期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积门控循环神经网络的刀具磨损状态监测
被引量：
9
1
作者
吴凤和
钟浩
+2 位作者
章钦
郭保苏
孙迎兵
《计量学报》
CSCD
北大核心
2021年第8期1034-1040,共7页
针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提...
针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。
展开更多
关键词
计量学
刀具磨损
切削力
卷积
门控
神经网络
在线监测
下载PDF
职称材料
基于深度卷积门控神经网络的高比例新能源接入配电网故障分类研究
2
作者
徐宇
杨鹏杰
李磊
《电气应用》
2023年第12期68-76,共9页
提出一种基于深度卷积门控神经网络的高比例新能源接入配电网故障分类方法。首先,通过小波包变换特征提取配电网零序电流形成时频能量谱,将序列归一化后作为模型的输入数据;其次,将深度卷积门控神经网络应用于配电网故障分类中,融合卷...
提出一种基于深度卷积门控神经网络的高比例新能源接入配电网故障分类方法。首先,通过小波包变换特征提取配电网零序电流形成时频能量谱,将序列归一化后作为模型的输入数据;其次,将深度卷积门控神经网络应用于配电网故障分类中,融合卷积神经网络和门控循环网络提取新能源配电网故障特征数据,引入注意力机制提升网络训练效率和准确度,通过Softmax分类器进行故障分类,形成高比例新能源接入配电网故障分类模型,映射输入零序电流和输出故障类别之间的关系;最后,经过仿真结果表明,所提方法对不同故障位置和不同过渡电阻具有分类速度快、准确率高的优点,在高比例新能源接入的配电网中应用前景良好。
展开更多
关键词
新能源
配电网
故障分类
深度
卷积
门控
神经网络
小波包变换
下载PDF
职称材料
基于轻量级卷积门控循环神经网络的语声增强方法
被引量：
1
3
作者
王玫
李江和
+1 位作者
宋浠瑜
刘小娟
《应用声学》
CSCD
北大核心
2023年第3期652-658,共7页
针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时...
针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时频结构特征,并且参数数量庞大,不利于网络的训练。对此,该文采用卷积核替代门控循环神经网络中的全连接结构,在对语声信号时间相关性建模的同时保留了语声信号的时频结构特征,同时降低了网络的参数数量。为充分利用先前帧的特征信息,该网络单元当前时刻的输入融合了上一时刻的输入与输出。针对网络训练过程中容易产生过拟合的问题,该文采用了线性门控机制来控制信息的传输,这缓解了网络训练过程中的过拟合问题,提高了网络的语声增强性能。实验结果表明,该文所提出的网络结构在增强后的语声感知质量、语声短时客观可懂度、分段信噪比等指标上均优于传统的网络结构。
展开更多
关键词
卷积
门控
循环
神经网络
固定时延
因果式语声增强
语声质量
语声可懂度
下载PDF
职称材料
基于混合卷积神经网络算法的风场预测研究
4
作者
石峰
刘向阳
《计算技术与自动化》
2023年第1期129-133,共5页
在农业生产中,准确的风速预报对农作物安全防范有着至关重要的作用。针对云南地区的高海拔和多山,基于卷积神经网络框架,提出了卷积长短时序分析神经网络-卷积门控循环单元神经网络(ConvLSTM-ConvGRU)混合风速预测模型。通过神经网络框...
在农业生产中,准确的风速预报对农作物安全防范有着至关重要的作用。针对云南地区的高海拔和多山,基于卷积神经网络框架,提出了卷积长短时序分析神经网络-卷积门控循环单元神经网络(ConvLSTM-ConvGRU)混合风速预测模型。通过神经网络框架的改进,有效的提高了模型对风场空间特征的提取。利用美国国家环境预报中心(NCEP)提供的再分析风速数据集,使用ConvLSTM、ConvGRU、ConvLSTM-ConvGRU混合模型分别对云南地区的风速进行。实验结果表明:ConvLSTM-ConvGRU混合风速预测模型能够有效对云南地区风场进行预测,相较于另外两个模型提高了预测准确度。
展开更多
关键词
卷积
长短时序分析
神经网络
卷积
门控
循环单元
神经网络
风速预测
时空特征
下载PDF
职称材料
题名
基于卷积门控循环神经网络的刀具磨损状态监测
被引量：
9
1
作者
吴凤和
钟浩
章钦
郭保苏
孙迎兵
机构
燕山大学机械工程学院
河北省重型智能制造装备技术创新中心
出处
《计量学报》
CSCD
北大核心
2021年第8期1034-1040,共7页
基金
国家重点研发计划(2016YFC0802900)
国家自然科学基金青年科学基金(51605422)
+2 种基金
河北省自然科学基金(E2017203372,E2017203156)
2018年河北省专业学位教学案例(库)建设项目(KCJSZ2018023)
河北省教育厅在读研究生创新能力培养资助项目(CXZZSS2019038)。
文摘
针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。
关键词
计量学
刀具磨损
切削力
卷积
门控
神经网络
在线监测
Keywords
metrology
tool wear
cutting force
convolution gated recurrent neural network
online monitoring
分类号
TB931 [一般工业技术—计量学]
下载PDF
职称材料
题名
基于深度卷积门控神经网络的高比例新能源接入配电网故障分类研究
2
作者
徐宇
杨鹏杰
李磊
机构
云南电网有限责任公司昆明供电局
出处
《电气应用》
2023年第12期68-76,共9页
基金
云南电网有限责任公司科技项目(0501002022030101DL00014)。
文摘
提出一种基于深度卷积门控神经网络的高比例新能源接入配电网故障分类方法。首先,通过小波包变换特征提取配电网零序电流形成时频能量谱,将序列归一化后作为模型的输入数据;其次,将深度卷积门控神经网络应用于配电网故障分类中,融合卷积神经网络和门控循环网络提取新能源配电网故障特征数据,引入注意力机制提升网络训练效率和准确度,通过Softmax分类器进行故障分类,形成高比例新能源接入配电网故障分类模型,映射输入零序电流和输出故障类别之间的关系;最后,经过仿真结果表明,所提方法对不同故障位置和不同过渡电阻具有分类速度快、准确率高的优点,在高比例新能源接入的配电网中应用前景良好。
关键词
新能源
配电网
故障分类
深度
卷积
门控
神经网络
小波包变换
Keywords
new energy
distribution network
fault classification
deep convolutional gated neural network
wavelet packet transform
分类号
TM73 [电气工程—电力系统及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于轻量级卷积门控循环神经网络的语声增强方法
被引量：
1
3
作者
王玫
李江和
宋浠瑜
刘小娟
机构
桂林理工大学信息科学与工程学院
桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室
出处
《应用声学》
CSCD
北大核心
2023年第3期652-658,共7页
基金
国家自然科学基金项目(62071135)
广西自然科学基金项目(2019GXNSFBA245103)
认知无线电与信息处理教育部重点实验室基金项目(CRKL200111)。
文摘
针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时频结构特征,并且参数数量庞大,不利于网络的训练。对此,该文采用卷积核替代门控循环神经网络中的全连接结构,在对语声信号时间相关性建模的同时保留了语声信号的时频结构特征,同时降低了网络的参数数量。为充分利用先前帧的特征信息,该网络单元当前时刻的输入融合了上一时刻的输入与输出。针对网络训练过程中容易产生过拟合的问题,该文采用了线性门控机制来控制信息的传输,这缓解了网络训练过程中的过拟合问题,提高了网络的语声增强性能。实验结果表明,该文所提出的网络结构在增强后的语声感知质量、语声短时客观可懂度、分段信噪比等指标上均优于传统的网络结构。
关键词
卷积
门控
循环
神经网络
固定时延
因果式语声增强
语声质量
语声可懂度
Keywords
Convolution gated recurrent neural network
Fixed delay
Causal speech enhancement
Speech perceptual quality
Speech objective intelligibility
分类号
TN912 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于混合卷积神经网络算法的风场预测研究
4
作者
石峰
刘向阳
机构
河海大学理学院
出处
《计算技术与自动化》
2023年第1期129-133,共5页
基金
云南省重大科技专项计划项目(202002AE090010)。
文摘
在农业生产中,准确的风速预报对农作物安全防范有着至关重要的作用。针对云南地区的高海拔和多山,基于卷积神经网络框架,提出了卷积长短时序分析神经网络-卷积门控循环单元神经网络(ConvLSTM-ConvGRU)混合风速预测模型。通过神经网络框架的改进,有效的提高了模型对风场空间特征的提取。利用美国国家环境预报中心(NCEP)提供的再分析风速数据集,使用ConvLSTM、ConvGRU、ConvLSTM-ConvGRU混合模型分别对云南地区的风速进行。实验结果表明:ConvLSTM-ConvGRU混合风速预测模型能够有效对云南地区风场进行预测,相较于另外两个模型提高了预测准确度。
关键词
卷积
长短时序分析
神经网络
卷积
门控
循环单元
神经网络
风速预测
时空特征
Keywords
ConvLSTM
ConvGRU
wind speed prediction
space-time features
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积门控循环神经网络的刀具磨损状态监测
吴凤和
钟浩
章钦
郭保苏
孙迎兵
《计量学报》
CSCD
北大核心
2021
9
下载PDF
职称材料
2
基于深度卷积门控神经网络的高比例新能源接入配电网故障分类研究
徐宇
杨鹏杰
李磊
《电气应用》
2023
0
下载PDF
职称材料
3
基于轻量级卷积门控循环神经网络的语声增强方法
王玫
李江和
宋浠瑜
刘小娟
《应用声学》
CSCD
北大核心
2023
1
下载PDF
职称材料
4
基于混合卷积神经网络算法的风场预测研究
石峰
刘向阳
《计算技术与自动化》
2023
0
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
