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168篇文章
< 1 2 … 9 >
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：
基于深度学习的台区线损分析方法 被引量：53
1
作者 钟小强 陈杰 +1 位作者 蒋敏敏 郑晓晖 《电网技术》 EI CSCD 北大核心 2020年第2期769-774,共6页
该文提出了一种基于深度学习技术的台区线损分析方法。首先,构建了基于门控循环单元的多层网络结构。然后,结合多个维度的台区电气特征参数作为输入进行训练,获得了相应的深度学习线损率计算模型。最后,基于若干小区的实测数据,验证了... 该文提出了一种基于深度学习技术的台区线损分析方法。首先,构建了基于门控循环单元的多层网络结构。然后,结合多个维度的台区电气特征参数作为输入进行训练,获得了相应的深度学习线损率计算模型。最后,基于若干小区的实测数据,验证了所提方法的有效性。实验结果表明,与已有文献中采用反向传播(back propagation,BP)神经网络预测方法相比,所提方法具有更优的线损预测精度和计算效率,可以分别获得10.7%和25.5%的性能提升。 展开更多
关键词 深度学习网络 门控循环单元 预测模型 台区线损计算
下载PDF
非负约束自动编码器在电缆早期故障识别中的应用 被引量：24
2
作者 邵宝珠 李胜辉 +2 位作者 白雪 黄旭龙 杨晓梅 《电力系统保护与控制》 EI CSCD 北大核心 2019年第2期16-23,共8页
电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE... 电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE)堆叠形成的深度学习(Deep learning, DL)网络应用于电缆早期故障识别中。为了提高DL网络的学习效率,首先对故障相电流进行平稳小波变换,提取出一些具有相关性、冗余性的统计量、能量熵和信息熵等作为初级特征,其次堆叠多个NCAE构建出DL网络,通过预训练和微调机制,从初级特征中获得更易于早期故障分类识别的有效特征,最后利用Softmax分类器从正常状态和其他扰动信号中识别出早期故障。利用电缆电流仿真数据进行实验,结果表明与传统模式识别方法相比,所提方法识别准确率更高。 展开更多
关键词 电缆早期故障识别 SWT变换 非负约束自动编码器 深度学习网络
下载PDF
一种基于深度学习的多聚焦图像融合算法 被引量：20
3
作者 陈清江 李毅 柴昱洲 《激光与光电子学进展》 CSCD 北大核心 2018年第7期240-248,共9页
针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正... 针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正了误判图像块,并细分、修复了融合后的图像聚焦与散焦分界区域,得到了融合图像;选取6组多聚焦图像验证了本文算法的有效性。实验结果表明:与其他算法相比,运用本文算法进行图像融合,能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。 展开更多
关键词 图像处理 多聚焦图像融合 深度学习网络 矫正矩阵 图像块分类 边界修复
原文传递
基于改进SAE-SOFTMAX的模拟电路故障诊断方法 被引量：17
4
作者 袁莉芬 宁暑光 +2 位作者 何怡刚 张朝龙 吕密 《电子测量与仪器学报》 CSCD 北大核心 2018年第7期36-45,共10页
针对传统神经网络存在层次太少以及梯度扩散问题,导致基于传统神经网络的模拟电路故障诊断效果不佳,提出一种基于堆叠自动编码器-柔性最大值分类器(SAE-SOFTMAX)的模拟电路故障诊断方法。通过搭建深层次SAE和SOFTMAX分类器的深度学习框... 针对传统神经网络存在层次太少以及梯度扩散问题,导致基于传统神经网络的模拟电路故障诊断效果不佳,提出一种基于堆叠自动编码器-柔性最大值分类器(SAE-SOFTMAX)的模拟电路故障诊断方法。通过搭建深层次SAE和SOFTMAX分类器的深度学习框架,利用预训练与微调的方法完成整体网络的训练。为提高网络泛化能力,使用Dropout技术对网络加以改进优化,以此提取电子电路的底层稀疏特征并完成故障模式的自动识别分类。实例研究同时给出了几种传统神经网络的诊断效果作为对比实验。实验结果说明,所提方法诊断效果与相关评价参数性能优于传统神经网络。最终得到结论,基于改进SAESOFTMAX网络架构与分层训练机制的电子电路故障诊断方法,其整体性能有所提高诊断效果更好,优于传统的神经网络故障诊断方法。 展开更多
关键词 模拟电路 故障诊断 改进堆叠自动编码器 柔性最大值分类器 深度学习
下载PDF
基于边缘嵌入深度学习的非侵入式负荷分解方法 被引量：16
5
作者 刘耀先 孙毅 +1 位作者 李彬 黄婷 《电网技术》 EI CSCD 北大核心 2019年第12期4329-4336,共8页
随着国家电网提出了"三型两网、世界一流"的战略目标,用户内部设备负荷信息的感知与获取在泛在电力物联网建设、推进过程中具有至关重要的地位,而非侵入式负荷分解技术使深度挖掘用户内部数据、获取家庭设备负荷信息成为可能... 随着国家电网提出了"三型两网、世界一流"的战略目标,用户内部设备负荷信息的感知与获取在泛在电力物联网建设、推进过程中具有至关重要的地位,而非侵入式负荷分解技术使深度挖掘用户内部数据、获取家庭设备负荷信息成为可能,也是电网提升用户信息价值的必要前提。为此,首先通过改进的迭代K-Medoids算法,提高电器设备负荷聚类结果的稳定性与实用性,并将设备状态信息输入隐马尔可夫模型(hidden Markov model,HMM)生成模型训练数据。之后构建了一种基于多序列到点与时间信息编码的深度学习网络,利用双向门控循环单元网络挖掘分解时间点与前多序列之间的时间关联特征,联结时间标记编码特征,输入全连通网络进行特征解码实现深度学习网络模型的训练,挖掘家庭设备状态与负荷时间信息间的深层潜在关系。训练得到的深度学习网络模型嵌入至边缘节点中实现用户终端的本地化负荷分解。最后,利用真实公开数据集Ampds对所提方法的有效性进行了验证,结果表明基于边缘嵌入深度学习的非侵入式负荷分解方法与现有负荷分解方法相比具有明显优越性。 展开更多
关键词 非侵入式负荷分解 电器状态提取 边缘嵌入 深度学习网络 多序列到点
下载PDF
基于深度学习和迁移学习的公共楼宇非侵入式负荷分解 被引量：15
6
作者 杨秀 吴吉海 +3 位作者 孙改平 田英杰 王皓靖 李安 《电网技术》 EI CSCD 北大核心 2022年第3期1160-1168,共9页
建筑与工业、交通并列成为我国三大"耗能大户",公共楼宇能耗巨大但节能潜力不可估量,监测其负荷特征挖掘节能潜力应用前景广阔。非侵入式负荷监测与分解作为大数据环境下面向智能电网配电侧的一种高级应用,可通过电力端口信... 建筑与工业、交通并列成为我国三大"耗能大户",公共楼宇能耗巨大但节能潜力不可估量,监测其负荷特征挖掘节能潜力应用前景广阔。非侵入式负荷监测与分解作为大数据环境下面向智能电网配电侧的一种高级应用,可通过电力端口信息挖掘用户用电行为,但传统算法主要针对家庭用户,且存在功率跟踪性差,训练时间长等问题。为此,文章面向楼宇用户提出一种基于深度学习和迁移学习的负荷分解模型。该模型将3种神经网络:多层感知器神经网络(multi-layer perceptron neural networks,MLP)、卷积神经网络(convolutional neural network,CNN)、长短时记忆网络(long short-term memory,LSTM)模块化并联连接,并融合网络特征,通过再学习模块重新学习融合特征与结果的映射关系;针对新楼宇数据量不足的问题,将特征学习网络模块特征冻结,运用迁移学习重新训练网络,在确保模型精度的同时降低深度学习所需数据量和训练时间。最后利用真实楼宇负荷数据划分出3种应用场景,利用所提模型开展分解应用并与3种传统深度学习算法分解结果作对比,结果表明:基于深度学习和迁移学习的楼宇负荷分解模型准确率高,泛化能力强,可快速有效地实现楼宇负荷分解。 展开更多
关键词 非侵入式负荷分解 深度学习网络 迁移学习 公共楼宇
下载PDF
基于声信号分析的开关柜局部放电检测算法研究 被引量：14
7
作者 唐云辉 胡曦琳 《电子器件》 CAS 北大核心 2018年第3期644-648,共5页
有效检测高压开关柜故障是影响电网安全的因素之一。早期基于超声波检测的方法,存在设备昂贵,有效检测范围小的问题。为此,提出一种基于语谱特征的开关柜局部放电检测算法。算法首先计算放电声信号的语谱图,然后计算其2阶归一化中心矩;... 有效检测高压开关柜故障是影响电网安全的因素之一。早期基于超声波检测的方法,存在设备昂贵,有效检测范围小的问题。为此,提出一种基于语谱特征的开关柜局部放电检测算法。算法首先计算放电声信号的语谱图,然后计算其2阶归一化中心矩;并以此为特征,构建自编码深度学习网络,并通过稀疏化处理提高模型的识别能力。在开关柜局部放电检测实验中,所提的语谱特征有助于改善故障检测效率。相比于基于美尔倒谱特征的算法,放电检测识别率提高2.5%。结合深度学习网络算法后,识别率能达到99.8%。 展开更多
关键词 局部放电 语谱图 深度学习网络 美尔倒谱特征
下载PDF
基于灰狼算法优化深度学习网络的网络流量预测 被引量：12
8
作者 张志宏 刘传领 《吉林大学学报（理学版）》 CAS 北大核心 2021年第3期619-626,共8页
针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引... 针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引入灰狼算法快速搜索到全局最优深度学习网络的相关参数,并根据最优参数对预处理后的网络流量历史数据进行学习,建立能挖掘网络流量历史数据变化规律的预测模型;最后,与其他算法优化深度学习网络的网络流量预测模型进行对比分析.实验结果表明,基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%,远高于其他对比模型,且预测建模过程的建模时间少于对比模型,可满足网络流量管理的高精度和实时性要求. 展开更多
关键词 现代网络 改进灰狼算法 相空间重构 历史样本数据 深度学习网络 全局最优参数
下载PDF
基于轻量化VGG16和BCBAM的电力设备故障红外图像诊断识别 被引量：10
9
作者 于晓 庄光耀 《河南科技学院学报（自然科学版）》 2023年第6期60-69,共10页
由于电力设备的各种缺陷会影响电网的正常运转,严重的缺陷甚至会给生产和生活带来重大损失,因此快速准确地识别电力设备故障具有重要意义.红外图像特征对具有发热特征的电力设备缺陷具有较好的表达能力.使用基于深度学习算法的缺陷目标... 由于电力设备的各种缺陷会影响电网的正常运转,严重的缺陷甚至会给生产和生活带来重大损失,因此快速准确地识别电力设备故障具有重要意义.红外图像特征对具有发热特征的电力设备缺陷具有较好的表达能力.使用基于深度学习算法的缺陷目标识别时,借助CNN网络可以提高缺陷故障特征的学习和提取能力,从而具有更好的泛化性能.据此,研究提出了基于改进VGG模型的故障诊断识别算法,算法通过优化全连接层,减少网络的计算量,同时将BCBAM注意力机制嵌套到网络模型中,从而提高算法故障诊断识别准确率.实验数据表明,该模型具有准确的故障识别能力,在准确率评价指标上优于Faster-RCNN、Resnet50以及传统VGG16等模型,从而验证了算法诊断识别故障的准确度. 展开更多
关键词 故障识别 深度学习网络 轻量化VGG模型 注意力机制
下载PDF
基于深度学习网络的风电场功率短期预测研究 被引量：10
10
作者 潘志刚 刘三明 +2 位作者 李莹 朱晓伟 杨阳 《科技与创新》 2015年第19期4-6,共3页
对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度。以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法。首先对数值天气预报(Numerica... 对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度。以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法。首先对数值天气预报(Numerical Weather Prediction,NWP)数据和风电场数据进行分析处理,然后基于深度学习网络建立数值天气预报数据的校正模型,并仿真该模型,将计算得到校正后的数值天气预报数据作为功率输出模型的输入参数,最后基于深度学习网络建立考虑风速、风向、温度、气压和历史功率的风机功率输出模型,并仿真该模型,预测24 h内各风机的有功输出情况。预测过程和结果显示,基于深度学习网络的智能功率预测模型能够提高短期功率预测的精度,且基于深度学习网络的数值天气预报校正能有效修正模型的输入误差。 展开更多
关键词 风电场 数值天气预报 功率预测 深度学习网
下载PDF
电缆终端红外图像过热区域提取方法 被引量：7
11
作者 夏湛然 杨斌 +3 位作者 郭浩然 徐小冰 周文俊 周承科 《电力科学与技术学报》 CAS 北大核心 2022年第2期12-21,共10页
红外图像中异常发热区域的准确提取是实现电气设备热状态智能诊断的重要前提。针对电缆终端,本文提出一种红外图像过热区域提取方法。首先,利用基于最大后验概率估计的自适应小波阈值去噪方法滤除噪声,改善图像质量;然后,通过深度学习... 红外图像中异常发热区域的准确提取是实现电气设备热状态智能诊断的重要前提。针对电缆终端,本文提出一种红外图像过热区域提取方法。首先,利用基于最大后验概率估计的自适应小波阈值去噪方法滤除噪声,改善图像质量;然后,通过深度学习网络在图像中识别并定位出电缆终端,滤除干扰信息;最后,利用均值漂移算法实现像素点聚类,基于聚类结果提取出异常发热区域。以巡检拍摄的电缆终端红外图像作为测试样本,结果表明,该方法适用于不同拍摄背景以及不同拍摄角度的红外图像,在识别并定位出电缆终端后,能够准确提取其过热区域,且相较于现有的一些方法,所提方法的效率和准确率均更高。 展开更多
关键词 电缆终端 红外图像 深度学习网络 均值漂移算法 过热区域
下载PDF
基于深度学习网络的物联网非法入侵识别研究 被引量：7
12
作者 张娅 《微电子学与计算机》 北大核心 2020年第6期75-78,共4页
为了获得理想的物联网非法入侵自动识别结果,提出基于深度学习网络的物联网非法入侵自动识别方法.首先采用物联网非法入侵的数据,并从中提取数据的异常入侵行为特征,然后将特征作为深度学习网络的输入,物联网非法入侵类型为作为输出,通... 为了获得理想的物联网非法入侵自动识别结果,提出基于深度学习网络的物联网非法入侵自动识别方法.首先采用物联网非法入侵的数据,并从中提取数据的异常入侵行为特征,然后将特征作为深度学习网络的输入,物联网非法入侵类型为作为输出,通过深度学习网络的训练建立物联网非法入侵识别分类器,最后与其它方法进行了物联网非法入侵识别仿真实验,结果表明,深度学习网络获得了高精度的物联网入侵行为识别结果,能够有效保证物联网安全,具有一定的实际应用价值. 展开更多
关键词 深度学习网络 物联网案例 非法入侵 行为识别 特征向量
下载PDF
基于特征学习的无线传感网络入侵行为检测方法 被引量：2
13
作者 程卓 《现代传输》 2024年第1期76-79,共4页
传统的机器学习算法在无线传感网络入侵行为检测中应用效果不理想,Recall(召全率)和F1-score(召全率与精准率的调和平均数)较低,针对现行方法存在的不足和缺陷,提出基于特征学习的无线传感网络入侵行为检测方法。利用时间戳马尔可夫模... 传统的机器学习算法在无线传感网络入侵行为检测中应用效果不理想,Recall(召全率)和F1-score(召全率与精准率的调和平均数)较低,针对现行方法存在的不足和缺陷,提出基于特征学习的无线传感网络入侵行为检测方法。利用时间戳马尔可夫模型对无线传感网络进行分段,实现对网络入侵数据局部特征编码,利用深度学习网络,学习网络入侵行为特征,对网络数据标签进行数值化和归一化处理,根据入侵特征对网络行为进行分类,识别检测入侵行为,以此实现基于特征学习的无线传感网络入侵行为检测。经实验证明,设计方法Recal在95%以上,F1-score在90%以上,检测精度较高,在无线传感网络入侵行为检测方面具有良好的应用前景。 展开更多
关键词 特征学习 无线传感网络 入侵行为 检测 时间戳马尔可夫模型 深度学习网络
下载PDF
SwinEA:融合边缘感知的医学图像分割网络 被引量：2
14
作者 叶晋豫 李娇 +2 位作者 邓红霞 张瑞欣 李海芳 《计算机工程与设计》 北大核心 2024年第4期1149-1156,共8页
基于卷积神经网络的方法在医学图像分割任务中取得了显著成果,但该方法固有的归纳偏置使其不能很好地学习全局和长距离的语义信息交互,而Transformer的优势是关注全局信息,两者可以优势互补。因此提出一种针对分割边缘利用Swin Transfor... 基于卷积神经网络的方法在医学图像分割任务中取得了显著成果,但该方法固有的归纳偏置使其不能很好地学习全局和长距离的语义信息交互,而Transformer的优势是关注全局信息,两者可以优势互补。因此提出一种针对分割边缘利用Swin Transformer融合边缘感知的医学图像分割网络。设计基于上下文金字塔的边缘感知模块,用于融合全局的多尺度的上下文信息,针对边缘和角落等局部特征,利用浅层深度主干的特征产生丰富的边缘特征,因此提出的边缘感知模块可以尽可能多地产生边缘特征。在腹部多器官分割任务和心脏分割数据集的实验结果表明,该方法在各项指标中都有所提高。 展开更多
关键词 医学图像分割 移动窗口变形器 多头自注意力 边缘感知模块 上下文金字塔 多尺度特征 深度学习网络
下载PDF
改进深度学习优化电力设备缺陷图像识别 被引量：6
15
作者 于彦良 李静力 王斌 《机械设计与制造》 北大核心 2021年第7期176-178,183,共4页
红外图像特征对具有发热特征的电力特设缺陷具有较好的表达能力,随着电力企业设备红外图像的积累,传统检测方法遇到效率和准确率瓶颈,为此,提出了基于改进Faster RCNN的缺陷识别算法,算法通过模型中RPN网络卷积核的优化,减少RPN网络的... 红外图像特征对具有发热特征的电力特设缺陷具有较好的表达能力,随着电力企业设备红外图像的积累,传统检测方法遇到效率和准确率瓶颈,为此,提出了基于改进Faster RCNN的缺陷识别算法,算法通过模型中RPN网络卷积核的优化,减少RPN网络的计算量,通过多分辨率特征融合提高网络对缺陷特征语义信息和细节定位信息的应用,最后通过自适应训练数据抽样提高正负训练样本抽取的有效性,从而提高算法缺陷识别准确率。实测数据实验表明,改进模型的目标函数可以在较少的迭代次数下实现稳定实收,在准确率、召回率和运行时间等评价指标上优于传统Faster RCNN模型、SIFT算子模型等已有模型,从而验证了算法的有效性和对不同背景干扰的有效性。 展开更多
关键词 电力设备缺陷识别 深度学习网络 改进Faster RCNN模型 多分辨率特征融合
下载PDF
基于深度学习网络的地震地质灾害识别研究——以四川九寨沟7.0级地震为例 被引量：6
16
作者 肖本夫 吴今生 +3 位作者 毛利 顾铁 梁远玲 代友林 《震灾防御技术》 CSCD 北大核心 2021年第4期617-624,共8页
遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2... 遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F_(1)分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。 展开更多
关键词 深度学习网络 地质灾害 deepLabv3+ 图像语义分割 九寨沟7.0级地震
下载PDF
视频中多特征融合人体姿态跟踪 被引量：6
17
作者 马淼 李贻斌 +2 位作者 武宪青 高金凤 潘海鹏 《中国图象图形学报》 CSCD 北大核心 2020年第7期1459-1472,共14页
目的目前已有的人体姿态跟踪算法的跟踪精度仍有待提高,特别是对灵活运动的手臂部位的跟踪。为提高人体姿态的跟踪精度,本文首次提出一种将视觉时空信息与深度学习网络相结合的人体姿态跟踪方法。方法在人体姿态跟踪过程中,利用视频时... 目的目前已有的人体姿态跟踪算法的跟踪精度仍有待提高,特别是对灵活运动的手臂部位的跟踪。为提高人体姿态的跟踪精度,本文首次提出一种将视觉时空信息与深度学习网络相结合的人体姿态跟踪方法。方法在人体姿态跟踪过程中,利用视频时间信息计算出人体目标区域的运动信息,使用运动信息对人体部位姿态模型在帧间传递;考虑到基于图像空间特征的方法对形态较为固定的人体部位如躯干和头部能够较好地检测,而对手臂的检测效果较差,构造并训练一种轻量级的深度学习网络,用于生成人体手臂部位的附加候选样本;利用深度学习网络生成手臂特征一致性概率图,与视频空间信息结合计算得到最优部位姿态,并将各部位重组为完整人体姿态跟踪结果。结果使用两个具有挑战性的人体姿态跟踪数据集Video Pose2.0和You Tube Pose对本文算法进行验证,得到的手臂关节点平均跟踪精度分别为81.4%和84.5%,与现有方法相比有明显提高;此外,通过在VideoPose2.0数据集上的实验,验证了本文提出的对下臂附加采样的算法和手臂特征一致性计算的算法能够有效提高人体姿态关节点的跟踪精度。结论提出的结合时空信息与深度学习网络的人体姿态跟踪方法能够有效提高人体姿态跟踪的精度,特别是对灵活运动的人体姿态下臂关节点的跟踪精度有显著提高。 展开更多
关键词 人体姿态跟踪 视觉目标跟踪 人机交互 深度学习网络 关节点概率图
原文传递
融合神经网络和优化算法的网络安全态势评估及预测模型研究 被引量：1
18
作者 刘峰 《微型电脑应用》 2024年第3期19-22,共4页
针对网络安全防护,提出一种融合神经网络与优化算法的态势评估模型。利用深度神经网络进行网络态势评估模型构建,并通过长短时记忆构建网络态势预测模型,利用遗传算法实现模型参数调优。结果表明,评估模型的平均误差率相比于浅层神经网... 针对网络安全防护,提出一种融合神经网络与优化算法的态势评估模型。利用深度神经网络进行网络态势评估模型构建,并通过长短时记忆构建网络态势预测模型,利用遗传算法实现模型参数调优。结果表明,评估模型的平均误差率相比于浅层神经网络模型降低了3.88%。因此,研究设计的基于优化深层神经网络与长短时记忆网络的态势感知模型,具有较好的评估预测性能。 展开更多
关键词 网络态势 深度学习网络 长短时记忆 遗传算法 评估预测
下载PDF
深度学习驱动的液滴微流控单细胞分选系统 被引量：1
19
作者 范甜甜 侯森 +1 位作者 陈冰 杨潇楠 《微纳电子技术》 CAS 2024年第4期128-136,共9页
单细胞操作和分析对于研究许多基本生物学过程和揭示细胞异质性至关重要,并且在生物医学领域具有巨大的应用潜力。液滴微流控技术在单细胞分析方面具有显著优势。研制了一种深度学习驱动的液滴微流控单细胞分选系统,主要以液滴内所包含... 单细胞操作和分析对于研究许多基本生物学过程和揭示细胞异质性至关重要,并且在生物医学领域具有巨大的应用潜力。液滴微流控技术在单细胞分析方面具有显著优势。研制了一种深度学习驱动的液滴微流控单细胞分选系统,主要以液滴内所包含的生物样本种类以及数量作为标准分选目标液滴。根据实验需求制作好相应生物样本的数据集,在服务器上训练好对应的网络模型,并将该网络模型转移到NVIDIA Jetson TX2开发板上,利用该网络模型对实验过程中拍摄到的液滴图像进行实时检测判断,最后根据算法对包含特定物质的液滴进行分选,从而得到目标液滴。此方法能够有效地判断并分选出液滴内图像特征有差异的不同生物样本,可以实现对包含单个及2个细胞液滴的分选。该研究为液滴微流控单细胞分选技术在生物学和医学等领域的广泛应用提供了支撑。 展开更多
关键词 单细胞分析 液滴微流控 深度学习网络 图像识别 液滴分选
下载PDF
一种SAR图像干扰效果智能评估方法 被引量：5
20
作者 刘佳伟 达通航 +2 位作者 孙金龙 王松 张文斌 《舰船电子对抗》 2020年第4期78-82,共5页
合成孔径雷达(SAR)在军事侦察领域的应用日益频繁,寻找高效实用的对合成孔径雷达的干扰方法是电子对抗领域研究的重点。为了对多种干扰样式及干扰样式在不同情况下所发挥的干扰效果进行科学定量的评估,构建基于卷积神经网络的深度学习方... 合成孔径雷达(SAR)在军事侦察领域的应用日益频繁,寻找高效实用的对合成孔径雷达的干扰方法是电子对抗领域研究的重点。为了对多种干扰样式及干扰样式在不同情况下所发挥的干扰效果进行科学定量的评估,构建基于卷积神经网络的深度学习方法,编制高效准确的SAR图像训练数据集。训练好的神经网络具备了对SAR图像的目标识别能力进而用于干扰效果评估工作,可以获得接近人工判别的评估效率。提出了一种针对欺骗和压制的干扰效果评价公式,为不同干扰样式间的定量评估提供了可行办法。仿真验证结果表明,此结构的神经网络具备较好的SAR图像目标识别能力,提出的干扰效果评价公式可以高效快速地完成干扰效果的定量评价工作。 展开更多
关键词 合成孔径雷达 深度学习网络 干扰效果 智能评估方法
下载PDF
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 … 9 下一页 到第 页
使用帮助 返回顶部