期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,914篇文章
< 1 2 … 96 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LSTM循环神经网络的故障时间序列预测 被引量：346
1
作者 王鑫 吴际 +3 位作者 刘超 杨海燕 杜艳丽 牛文生 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第4期772-784,共13页
有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和... 有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。 展开更多
关键词 长短期记忆(LSTM)模型 循环神经网络 故障时间序列预测 多层网格搜索 深度学习
下载PDF
人工神经网络模型发展及应用综述 被引量：207
2
作者 张驰 郭媛 黎明 《计算机工程与应用》 CSCD 北大核心 2021年第11期57-69,共13页
人工神经网络与其他学科领域联系日益紧密,人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题。根据人工神经网络相关文献进行分析,综述了人工神经网络算法以及网络模型结构的发展史,根据神经网络的发展介绍了人工神经网... 人工神经网络与其他学科领域联系日益紧密,人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题。根据人工神经网络相关文献进行分析,综述了人工神经网络算法以及网络模型结构的发展史,根据神经网络的发展介绍了人工神经网络相关概念,其中主要涉及到多层感知器、反向传播神经网络、卷积神经网络以及递归神经网络,描述了卷积神经网络发展当中出现的部分卷积神经网络模型和递归神经网络中常用的相关网络结构,分别综述了各个人工神经网络算法在相关领域的应用情况,总结了人工神经网络的未来发展方向。 展开更多
关键词 人工神经网络 多层感知器 递归神经网络
下载PDF
深度学习研究综述 被引量：140
3
作者 张荣 李伟平 莫同 《信息与控制》 CSCD 北大核心 2018年第4期385-397,410,共14页
近年来,中美等国家、谷歌等高科技公司纷纷加大对人工智能的投入,深度学习是目前人工智能的重点研究领域之一,本文对深度学习最新进展及未来研究方向进行了分析和总结.首先概述了三类深度学习基本模型,包括多层感知器、卷积神经网络和... 近年来,中美等国家、谷歌等高科技公司纷纷加大对人工智能的投入,深度学习是目前人工智能的重点研究领域之一,本文对深度学习最新进展及未来研究方向进行了分析和总结.首先概述了三类深度学习基本模型,包括多层感知器、卷积神经网络和循环神经网络.在此基础上,进一步分析了不断涌现出来的新型卷积神经网络和循环神经网络.然后本文总结了深度学习在人工智能众多领域中的应用,包括语音处理、计算机视觉和自然语言处理等.最后探讨了深度学习目前存在的问题并给出了相应的可能解决方法. 展开更多
关键词 深度学习 神经网络 机器学习 人工智能 卷积神经网络 循环神经网络
原文传递
深度学习在手写汉字识别中的应用综述 被引量：111
4
作者 金连文 钟卓耀 +3 位作者 杨钊 杨维信 谢泽澄 孙俊 《自动化学报》 EI CSCD 北大核心 2016年第8期1125-1141,共17页
手写汉字识别(Handwritten Chinese character recognition,HCCR)是模式识别的一个重要研究领域,最近几十年来得到了广泛的研究与关注,随着深度学习新技术的出现,近年来基于深度学习的手写汉字识别在方法和性能上得到了突破性的进展.本... 手写汉字识别(Handwritten Chinese character recognition,HCCR)是模式识别的一个重要研究领域,最近几十年来得到了广泛的研究与关注,随着深度学习新技术的出现,近年来基于深度学习的手写汉字识别在方法和性能上得到了突破性的进展.本文综述了深度学习在手写汉字识别领域的研究进展及具体应用.首先介绍了手写汉字识别的研究背景与现状.其次简要概述了深度学习的几种典型结构模型并介绍了一些主流的开源工具,在此基础上详细综述了基于深度学习的联机和脱机手写汉字识别的方法,阐述了相关方法的原理、技术细节、性能指标等现状情况,最后进行了分析与总结,指出了手写汉字识别领域仍需要解决的问题及未来的研究方向. 展开更多
关键词 深度学习 手写汉字识别 卷积神经网络 回归神经网络 长短时记忆模型 层叠自动编码机
下载PDF
神经机器翻译综述 被引量：110
5
作者 李亚超 熊德意 张民 《计算机学报》 EI CSCD 北大核心 2018年第12期2734-2755,共22页
机器翻译研究将源语言所表达的语义自动转换为目标语言的相同语义,是人工智能和自然语言处理的重要研究内容.近年来,基于序列到序列模型(Sequence-to-Sequence Model)形成一种新的机器翻译方法:神经机器翻译(Neural Machine Translation... 机器翻译研究将源语言所表达的语义自动转换为目标语言的相同语义,是人工智能和自然语言处理的重要研究内容.近年来,基于序列到序列模型(Sequence-to-Sequence Model)形成一种新的机器翻译方法:神经机器翻译(Neural Machine Translation,NMT),它完全采用神经网络完成源语言到目标语言的翻译过程,成为一种极具潜力全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在多数语言对上逐渐超过了统计机器翻译方法.该文首先介绍了经典神经机器翻译模型及存在的问题与挑战;然后简单概括神经机器翻译中常用的神经网络;之后按照经典神经机器翻译模型、基础共性问题、新模型、新架构等分类体系详细介绍了相关研究进展;接着简单介绍基于神经网络的机器翻译评测方法;最后展望未来研究方向和发展趋势,并对该文做出总结. 展开更多
关键词 机器翻译 神经机器翻译 注意力机制 循环神经网络 序列到序列模型 机器翻译评测
下载PDF
基于循环神经网络的测井曲线生成方法 被引量：91
6
作者 张东晓 陈云天 孟晋 《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2018年第4期598-607,共10页
为了在不增加经济成本的基础上补充缺失的测井信息,提出利用机器学习方法根据已有的部分测井曲线生成人工测井曲线,并进行了实验验证和应用效果分析。考虑到传统全连接神经网络(FCNN)无法描述数据的空间相关性,基于一种循环神经网络(RNN... 为了在不增加经济成本的基础上补充缺失的测井信息,提出利用机器学习方法根据已有的部分测井曲线生成人工测井曲线,并进行了实验验证和应用效果分析。考虑到传统全连接神经网络(FCNN)无法描述数据的空间相关性,基于一种循环神经网络(RNN)即长短期记忆神经网络(LSTM)来构建测井曲线生成方法。该方法生成的曲线不仅考虑了不同测井曲线的内在联系,同时兼顾了测井信息随深度的变化趋势和前后关联。将标准LSTM与串级系统相结合,提出了一种串级长短期记忆神经网络(CLSTM)。采用真实测井数据进行实验,LSTM明显优于传统FCNN,生成的测井数据精度更高;CLSTM更适用于测井曲线生成这种多序列数据问题;提出的基于机器学习的人工测井曲线生成方法更准确经济。 展开更多
关键词 测井曲线 生成方法 机器学习 全连接神经网络 循环神经网络 长短期记忆神经网络 人工智能
下载PDF
基于深度学习的图像超分辨率复原研究进展 被引量：69
7
作者 孙旭 李晓光 +1 位作者 李嘉锋 卓力 《自动化学报》 EI CSCD 北大核心 2017年第5期697-709,共13页
图像超分辨率复原(Super resolution restoration,SR)技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成... 图像超分辨率复原(Super resolution restoration,SR)技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向. 展开更多
关键词 超分辨率复原 深度神经网络 卷积神经网络 循环神经网络
下载PDF
深度文本匹配综述 被引量：65
8
作者 庞亮 兰艳艳 +3 位作者 徐君 郭嘉丰 万圣贤 程学旗 《计算机学报》 EI CSCD 北大核心 2017年第4期985-1003,共19页
自然语言理解的许多任务,例如信息检索、自动问答、机器翻译、对话系统、复述问题等等,都可以抽象成文本匹配问题.过去研究文本匹配主要集中在人工定义特征之上的关系学习,模型的效果很依赖特征的设计.最近深度学习自动从原始数据学习... 自然语言理解的许多任务,例如信息检索、自动问答、机器翻译、对话系统、复述问题等等,都可以抽象成文本匹配问题.过去研究文本匹配主要集中在人工定义特征之上的关系学习,模型的效果很依赖特征的设计.最近深度学习自动从原始数据学习特征的思想也影响着文本匹配领域,大量基于深度学习的文本匹配方法被提出,作者称这类模型为深度文本匹配模型.相比于传统方法,深度文本匹配模型能够从大量的样本中自动提取出词语之间的关系,并能结合短语匹配中的结构信息和文本匹配的层次化特性,更精细地描述文本匹配问题.根据特征提取的不同结构,深度文本匹配模型可以分为3类:基于单语义文档表达的深度学习模型、基于多语义文档表达的深度学习模型和直接建模匹配模式的深度学习模型.从文本交互的角度,这3类模型具有递进的关系,并且对于不同的应用,具有各自性能上的优缺点.该文在复述问题、自动问答和信息检索3个任务上的经典数据集上对深度文本匹配模型进行了实验,比较并详细分析了各类模型的优缺点.最后该文对深度文本模型未来发展的若干问题进行了讨论和分析. 展开更多
关键词 文本匹配 深度学习 自然语言处理 卷积神经网络 循环神经网络 社会媒体
下载PDF
基于LSTM循环神经网络的PM_(2.5)预测 被引量：55
9
作者 白盛楠 申晓留 《计算机应用与软件》 北大核心 2019年第1期67-70,104,共5页
PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM... PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM_(2.5)预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM_(2.5)预测模型,实现PM_(2.5)日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM_(2.5)的日值变化趋势。 展开更多
关键词 空气质量 PM2.5预测 灰色关联度 循环神经网络 LSTM
下载PDF
基于小波包分解与循环神经网络的综合能源系统短期负荷预测 被引量：54
10
作者 朱刘柱 王绪利 +2 位作者 马静 陈庆会 齐先军 《电力建设》 北大核心 2020年第12期133-140,共8页
文章提出了基于小波包分解(wavelet packet decomposition,WPD)与循环神经网络的电冷热综合能源短期负荷预测方法。利用能够突出负荷细节特征的小波包对电冷热负荷进行频段分解,分析每一频段中电冷热负荷的互相关性。为体现每一频段中... 文章提出了基于小波包分解(wavelet packet decomposition,WPD)与循环神经网络的电冷热综合能源短期负荷预测方法。利用能够突出负荷细节特征的小波包对电冷热负荷进行频段分解,分析每一频段中电冷热负荷的互相关性。为体现每一频段中电冷热负荷的互相关性对预测结果的影响,将频段中互相关性较强的负荷类型放入同一处理负荷自相关性的循环神经网络模型中进行预测;频段中互相关性较弱的负荷类型则单独进行预测。与直接将电冷热负荷放入同一个循环神经网络进行预测相比,以及与将电冷热负荷通过同一个反向传播神经网络进行预测相比,所提方法考虑了综合能源在不同频段内电冷热负荷的互相关性和电冷热负荷本身的自相关性,能够有效降低负荷预测的平均绝对百分比误差。 展开更多
关键词 综合能源系统 负荷预测 相关性分析 小波包分解(WPD) 循环神经网络
原文传递
深度学习理论及其在电机故障诊断中的研究现状与展望 被引量：53
11
作者 丁石川 厉雪衣 +2 位作者 杭俊 王尹江 王群京 《电力系统保护与控制》 EI CSCD 北大核心 2020年第8期172-188,共17页
电机已经被广泛应用到人们生产生活的各个领域中,电机的故障不但会对电机本身会造成损害,甚至会引发经济损失、人员伤亡等各种问题。因此,将及时且高效的故障诊断技术应用于电机有着重要意义。相比较传统故障诊断技术而言,深度学习因其... 电机已经被广泛应用到人们生产生活的各个领域中,电机的故障不但会对电机本身会造成损害,甚至会引发经济损失、人员伤亡等各种问题。因此,将及时且高效的故障诊断技术应用于电机有着重要意义。相比较传统故障诊断技术而言,深度学习因其更强大更复杂的数据表达能力,已被应用于电机故障诊断领域,并取得了一定的研究成果。因此,介绍了深度置信网络(DBN)、自编码网络(AE)、卷积神经网络(CNN)和循环神经网络(RNN)这四类经典的深度学习模型,并总结了这四类模型在电机故障诊断中的应用。最后对深度学习在电机故障诊断领域中所面临的问题和挑战进行了总结和展望。 展开更多
关键词 电机 故障诊断 深度学习 深度置信网络 自编码网络 卷积神经网络 循环神经网络
下载PDF
基于循环神经网络的盾构隧道引发地面最大沉降预测 被引量：53
12
作者 李洛宾 龚晓南 +2 位作者 甘晓露 程康 侯永茂 《土木工程学报》 EI CSCD 北大核心 2020年第S01期13-19,共7页
伴随着计算机技术的快速发展,机器学习等新兴算法正在被越来越多地运用于预测隧道掘进引发的地面最大沉降。在隧道施工过程中,由盾构机和地面监测点位采集的数据具有很强的序列化特征,而传统的机器学习算法对序列数据的处理存在一定的... 伴随着计算机技术的快速发展,机器学习等新兴算法正在被越来越多地运用于预测隧道掘进引发的地面最大沉降。在隧道施工过程中,由盾构机和地面监测点位采集的数据具有很强的序列化特征,而传统的机器学习算法对序列数据的处理存在一定的局限性。循环神经网络(RNN)具有极强的对时序型数据的处理能力,在视频识别、语音翻译等领域有着广泛的应用。采用两种RNN模型(LSTM、GRU)和传统的BP神经网络模型,以地质参数、几何参数和盾构机参数作为输入,对隧道施工过程中引发的地面最大沉降进行预测分析。结果显示,RNN对隧道沉降的预测结果优于传统的BP神经网络模型,并且RNN在连续未知区段的预测结果比BPNN更加稳定。 展开更多
关键词 沉降预测 盾构隧道 循环神经网络 机器学习
下载PDF
基于强化学习和组合式深度学习模型的超短期光伏功率预测 被引量：52
13
作者 孟安波 许炫淙 +3 位作者 陈嘉铭 王陈恩 周天民 殷豪 《电网技术》 EI CSCD 北大核心 2021年第12期4721-4728,共8页
超短期光伏功率预测对光伏并网系统的安全运行有着重要意义。针对传统单一预测模型在进行光伏功率预测时受到功率随机波动性的影响导致预测精度往往不理想的问题,提出了组合式深度学习预测模型。首先,采用小波包分解对原始光伏功率序列... 超短期光伏功率预测对光伏并网系统的安全运行有着重要意义。针对传统单一预测模型在进行光伏功率预测时受到功率随机波动性的影响导致预测精度往往不理想的问题,提出了组合式深度学习预测模型。首先,采用小波包分解对原始光伏功率序列进行分解,初步降低了原始光伏功率的非稳定性。其次,在此基础上分别采用长短时记忆网络、门控循环单元与循环神经网络3个单一模型对光伏功率进行预测得到3个预测结果并加权组合。最后,利用强化学习的Q学习算法对组合权重进行优化,进而最大化组合模型的预测性能。以某地光伏电站实测数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性。 展开更多
关键词 光伏功率预测 长短时记忆网络 门控循环单元 循环神经网络 Q学习算法 组合模型
下载PDF
基于多时间尺度RNN的时序数据预测 被引量：51
14
作者 李洁 林永峰 《计算机应用与软件》 北大核心 2018年第7期33-37,62,共6页
时间序列数据的预测是很多领域研究的热点问题,但大多数模型都是在单一的时间尺度上进行研究。针对这一问题,基于真实的民航旅客历史出行记录,通过对数据统计处理,对旅客的出行特点以及行为规律进行了深入分析。根据其时序数据的特征建... 时间序列数据的预测是很多领域研究的热点问题,但大多数模型都是在单一的时间尺度上进行研究。针对这一问题,基于真实的民航旅客历史出行记录,通过对数据统计处理,对旅客的出行特点以及行为规律进行了深入分析。根据其时序数据的特征建立基于后向传播算法的循环神经网络(RNN)预测模型,对未来时段的日客流量进行预测。在此基础上考虑到时序数据在不同时间尺度呈现不同的变化规律,建立多时间尺度的预测模型对旅客出行的周期性和趋势性进行建模,提升预测精度。 展开更多
关键词 时间序列数据 预测模型 后向传播算法 循环神经网络 多时间尺度
下载PDF
深度学习的研究进展与发展 被引量：49
15
作者 史加荣 马媛媛 《计算机工程与应用》 CSCD 北大核心 2018年第10期1-10,共10页
深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结... 深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结构、原理和优缺点进行了详细探讨。讨论卷积神经网络、循环神经网络和深度堆叠网络等监督学习模型,分别从模型架构和工作原理来评价与分析。对深度学习的典型模型进行对比分析,将深度置信网络和卷积神经网络应用在手写体数字识别任务中,结果证实深度学习比传统的神经网络具有更好的识别性能。最后探讨深度学习未来的发展与挑战。 展开更多
关键词 深度学习 卷积神经网络 深度置信网络 自编码器 循环神经网络 深度堆叠网络
下载PDF
一种用于基于方面情感分析的深度分层网络模型 被引量：47
16
作者 刘全 梁斌 +1 位作者 徐进 周倩 《计算机学报》 EI CSCD 北大核心 2018年第12期2637-2652,共16页
近年来,基于方面情感分析已成为自然语言处理领域的研究热点之一.结合注意力机制的深度网络模型在基于方面情感分析任务中取得了令人瞩目的成功,针对以独立句子作为网络模型输入的方法无法获取句子间相互关系,以及仅使用词语层注意力机... 近年来,基于方面情感分析已成为自然语言处理领域的研究热点之一.结合注意力机制的深度网络模型在基于方面情感分析任务中取得了令人瞩目的成功,针对以独立句子作为网络模型输入的方法无法获取句子间相互关系,以及仅使用词语层注意力机制难以充分获取同一评论中句子间的相互联系等问题,提出一种结合区域卷积神经网络和分层长短期记忆网络(Regional Convolutional Neural Network-Hierarchical Long Short-Term Memory,RCNN-HLSTM)的深度分层网络模型用在基于方面情感分析任务中.该模型通过区域CNN既可以保留不同句子在评论中的时序关系也可以大大降低仅使用LSTM网络的时间代价.此外,该模型利用一个分层LSTM网络来获取待分类句子内部词语之间的相互联系,以及待分类句子和评论中其他句子之间的情感特征信息.通过词语层和句子层注意力机制能有效获取特定方面在句子中的局部特征和整个评论中的长距离依赖关系,弥补了仅使用词语层注意力机制的不足.最后在多种语言的不同领域数据集上进行实验,取得了比传统的深度网络模型、结合注意力机制的深度网络模型以及考虑句子间关系的双向分层LSTM网络模型更好的分类效果. 展开更多
关键词 深度学习 基于方面情感分析 分层模型 循环神经网络 卷积神经网络 注意力机
下载PDF
循环神经网络在雷达临近预报中的应用 被引量：47
17
作者 韩丰 龙明盛 +2 位作者 李月安 薛峰 王建民 《应用气象学报》 CSCD 北大核心 2019年第1期61-69,共9页
该文将循环神经网络(recurrent neural network,RNN)应用于雷达临近预报。使用预测循环神经网络(predictive RNN)架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记... 该文将循环神经网络(recurrent neural network,RNN)应用于雷达临近预报。使用预测循环神经网络(predictive RNN)架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元(long short-term memory,LSTM)中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数(CSI)可以提升0. 15～0.30,命中率(POD)提高0. 15～0.25,虚警率(FAR)降低0.15～0.20,该方法对反射率因子强度变化有一定预报能力。 展开更多
关键词 雷达临近预报 循环神经网络 深度学习
下载PDF
锂离子电池在不同区间下的衰退影响因素分析及任意区间的老化趋势预测 被引量：47
18
作者 孙丙香 任鹏博 +2 位作者 陈育哲 崔正韬 姜久春 《电工技术学报》 EI CSCD 北大核心 2021年第3期666-674,共9页
准确估计锂离子电池的健康状态(SOH)对于控制策略制定和运行维护至关重要。考虑到充放电区间和电压相变过程对电池老化的影响,该文针对2.75A×h 18650型号三元电池设计了11个荷电状态(SOC)区间的循环寿命测试与性能测试。根据实验结... 准确估计锂离子电池的健康状态(SOH)对于控制策略制定和运行维护至关重要。考虑到充放电区间和电压相变过程对电池老化的影响,该文针对2.75A×h 18650型号三元电池设计了11个荷电状态(SOC)区间的循环寿命测试与性能测试。根据实验结果,分别分析循环区间荷电状态(SOC)宽度、恒压充电时间、平均SOC和充电相变过程对电池老化快慢的作用机制。结合电池老化机理和实验结果,提取量化SOC区间对老化影响程度大小的特征参数。建立预测健康状态的循环神经网络(LSTM RNN)模型,用于学习电池老化对于循环次数及特征参数的长期依赖关系。分别采用误差最大值、平均绝对误差、方均根误差和方差对模型的准确性和可靠性进行分析。结果表明,该文提出的区间循环寿命模型能实现任意区间的老化趋势预测,节省测试时间和测试成本。 展开更多
关键词 锂离子电池 SOC区间 老化预测 循环神经网络
下载PDF
深度学习图像修复方法综述 被引量：45
19
作者 强振平 何丽波 +1 位作者 陈旭 徐丹 《中国图象图形学报》 CSCD 北大核心 2019年第3期447-463,共17页
目的图像修复是计算机视觉领域研究的一项重要内容,其目的是根据图像中已知内容来自动地恢复丢失的内容,在图像编辑、影视特技制作、虚拟现实及数字文化遗产保护等领域都具有广泛的应用价值。而近年来,随着深度学习在学术界和工业界的... 目的图像修复是计算机视觉领域研究的一项重要内容,其目的是根据图像中已知内容来自动地恢复丢失的内容,在图像编辑、影视特技制作、虚拟现实及数字文化遗产保护等领域都具有广泛的应用价值。而近年来,随着深度学习在学术界和工业界的广泛研究,其在图像语义提取、特征表示、图像生成等方面的应用优势日益突出,使得基于深度学习的图像修复方法的研究成为了国内外一个研究热点,得到了越来越多的关注。为了使更多研究者对基于深度学习的图像修复理论及其发展进行探索,本文对该领域研究现状进行综述。方法首先对基于深度学习图像修复方法提出的理论依据进行分析;然后对其中涉及的关键技术进行研究;总结了近年来基于深度学习的主要图像修复方法,并依据修复网络的结构对现有方法进行了分类,即分为基于卷积自编码网络结构的图像修复方法、基于生成式对抗网络结构的图像修复方法和基于循环神经网络结构的图像修复方法。结果在基于深度学习的图像修复方法中,深度学习网络的设计和训练过程中的损失函数的选择是其重要的内容,各类方法各有优缺点和其适用范围,如何提高修复结果语义的合理性、结构及细节的正确性,一直是研究者们努力的方向,基于此目的,本文通过实验分析总结了各类方法的主要特点、存在的问题、对训练样本的要求、主要应用领域及参考代码。结论基于深度学习图像修复领域的研究已经取得了一些显著进展,但目前深度学习在图像修复中的应用仍处于起步阶段,主要研究的内容也仅仅是利用待修复图像本身的图像内容信息,因此基于深度学习的图像修复仍是一个极具挑战的课题。如何设计具有普适性的修复网络,提高修复结果的准确性,还需要更加深入的研究。 展开更多
关键词 图像修复 深度学习 卷积神经网络 生成式对抗网络 循环神经网络 深度卷积自编码器网络
原文传递
基于改进SSD的交通大场景多目标检测 被引量：43
20
作者 华夏 王新晴 +2 位作者 王东 马昭烨 邵发明 《光学学报》 EI CAS CSCD 北大核心 2018年第12期213-223,共11页
现有目标检测算法在复杂大场景下多目标检测的精度和实时性难以平衡,为此,受深度神经网络卷积核形态启发,模仿了人眼视觉机理,改进了基于深度学习的目标检测框架,即单向多框检测器(SSD),提出了多目标检测框架——自适应感知SSD,将其专... 现有目标检测算法在复杂大场景下多目标检测的精度和实时性难以平衡,为此,受深度神经网络卷积核形态启发,模仿了人眼视觉机理,改进了基于深度学习的目标检测框架,即单向多框检测器(SSD),提出了多目标检测框架——自适应感知SSD,将其专用于复杂大交通场景多目标检测。设计了由多形态、彩色Gabor构成的特征卷积核库,训练筛选最优特征提取卷积核组替换原有网络的低级卷积核组,从而提高检测精度;将单图像检测框架与卷积长短期记忆网络结合,通过瓶颈-长短期记忆层提炼传播帧间的特征映射,实现网络帧级信息的时序关联,降低计算成本,从而实现对视频中受强干扰影响目标的追踪识别;同时加入自适应阈值策略,降低漏警率和虚警率。实验结果表明,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了9%～16%,平均准确率均值提高了14%～21%,多目标检测率提高了21%～36%,检测帧率达到32frame·s-1,实现了算法精度与实时性的平衡,取得较好的检测识别效果。 展开更多
关键词 机器视觉 生物视觉 深度学习 卷积神经网络 Gabor卷积核 递归神经网络
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 96 下一页 到第 页
使用帮助 返回顶部