检索结果-南通市图书馆

An Enhanced Hybrid Model Based on CNN and bilstm for Identifying Individuals via Handwriting Analysis

Computer Modeling in Engineering & Sciences 2024年第8期140卷 1689-1710页

作者： Md.Abdur Rahim Fahmid Al Farid Abu Saleh Musa Miah Arpa Kar Puza Md.Nur Alam Md.Najmul Hossain Sarina Mansor Hezerul Abdul Karim Department of Computer Science and Engineering Pabna University of Science and TechnologyPabna6600Bangladesh Faculty of Engineering Multimedia UniversityCyberjaya63100Malaysia Department of Computer Science and Engineering Bangladesh Army University of Science and TechnologySaidpur5311Bangladesh Department of Mathematics Pabna University of Science and TechnologyPabna6600Bangladesh Department of Electrical Electronic and Communication EngineeringPabnaUniversity of Science and TechnologyPabna6600Bangladesh Department of Electrical and Communication Engineering Pabna University of Science and TechnologyPabna6600Bangladesh

Handwriting is a unique and significant human feature that distinguishes them from one another.There are many researchers have endeavored to develop writing recognition systems utilizing specific signatures or symbols for person identification through verification.However,such systems are susceptible to forgery,posing security risks.In response to these challenges,we propose an innovative hybrid technique for individual identification based on independent handwriting,eliminating the reliance on specific signatures or symbols.In response to these challenges,we propose an innovative hybrid technique for individual identification based on independent handwriting,eliminating the reliance on specific signatures or symbols.Our innovative method is intricately designed,encompassing five distinct phases:data collection,preprocessing,feature extraction,significant feature selection,and classification.One key advancement lies in the creation of a novel dataset specifically tailored for Bengali handwriting(BHW),setting the foundation for our comprehensive approach.Post-preprocessing,we embarked on an exhaustive feature extraction process,encompassing integration with kinematic,statistical,spatial,and composite features.This meticulous amalgamation resulted in a robust set of 91 features.To enhance the efficiency of our system,we employed an analysis of variance(ANOVA)F test and mutual information scores approach,meticulously selecting the most pertinent features.In the identification phase,we harnessed the power of cutting-edge deep learning models,notably the Convolutional Neural Network(CNN)and Bidirectional Long Short-Term Memory(bilstm).These models underwent rigorous training and testing to accurately discern individuals based on their handwriting characteristics.Moreover,our methodology introduces a groundbreaking hybrid model that synergizes CNN and bilstm,capitalizing on fine motor features for enhanced individual classifications.Crucially,our experimental results underscore the superiority of our approach.The CNN,B

关键词： Bengali handwriting(BHW) person identification convolutional neural network(CNN) bilstm

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

融合Res3D、bilstm和注意力机制的羊只行为识别方法

引用

农业机械学报 2024年第4期55卷 221-230页

作者：袁洪波曹润柳程曼河北农业大学机电工程学院保定071001

识别动物行为可以为疾病预防和合理喂养提供重要依据,从而有助于更好地关注动物的健康和福利。本文提出了一种融合三维残差卷积神经网络、双向长短期记忆网络和注意力机制的深度学习网络模型(AdRes3D-bilstm)。AdRes3D-bilstm模型可以... 详细信息

识别动物行为可以为疾病预防和合理喂养提供重要依据,从而有助于更好地关注动物的健康和福利。本文提出了一种融合三维残差卷积神经网络、双向长短期记忆网络和注意力机制的深度学习网络模型(AdRes3D-bilstm)。AdRes3D-bilstm模型可以直接针对视频流进行识别,在AdRes3D部分引入了深度可分离卷积和注意力机制,不但减少了浮点运算量,提升了网络轻量化程度,还提高了时间和空间两个维度的特征提取能力;提取的特征被输入bilstm模块后,从前后2个方向对时序特征向量进行筛选和更新,最后对羊只行为进行准确识别。试验结果表明,AdRes3D-bilstm对羊只站立、躺卧、进食、行走和反刍5种行为的综合识别准确率达到了98.72%,帧速率达到52.79 f/s,模型内存占用量为28.03 MB。研究结果为基于视频流的动物行为识别提供了新的方法和思路。

关键词：羊只行为识别视频流 Res3D bilstm 注意力机制

来源：

维普期刊数据库

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

基于bilstm模型的BDS-3短期钟差预报精度研究

引用

测绘学报 2024年第1期53卷 65-78页

作者：潘雄黄伟凯赵万卓张思莹张龙杰金丽宏武汉纺织大学计算机与人工智能学院湖北武汉430200 武汉纺织大学数理科学学院湖北武汉430200

提出了一种改进的北斗钟差预测模型,将传统的单向长短期记忆神经网络(LSTM)扩展为双向长短期记忆网络(bilstm),引入了3种自适应匹配超参数的算法提高钟差数据短期预报的精度。首先,对LSTM进行优化,建立bilstm模型,介绍了超参数的3种选... 详细信息

提出了一种改进的北斗钟差预测模型,将传统的单向长短期记忆神经网络(LSTM)扩展为双向长短期记忆网络(bilstm),引入了3种自适应匹配超参数的算法提高钟差数据短期预报的精度。首先,对LSTM进行优化,建立bilstm模型,介绍了超参数的3种选择方案(粒子群搜索(PSO)、麻雀搜索(SSA)和贝叶斯搜索(BOA)),并给出了相应的适用范围。然后,详细介绍基于超参数优化bilstm模型的钟差预报的步骤。最后,利用GFZ卫星钟差数据,从不同轨道类型、5 min采样间隔、15 min采样间隔等方面进行了1、6和12 h的单天和多天预报对比试验,并进行了相应模型的时间复杂度分析。试验结果表明,采用超参数方案优化后的bilstm模型在进行1、6和12 h预报时,相较于二次多项式模型、灰色模型、长短期记忆神经网络的模型和bilstm模型,平均精度可分别提升86.21%、83.32%、69.99%和55.17%。在3种优化方案中,使用PSO算法对IGSO类型卫星的优化效果较好;使用BOA算法对MEO类型卫星的钟差优化效果较好;使用SSA算法在整体上优化效果最好。虽然经过超参数优化后的bilstm模型训练时间相对常用模型较长,但预报速度较快,总体上能够满足实时预报时间要求。

关键词：钟差预报 bilstm 超参数优化神经网络

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GA-VMD与CNN-bilstm-Attention模型的区域碳排放交易价格预测研究

引用

运筹与管理 2024年

作者：吴丽丽邰庆瑞卞洋李言辉中国石油大学(北京)经济管理学院南京大学计算机科学与技术系对外经济贸易大学金融学院

准确的碳价预测可为碳排放权交易市场监管者和投资者提供决策依据与参考。本文提出了基于GA-VMD降噪分解及CNN-bilstm-Attention混合模型的碳价预测方法，并选取湖北碳市场2014年4月2日到2022年6月15日1857个交易日的数据进行分析：首... 详细信息

准确的碳价预测可为碳排放权交易市场监管者和投资者提供决策依据与参考。本文提出了基于GA-VMD降噪分解及CNN-bilstm-Attention混合模型的碳价预测方法，并选取湖北碳市场2014年4月2日到2022年6月15日1857个交易日的数据进行分析：首先通过遗传算法改进变分模态分解（GA-VMD）将原始碳价序列分解为平稳的本征模态函数（IMF）分量，降低数据噪音；随后构建CNN-bilstm-Attention混合模型对各IMF分量进行预测。其中，卷积神经网络（CNN）可提取影响碳价多个特征，双向长短期记忆网络（bilstm）可实现时间序列信息提取，注意力机制（Attention）可突出某个关键输入对输出的影响。本文将预测出的各IMF分量集合成碳价序列，并提出12个模型，分为3个组进行剥离分析，结果显示GA-VMD-CNN-bilstm-Attention的预测结果最好。另外，为给市场参与者提供更多信息，本文在确定性预测的基础上加入区间预测，以便提前测量碳市场的波动性。

关键词：碳价预测深度学习变分模态分解 bilstm 注意力机制

来源：

同方期刊数据库评论

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3D CNN-bilstm-ATFA网络和步态特征的奶牛个体识别方法

引用

农业机械学报 2024年

作者：司永胜宁泽普王克俭马亚宾袁明河北农业大学信息科学与技术学院河北省畜牧良种工作总站

针对基于花纹的奶牛个体识别中纯色或花纹较少的奶牛识别准确率较低的问题，本文提出一种基于步态特征的奶牛个体识别方法。首先，将DeepLabv3+语义分割算法的主干网络替换为MobileNetv2网络，并引入基于通道和空间的CBAM注意力机制，... 详细信息

针对基于花纹的奶牛个体识别中纯色或花纹较少的奶牛识别准确率较低的问题，本文提出一种基于步态特征的奶牛个体识别方法。首先，将DeepLabv3+语义分割算法的主干网络替换为MobileNetv2网络，并引入基于通道和空间的CBAM注意力机制，利用改进后模型分割出奶牛的剪影图。然后，将三维卷积神经网络（3D CNN）和双向长短期记忆网络（bilstm）构建为3D CNN-bilstm网络，并进一步集成自适应时间特征聚合模块（ATFA）生成3D CNN-bilstm-ATFA奶牛个体识别模型。最后，在30头奶牛的共1242条视频数据集上进行了奶牛个体识别实验。结果表明，改进后DeepLabv3+算法的MPA、MIOU和Accuracy分别为99.02%、98.18%和99.71%。采用r3d＿18作为3D CNN-bilstm-ATFA的主干网络效果最优。基于步态的奶牛个体识别平均准确率、灵敏度和精确度分别为94.58%、93.47%和95.94%。奶牛躯干和腿部不同部位进行加权特征融合的个体识别实验表明识别准确率还可进一步提高。奶牛跛足对步态识别效果影响较为明显，实验期间由健康变为跛足和一直跛足的奶牛个体识别准确率分别为89.39%和92.61%。本文研究结果可为奶牛的智能化个体识别提供技术参考。

关键词：奶牛个体识别步态特征 3D CNN bilstm

来源：

同方期刊数据库评论

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QM-DBSCAN与bilstm的风电机组异常工况预警研究

引用

计量学报 2024年

作者：马良玉梁书源程东炎耿妍竹段新会华北电力大学自动化系保定市综合能源系统状态检测与优化调控重点实验室保定华仿科技股份有限公司

提出一种基于四分位（QM）-具有噪声的基于密度聚类法（DBSCAN）与双向长短期记忆网络（bilstm）的风电机组故障预警方法。首先针对风速－功率图中限功率点难以清洗完全的问题，提出利用QM与DBSCAN联合来对建模运行数据进行预处理；其... 详细信息

提出一种基于四分位（QM）-具有噪声的基于密度聚类法（DBSCAN）与双向长短期记忆网络（bilstm）的风电机组故障预警方法。首先针对风速－功率图中限功率点难以清洗完全的问题，提出利用QM与DBSCAN联合来对建模运行数据进行预处理；其次通过分析风电机组运行原理，并结合轻量梯度提升机（LightGBM）特征选择法确定风电机组正常工况预测模型的输入输出参数，并基于bilstm建立了高精度的风电机组正常性能预测模型。之后，利用滑窗算法构建了风电机组状态性能评价指标，并通过统计学区间估计法确定指标阈值。最后采用风电机组真实故障数据，开展风电机组异常工况预警实验，验证了方法的有效性。

关键词：计量学风电机组四分位法 DBSCAN bilstm 滑窗算法故障预警

来源：

同方期刊数据库评论

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GCN和bilstm的Android恶意软件检测方法

引用

计算机科学 2024年第4期51卷 388-395页

作者：贺娇君蔡满春芦天亮中国人民公安大学信息网络安全学院北京100038

现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失。针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和bilstm的Android恶意软件检测模型,在精准提取样本结... 详细信息

现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失。针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和bilstm的Android恶意软件检测模型,在精准提取样本结构信息的同时对恶意行为语义进行重点分析。首先以图的方式表征26类关键系统调用间的拓扑关系,使用双层GCN网络聚合系统调用图中节点的高阶结构信息,有效提高特征学习效率;然后利用带有自注意力机制的bilstm网络获取操作码序列的上下文语义,通过为具有恶意特征的序列赋予高权重得到特征内部的强相关性;最后使用Softmax输出融合结构信息和上下文特征的样本分类概率。在基于Drebin和AndroZoo数据集的实验中,所提模型准确率达到了93.95%,F1值达到了97.09%,相较于基准算法有显著提高,充分证明了基于GCN和bilstm的模型能有效提升Android恶意软件的检测效果。

关键词： Android 恶意软件检测 GCN bilstm

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bilstm的NL2SQL模型

引用

计算机应用与软件 2024年第3期41卷 34-40页

作者：邰伟鹏刘杨王小林郑啸钟亮安徽工业大学计算机科学与技术学院安徽马鞍山243000 安徽工业大学信息技术学院安徽马鞍山243000 上海量镜空间信息技术有限公司上海200000

随着互联网技术的发展,很多应用为大众提供金融量化服务,而大部分用户不具备金融或计算机专业知识,他们期望使用自然语言查询数据,因此自然语言转SQL(NL2SQL)被迫切需要。针对此问题,提出一种基于双向长短期记忆模型(bilstm)的中文金融N... 详细信息

随着互联网技术的发展,很多应用为大众提供金融量化服务,而大部分用户不具备金融或计算机专业知识,他们期望使用自然语言查询数据,因此自然语言转SQL(NL2SQL)被迫切需要。针对此问题,提出一种基于双向长短期记忆模型(bilstm)的中文金融NL2SQL算法,分为编码和解码阶段。在编码阶段,利用bilstm和注意力机制生成特征向量。在解码阶段,根据SQL的语法规则,将SQL生成解耦为九个分类任务,各个任务间相互依赖联合学习,之后生成复杂的SQL语句。除模型外,还训练出包含金融词汇的向量库,构建金融领域的数据集。通过在此数据集上实验验证,结果表明,该方法准确率更高,能有效解决金融领域SQL生成问题,并在某金融量化分析系统中实现。

关键词： NL2SQL bilstm 注意力机制向量库数据集

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bilstm和CNN的序贯三支情感分类模型研究

引用

南京大学学报(自然科学) 2024年第3期 502-510页

作者：赵梦宇孙京博魏遵天辛现伟宋继华北京师范大学人工智能学院河南师范大学计算机与信息工程学院

文本情感分析作为自然语言处理领域中的一个重要分支，在现实生活中具有重要的应用价值.传统深度学习模型在情感分析中主要根据概率值大小进行硬分类，忽略了极性不明显数据的影响，导致阈值边缘对象的分类准确率欠佳.为了解决这一问题... 详细信息

文本情感分析作为自然语言处理领域中的一个重要分支，在现实生活中具有重要的应用价值.传统深度学习模型在情感分析中主要根据概率值大小进行硬分类，忽略了极性不明显数据的影响，导致阈值边缘对象的分类准确率欠佳.为了解决这一问题，基于CNN (Convolutional Neural Networks)和bilstm (Bi-directional Long Short-Term Memory)模型，并引入序贯三支决策（Sequential Three-way Decisions,S3WD）的思想，提出了基于bilstm和CNN的序贯三支情感分类模型（BiLCNN-S3WD），该模型能更好地从多个粒度对极性不明显数据进行处理.通过在online＿shopping＿10＿cat和微博数据集上进行多组实验与对比分析，验证了所提模型的有效性.实验结果表明，与七个基线模型相比，BiLCNN-S3WD在三个数据集上的每个评价标准都取得了更佳的效果.

关键词：序贯三支决策情感分类 CNN bilstm 多粒度

来源：

同方期刊数据库评论

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CEEMD-bilstm-RFR的短期光伏功率预测

引用

科学技术与工程 2024年第5期24卷 1955-1962页

作者：冯沛儒江桂芬徐加银叶剑桥李生虎国网安徽省电力有限公司经济技术研究院合肥230061 合肥工业大学电气与自动化工程学院合肥230009

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomp... 详细信息

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition,CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression,RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network,bilstm)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-bilstm-RFR相比传统预测模型有较好的预测精度。

关键词：光伏功率预测互补集合经验模态分解相关性分析 bilstm 随机森林回归

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

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

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

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：