率控制精度低等问题,提出一种基于融合注意力时间卷积网络(Fused Attention Time Convolution Network,FATCN)的烘丝出口含水率控制方法。借助多元高斯分布检测和降噪自编码器对监测数据进行实时处理、特征衍生与增强,利用FATCN模型对监测数据进行实时判别,精准识别控制参数的调整时机和调整量,实现烘丝过程的自动化控制。以成都卷烟厂生产的2种牌号卷烟为对象对FATCN模型、PID+人工调节和卷积神经网络模型的控制效果进行对比测试,结果表明:FATCN相较于其他2种控制方式,出口含水率平均偏差分别降低约0.105和0.086,降幅分别为60%和55%左右;干头物料质量分别减少约15.8和15.1 kg,降幅分别为12.6%和12.1%左右。该方法可为提高烘丝出口含水率的稳定性和准确性提供支持。

关键词： HDT气流式烘丝机出口含水率注意力机制时间卷积干头干尾量

基于MGAT-TCN模型的可解释电网虚假数据注入攻击检测方法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第2期48卷 118-127页

作者：苏向敬邓超栗风永符杨萧士渠上海电力大学电气工程学院上海市200090 上海电力大学计算机科学与技术学院上海市200090

新型电力系统背景下,快速、准确的虚假数据注入攻击(FDIA)检测对电网安全运行至关重要。但现有深度学习方法未能充分挖掘电网量测数据的时序和空间特征信息,影响了模型的检测性能;同时,深度神经网络的“黑盒”属性降低了检测模型的可解... 详细信息

新型电力系统背景下,快速、准确的虚假数据注入攻击(FDIA)检测对电网安全运行至关重要。但现有深度学习方法未能充分挖掘电网量测数据的时序和空间特征信息,影响了模型的检测性能;同时,深度神经网络的“黑盒”属性降低了检测模型的可解释性,导致检测结果缺乏可信度。针对上述问题,提出了一种基于多头图注意力网络和时间卷积网络(MGAT-TCN)模型的可解释电网FDIA检测方法。首先,考虑电网拓扑连接关系与量测数据的空间相关性,引入空间拓扑感知注意力机制,建立多头图注意力网络(MGAT)提取量测数据的空间特征;接着,利用时间卷积网络(TCN)并行提取量测数据的时序特征;最后,在IEEE 14节点系统和IEEE 39节点系统中对所提MGAT-TCN模型进行仿真验证。结果表明,所提模型相比于现有检测模型具有更高的检测准确率和效率,且通过拓扑热力图对注意力权值可视化,实现了模型在空间维度的可解释性。

关键词：电网虚假数据注入攻击图注意力时间卷积注意力机制可解释性

在线全文

学校读者我要写书评

暂无评论

基于注意力和时间卷积的脑电信号分类研究

基于注意力和时间卷积的脑电信号分类研究

作者：尹飞超天津工业大学

学位级别：硕士

脑-机接口是一种新的人机交互技术,通过计算机等电子设备将人脑和外界设备相连接,将大脑皮质层产生的神经活动信号转化为控制指令,从而实现对外部设备的控制。脑-机接口技术在医学、军事、教育和生活娱乐等领域具有广阔的应用前景,尤其... 详细信息

脑-机接口是一种新的人机交互技术,通过计算机等电子设备将人脑和外界设备相连接,将大脑皮质层产生的神经活动信号转化为控制指令,从而实现对外部设备的控制。脑-机接口技术在医学、军事、教育和生活娱乐等领域具有广阔的应用前景,尤其是在医学康复领域,可以帮助瘫痪患者与外界沟通交流,还可以利用机械臂帮助患者进行康复训练。但是脑电信号具有信噪比低的特性,在采集时容易受到各种伪迹噪声的干扰,导致脑电信号解码分类精度低。因此如何提高脑电信号解码正确率是脑-机接口技术的重点研究内容。本文结合注意力机制和时间卷积网络对脑电信号分类算法进行了研究,主要工作内容如下:(1)提出了一种基于注意力和稀疏时频分解的深度学习网络模型,该模型包括稀疏时频分解模块、注意力模块和时间卷积模块三个部分。其中稀疏时频分解模块能够极大地增强脑电数据在时频面的稀疏性,有助于提取时频特征;注意力模块可以提取脑电数据的通道空间特征,从数据通道空间结构出发生成特征注意图,同时可以从全局特征信息出发选择价值高的通道数据特征,对价值低的通道特征进行抑制;时间卷积模块可以提取脑电数据的时间信息,通过一维全卷积结构和膨胀卷积使得当前脑电信号不受未来信号的干扰,确保时间信息的独立性。利用BCI competition IV-2a运动想象数据集对所提模型进行了验证,结果表明所提模型分类正确率高于现有脑电信号的基线解码算法。同时还将情绪数据集S EED和SEED-Ⅳ应用于本模型,证明本模型在跨范式应用上依然有良好的表现。(2)通过引入CORAL损失函数,提出基于时间卷积和EEGNet的迁移算法。利用EEGNet中的深度卷积减少网络的训练参数,能够有效地提取脑电数据特定频率的空间特征;深度可分离卷积能够区分深度卷积提取的单个特征映射和逐点卷积提取的组合特征映射,可以得到不同信息时间尺度上的特征图,然后通过学习内核特征并输出最佳组合的特征图;时间卷积对脑电数据中的高维度时间信息进行提取分析,并将之前的特征图进行融合,使得最后网络输出的特征图更容易被识别分类。通过BCI competition IV-2a数据集对所提算法进行验证,对比其他使用2a数据集的优秀算法,本文所提算法在脑电信号跨受试分类正确率上有明显的提升。同时还自行设计了运动想象脑电数据采集实验,利用自采脑电数据集验证了本文所提算法在小样本数据上跨受试分类的有效性。本文对注意力机制和时间卷积进行了研究,针对脑电信号分类正确率低、寻求跨范式的通用分类模型和脑电信号跨受试应用难度大的问题提出了两种解码分类算法,为脑电信号分类研究提供了新思路。

关键词：脑-机接口深度学习注意力机制时间卷积迁移学习

基于多尺度时间卷积神经网络模型的股票价格预测研究

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

基于多尺度时间卷积神经网络模型的股票价格预测研究

作者：王子轩北京交通大学

学位级别：硕士

当前中国经济面对复杂严峻的国际环境和国内疫情散发等多重考验,虽然困难重重,依然交出了成绩不俗的经济答卷。中国在2020年全球范围内唯一实现GDP正增长,2021年GDP增速达8.1%,创近十年新高,在当今的国内外背景下取得如此成就可谓来之... 详细信息

当前中国经济面对复杂严峻的国际环境和国内疫情散发等多重考验,虽然困难重重,依然交出了成绩不俗的经济答卷。中国在2020年全球范围内唯一实现GDP正增长,2021年GDP增速达8.1%,创近十年新高,在当今的国内外背景下取得如此成就可谓来之不易。伴随中国经济的快速发展与影响力的不断提升,中国金融市场的地位日益重要,国内外投资者对于国内资本市场的竞争愈发强烈。因此,如何有效构建金融预测模型,用于对金融市场分析刻画已成为当前学界与业界共同探讨的话题。通过有效的模型进而探索金融市场的内在规律,为投资提供相应的决策于建议,进而实现相关投资活动的风险规避。本文结合卷积神经网络在计算机视觉领域的成功以及近年来卷积及多种变种卷积被应用于自然语言处理等任务的案例,提出了一个全新的卷积神经网络模型,并将其应用于金融领域进行股价时间序列预测任务。本文通过对传统卷积的卷积方式以及卷积网络架构的改动,构造多尺度时间卷积神经网络模型,其通过多种尺寸大小的卷积核实现对于原始数据的不同时域范围进行特征提取,从而达到对原始数据微观到宏观、局部到整体的特征提取效果。并且多尺度时间卷积网络模型应用了模块化的概念,构造出时域卷积模块,并且通过对该模块的堆叠,可以实现更深层次、更为抽象的特征提取工作,为后续预测工作提供更加详细的数据与特征。本文利用上证50指数成分股全部交易日数据对模型进行实证分析。从模型输出结果的横向比较结果进行分析,多尺度时间卷积网络模型相较于多层感知机、传统卷积神经网络以及长短时记忆模型,表现更加出色,在上证50股票池内的大多数股票的预测表现上均超越其他三种经典模型。整体来看,本文通过对于卷积神经网络的卷积方式与网络架构的改进与创新,提出全新的网络架构多尺度时间卷积网络,将卷积神经网络迁移至金融领域应用于股价预测,并取得优异的实验表现,实现细节创新。

关键词：时间卷积卷积模块多尺度特征提取股票价格预测金融时间序列

双路融合收缩降噪时间卷积网络的故障诊断算法研究

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

双路融合收缩降噪时间卷积网络的故障诊断算法研究

作者：路颜萍辽宁大学

学位级别：硕士

随着物联网技术和工业4.0的创新驱动,工业发展正经历传统向智能化的重要升级,工业使用的机械设备也越来越数字化和复杂化。滚动轴承是机械设备中最常见部件,长期在高温、重载等恶劣的工作条件下容易出现故障。意料之外的故障会导致机器... 详细信息

随着物联网技术和工业4.0的创新驱动,工业发展正经历传统向智能化的重要升级,工业使用的机械设备也越来越数字化和复杂化。滚动轴承是机械设备中最常见部件,长期在高温、重载等恶劣的工作条件下容易出现故障。意料之外的故障会导致机器设备的性能下降,造成意外停机、经济损失,甚至带来安全事故。因此,智能化的滚动轴承精确故障诊断对于工业数字化生产至关重要。针对滚动轴承通常在强背景噪声下工作且易发生故障,使故障特征难以提取的问题,提出一种双路融合收缩降噪时间卷积网络的智能故障诊断算法。(1)针对现实工业环境中时间卷积网络(Temporal convolutional network,TCN)无法从高噪声的振动信号中有效提取故障特征的问题,提出一种融合注意力机制的收缩降噪TCN模型。在TCN残差单元中嵌入软阈值实现特征非线性映射。同时,软阈值设定通过改进一维注意机制自适应学习,改进注意机制能增强通道间关系以及实现特征的抽象映射,从而使TCN更加关注信号有用故障信息,消除无关噪声冗余特征。此外,将批归一化引入TCN以增强模型的泛化性。(2)针对单一时域信息不能全面反映故障振动信号的差异性特征,导致模型诊断效率低的问题,提出一种混合域的TCN故障诊断算法,通过并行的双路卷积学习时域和时频域有效故障信息。一般时频域特征提取需要繁琐的信号预处理和依靠人为经验,具有不确定性和复杂性。为此提出将拉普拉斯小波卷积代替传统时频域信号获取方法,实现端到端学习的时频域特征学习。时域特征学习第一层卷积通过较宽卷积核降低噪声干扰。在双路卷积初步提取时域与时频域后分别堆叠TCN单元获取信号的时序长期依赖关系,然后将提取的混合域特征汇聚,经全局平均池化输出全局映射以实现故障分类。利用凯斯西储大学(CWRU)、江南大学(JNU)和PT300三个轴承数据集,对加入高斯白噪声的信号进行消融实验和抗噪对比实验,以验证提出的双路融合的收缩降噪TCN智能故障诊断算法的鲁棒性以及稳定性。经实验对比结果显示,所提算法能显著提高噪声环境下的故障诊断准确率。

关键词：软阈值时间卷积注意力故障诊断混合域

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

基于时空自注意力的航天器电源系统故障诊断

电子测量技术 2024年第7期47卷 184-191页

作者：陈义鹏徐志强钟杰张玉杰苗强四川大学电气工程学院成都610065

航天器电源系统是航天器关键子系统之一,其运行状态直接影响整个航天器系统的寿命和性能,因此采用先进的技术对电源系统进行故障诊断,以此提高航天器在轨可靠性和安全性成为目前故障诊断领域的研究重点。基于深度学习的方法具有拟合能... 详细信息

航天器电源系统是航天器关键子系统之一,其运行状态直接影响整个航天器系统的寿命和性能,因此采用先进的技术对电源系统进行故障诊断,以此提高航天器在轨可靠性和安全性成为目前故障诊断领域的研究重点。基于深度学习的方法具有拟合能力强、特征提取丰富等优势,成为故障诊断领域的主流方法。然而,在航天器电源系统故障诊断领域,主流的故障诊断方法无法捕获序列的长期依赖关系且局限于时间维度建模,严重影响故障诊断方法的性能。因此,本文提出一种基于时空自注意力机制的方法,对航天器电源系统进行高效准确的故障诊断。方法采用基于Transformer的编码器结构提取空间航天器遥测数据中的高维特征,并对其中的自注意力机制进行优化,采用时间卷积提取处理时序特征信息,并采用时间、空间双向自注意力机制提取数据中的时空特征,然后对模型提取的特征进行映射得到空间航天器故障诊断结果。最后在航空电源系统数据集上开展相关实验。实验结果表明与目前故障诊断领域常用的方法进行相比,所提方法具有更强的故障表征提取能力,可有效提高航天器电源系统故障诊断能力。

关键词：故障诊断航天器电源系统时间卷积自注意力

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的时频域语音增强模型

软件导刊 2024年第1期23卷 63-68页

作者：林攀何儒汉武汉纺织大学计算机与人工智能学院湖北省服装信息化工程技术研究中心湖北武汉430200

针对频域单通道语音增强技术存在相位失配问题,提出一种联合时域和频域的语音增强算法,在训练阶段对不同领域的学习目标进行联合优化。加入注意力机制模拟人类听觉感知特点,提升模型对噪声信号的抑制能力。同时使用膨胀卷积扩大感受野,... 详细信息

针对频域单通道语音增强技术存在相位失配问题,提出一种联合时域和频域的语音增强算法,在训练阶段对不同领域的学习目标进行联合优化。加入注意力机制模拟人类听觉感知特点,提升模型对噪声信号的抑制能力。同时使用膨胀卷积扩大感受野,能融合更多输入层信息,有效提取时域和频域中的局部特征。同时联合时域、频域损失函数对不同领域进行优化,以提升语音增强性能。为验证该方法的有效性,使用残差时间卷积作为基线模型在数据集VoiceBank上进行广泛实验,该模型相比使用单一时域或频域的基线模型有更好的语音增强效果。去噪后的语音感知质量(PESQ)为3.06,信号失真比(SI-SDR)为20.00。

关键词：语音增强时域频域时间卷积注意力模块

在线全文

学校读者我要写书评

暂无评论

基于关节点运动估计的人体行为识别

电子测量技术 2022年第24期45卷 153-160页

作者：李志晗刘银华谢锐康单良青岛大学自动化学院青岛266071 青岛大学未来研究院青岛266071

基于人体骨骼数据分析人体行为的方法可解释性强,在基于视觉的人体行为分析研究中具有明显优势。但视角干扰及目标遮挡严重影响人体骨骼关节点的标定。本文提出了一种在人体结构约束条件下的基于人体姿态特征的人体骨骼关节点估计算法,... 详细信息

基于人体骨骼数据分析人体行为的方法可解释性强,在基于视觉的人体行为分析研究中具有明显优势。但视角干扰及目标遮挡严重影响人体骨骼关节点的标定。本文提出了一种在人体结构约束条件下的基于人体姿态特征的人体骨骼关节点估计算法,并根据骨骼数据识别人体行为。首先根据人体运动的稳态趋势和暂态变化,基于决策树和加权线性回归分别建立特征提取模型,对缺失或混淆的关节点进行估计。然后设计了一个结合轻量级时间卷积和注意力图卷积的行为识别网络模型,针对行为样本的时间尺度优化模型。在NTU RGB+D 60数据集中建立遮挡情况进行实验,准确率分别达到90.28%(CV)与81.95%(CS),且在UTD-MHAD数据集中达到98.2%,均优于现有方法。

关键词：行为识别人体姿态估计时间卷积图卷积运动估计

在线全文

学校读者我要写书评

暂无评论

基于骨骼时空图的人体行为识别

计算机工程与设计 2022年第4期43卷 1166-1172页

作者：谷学静沈攀刘海望郭俊位占锋华北理工大学电气工程学院河北唐山063210 唐山市科技中心数字媒体工程技术研究中心河北唐山063000 华北理工大学轻工学院电气信息学院河北唐山063000

为进一步提升基于骨骼信息的人体行为识别准确率,对人体姿态的骨骼信息进行研究,分析图卷积(GCN)的理论基础,提出一种多尺度时空图卷积(multi scale ST GCN)的方法对骨骼的动态信息进行建模,不同于传统的手工对人体进行自上而下或者自... 详细信息

为进一步提升基于骨骼信息的人体行为识别准确率,对人体姿态的骨骼信息进行研究,分析图卷积(GCN)的理论基础,提出一种多尺度时空图卷积(multi scale ST GCN)的方法对骨骼的动态信息进行建模,不同于传统的手工对人体进行自上而下或者自下而上的遍历规则设计方法,而是通过构建网络模型对人体行为的时间空间信息进行自动捕捉,利用图卷积学习人体骨架在空间特征信息,结合多尺度时间卷积(multi scale TCN)在时间层捕获的骨架动作序列信息,增强网络模型对人体骨骼动作信息的理解,将其应用到人体的行为识别,通过对数据集NTU-RGBD上用CS和CV两种类型数据集设计的对模型进行评估和测试的对比实验,验证了该网络模型的准确性及有效性。

关键词：骨骼图图卷积时间卷积模型行为识别