检索结果-南通市图书馆

Workout Action Recognition in Video Streams Using an Attention Driven Residual DC-gru Network

Computers, Materials & Continua 2024年第5期79卷 3067-3087页

作者： Arnab Dey Samit Biswas Dac-Nhuong Le Department of Computer Science and Technology Indian Institute of Engineering Science and TechnologyShibpurHowrah711103India Faculty of Information Technology Haiphong UniversityHaiphong180000Vietnam

Regular exercise is a crucial aspect of daily life, as it enables individuals to stay physically active, lowers thelikelihood of developing illnesses, and enhances life expectancy. The recognition of workout actions in videostreams holds significant importance in computer vision research, as it aims to enhance exercise adherence, enableinstant recognition, advance fitness tracking technologies, and optimize fitness routines. However, existing actiondatasets often lack diversity and specificity for workout actions, hindering the development of accurate recognitionmodels. To address this gap, the Workout Action Video dataset (WAVd) has been introduced as a significantcontribution. WAVd comprises a diverse collection of labeled workout action videos, meticulously curated toencompass various exercises performed by numerous individuals in different settings. This research proposes aninnovative framework based on the Attention driven Residual Deep Convolutional-Gated Recurrent Unit (ResDCgru)network for workout action recognition in video streams. Unlike image-based action recognition, videoscontain spatio-temporal information, making the task more complex and challenging. While substantial progresshas been made in this area, challenges persist in detecting subtle and complex actions, handling occlusions,and managing the computational demands of deep learning approaches. The proposed ResDC-gru Attentionmodel demonstrated exceptional classification performance with 95.81% accuracy in classifying workout actionvideos and also outperformed various state-of-the-art models. The method also yielded 81.6%, 97.2%, 95.6%, and93.2% accuracy on established benchmark datasets, namely HMDB51, Youtube Actions, UCF50, and UCF101,respectively, showcasing its superiority and robustness in action recognition. The findings suggest practicalimplications in real-world scenarios where precise video action recognition is paramount, addressing the persistingchallenges in the field. TheWAVd datas

关键词： Workout action recognition video stream action recognition residual network gru attention

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

DeBERTa-gru: Sentiment Analysis for Large Language Model

引用

Computers, Materials & Continua 2024年第6期79卷 4219-4236页

作者： Adel Assiri Abdu Gumaei Faisal Mehmood Touqeer Abbas Sami Ullah Department of Informatics for Business College of BusinessKing Khalid UniversityAbha61421Saudi Arabia Department of Computer Science College of Computer Engineering and SciencesPrince Sattam bin Abdulaziz UniversityAl-Kharj11942Saudi Arabia School of Electrical and Information Engineering Zhengzhou UniversityZhengzhou450001China Department of Computer Science and Technology Beijing University of Chemical TechnologyBeijing100029China Department of Computer Science Government College University FaisalabadFaisalabadPunjab38000Pakistan

Modern technological advancements have made social media an essential component of daily *** media allow individuals to share thoughts,emotions,and *** analysis plays the function of evaluating whether the sentiment of the text is positive,negative,neutral,or any other personal emotion to understand the sentiment context of the *** analysis is essential in business and society because it impacts strategic *** analysis involves challenges due to lexical variation,an unlabeled dataset,and text distance *** execution time increases due to the sequential processing of the sequence ***,the calculation times for the Transformer models are reduced because of the parallel *** study uses a hybrid deep learning strategy to combine the strengths of the Transformer and Sequence models while ignoring their *** particular,the proposed model integrates the Decoding-enhanced with Bidirectional Encoder Representations from Transformers(BERT)attention(DeBERTa)and the Gated Recurrent Unit(gru)for sentiment *** the Decoding-enhanced BERT technique,the words are mapped into a compact,semantic word embedding space,and the Gated Recurrent Unit model can capture the distance contextual semantics *** proposed hybrid model achieves F1-scores of 97%on the Twitter Large Language Model(LLM)dataset,which is much higher than the performance of new techniques.

关键词： DeBERTa gru Naive Bayes LSTM sentiment analysis large language model

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

基于Swin Transformer与gru的低温贮藏番茄成熟度识别与时序预测研究

引用

农业机械学报 2024年第3期55卷 213-220页

作者：杨信廷刘彤韩佳伟郭向阳杨霖上海海洋大学信息学院上海201306 北京市农林科学院信息技术研究中心北京100097 农产品质量安全追溯技术及应用国家工程研究中心北京100097 仲恺农业工程学院信息科学与技术学院广州510225

面向绿熟番茄采后持续转熟特征,适时调温是满足不同成熟度番茄适宜贮运温度需求的关键,而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件。本文基于Swin Transformer与改进gru提出了一种番茄成熟度识别与时序动态预测模型... 详细信息

面向绿熟番茄采后持续转熟特征,适时调温是满足不同成熟度番茄适宜贮运温度需求的关键,而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件。本文基于Swin Transformer与改进gru提出了一种番茄成熟度识别与时序动态预测模型,首先通过融合番茄两侧图像获取番茄表观全局红色总占比,构建不同成熟番茄图像数据集,并基于迁移学习优化Swin Transformer模型初始权重配置,实现番茄成熟度分类识别;其次,周期性采集不同储藏温度(4、9、14℃)下番茄图像数据,结合番茄初始颜色特征与贮藏环境信息,构建基于Swin Transformer与gru的番茄成熟度时序预测模型,并融合时间注意力模块优化模型预测精度;最后,对比分析不同模型预测结果,验证本研究所提模型的准确性与优越性。结果表明,番茄成熟度正确识别率为95.783%,相比VGG16、AlexNet、ResNet50模型,模型正确识别率分别提升2.83%、3.35%、12.34%。番茄成熟度时序预测均方误差(MSE)为0.225,相比原始gru、LSTM、Bigru模型MSE最高降低29.46%。本研究为兼顾番茄成熟度实现贮藏温度柔性适时调控提供了关键理论基础。

关键词：番茄低温贮藏成熟度识别时序预测模型 Swin Transformer gru

来源：

维普期刊数据库博看期刊

同方期刊数据库

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VMD-XGBoost-gru模型的危岩体变形预测

引用

水利水电科技进展 2024年第2期44卷 92-98页

作者：许秋鸿刘晓青河海大学水利水电学院江苏南京210098

针对以往对危岩体监测数据前处理效果不佳的问题,提出了一种用于危岩体变形预测的VMD-XGBoost-gru组合模型。该模型采用变分模态分解(VMD)和样本熵理论将危岩体变形数据分解成多个子序列,利用XGBoost算法提取重要的模型因子实现特征降维... 详细信息

针对以往对危岩体监测数据前处理效果不佳的问题,提出了一种用于危岩体变形预测的VMD-XGBoost-gru组合模型。该模型采用变分模态分解(VMD)和样本熵理论将危岩体变形数据分解成多个子序列,利用XGBoost算法提取重要的模型因子实现特征降维,通过门控循环单元(gru)神经网络对危岩体变形进行预测。以某水电站右坝肩陡壁上的危岩体变形预测为例,将VMD-XGBoost-gru组合模型与BP、gru和VMD-XGBoost-BP 3种模型进行对比与分析,结果表明,VMD-XGBoost-gru组合模型在危岩体变形预测方面具有较高精度,可为危岩体安全稳定状态评价提供技术依据。

关键词：危岩体 VMD 样本熵 XGBoost gru 变形预测模型

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

利用gru双分支信息协同增强的长尾推荐模型

引用

计算机科学与探索 2024年

作者：钱忠胜肖双龙朱辉王晓闻刘金平江西财经大学信息管理学院

长尾现象在序列推荐系统中长期存在，包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题，但大部分只是单方面地关注长尾用户或长尾项目。然而，长尾用户和长尾项目问题常常同时存在，只考虑其中一方会... 详细信息

长尾现象在序列推荐系统中长期存在，包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题，但大部分只是单方面地关注长尾用户或长尾项目。然而，长尾用户和长尾项目问题常常同时存在，只考虑其中一方会导致另一方性能不佳，且未关注到长尾用户、长尾项目各自的信息匮乏问题。本文提出一种利用gru双分支信息协同增强的长尾推荐模型(a long-tail recommendation model utilizing gru dual-branch information collaboration enhancement， LT-gru)，从用户与项目两个方面共同缓解长尾问题，并通过协同增强的方式丰富长尾信息。该模型由长尾用户和长尾项目双分支组成，每个分支分别负责各自的信息处理，并相互训练以充实另一方的信息。同时，引入一种偏好机制，通过演算用户与项目的影响因子，以动态调整用户偏好与项目热度，进一步缓解长尾推荐中信息不足问题。在Amazon系列的6个真实数据集上与6种经典模型进行实验对比，相较于长尾推荐模型中最优的结果，所提模型LT-gru在HR与NDCG两个指标上分别平均提高2.49%、3.80%。这表明，在不牺牲头部用户和热门项目推荐性能的情况下，有效地缓解了长尾用户和长尾项目问题。

关键词：推荐系统长尾推荐信息协同增强 gru

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gru网络电动汽车IGBT模块剩余寿命预测研究

引用

中国测试 2024年

作者：李新宇孟子民盛光鸣刘志峰合肥工业大学机械工程学院合肥工业大学机械工业绿色设计与制造重点实验室

为获取老旧电动汽车中拆解的绝缘栅双极型晶体管(IGBT)模块在再制造时的剩余寿命，提出经典循环神经网络的变体，即gru神经网络的IGBT模块剩余寿命预测模型。分析IGBT模块的内部结构及老化失效机理，明确老化失效的具体形式，结合IGBT... 详细信息

为获取老旧电动汽车中拆解的绝缘栅双极型晶体管(IGBT)模块在再制造时的剩余寿命，提出经典循环神经网络的变体，即gru神经网络的IGBT模块剩余寿命预测模型。分析IGBT模块的内部结构及老化失效机理，明确老化失效的具体形式，结合IGBT模块功率循环试验的老化数据，确定通态饱和压降作为模块老化失效特征量。通过试验构建了最优参数的gru神经网络剩余寿命预测模型，完成对老化失效特征量的预测，并与同样是经典循环神经网络另一种变体LSTM网络预测模型进行对比。结果表明：经过优化参数的gru网络模型的均方根误差为0.0046，平均绝对误差为0.0041，决定系数为99.96%，相对LSTM网络精度更高，更适合所选IGBT模块的剩余寿命预测，同时检测的时间成本更低，更能提高IGBT模块再制造时的检测与生产效率。

关键词：绝缘栅双极型晶体管 gru 神经网络剩余寿命预测

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CNN-gru的移动APP流行度预测模型

引用

重庆邮电大学学报(自然科学版) 2024年

作者：宋育苗于金霞河南理工大学计算机科学与技术学院

移动APP流行度预测对应用推荐、广告投放等意义重大。但是现有方法大多依赖手工特征工程，工作量大且效率较低。为此，提出一种基于深度神经网络的移动APP流行度预测模型。利用最大信息系数进行特征相关性分析以确保特征选取有效性; 结... 详细信息

移动APP流行度预测对应用推荐、广告投放等意义重大。但是现有方法大多依赖手工特征工程，工作量大且效率较低。为此，提出一种基于深度神经网络的移动APP流行度预测模型。利用最大信息系数进行特征相关性分析以确保特征选取有效性; 结合历史流行度特征，通过门循环单元（gate recurrent unit，gru）和注意力机制构建长期演化模型来推演发展趋势，基于多尺度卷积神经网络（convolutional neural networks，CNN）和注意力机制构建短期波动模型以实现预测动态优化;结合其他重要特征利用gru和注意力机制建立多因素影响模型。通过时间注意力模块将上述模型融合，实现流行度预测。实验结果表明，所提模型在移动APP流行度预测方面相对更为精准有效。

关键词：移动APP 流行度预测注意力机制 CNN gru

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

基于改进VMD和gru的水轮发电机组振动故障预警

引用

中国农村水利水电 2024年第3期 244-249页

作者：皮有春谭鋆郭钰静黄正海肖燕凤陈言中国长江电力股份有限公司湖北宜昌443000 上海长庚信息技术股份有限公司上海201209

针对水轮发电机组受水、机、电等因素相互耦合,早期故障特征被电磁和噪声所淹没难以提取的问题,设计了一种基于改进VMD和gru的水轮发电机组振动故障预警方法。首先,采用BES算法对变分模态VMD的参数进行寻优,得到最佳的分解层数、惩罚因... 详细信息

针对水轮发电机组受水、机、电等因素相互耦合,早期故障特征被电磁和噪声所淹没难以提取的问题,设计了一种基于改进VMD和gru的水轮发电机组振动故障预警方法。首先,采用BES算法对变分模态VMD的参数进行寻优,得到最佳的分解层数、惩罚因子和模态个数,然后采用最优的VMD算法对水轮发电机组早期的振动特征进行提取,最后将早期的振动特征输入gru神经网络预测算法进行训练、验证和测试。仿真结果和工程实例表明,该方法可以有效快速准确提取水轮发电机组的早期微弱振动特征,实现水轮发电机组的早期故障预警,具有较高的工程应用价值。

关键词：水轮发电机组 BES VMD gru 振动故障

来源：

维普期刊数据库博看期刊

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gru-BP的锂电池部分充电数据SOH估计

引用

电源学报 2024年

作者：钟耿钦王学梅康龙云华南理工大学电力学院

用户给电池充电时，电池的初始荷电状态(State of Charge， SOC)往往是随机的，因此在实际应用中难以得到锂电池完整的充电数据，针对这一问题提出了一种基于部分充电数据的锂电池健康状态(State of Health ， SOH)估计方法。通过建立的... 详细信息

用户给电池充电时，电池的初始荷电状态(State of Charge， SOC)往往是随机的，因此在实际应用中难以得到锂电池完整的充电数据，针对这一问题提出了一种基于部分充电数据的锂电池健康状态(State of Health ， SOH)估计方法。通过建立的gru-BP (Gated Recurrent Unit-Back Propagation)模型，可以由部分的充电数据得到完整的充电曲线，接着在完整的充电曲线中提取能够有效表征电池老化程度的特征进行SOH预测。该方法能够实现在恒流充电模式下的任意定长电压区间充电数据下电池的SOH估计。通过实验证明，所提出的新模型在数据不完备的情况下能够有效地预测锂电池SOH，其估计的RMSE（Root Mean Square Error）均在为2%以下。

关键词：锂电池部分数据健康状态估计 gru 神经网络

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

一种基于注意力机制的BERT-CNN-gru检测方法

引用

计算机工程 2024年

作者：郑雅洲刘万平黄东重庆理工大学计算机科学与工程学院贵州大学现代制造技术教育部重点实验室

针对现有检测方法对短域名检测性能普遍较差的问题，提出了一种BERT-CNN-gru 结合注意力机制的检测方法。首先通过BERT提取域名的有效特征和字符间组成逻辑，再通过并行的融合简化注意力的卷积神经网络(CNN)和基于多头注意力机制的门控... 详细信息

针对现有检测方法对短域名检测性能普遍较差的问题，提出了一种BERT-CNN-gru 结合注意力机制的检测方法。首先通过BERT提取域名的有效特征和字符间组成逻辑，再通过并行的融合简化注意力的卷积神经网络(CNN)和基于多头注意力机制的门控循环网络(gru)提取域名深度特征。使用形如n-gram排布的CNN能够提取不同层次的域名信息，采用批标准化(Batch Normalization， BN)对卷积结果进行优化；使用gru能够更好获取前后域名的组成差异，加上多头注意力机制善于捕获域名内部的组成关系。对并行检测网络输出的结果进行拼接，在最大限度上利用了两种网络的优势，采用局部损失函数，聚焦域名分类问题，最终提高了分类性能。实验结果表明：在二分类上，模型达到了最优效果，在短域名多分类数据集上15分类的Weighted F1-score达到了86.21%，比BiLSTM-Seq-Attention模型提高了0.88%，在UMUDGA数据集上50分类的Weighted F1-score达到了85.51%，提高了0.45%，并且模型对变体域名和单词DGA检测性能出众，具有域名数据分布不平衡检测能力和更广泛的检测性能。

关键词：恶意短域名 BERT预训练批标准化注意力机制 gru 并行CNN

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

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：