检索结果-南通市图书馆

一种基于conv-lstm的滚动轴承故障诊断方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机电工程技术 2021年第11期50卷 113-115页

作者：毕鹏远河南工业大学电气工程学院郑州450001

针对轴承传统的故障诊断方法存在辨别故障类型难和预处理步骤多的问题,提出一种基于conv-lstm(卷积长短期记忆网络)的模型。该模型以conv-lstm单元模块作为处理层,能自识别和自处理故障特征信息;同时该模型可直接处理切片后的原始信号,... 详细信息

针对轴承传统的故障诊断方法存在辨别故障类型难和预处理步骤多的问题,提出一种基于conv-lstm(卷积长短期记忆网络)的模型。该模型以conv-lstm单元模块作为处理层,能自识别和自处理故障特征信息;同时该模型可直接处理切片后的原始信号,通过conv-lstm模型的分类结果并结合标签可诊断出滚动轴承的故障类型。对SKF6205型轴承进行实验,实验结果表明相对于lstm,基于conv-lstm的诊断模型具有更好的分类效果和更高的分类准确率,且在迭代过程中准确率在0.96以上,可作为诊断滚动轴承故障类型的一种方法。

关键词： conv-lstm 轴承故障诊断分类

基于conv-lstm融合模型的空中交通流预测

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2023年第6期35卷 74-77页

作者：武子琰杨宏业王鸿羽刘忠辉孟瑞锋内蒙古工业大学航空学院内蒙古呼和浩特010051 中国民航华北地区空中交通管理局内蒙古分局内蒙古呼和浩特010070

随着民航领域在新常态下的快速恢复,国内空域流量逐渐增加,空中交通智能预测的重要性日益显著。空中交通预测有助于空管部门全面掌握空中交通态势,因此文章将一种结合了卷积神经网络和长短时记忆模型特点的conv-lstm融合模型应用于空中... 详细信息

随着民航领域在新常态下的快速恢复,国内空域流量逐渐增加,空中交通智能预测的重要性日益显著。空中交通预测有助于空管部门全面掌握空中交通态势,因此文章将一种结合了卷积神经网络和长短时记忆模型特点的conv-lstm融合模型应用于空中交通预测领域。实验结果表明,该模型能有效捕捉空中交通数据的时间相关性和空间相关性,为智能化空管建设提供了一定的理论参考。

关键词：空中交通流深度学习时空相关性 conv-lstm

基于Spark-ML+conv-lstm的混合入侵检测系统

在线全文

学校读者我要写书评

暂无评论

微型电脑应用 2021年第12期37卷 195-197,205页

作者：杨吉鹏谢辉杭州网易云音乐科技有限公司浙江杭州310052

为了提高网络入侵检测的准确率,提出了基于Spark-ML分类器和卷积lstm(conv-lstm)网络的两阶段混合入侵检测系统(IDS)。采用Spark-ML分类器构建异常流量检测模块,结合conv-lstm网络建立恶意攻击检测模块,兼顾了网络流量的特征提取和入侵... 详细信息

为了提高网络入侵检测的准确率,提出了基于Spark-ML分类器和卷积lstm(conv-lstm)网络的两阶段混合入侵检测系统(IDS)。采用Spark-ML分类器构建异常流量检测模块,结合conv-lstm网络建立恶意攻击检测模块,兼顾了网络流量的特征提取和入侵类别的深度分析,实现了全局和局部潜在威胁特征的准确识别。通过ISCX 2012数据集进行验证,验证结果表明:所提出的混合IDS能够在97.29%的情况下准确地识别网络入侵,在10倍交叉验证测试中优于其他检测方法,并且具有较高的精确度和较低的误报率。

关键词：入侵检测系统深度学习 Spark-ML conv-lstm

智能化综采工作面煤层顶底板形状预测技术研究

在线全文

学校读者我要写书评

暂无评论

矿业研究与开发 2024年第9期44卷 33-39页

作者：杨聪明国能榆林能源有限责任公司陕西榆林市719054

煤矿综采工作面顶板和底板的起伏状态预测是工作面智能化开采的关键技术之一。为解决煤层顶底板形状预测误差较大的问题,基于采煤机记忆截割技术的基本原理,构建了一种基于卷积长短时记忆网络(conv-lstm)的综采工作面顶底板形状预测模... 详细信息

煤矿综采工作面顶板和底板的起伏状态预测是工作面智能化开采的关键技术之一。为解决煤层顶底板形状预测误差较大的问题,基于采煤机记忆截割技术的基本原理,构建了一种基于卷积长短时记忆网络(conv-lstm)的综采工作面顶底板形状预测模型。首先,利用已采取区域采煤机走向的空间信息和回采走向的时间信息,提取出顶底板的形状特征;其次,利用所提取的形状特征,构建了conv-lstm模型;最后,利用青龙寺煤矿5-20109工作面煤层形状数据对模型进行评估,现场测试表明,顶板形状的预测平均误差为3.5 cm,底板形状的预测平均误差为5.8 cm。结果表明,conv-lstm模型可实现顶底板形状的精准预测,满足工程中对采煤机前后滚筒调高的需求,对于实现综采工作面智能化开采具有重要意义。

关键词： conv-lstm 综采工作面顶底板形状预测智能化开采

convolutional lstm Network for Heart Disease Diagnosis on Electrocardiograms

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第9期76卷 3745-3761页

作者： Batyrkhan Omarov Meirzhan Baikuvekov Zeinel Momynkulov Aray Kassenkhan Saltanat Nuralykyzy Mereilim Iglikova Department of Information Systems Al-Farabi Kazakh National UniversityAlmatyKazakhstan Department of Mathematical and Computer Modeling International Information Technology UniversityAlmatyKazakhstan Department of Software Engineering Satbayev UniversityAlmatyKazakhstan

Heart disease is a leading cause ofmortality ***(ECG)play a crucial role in diagnosing heart ***,interpreting ECGsignals necessitates specialized knowledge and *** development of automated methods for ECG analysis has the potential to enhance the accuracy and efficiency of heart disease *** research paper proposes a 3D convolutional Long Short-Term Memory(conv-lstm)model for detecting heart disease using ECG *** proposed model combines the advantages of both convolutional neural networks(CNN)and long short-term memory(lstm)*** considering both the spatial and temporal dependencies of ECG,the 3D conv-lstm model enables the detection of subtle changes in the signal over *** model is trained on a dataset of ECG recordings from patients with various heart conditions,including arrhythmia,myocardial infarction,and heart *** results show that the proposed 3D conv-lstm model outperforms traditional 2D CNN models in detecting heart disease,achieving an accuracy of 88%in the classification of five ***,themodel outperforms the other state-of-the-art deep learning models for ECG-based heart disease ***,the proposedconv-lstmnetwork yields highly accurate outcomes in identifying abnormalities in specific ECG *** proposed 3D conv-lstm model holds promise as a valuable tool for automated heart disease detection and *** study underscores the significance of incorporating spatial and temporal dependencies in ECG-based heart disease *** highlights the potential of deep-learning models in enhancing the accuracy and efficiency of diagnosis.

关键词： Heart disease detection classification CNN lstm conv-lstm

Spatial-Spectral Joint Network for Cholangiocarcinoma Microscopic Hyperspectral Image Classification

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

Journal of Beijing Institute of Technology 2023年第5期32卷 586-599页

作者： Xiaoqi Huang Xueyu Zhang Mengmeng Zhang Meng Lyu Wei Li School of Information and Electronics Beijing Institute of TechnologyBeijing 100081China

Accurate histopathology classification is a crucial factor in the diagnosis and treatment of Cholangiocarcinoma(CCA).Hyperspectral images(HSI)provide rich spectral information than ordinary RGB images,making them more useful for medical *** convolutional Neural Network(CNN)is commonly employed in hyperspectral image classification due to its remarkable capacity for feature extraction and image ***,many existing CNN-based HSI classification methods tend to ignore the importance of image spatial context information and the interdependence between spectral channels,leading to unsatisfied classification ***,to address these issues,this paper proposes a Spatial-Spectral Joint Network(SSJN)model for hyperspectral image classification that utilizes spatial self-attention and spectral feature *** SSJN model is derived from the ResNet18 network and implemented with the non-local and Coordinate Attention(CA)modules,which extract long-range dependencies on image space and enhance spatial features through the Branch Attention(BA)module to emphasize the region of ***,the SSJN model employs conv-lstm modules to extract long-range depen-dencies in the image spectral *** addresses the gradient disappearance/explosion phenom-ena and enhances the model classification *** experimental results show that the pro-posed SSJN model is more efficient in leveraging the spatial and spectral information of hyperspec-tral images on multidimensional microspectral datasets of CCA,leading to higher classification accuracy,and may have useful references for medical diagnosis of CCA.

关键词： self-attention microscopic hyperspectral images image classification conv-lstm

在线全文

学校读者我要写书评

暂无评论

轻量级架构实时动作跟踪与识别的新方法

轻量级架构实时动作跟踪与识别的新方法

作者：江塔（Patcharapon Jantana）北京邮电大学

学位级别：硕士

近年来,有关动作识别的大量研究发表了。尽管如此,只有少数研究集中在实时应用上,这些应用通常包括人工跟踪系统,并且可以快速运行。现有的工作仍然存在一些局限性,如人类跟踪部分中的不稳定检测和缓慢的预测。为了解决这些问题,本文提... 详细信息

近年来,有关动作识别的大量研究发表了。尽管如此,只有少数研究集中在实时应用上,这些应用通常包括人工跟踪系统,并且可以快速运行。现有的工作仍然存在一些局限性,如人类跟踪部分中的不稳定检测和缓慢的预测。为了解决这些问题,本文提出了一种轻量级的深度学习架构和一种新的模态组合,适用于带有跟踪系统的实时动作识别。第一步是通过Tiny-Yolo检测每一帧中的人,并通过与他们的质心的欧几里得距离来追踪人物。第二种是将每个输入帧转换为新的模态MRGB-Diff。最后一步是动作识别部分,我们将conv3D和conv-lstm修改为用于比较性能的轻量级版本。我们每天使用2个数据集(KARD和BUPT-5)来比较该方法的性能。BUPT-5daily和KARD的准确率分别为79.05%和 85.13%。为了速度,conv-lstm和 conv3D可以分别达到 25.4ms和 14.9ms。实验结果表明,我们的方法在实时性和准确性上都可以有效地工作。

关键词：动作识别人物追 conv3D conv-lstm 计算机视觉

融合时空特征的端到端驾驶决策算法及仿真实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合时空特征的端到端驾驶决策算法及仿真实现

作者：梁黄黄电子科技大学

学位级别：硕士

智能汽车决策系统的目标是使智能汽车整合环境及车辆内部信息,确保车辆安全稳定地运行。为了学习在道路上驾驶,传统方法利用多传感器目标检测和融合技术获取周围环境情况,并将处理后的关键信息发送给决策层,最后将规划适当的路径、速度... 详细信息

智能汽车决策系统的目标是使智能汽车整合环境及车辆内部信息,确保车辆安全稳定地运行。为了学习在道路上驾驶,传统方法利用多传感器目标检测和融合技术获取周围环境情况,并将处理后的关键信息发送给决策层,最后将规划适当的路径、速度等信息发送给控制层。而端到端方法将学习从感知信息映射到转向角的单个网络,直接基于输入图像计算决策值,将认知过程统一到决策过程中,以这种方式简化了系统结构。针对传统智能汽车驾驶决策算法在特征提取上和现有端到端驾驶决策算法不考虑车辆动态信息的问题,本文提出了一种基于时空联合深度残差网络模型的端到端驾驶决策方法,该方法能够准确预测方向盘角度值。本文主要做了以下三个工作:(1)针对传统端到端驾驶决策算法无法很好地获取历史图像输入之间的时空联合信息这一问题,提出了一种基于时空联合特征的深度残差网络模型,该算法结合了时空联合深度残差网络(Residual Network,ResNet)和卷积长短时记忆网络(convolutional Long Short Term Memory Network,conv-lstm),通过提取历史若干帧之间的时空联合特征,对智能汽车当前时刻的转向角进行更为精确的预测。(2)针对传统基于图像的端到端驾驶决策算法输入信息的单一性这一问题,本文提出了一种融合车辆动力学信息的端到端驾驶决策算法。该决策算法基于上述的时空联合深度残差网络结构,在其预测网络中融入历史若干帧的车辆动力学信息(如速度、位置信息、车辆姿态、历史转向角等),从而更加平稳并且精确地预测当前时刻智能汽车的转向角。(3)文中提出的端到端驾驶决策算法分别在公用驾驶决策数据集Udacity Challenge-II以及在AirSim仿真环境下采集的驾驶决策数据集上进行了实验,并与一些传统的端到端驾驶决策算法(如PilotNet、CgNet等)进行了对比,实验结果表明文中提出的决策算法在智能汽车方向盘转向角的预测上有更好的表现。最后对文中提出的驾驶决策算法进行了仿真验证,搭建了基于电子科技大学清水河校区的仿真环境并验证了决策算法的有效性。本文研究的端到端驾驶决策算法通过提取历史若干帧的时空联合特征,并且融合车辆动力学信息到预测网络中,提高了该决策算法对智能汽车当前时刻转向角的预测精度,为智能汽车在复杂场景中的应用提供了技术基础的合理性。

关键词：端到端驾驶决策时空联合深度残差网络 conv-lstm 智能驾驶仿真

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的医学图像分割方法研究

基于深度学习的医学图像分割方法研究

作者：王凯明中国科学技术大学

学位级别：硕士

医学影像已经成为医生进行疾病诊断的重要参考信息。随着医学图像数量的快速增长,基于计算机的自动医学图像分析成为现代医学影像学的主要研究方向之一。阅览大量医学图像并作出诊断对于医生来说是一项繁琐的任务,容易受到医生经验和疲... 详细信息

医学影像已经成为医生进行疾病诊断的重要参考信息。随着医学图像数量的快速增长,基于计算机的自动医学图像分析成为现代医学影像学的主要研究方向之一。阅览大量医学图像并作出诊断对于医生来说是一项繁琐的任务,容易受到医生经验和疲劳程度的影响,计算机辅助诊断系统则有助于降低医生阅片负担和提高诊断准确率。三维医学图像的自动分割对于临床诊断和治疗有重要的指导作用,例如核磁共振图像中脑瘤区域的分割有利于脑瘤摘除手术与手术后观测。传统的图像分割方法从三维脑部图像中分割脑肿瘤往往需要先验知识,比如脑瘤的形状和脑瘤区域特征,但是脑瘤具有复杂多变的形状且可以出现在大脑的任何位置,限制了传统分割方法在实际中使用。近年来,数据驱动、自动提取特征的深度学习算法在计算机视觉领域获得了巨大成功,特别是卷积神经网络在自然光图像分割任务中取得了比传统方法更好的分割效果。本文研究基于深度学习方法的三维医学图像中脑瘤自动分割算法,采取了编码器-解码器的对称结构作为端到端的脑瘤分割卷积网络的基本框架。首先实现了基于三维卷积的脑瘤分割网络,然后针对其网络参数多、训练难、计算量大等问题,引入伪三维卷积,提出了基于伪三维卷积的脑瘤分割网络,并在二维预训练模型上进行微调,获得了较好的分割结果。针对端到端的分割网络无法有效分割脑瘤内部结构的问题,提出了两步分割方法:先提取包含脑肿瘤区域框的边界,再从脑肿瘤区域边界框中分割脑肿瘤内部结构。三维医学图像不仅可以当成一个整体,还可以看成是一系列二维切片图像组成的序列。循环神经网络是一种处理时序信息的有效模型。本文实现了一个包含卷积运算的循环神经网络同样完成了脑瘤分割任务。循环神经网络用来提取二维切片序列之间的一维时序特征,卷积操作用来提取每一张切片图像的二维空间特征,最后结合一维时序特征和二维空间特征实现三维脑部医学图像中的脑瘤分割。

关键词：计算机辅助诊断脑瘤分割卷积神经网络伪三维卷积循环神经网络 conv-lstm