基于深度学习技术的入侵检测模型研究

1

作者 崔志青 王海珍 《信息与电脑》 2023年第5期155-157,共3页

随着无线局域网的广泛应用,海量的网络流量数据产生了大量的冗余特征,影响了网络入侵检测效果,给无线局域网带来安全问题,因此提出一种基于深度学习技术的入侵检测模型。一方面,该模型使用堆叠稀疏自动编码器(Stacked Sparse Auto-Encod... 随着无线局域网的广泛应用,海量的网络流量数据产生了大量的冗余特征,影响了网络入侵检测效果,给无线局域网带来安全问题,因此提出一种基于深度学习技术的入侵检测模型。一方面,该模型使用堆叠稀疏自动编码器(Stacked Sparse Auto-Encoder,SSAE)和正则项提取特征,避免了模型过拟合和特征提取不完整的问题。另一方面,使用一维残差网络(Residual Networks,ResNets)进行网络流量分类,以AWID-CLS-R数据集为例进行实验。结果表明,多数分类检测准确率大于0.8,且模型运行稳定。 展开更多

关键词 入侵检测 堆叠稀疏自动编码器(SSAE) 残差网络(resnets)

下载PDF 职称材料

基于ResNet-BLSTM的端到端语音识别 被引量：9

2

作者 胡章芳 徐轩 +2 位作者 付亚芹 夏志广 马苏东 《计算机工程与应用》 CSCD 北大核心 2020年第18期124-130,共7页

基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语... 基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语谱图作为输入,同时在残差网络中设计并行卷积层,提取不同尺度的特征,然后进行特征融合,最后采用连接时序分类方法进行分类,实现一个端到端的语音识别模型。实验结果表明,该模型在Aishell-1语音集上字错误率相较于传统端到端模型的WER下降2.52%,且鲁棒性较好。 展开更多

关键词 残差网络(resnet) 双向长短时记忆网络(BLSTM) 并行卷积层 连接时序分类

下载PDF 职称材料

基于ResNet-LSTM的具有注意力机制的办公人员行为视频识别 被引量：8

3

作者 张传雷 武大硕 +2 位作者 向启怀 陈佳 刘丽欣 《天津科技大学学报》 CAS 2020年第6期72-80,共9页

针对人体行为视频分析中时间域和空间域上特征提取存在的易混乱以及运算成本高的问题,提出了ResNet-LSTM-Attention网络模型结构.该网络结构将空间域和时间域的特征分开提取,对于空间维度,将单帧图像输入残差网络(ResNet)模型,提取空间... 针对人体行为视频分析中时间域和空间域上特征提取存在的易混乱以及运算成本高的问题,提出了ResNet-LSTM-Attention网络模型结构.该网络结构将空间域和时间域的特征分开提取,对于空间维度,将单帧图像输入残差网络(ResNet)模型,提取空间维度特征;对于时间维度,将多帧叠加后的空间维度特征作为输入,输入循环神经网络(LSTM)和注意力(Attention)机制的融合模型;最后将融合模型的输出经过softmax作为识别结果.将本网络模型应用到实验室采集的办公人员行为数据集上进行人体行为识别实验,并与视频分析中常用的C3D网络模型和无注意力机制的ResNet-LSTM模型进行了对比.实验结果表明,本文模型不仅有较高的识别准确率,而且训练用时和运算成本也大大降低. 展开更多

关键词 人体行为识别 视频分析 残差网络(resnet) LSTM 注意力(Attention)机制

下载PDF 职称材料

基于MDM-ResNet的脑肿瘤分类方法 被引量：5

4

作者 夏景明 邢露萍 +1 位作者 谈玲 宣大伟 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2022年第2期212-219,共8页

脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解... 脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解这些问题.因此,本文基于ResNet提出了一种MDM-ResNet网络,该网络由多尺寸卷积核模块(Multi-size convolution kernel module)、双通道池化层(Dual-channel pooling layer)和多深度融合残差块(Multi-depth fusion residual block)组成.本文实验在Figshare数据集上展开,采用数据增强操作对图像进行预处理,并利用5倍交叉验证方法对网络性能进行评估.最终实验结果表明MDM-ResNet能够对脑膜瘤(Meningioma)、胶质瘤(Glioma)和垂体瘤(Pituitary tumor)进行有效分类. 展开更多

关键词 脑肿瘤 深度神经网络(DNN) 残差网络(resnet) 多尺寸卷积核模块 双通道池化层 多深度融合残差块

下载PDF 职称材料

基于深度残差傅里叶神经算子方法压制地震多次波

5

作者 刘继伟 胡天跃 +5 位作者 戴晓峰 郑晓东 黄建东 焦梦瑶 于珍珍 隋京坤 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第8期3089-3108,共20页

多次波是一种较为严重影响地震成像的干扰波,如何有效压制多次波是需要关注的地震资料处理关键问题之一.本文基于傅里叶神经算子(FNO)和残差网络(ResNet),提出了基于深度残差傅里叶神经算子(DRFNO)网络的多次波压制方法.DRFNO是一种弱... 多次波是一种较为严重影响地震成像的干扰波,如何有效压制多次波是需要关注的地震资料处理关键问题之一.本文基于傅里叶神经算子(FNO)和残差网络(ResNet),提出了基于深度残差傅里叶神经算子(DRFNO)网络的多次波压制方法.DRFNO是一种弱约束模型+数据驱动的人工智能算法,包含一次波和多次波的全波场炮集为输入,其中真实一次波炮集为标签训练网络,输出为压制多次波后的一次波炮集.DRFNO的网络结构中考虑了地震波场的数据特点,结合波动方程正演模拟的物理机理,约束网络训练过程.基于传统机器学习中的激活函数设置方法,该方法通过一个用于地震数据样本与标签预处理的激活函数(SDAF),克服地震炮集数据中因同相轴能量差异导致神经网络无法训练的问题.采用两套层状介质模型和Sigsbee2B复杂模型的模拟地震数据验证了DRFNO方法多次波压制处理的有效性,抗噪性和泛化能力.最后,通过一套实际地震数据实例表明本文提出的DRFNO方法应用于压制实际复杂地震波场中多次波的良好效果. 展开更多

关键词 多次波压制 傅里叶神经算法(FNO) 残差网络(resnet) 深度残差傅里叶神经算子(DRFNO)网络 地震数据激活函数(SDAF)

下载PDF 职称材料

基于ResGCN-GRU的大气污染风险源识别 被引量：2

6

作者 祁柏林 赵娅倩 +1 位作者 魏建勋 刘首正 《计算机系统应用》 2023年第6期301-307,共7页

重污染天气是“十四五”时期大气污染治理的重点工作,在重污染天气时期对风险源进行精准识别,可以及时发出预警,做好环境污染治理,防止污染事件进一步加重.基于网格化监测技术获取的数据,本文提出一种结合残差网络(ResNet)、图卷积网络(... 重污染天气是“十四五”时期大气污染治理的重点工作,在重污染天气时期对风险源进行精准识别,可以及时发出预警,做好环境污染治理,防止污染事件进一步加重.基于网格化监测技术获取的数据,本文提出一种结合残差网络(ResNet)、图卷积网络(GCN)和门控循环网络(GRU)的深度学习模型ResGCN-GRU,该模型主要应用于重污染天气时期识别风险源.重污染天气的风险源往往都是区域性的,具有明显的时空特征,因而本文先利用GCN网络提取监测点位之间的空间特征,同时利用ResNet解决多层GCN带来的过平滑以及梯度消失问题;再利用GRU提取风险源的时间特征,最后将全连接层融合的时空特征输入到Softmax激活函数得到二分类概率值,再根据概率值得到分类结果.为验证本文提出的模型性能,本文基于沈阳市72个监测点位的数据,通过精确度、召回率以及综合评价指标对GCN、LSTM、GRU和GCN-GRU进行对比,实验结果表明ResGCN-GRU模型分类效果的精确度分别要好16.9%、4.3%、3.1%、2.9%,证明了本文提出的模型在大气风险源识别方面更加有效,可以根据风险源数据的时空特征达到对风险源的精准识别. 展开更多

关键词 风险源 图卷积网络(GCN) 门控循环网络(GRU) 残差网络(resnet) 识别 大气污染

下载PDF 职称材料

改进的SSD-ResNet算法 被引量：1

7

作者 孟婧 江平 +1 位作者 王凯 蒋鑫宇 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第3期326-332,共7页

单次多边界框检测器(single shot multibox detector,SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual... 单次多边界框检测器(single shot multibox detector,SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual network,ResNet),同时融合深浅层的特征信息来增强浅层特征图的语义信息,此外还引入注意力模块,保留更多的目标特征信息,抑制无关信息,进一步提升对小目标物体的检测效果。在PASCAL VOC2007数据集上进行实验测试,平均精度均值为80.2%,优于其他SSD改进算法。由于增加了特征融合和注意力模块,所提算法检测速度有所下降,但相比于SSD改进算法,检测速度仍有明显的优势。 展开更多

关键词 目标检测 单次多边界框检测器(SSD) 残差网络(resnet) 特征融合 注意力机制

下载PDF 职称材料

基于GWO-CMFH和改进ResNet轴承故障诊断

8

作者 欧巧凤 彭泗田 +1 位作者 李新民 熊邦书 《机床与液压》 北大核心 2023年第22期215-222,共8页

针对不同程度的小分类轴承故障,现有故障诊断方法准确率不高的问题,提出基于GWO-CMFH和改进ResNet的滚动轴承故障诊断方法。对于同一类型不同程度故障,提出基于GWO自适应优化结构元素参数的CMFH滤波方法,增强振动信号的脉冲故障特征并... 针对不同程度的小分类轴承故障,现有故障诊断方法准确率不高的问题,提出基于GWO-CMFH和改进ResNet的滚动轴承故障诊断方法。对于同一类型不同程度故障,提出基于GWO自适应优化结构元素参数的CMFH滤波方法,增强振动信号的脉冲故障特征并抑制背景噪声;采用连续小波变换将滤波后的信号转换成二维时频图谱;最后,提出基于混合注意力机制改进的残差网络模型,提高轴承故障诊断精度。在西储大学、东南大学及所选轴承数据集上进行验证实验,不同故障程度的小分类诊断准确率分别达到99.73%、98.12%和99.07%,表明所提方法具有很好的抗噪性、鲁棒性,可提高滚动轴承不同故障程度的诊断效果。 展开更多

关键词 滚动轴承故障诊断 GWO CMFH 混合注意力机制 残差网络(resnet)

下载PDF 职称材料

基于CBAM-ResNet50的民国纸币图像检索系统 被引量：2

9

作者 王佳婧 朱媛媛 +1 位作者 杜欣 王笑梅 《上海师范大学学报（自然科学版）》 2022年第4期414-419,共6页

利用残差网络(ResNet)50,结合卷积块注意力模块(CBAM)机制,提出了一种基于CBAM-ResNet50的民国纸币图像检索技术,提升了对相似纸币的检索能力.设计并实现了基于Windows和Ubuntu系统环境下的民国纸币图像检索系统,并搭建了基于Flask的We... 利用残差网络(ResNet)50,结合卷积块注意力模块(CBAM)机制,提出了一种基于CBAM-ResNet50的民国纸币图像检索技术,提升了对相似纸币的检索能力.设计并实现了基于Windows和Ubuntu系统环境下的民国纸币图像检索系统,并搭建了基于Flask的Web应用服务.所提取的民国纸币图像特征具有更强的辨识度,大幅提高了检索速度,在图形处理器(GPU)上可达毫秒级.使用缩略图搜索民国纸币图片,对相似度排名第1的图像的检索准确率可以达76.3%,相似度排名前6的图像检索准确率可以达92.5%. 展开更多

关键词 深度学习 残差网络(resnet) 民国纸币 图像检索 卷积块注意力模块(CBAM)

下载PDF 职称材料

基于改进深度残差网络的心电信号分类算法 被引量：2

10

作者 李鸿强 吴非凡 +2 位作者 曹路 张振 张美玲 《天津工业大学学报》 CAS 北大核心 2022年第5期65-72,共8页

针对不同类型心电(electrocardiogram,ECG)信号分类的不足,提出了一种基于改进深度残差网络(Resnet)的分类方法。首先对心电数据做可视化处理,使用格拉姆角场(Gramian angular fields,GAF)将一维的ECG信号转换为二维图像,然后对Resnet-5... 针对不同类型心电(electrocardiogram,ECG)信号分类的不足,提出了一种基于改进深度残差网络(Resnet)的分类方法。首先对心电数据做可视化处理,使用格拉姆角场(Gramian angular fields,GAF)将一维的ECG信号转换为二维图像,然后对Resnet-50网络模型进行改进,在网络中添加多级shortcut支路,并优化了残差块;为了进一步提高模型的表达能力,将Relu激活函数替换为SELU激活函数;最后将图像输入到改进的残差网络中进行分类,并在医院对患者的心电信号进行了实际测试。实验结果表明:该算法对7类心电信号的平均识别率达到了98.3%,相对于原始的残差网络,准确率提升了2.9%;算法诊断结果与医生诊断结果一致,从而验证了算法的有效性和实用性。 展开更多

关键词 心电(ECG)信号分类 残差网络(resnet) 格拉姆角场(GAF) 激活函数

下载PDF 职称材料

基于金字塔场景分析网络改进的语义分割算法 被引量：2

11

作者 王嘉 张楠 +1 位作者 孟凡云 王金鹤 《计算机工程与应用》 CSCD 北大核心 2021年第19期220-227,共8页

图像语义分割是图像识别中的一个经典难题,是机器视觉研究的一个热点。但在实际应用中,会出现语义标签预测不准确、所分割对象与背景之间边缘信息损失问题,这已逐渐成为了图像理解的瓶颈。据此,提出了一种基于金字塔场景分析网络(PSPNet... 图像语义分割是图像识别中的一个经典难题,是机器视觉研究的一个热点。但在实际应用中,会出现语义标签预测不准确、所分割对象与背景之间边缘信息损失问题,这已逐渐成为了图像理解的瓶颈。据此,提出了一种基于金字塔场景分析网络(PSPNet)的网络改进结构,在特征学习模块中将输入图在原残差网络(ResNet)的基础上通过在网络内部增加卷积、池化操作,进一步学习各个层次特征,将所学习到的多个低层次特征图与高层次特征图相加,得到新的具有更多空间位置信息的特征图;为得到丰富的上下文信息,利用PSPNet的金字塔池化结构,将特征图中全局上下文信息与不同尺度局部上下文信息相结合,进行卷积和上采样,得到最终预测图。仿真实验结果表明,所改进的方法在PASCAL VOC 2012测试集中平均交并比(Mean Intersectionover Union,MIoU)达到78.5%,较基准算法提升了1.7%。 展开更多

关键词 语义分割 深度学习 金字塔场景分析网络(PSPNet) 残差网络(resnet) 平均交并比

下载PDF 职称材料

基于T2W磁共振影像的ResNet模型构建在膀胱癌分级和分期双目标预测中的应用研究 被引量：2

12

作者 郑尧 张烨 +4 位作者 杜鹏 张文立 刘洋 张曦 田强 《中国医学装备》 2020年第8期1-4,共4页

目的:基于T2加权像(T2W)磁共振成像(MRI)的残差网络(ResNet)建立膀胱癌分级和分期双目标深度学习预测模型,为术前准确预测膀胱癌组织病理学分级、分期和辅助临床医生制定手术方案与术后随访策略提供依据。方法:建立膀胱癌分级和分期双... 目的:基于T2加权像(T2W)磁共振成像(MRI)的残差网络(ResNet)建立膀胱癌分级和分期双目标深度学习预测模型,为术前准确预测膀胱癌组织病理学分级、分期和辅助临床医生制定手术方案与术后随访策略提供依据。方法:建立膀胱癌分级和分期双目标深度学习预测模型,收集在医院就诊的75例患者的842幅肿瘤组织常规T2W-MRI影像,按照每例患者的所有影像为最小集合(患者级)分类,以防止过拟合,使用裁剪及滤波等手段进行数据集的扩充,并以ResNet结合非局部(Non-Local)注意力机制学习模型基础结构,模型尾部经分叉改造,分别添加额外的卷积层,对膀胱肿瘤同时进行分级和分期预测。结果:训练集扩充为原来5倍,经过迭代训练,模型的分级预测准确率为79%,分期预测准确率为82%。结论:建立的膀胱癌分级和分期双目标深度学习预测模型,采用端对端的预测模式,与传统的筛选特征方式相比,能够准确预测膀胱肿瘤的分级和分期,具有重要的临床应用价值。 展开更多

关键词 膀胱癌 分级 分期 深度学习 人工智能 残差网络(resnet) 卷积神经网络(CNN)

下载PDF 职称材料

基于改进的R-FCN带纹理透明塑料裂痕检测 被引量：2

13

作者 关日钊 陈新度 +1 位作者 吴磊 徐焯基 《计算机工程与应用》 CSCD 北大核心 2019年第6期168-172,264,共6页

为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,R... 为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点。实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性。 展开更多

关键词 裂痕检测 支持向量机(SVM) 基于区域的全卷积网络(R-FCN) 残差网络(resnet) 感受野

下载PDF 职称材料

流形正则化约束的图像语义分割 被引量：1

14

作者 肖振久 宗佳旭 +2 位作者 兰海 魏宪 唐晓亮 《中国图象图形学报》 CSCD 北大核心 2022年第4期1204-1215,共12页

目的在基于深度学习的图像语义分割方法中,损失函数通常只考虑单个像素点的预测值与真实值之间的交叉熵并对其进行简单求和,而引入图像像素间的上下文信息能够有效提高图像的语义分割的精度,但目前引入上下文信息的方法如注意力机制、... 目的在基于深度学习的图像语义分割方法中,损失函数通常只考虑单个像素点的预测值与真实值之间的交叉熵并对其进行简单求和,而引入图像像素间的上下文信息能够有效提高图像的语义分割的精度,但目前引入上下文信息的方法如注意力机制、条件随机场等算法需要高昂的计算成本和空间成本,不能广泛使用。针对这一问题,提出一种流形正则化约束的图像语义分割算法。方法以经过数据集Image Net预训练的残差网络(residual network,Res Net)为基础,采用Deep Lab V3作为骨架网络,通过骨架网络获得预测分割图像。进行子图像块的划分,将原始图像和分割图像分为若干大小相同的图像块。通过原始图像和分割图像的子图像块,计算输入数据与预测结果所处流形曲面上的潜在几何约束关系。利用流形约束的结果优化分割网络中的参数。结果通过加入流形正则化约束,捕获图像中上下文信息,降低了网络前向计算过程中造成的本征结构的损失,提高了算法精度。为验证所提方法的有效性,实验在Cityscapes和PASCAL VOC 2012(pattern analysis,statistical modeling and computational learning visual object classes)两个数据集上进行。在Cityscapes数据集中,精度值为78.0%,相比原始网络提高了0.5%;在PASCAL VOC 2012数据集中,精度值为69.5%,相比原始网络提高了2.1%。同时,在Cityscapes数据集中进行对比实验,验证了算法的有效性,对比实验结果证明提出的算法改善了语义分割的效果。结论本文提出的语义分割算法在不提高推理网络计算复杂度的前提下,取得了较好的分割精度,具有极大的实用价值。 展开更多

关键词 深度学习 语义分割 残差网络(resnet) 上下文信息捕捉 流形正则化

原文传递

基于迁移学习与深度残差网络的滚动轴承快速故障诊断算法 被引量：41

15

作者 刘飞 陈仁文 +2 位作者 邢凯玲 丁汕汕 张迈一 《振动与冲击》 EI CSCD 北大核心 2022年第3期154-164,共11页

针对现有基于深度学习的滚动轴承故障诊断算法训练参数量大,训练时间长且需要大量训练样本的缺点,提出了一种基于迁移学习(TL)与深度残差网络(ResNet)的快速故障诊断算法(TL-ResNet)。首先开发了一种将短时傅里叶变换(STFT)与伪彩色处... 针对现有基于深度学习的滚动轴承故障诊断算法训练参数量大,训练时间长且需要大量训练样本的缺点,提出了一种基于迁移学习(TL)与深度残差网络(ResNet)的快速故障诊断算法(TL-ResNet)。首先开发了一种将短时傅里叶变换(STFT)与伪彩色处理相结合的振动信号转三通道图像数据的方法;然后将在ImageNet数据集上训练的ResNet18模型作为预训练模型,通过迁移学习的方法,应用到滚动轴承故障诊断领域当中;最后对滚动轴承在不同工况下的故障诊断问题,提出了采用小样本迁移的方法进行诊断。在凯斯西储大学(CWRU)与帕德博恩大学(PU)数据集上进行了试验,TL-ResNet的诊断准确率分别为99.8%与95.2%,且在CWRU数据集上TL-ResNet的训练时间仅要1.5 s,这表明本算法优于其他的基于深度学习的故障诊断算法与经典算法,可用于实际工业环境中的快速故障诊断。 展开更多

关键词 迁移学习 深度学习 短时傅里叶变换(STFT) 深度残差网络(resnet) 滚动轴承故障诊断

下载PDF 职称材料

采用通道注意力机制的RIS辅助MIMO级联信道估计

16

作者 喻赟 张静 《上海师范大学学报（自然科学版中英文）》 2024年第2期228-235,共8页

可重构智慧表面(RIS)辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息(CSI)困难.针对RIS辅助下的大规模多输入多输出(MIMO)通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网... 可重构智慧表面(RIS)辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息(CSI)困难.针对RIS辅助下的大规模多输入多输出(MIMO)通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络(ResNet)中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力.仿真结果表明,相比于最小二乘(LS)估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度. 展开更多

关键词 可重构智慧表面(RIS) 多输入多输出(MIMO) 信道估计 深度残差网络(resnet) 注意力机制

下载PDF 职称材料

ResNet-UAN-AUD:基于深度学习的水声上行非正交多址通信系统活动用户检测方法

17

作者 王建平 陈光岚 +1 位作者 冯启高 马建伟 《传感技术学报》 CAS CSCD 北大核心 2024年第6期985-996,共12页

水下声学网络(Underwater Acoustic Networks,UAN)是探测未知水域的重要技术手段。非正交多址(Non-Orthogonal Multiple Access,NOMA)是一种新颖的移动通信技术,支持时域、频域、空域/编域的非正交分配,可有效地提高网络容量和用户接入... 水下声学网络(Underwater Acoustic Networks,UAN)是探测未知水域的重要技术手段。非正交多址(Non-Orthogonal Multiple Access,NOMA)是一种新颖的移动通信技术,支持时域、频域、空域/编域的非正交分配,可有效地提高网络容量和用户接入数,为性能和电量受限的UAN提供创新解决方案。活动用户检测(Active User Detection,AUD)是NOMA通信系统的基础支撑,对于NOMA系统消除信号干扰和提高接收性能至关重要。ResNet是基于残差模块跳跃连接的神经网络,解决了深度学习的梯度消失和网络退化问题。提出了一种基于深度学习的水声上行NOMA通信系统AUD检测方案。首先,构建水声上行NOMA通信系统基本模型;其次,实施NOMA活动用户检测问题的数学表征;接着,开发基于ResNet网络的水声NOMA系统活动节点检测方法(ResNet-UAN-AUD);最后,执行仿真实验。结果表明,ResNet-UAN-AUD的检测性能接近基于长短期记忆网络的活动用户检测(LSTM-UAN-AUD)方案,而复杂度略高于基于卷积神经网络的活动用户检测(CNN-UAN-AUD)技术,实现了次优目标,适合水声上行NOMA系统使用。 展开更多

关键词 水声网络 深度学习 残差神经网络(resnet) 活动用户检测 上行NOMA通信系统

下载PDF 职称材料

基于仿真数据和子领域自适应的轴承故障网络诊断框架

18

作者 韩洁 苏小平 康正阳 《机电工程》 北大核心 2024年第1期115-122,共8页

在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,... 在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,提升了模型对真实信号的诊断精度。首先,采用数学建模和基于LS-DYNA的有限元仿真两种方式建立了轴承故障仿真模型,以获取与实际场景相同工况下的轴承故障仿真加速度信号;其次,针对仿真数据和真实数据存在差异的问题,利用子领域自适应方法得到了对齐仿真数据和实际数据的全局特征分布以及相关子领域的特征分布;最后,采用原始一维振动信号作为输入,在残差神经网络(ResNet)模型架构上完成了端到端的轴承故障分类工作;将德国帕德博恩大学采集到的轴承故障信号作为实验数据,对上述模型的有效性进行了验证。研究结果表明:相较于有限元仿真,数学建模生成的仿真信号能够较轻易地迁移到实际信号,在无标签数据场景下具有99.73%的轴承故障识别精度,体现了数学建模在无监督轴承故障诊断领域的广阔应用前景,是在真实工业系统和人工智能之间架起桥梁的关键技术。 展开更多

关键词 轴承故障数据 数学建模 LS-DYNA有限元仿真 子领域自适应 残差神经网络(resnet)模型 迁移学习能力

下载PDF 职称材料

改进Faster R-CNN模型的CT图磨玻璃密度影目标检测 被引量：5

19

作者 杨淑莹 邓东升 郑清春 《中国图象图形学报》 CSCD 北大核心 2021年第9期2171-2180,共10页

目的针对Faster R-CNN(faster region convolutional neural network)模型在肺部计算机断层扫描(computed tomography,CT)图磨玻璃密度影目标检测中小尺寸目标无法有效检测与模型检测速度慢等问题,对Faster R-CNN模型特征提取网络与区... 目的针对Faster R-CNN(faster region convolutional neural network)模型在肺部计算机断层扫描(computed tomography,CT)图磨玻璃密度影目标检测中小尺寸目标无法有效检测与模型检测速度慢等问题,对Faster R-CNN模型特征提取网络与区域候选网络(region proposal network,RPN)提出了改进方法。方法使用特征金字塔网络替换Faster R-CNN的特征提取网络,生成特征金字塔;使用基于位置映射的RPN产生锚框,并计算每个锚框的中心到真实物体中心的远近程度(用参数"中心度"表示),对RPN判定为前景的锚框进一步修正位置作为候选区域(region proposal),并将RPN预测的前景/背景分类置信度与中心度结合作为候选区域的排序依据,候选区域经过非极大抑制筛选出感兴趣区域(region of interest,RoI)。将Ro I对应的特征区域送入分类回归网络得到检测结果。结果实验结果表明,在新冠肺炎患者肺部CT图数据集上,本文改进的模型相比于Faster R-CNN模型,召回率(recall)增加了7%,平均精度均值(mean average precision,mAP)增加了3.9%,传输率(frames per second,FPS)由5帧/s提升至9帧/s。特征金字塔网络的引入明显提升了模型的召回率与m AP指标,基于位置映射的RPN显著提升了模型的检测速度。与其他最新改进的目标检测模型相比,本文改进的模型保持了双阶段目标检测模型的高精度,并拉近了与单阶段目标检测模型在检测速度指标上的距离。结论本文改进的模型能够有效检测到患者肺部CT图的磨玻璃密度影目标区域,对小尺寸目标同样适用,可以快速有效地为医生提供辅助诊断。 展开更多

关键词 新型冠状病毒肺炎(COVID-19) 磨玻璃密度影 Faster R-CNN 特征金字塔网络(FPN) 区域候选网络(RPN) 残差神经网络(resnet)

原文传递

基于深度学习的挖掘机工作阶段的分类与识别

20

作者 刘伟嵬 邓剑洋 +1 位作者 张靖文 牛东东 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第10期1464-1473,1489,共11页

为实现对挖掘机作业循环各工作阶段的自动识别,采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段,并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志,以时间窗... 为实现对挖掘机作业循环各工作阶段的自动识别,采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段,并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志,以时间窗滑移方式提取起始特征并确定最佳时间窗宽度,采用深度学习的方法识别各标志.对比了深度学习中分类识别领域应用广泛的ResNet和LSTM的识别效果,发现LSTM的识别效果更好,对测试集的识别准确率最高可达到99.75%.采用LSTM对测试数据进行识别,识别正确率仅有82.54%,说明存在误识别.提出以挖掘机工作阶段的逻辑顺序和设定主泵功率阈值作为校正依据对误识别进行校正,识别正确率可提升至99.72%.结果表明,该方法识别准确率高,可有效识别作业循环各工作阶段. 展开更多

关键词 液压挖掘机 工作阶段 残差神经网络(resnet) 长短期记忆(LSTM)神经网络 智能校正系统

下载PDF 职称材料