检索结果-南通市图书馆

An Approach for Human Posture Recognition Based on the Fusion PSE-cnn-BiGRU Model

在线全文

学校读者我要写书评

暂无评论

Computer Modeling in Engineering & Sciences 2024年第7期140卷 385-408页

作者： Xianghong Cao Xinyu Wang Xin Geng Donghui Wu Houru An School of Building and Environment Engineering Zhengzhou University of Light IndustryZhengzhou450000China

This study proposes a pose estimation-convolutional neural network-bidirectional gated recurrent unit(PSEcnn-BiGRU)fusion model for human posture recognition to address low accuracy issues in abnormal posture recognition due to the loss of some feature information and the deterioration of comprehensive performance in model detection in complex home ***,the deep convolutional network is integrated with the Mediapipe framework to extract high-precision,multi-dimensional information from the key points of the human skeleton,thereby obtaining a human posture feature ***,a double-layer BiGRU algorithm is utilized to extract multi-layer,bidirectional temporal features from the human posture feature set,and a cnn network with an exponential linear unit(ELU)activation function is adopted to perform deep convolution of the feature map to extract the spatial feature of the human ***,a squeeze and excitation networks(SENet)module is introduced to adaptively learn the importance weights of each channel,enhancing the network’s focus on important ***,comparative experiments are performed on available datasets,including the public human activity recognition using smartphone dataset(UCIHAR),the public human activity recognition 70 plus dataset(HAR70PLUS),and the independently developed home abnormal behavior recognition dataset(HABRD)created by the authors’*** results show that the average accuracy of the proposed PSE-cnn-BiGRU fusion model for human posture recognition is 99.56%,89.42%,and 98.90%,respectively,which are 5.24%,5.83%,and 3.19%higher than the average accuracy of the five models proposed in the comparative literature,including cnn,GRU,and *** F1-score for abnormal posture recognition reaches 98.84%(heartache),97.18%(fall),99.6%(bellyache),and 98.27%(climbing)on the self-builtHABRDdataset,thus verifying the effectiveness,generalization,and robustness of the proposed model in enhancing human posture rec

关键词： Posture recognition mediapipe BiGRU cnn ELU attention

The Analysis of the Correlation between SPT and CPT Based on cnn-GA and Liquefaction Discrimination Research

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

Computer Modeling in Engineering & Sciences 2024年第2期138卷 1159-1182页

作者： Ruihan Bai Feng Shen Zihao Zhao Zhiping Zhang Qisi Yu Key Laboratory of the Ministry of Education for Geomechanics and Embankment Engineering College of Civil and Transportation EngineeringHohai UniversityNanjing210098China School of Civil Engineering Suzhou University of Science and TechnologySuzhou215011China School of Civil Engineering Shenyang Jianzhu UniversityShenyang110168China College of Civil Engineering Tongji UniversityShanghai200092China

The objective of this study is to investigate themethods for soil liquefaction discrimination. Typically, predicting soilliquefaction potential involves conducting the standard penetration test (SPT), which requires field testing and canbe time-consuming and labor-intensive. In contrast, the cone penetration test (CPT) provides a more convenientmethod and offers detailed and continuous information about soil layers. In this study, the feature matrix based onCPT data is proposed to predict the standard penetration test blow count N. The featurematrix comprises the CPTcharacteristic parameters at specific depths, such as tip resistance qc, sleeve resistance f s, and depth H. To fuse thefeatures on the matrix, the convolutional neural network (cnn) is employed for feature extraction. Additionally,Genetic Algorithm (GA) is utilized to obtain the best combination of convolutional kernels and the number ofneurons. The study evaluated the robustness of the proposed model using multiple engineering field data *** demonstrated that the proposed model outperformed conventional methods in predicting N values forvarious soil categories, including sandy silt, silty sand, and clayey silt. Finally, the proposed model was employedfor liquefaction discrimination. The liquefaction discrimination based on the predicted N values was comparedwith the measured N values, and the results showed that the discrimination results were in 75% agreement. Thestudy has important practical application value for foundation liquefaction engineering. Also, the novel methodadopted in this research provides new ideas and methods for research in related fields, which is of great academicsignificance.

关键词： cnn liquefaction discrimination SPT CPT

资源受限的机械振动WSN层次分解cnn边缘计算方法

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

仪器仪表学报 2024年第3期45卷 94-105页

作者：付豪邓蕾汤宝平李子昊吴艳灵重庆大学机械传动国家重点实验室重庆400030

用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。卷积神经网络作为一种性能优越的深度学习算法,若将其运行在MCU上可增强边缘WSN节点的计算能力。本文提出了一种不修改cnn模型的层次分... 详细信息

用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。卷积神经网络作为一种性能优越的深度学习算法,若将其运行在MCU上可增强边缘WSN节点的计算能力。本文提出了一种不修改cnn模型的层次分解方法,解决了难以在资源受限的MCU上运行不轻量化cnn的问题,实现了机械振动WSN节点的计算能力增强。首先通过设计文件结构用于分解并存储cnn模型参数,然后提出内存管理方法并推导随机存取存储器的消耗过程,最后提出参数定位方法准确高效地读取模型参数。实验表明仅使用1.76 KB RAM与2.14 KB Flash,在3.15 ms内便可实现高准确率的边缘计算识别任务。

关键词： cnn 边缘计算 MCU 资源受限机械振动

基于CBAM-cnn和压电悬臂梁的温度解耦质量感知方法

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2024年第4期45卷 113-126页

作者：闫宇楠刘智康徐佳文严如强东南大学仪器科学与工程学院南京210096 机器人感知与控制技术重点实验室南京210096 西安交通大学高端装备研究院西安710049

悬臂梁结构广泛用于微小质量测量,而温度变化会引起测量结果漂移。传统测量方法需要在温度稳定的环境中进行,但实际应用中通常难以满足此要求,且温度漂移对测量的影响难以直接解耦。本文提出了一种基于数据驱动,CBAM-cnn和压电悬臂梁的... 详细信息

悬臂梁结构广泛用于微小质量测量,而温度变化会引起测量结果漂移。传统测量方法需要在温度稳定的环境中进行,但实际应用中通常难以满足此要求,且温度漂移对测量的影响难以直接解耦。本文提出了一种基于数据驱动,CBAM-cnn和压电悬臂梁的自适应温度解耦质量感知方法。首先,搭建谐振式压电悬臂梁温控测量平台采集不同质量负载下的阻抗响应信号,设计自适应加权预处理方法以增强结构特征并突出有限样本中的关键信息;其次,设计基于混合领域注意力机制的CBAM-cnn网络来评估信号中多个谐振峰的相对关系,实现温度解耦和质量感知。实验结果表明,该方法在25℃至55℃的温度范围内的对0.1~1 g的质量感知准确率高达99.70%,无需进行温度补偿即可实现大跨度温度下的精确质量感知。

关键词：压电悬臂梁深度学习 cnn CBAM 质量感知温度解耦

基于cnn-LSTM-ARIMA的超短期风速预测研究

在线全文

学校读者我要写书评

暂无评论

新能源进展 2024年

作者：王世明张少童娄嘉奕苏州市津泰海洋工程研究有限公司上海海洋大学工程学院

提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络（cnn）、长短时记忆网络（LSTM）和自回归集成移动平均模型（ARIMA）的超短期风速预测方法，通过cnn卷积层捕捉... 详细信息

提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络（cnn）、长短时记忆网络（LSTM）和自回归集成移动平均模型（ARIMA）的超短期风速预测方法，通过cnn卷积层捕捉时间序列数据中的模式和局部特征，利用LSTM模型对提取的特征进行学习训练，基于cnn-LSTM组合架构模型，预测未来风速并对比实际数据获得残差值，最终利用ARIMA分析历史残差来修正未来的预测误差值，实现对风速的超短期预测。以土耳其某个风电场的实际风速记录为基础，对未来10 min的风速进行预测。结果表明，与cnn-LSTM、双层LSTM传统神经网络模型相比，cnn-LSTM-ARIMA模型对风速预测结果的平均绝对误差分别下降了16.40%、26.92%，能显著提高预测精度。

关键词：风速预测 cnn LSTM ARIMA

基于cnn融合PGW-Attention的金属表面缺陷识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年

作者：赵云亮唐东林何媛媛丁超杨洲西南石油大学机电工程学院四川省特种设备检验研究院成都工业学院智能制造学院

针对分散和细小的金属表面缺陷检测方法，卷积神经网络(cnn)缺乏全局特征捕捉能力，在识别氧化颗粒、裂纹和划痕等缺陷时易发生漏检和特征丢失，Transformer能够捕捉图像全局信息，但全局计算导致较高的计算成本。为实现高效且精准的金... 详细信息

针对分散和细小的金属表面缺陷检测方法，卷积神经网络(cnn)缺乏全局特征捕捉能力，在识别氧化颗粒、裂纹和划痕等缺陷时易发生漏检和特征丢失，Transformer能够捕捉图像全局信息，但全局计算导致较高的计算成本。为实现高效且精准的金属表面缺陷识别，将cnn的局部特征提取能力与Transformer的全局建模能力有效融合，提出了一种基于深度可分离卷积(DW-Conv)融合池化网格窗口注意力机制(PGW-Attention)的金属表面缺陷识别网络架构(DPG-Transformer)。在自建金属缺陷数据集(ST-DET)和公开金属缺陷数据集(NEU-CLS)上对该方法进行了实验验证，DPG-Transformer的缺陷识别准确率分别为99.3%和99.6%，在准确率、计算量和浮点计算量等指标上优于多种经典网络。此外，在可视化实验中，DPG-Transformer显示出比cnn模型更全面地腐蚀和氧化皮的缺陷特征提取能力，并能比Transformer模型更加精准地关注到细长裂纹和划痕的全局缺陷特征。实验结果表明，该方法可以降低Transformer模型的计算量和复杂度，同时能够更全面、精准地提取到金属表面缺陷特征，是一种更切合实际应用的金属表面缺陷检测方法。

关键词：金属表面缺陷 cnn Transformer 深度卷积 PGW-Attention

基于Transformer-cnn混合架构的跨模态融合抓取检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2024年

作者：王勇李邑灵苗夺谦安春艳袁鑫林重庆理工大学两江人工智能学院同济大学电子与信息工程学院

在机器臂抓取检测领域，RGB图像和深度图像的处理效率仍有很大提升空间。提出了一种基于Transformer-cnn混合架构的新型跨模态交互融合的机械臂抓取检测方法。为了充分利用RGB和深度图像的特征信息，开发了一种高效的跨模态特征交互融... 详细信息

在机器臂抓取检测领域，RGB图像和深度图像的处理效率仍有很大提升空间。提出了一种基于Transformer-cnn混合架构的新型跨模态交互融合的机械臂抓取检测方法。为了充分利用RGB和深度图像的特征信息，开发了一种高效的跨模态特征交互融合模块，用来校准RGB和深度图像相对应的特征信息，并交互增强双模态的特征。此外，还设计了一种Transformer与cnn并行的网络模块，结合cnn的局部建模能力和Transformer的全局建模能力，获得更好的特征表示，从而提高抓取检测性能。实验结果表明，该方法在Cornell与Jacquard抓取数据集上分别达到了99.1%和96.2%的准确率。在真实场景下的抓取检测实验证明了该方法可以有效预测各种场景下物品的抓取位置。

关键词：机械臂抓取检测跨模态 RGB-D融合 Transformer cnn

基于高光谱技术及SA-cnn模型的甘薯黑斑病早期预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国粮油学报 2024年

作者：李艳宏戴丹郑剑金佳东张帅杰梁子乐陈思思董晨郑辛煜浙江农林大学数学与计算机科学学院浙江省林业智能监测与信息技术研究重点实验室浙江农林大学食品与健康学院浙江农林大学光机电工程学院临安区农林技术推广中心

甘薯块根在储运过程中易受长喙壳菌侵染而引发黑斑病，因此在发病初期进行早期预测并有效预防尤为重要。鉴于此，本研究提出将高光谱技术和深度学习模型相结合对甘薯块根黑斑病进行早期预测，以接种长喙壳菌后的甘薯块根为实验对象，定... 详细信息

甘薯块根在储运过程中易受长喙壳菌侵染而引发黑斑病，因此在发病初期进行早期预测并有效预防尤为重要。鉴于此，本研究提出将高光谱技术和深度学习模型相结合对甘薯块根黑斑病进行早期预测，以接种长喙壳菌后的甘薯块根为实验对象，定期采集染病甘薯块根的高光谱图像和对应的总酚含量。首先基于全波段进行模型训练，使用Savitzky-Golay平滑（SG）、一阶求导（D1）和多元散射校正（MSC）三种光谱预处理方法分别与机器学习模型（BPNN、SVR和PLSR）和深度学习模型（cnn和LSTM）相结合进行对比分析。结果表明，经MSC预处理后的cnn模型的预测效果最好，预测集的决定系数(RP2)为0.865，均方根误差(RMSEP)为0.151 mg/g，剩余预测偏差（RPD）为2.724。因此在cnn模型的基础上引入自注意力机制进行优化，优化后的模型SA-cnn较原模型预测精度明显提升。为了进一步减少波段冗余信息，本研究基于特征波段进行模型训练，使用PCA、CARS和SPA三种特征提取方法建立SA-cnn模型进行预测，结果表明，MSC-CARS-SA-cnn模型具有最佳的预测性能，RP2、RMSEP和RPD分别为0.959、0.083mg/g和4.961。以上说明，本研究结果有望为甘薯块根贮藏期间品质监测提供一种有效的方法。

关键词：高光谱技术甘薯黑斑病早期预测自注意力机制 cnn

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

迁移学习和cnn的电机故障诊断方法

机械科学与技术 2024年第3期43卷 513-519页

作者：谢锋云董建坤符羽刘翊肖乾华东交通大学机电与车辆工程学院南昌330013 国家先进轨道交通装备创新中心湖南株洲412001

针对缺乏数据导致卷积神经网络(Convolutional neural networks,cnn)训练不佳的问题,以三相异步电机故障诊断为研究对象,提出了基于迁移学习和cnn结合的电机故障诊断方法。首先搭建了电机故障诊断实验平台,通过加速度传感器获取cnn模型... 详细信息

针对缺乏数据导致卷积神经网络(Convolutional neural networks,cnn)训练不佳的问题,以三相异步电机故障诊断为研究对象,提出了基于迁移学习和cnn结合的电机故障诊断方法。首先搭建了电机故障诊断实验平台,通过加速度传感器获取cnn模型带标签数据,通过训练获取预训练模型;然后结合迁移学习得到的预训练模型迁移到目标域,并通过对目标域的带标签数据进行训练以优化cnn参数;最终获得可以对目标域数据有着良好分类能力的新模型,从而实现目标域带标签数据稀少情况下的电机故障诊断工作。通过将该方法与传统cnn、变分模态分解(Variational modal decomposition,VMD)-支持向量机(Support vector machine,SVM)、VMD-K近邻(K nearest neighbor,KNN)以及VMD-BP神经网络等识别模型进行对比验证,结果显示本文提出的迁移cnn模型模式识别方法有更好的识别效果。

关键词： cnn 迁移学习三相异步电机 VMD 故障诊断