检索结果-南通市图书馆

基于resnet的海洋环境下OFDM深度接收机研究

在线全文

学校读者我要写书评

暂无评论

信息技术 2022年第12期46卷 6-11页

作者：王安义王柯柯西安科技大学通信与信息工程学院西安710600

将正交频分复用(OFDM)技术应用于海洋复杂场景下的无线通信系统中,使得海洋无线通信拥有更高的传输速率,并且针对海洋复杂环境下OFDM信息比特流的特征提取困难、误码率无法进一步降低的问题,提出基于残差神经网络(resnet)的OFDM接收端... 详细信息

将正交频分复用(OFDM)技术应用于海洋复杂场景下的无线通信系统中,使得海洋无线通信拥有更高的传输速率,并且针对海洋复杂环境下OFDM信息比特流的特征提取困难、误码率无法进一步降低的问题,提出基于残差神经网络(resnet)的OFDM接收端信息比特流检测算法。通过对resnet模型引入通道注意力模块(Channel Attention Module,CAM),构建深度神经网络,提取信号的特征,最终恢复出信息比特流。实验仿真结果表明,resnet能够对海洋复杂场景下的OFDM信号特征进行有效的提取,有较好的识别结果。较卷积神经网络(CNN)算法,resnet算法误码率有所降低,性能更好,并且更加稳定。

关键词： OFDM resnet 信号识别海洋通信 CAM

基于M-LSTM与resnet并联网络的同轴线缆开路故障定位方法

在线全文

学校读者我要写书评

暂无评论

机电工程技术 2024年第6期53卷 221-226页

作者：谢俊波顾诗渤许为龙沈阳航空航天大学电子信息工程学院沈阳110136

为了同轴线缆的高效维护和修理,精确、有效地定位同轴线缆开路故障非常关键,提出一种基于M-LSTM与resnet并联网络的开路故障定位方法 SROCFL。该方法利用HFSS软件建立单端带有激励信号源的同轴线缆开路故障模型,通过对故障模型仿真,获... 详细信息

为了同轴线缆的高效维护和修理,精确、有效地定位同轴线缆开路故障非常关键,提出一种基于M-LSTM与resnet并联网络的开路故障定位方法 SROCFL。该方法利用HFSS软件建立单端带有激励信号源的同轴线缆开路故障模型,通过对故障模型仿真,获取了在阻抗不连续和有噪声情况下的电压幅值序列数据;提出矩阵式LSTM (M-LSTM),用于充分提取开路故障电压幅值序列的时域特征;再对电压幅值序列做希尔伯特-黄变换获得时频域分布谱图,引入resnet,提取时频域分布谱图的局部时频域特征。该方法利用M-LSTM与resnet并联网络捕获不同层次的特征信息,能增强局部时域特征,减少时频域变换带来的信息损失。相比于现有方法,实验结果表明,SROCFL方法在机载同轴线缆开路故障定位中表现出更好的性能。

关键词：同轴线缆开路故障定位 LSTM resnet

维普期刊数据库博看期刊

基于resnet深度神经网络的异常检测模型

在线全文

学校读者我要写书评

暂无评论

网络新媒体技术 2020年第2期9卷 16-22页

作者：郑非凡四川大学网络空间安全学院四川610065

针对基于自编码器的异常检测在训练时容易过拟合,进而导致误报率较高的问题,本文提出一种基于残差网络(Residual Network,resnet)的深度神经网络异常检测模型。该模型训练神经网络学习数据的一部分到另一部分的映射,在训练时,采用固定... 详细信息

针对基于自编码器的异常检测在训练时容易过拟合,进而导致误报率较高的问题,本文提出一种基于残差网络(Residual Network,resnet)的深度神经网络异常检测模型。该模型训练神经网络学习数据的一部分到另一部分的映射,在训练时,采用固定的切分规则将每个数据切分成A和B两部分,并且选取合适的输出数n,训练神经网络模型对每个输入A,输出n种B的可能,构造相应的代价函数,并加上L2正则化避免过拟合。测试时,计算网络输出到B的误差,通过设定的阈值来划分数据的正常与异常。最后,构造深度神经网络时,用resnet网络层来避免梯度消失问题。在对KDDCup99数据集的测试中,本文描述的方法能达到较好的检测率及较低的误报率。

关键词：异常检测深度神经网络自编码器代价函数 resnet

基于resnet和BiLSTM的僵尸网络检测方法

在线全文

学校读者我要写书评

暂无评论

通信技术 2019年第12期52卷 2975-2981页

作者：谭越邹福泰上海交通大学网络空间安全学院

随着人工智能的发展,深度学习算法在僵尸网络检测领域的应用越来越广泛,但现有的僵尸网络检测方法多是从单一维度特征进行检测,不具备良好的全面性和适用性。因此,提出了一种从空间和时间两个维度进行特征学习的检测模型,使用resnet神... 详细信息

随着人工智能的发展,深度学习算法在僵尸网络检测领域的应用越来越广泛,但现有的僵尸网络检测方法多是从单一维度特征进行检测,不具备良好的全面性和适用性。因此,提出了一种从空间和时间两个维度进行特征学习的检测模型,使用resnet神经网络学习空间特征,使用BiLSTM神经网络学习时间特征,以提取更全面的僵尸网络流量特征。实验表明,该模型性能良好,能够对僵尸网络进行较为准确的识别,且具有一定的检测未知僵尸网络的能力。

关键词：僵尸网络深度学习 resnet BiLSTM

在线全文

学校读者我要写书评

暂无评论

基于resnet的唐卡检索

宁夏大学学报（自然科学版） 2021年第3期42卷 257-262,269页

作者：闫龙泉骆沛然史伟刘秀全宁夏大学信息工程学院宁夏银川750021

唐卡是独具特色的藏族艺术资源,因其内容复杂、种类多样、分辨率高,传统的图像检索方法无法实现对唐卡图像进行快速而精准的检索.针对上述问题,基于残差神经网络(resnet)进行唐卡图像的检索,首先使用resnet50网络结构进行唐卡图像的深... 详细信息

唐卡是独具特色的藏族艺术资源,因其内容复杂、种类多样、分辨率高,传统的图像检索方法无法实现对唐卡图像进行快速而精准的检索.针对上述问题,基于残差神经网络(resnet)进行唐卡图像的检索,首先使用resnet50网络结构进行唐卡图像的深层语义信息提取,然后采用余弦相似度比对算法对提取的唐卡特征进行准确分析.实验表明,相较于SIFT方法,resnet50检索方法的查准率提升了40%,召回率提升了25%;相较于VGG16,resnet50检索方法的查准率提升了3%,召回率提升了5%.

关键词：唐卡图像 CNN 图像检索 resnet 特征提取

基于resnet的面向对象矿区占地信息提取研究

在线全文

学校读者我要写书评

暂无评论

河南科学 2023年第4期41卷 619-624页

作者：甄娜陈涛霍光杰李小芳河南省自然资源监测院河南省地质灾害防治重点实验室郑州450000 中国地质大学(武汉)地球物理与空间信息学院武汉430074 河南邦尔环保科技有限公司郑州450000

利用高分二号影像结合面向对象方法展开矿区占地信息提取研究,采用面积比均值法确定分割尺度进行多尺度分割获取对象,基于空间优化工具选取特征后标记样本,其中训练集、测试集和验证集比例为3∶1.将样本集在resnet模型中训练,应用于全... 详细信息

利用高分二号影像结合面向对象方法展开矿区占地信息提取研究,采用面积比均值法确定分割尺度进行多尺度分割获取对象,基于空间优化工具选取特征后标记样本,其中训练集、测试集和验证集比例为3∶1.将样本集在resnet模型中训练,应用于全部对象,并与CNN模型进行对比.结果表明,面向对象方法结合resnet模型进行矿区占地信息提取总体精度为91.41%,Kappa系数为0.89,优于CNN方法.该方法适用于以露天采场和矿堆为主的矿区环境,可以为后续的矿区环境治理工作提供有效的技术支持.

关键词：矿区占地信息面向对象方法 resnet 信息提取遥感图像

在线全文

学校读者我要写书评

暂无评论

基于resnet系列模型的岩屑岩性识别

基于ResNet系列模型的岩屑岩性识别

基于SE-resnet和迁移学习的轴承故障诊断方法研究

2023年中国地球科学联合学术年会

作者：董文豪张怀中国科学院大学

岩屑录井在地质构造研究及油气勘探等领域中有重要作用;而随着录井技术提升,岩屑录井图片数量剧增,因此传统的人工识别岩屑方法已不能满足实际需求。当前基于深度学习的卷积神经网络在图片分类识别中表现优异,获得了广大学者的关注[1,2... 详细信息

岩屑录井在地质构造研究及油气勘探等领域中有重要作用;而随着录井技术提升,岩屑录井图片数量剧增,因此传统的人工识别岩屑方法已不能满足实际需求。当前基于深度学习的卷积神经网络在图片分类识别中表现优异,获得了广大学者的关注[1,2]。我针对6种常见的岩屑为研究对象,基于resnet系列模型[3]建立针对岩屑图片识别的深度学习模型,并将这一系列模型应用到实际的岩屑岩性识别中。

关键词：岩性识别岩屑录井 resnet 系列模型

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

四川轻化工大学学报（自然科学版） 2024年第4期37卷 19-27页

作者：唐宇峰杨泽林胡光忠曹睿何俚秋四川轻化工大学机械工程学院四川宜宾644000 企业信息化与物联网测控技术四川省高校重点实验室四川宜宾644005

针对传统滚动轴承故障诊断在小样本下准确率低和泛化性差的问题,提出了一种基于SE-resnet和迁移学习的轴承故障诊断方法。首先,对数据进行预处理,将其转化为二维图像;其次,在残差神经网络的残差块中引入挤压与激励网络结构的注意力机制... 详细信息

针对传统滚动轴承故障诊断在小样本下准确率低和泛化性差的问题,提出了一种基于SE-resnet和迁移学习的轴承故障诊断方法。首先,对数据进行预处理,将其转化为二维图像;其次,在残差神经网络的残差块中引入挤压与激励网络结构的注意力机制,从而改进深度残差网络模型;然后,将转化后的二维图像输入SE-resnet模型,并对测试样本中的滚动轴承状态进行分类;最后,通过迁移学习将小样本训练的模型作为预训练模型,利用不同工况下的数据进行实验,并将该方法与2D-CNN、ResNeXt-50、AlexNet和BiLSTM方法进行比较。结果表明,SE-resnet在CWRU数据集单工况下的准确率达到87.09%~99.61%,SE-resnet+迁移学习的方法在本文两种数据集(CWRU、XJTU-SY)的各工况下的准确率分别达到92.8%~99.54%和85.1%~100%,比其他方法具有更好的准确率和泛化性能。

关键词：小样本故障诊断 SENet resnet 迁移学习

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resnet的石油焦与冶金焦图像分类

江苏理工学院学报 2024年第4期30卷 79-84页

作者：王洪栋储杰高思念陈晨曹英华孙金萍徐州工程学院信息工程学院江苏徐州221018 中国矿业大学信息与控制工程学院江苏徐州221116 江苏仕能工业技术有限公司江苏徐州221000

文章针对石油焦和冶金焦显微图像分类准确率低和小样本的问题,提出基于resnet的石油焦与冶金焦图像分类模型,通过使用ImageNet大规模数据集上预先训练过的模型,获取更好的特征表示,实验对比了resnet不同层的分类性能,且对比了训练模型... 详细信息

文章针对石油焦和冶金焦显微图像分类准确率低和小样本的问题,提出基于resnet的石油焦与冶金焦图像分类模型,通过使用ImageNet大规模数据集上预先训练过的模型,获取更好的特征表示,实验对比了resnet不同层的分类性能,且对比了训练模型前后的分类效果,确定了resnet-50在处理该分类任务时的优势。将resnet-50与其他深度学习模型进行对比分析,研究结果表明:resnet-50结合预训练模型,能够准确区分2种焦炭类型,且鲁棒性较好。

关键词： resnet 石油焦冶金焦图像分类

维普期刊数据库博看期刊