基于门控双卷积神经网络的机动车发动机故障检测 被引量：2

1

作者 鲍文霞 刘杨 +1 位作者 杨先军 梁栋 《安徽大学学报（自然科学版）》 CAS 北大核心 2022年第2期39-45,共7页

采集并构建一个包含正常和故障机动车发动机的声信号数据集,提出基于门控双卷积神经网络的机动车发动机故障检测方法.在门控卷积神经网络基础上设计门控双卷积神经网络.对比不同方法的实验结果可知:支持向量机(support vector machine,... 采集并构建一个包含正常和故障机动车发动机的声信号数据集,提出基于门控双卷积神经网络的机动车发动机故障检测方法.在门控卷积神经网络基础上设计门控双卷积神经网络.对比不同方法的实验结果可知:支持向量机(support vector machine,简称SVM)方法的检测准确率最低,该文方法的检测准确率最高;对声信号进行加噪和调音时,该文方法表现出好的鲁棒性. 展开更多

关键词 机动车发动机 故障检测 门控双卷积神经网络

下载PDF 职称材料

基于多分支门控残差卷积神经网络的短期电力负荷预测 被引量：11

2

作者 樊江川 于昊正 +2 位作者 刘慧婷 杨丽君 安佳坤 《中国电力》 CSCD 北大核心 2022年第11期155-162,174,共9页

短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预... 短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预测模型。该模型首先采用多分支门控残差卷积神经网络对历史负荷的周周期特征、日周期特征、近邻特征进行深度特征提取;其次为增加模型的非线性拟合能力,采用注意力机制对权重进一步合理分配;最后通过归一化指数函数计算后输出负荷预测结果。使用2016年某电力竞赛数据进行实验,通过与4种常用模型对比,该模型预测结果的平均绝对百分误差(MAPE)评价指标下降了0.02%~0.70%,验证了该模型提高负荷预测精度的有效性。 展开更多

关键词 短期负荷预测 多分支神经网络 门控残差卷积神经网络 注意力机制 特征提取

下载PDF 职称材料

基于门控图卷积神经网络的有机化学反应预测 被引量：1

3

作者 赖自成 张玉萍 马燕 《计算机应用》 CSCD 北大核心 2021年第10期3070-3074,共5页

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训... 随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络(ASGGCN)模型。首先,输入化学反应物的简化分子线性输入规范(SMILES)编码,通过门控图卷积神经网络(GGCN)以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络(WLDN)模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。 展开更多

关键词 药物逆合成 门控图卷积神经网络 主动采样 有机化学反应 原子隐藏特征

下载PDF 职称材料

基于混合神经网络的实体和事件联合抽取方法 被引量：19

4

作者 吴文涛 李培峰 朱巧明 《中文信息学报》 CSCD 北大核心 2019年第8期77-83,共7页

实体和事件抽取旨在从文本中识别出实体和事件信息并以结构化形式予以呈现。现有工作通常将实体抽取和事件抽取作为两个单独任务,忽略了这两个任务之间的紧密关系。实际上,事件和实体密切相关,实体往往在事件中充当参与者。该文提出了... 实体和事件抽取旨在从文本中识别出实体和事件信息并以结构化形式予以呈现。现有工作通常将实体抽取和事件抽取作为两个单独任务,忽略了这两个任务之间的紧密关系。实际上,事件和实体密切相关,实体往往在事件中充当参与者。该文提出了一种混合神经网络模型,同时对实体和事件进行抽取,挖掘两者之间的依赖关系。模型采用双向LSTM识别实体,并将在双向LSTM中获得的实体上下文信息进一步传递到结合了自注意力和门控卷积的神经网络来抽取事件。在英文ACE 2005语料库上的实验结果证明了该文方法优于目前最好的基准系统。 展开更多

关键词 事件抽取 实体抽取 自注意力 门控卷积神经网络

下载PDF 职称材料

基于局部和全局语义融合的跨语言句子语义相似度计算模型 被引量：14

5

作者 李霞 刘承标 +1 位作者 章友豪 蒋盛益 《中文信息学报》 CSCD 北大核心 2019年第6期18-26,共9页

跨语言句子语义相似度计算旨在计算不同语言句子之间的语义相似程度。近年来,前人提出了基于神经网络的跨语言句子语义相似度模型,这些模型多数使用卷积神经网络来捕获文本的局部语义信息,缺少对句子中远距离单词之间语义相关信息的获... 跨语言句子语义相似度计算旨在计算不同语言句子之间的语义相似程度。近年来,前人提出了基于神经网络的跨语言句子语义相似度模型,这些模型多数使用卷积神经网络来捕获文本的局部语义信息,缺少对句子中远距离单词之间语义相关信息的获取。该文提出一种融合门控卷积神经网络和自注意力机制的神经网络结构,用于获取跨语言文本句子中的局部和全局语义相关关系,从而得到文本的综合语义表示。在SemEval-2017多个数据集上的实验结果表明,该文提出的模型能够从多个方面捕捉句子间的语义相似性,结果优于基准方法中基于纯神经网络的模型方法。 展开更多

关键词 跨语言文本句子语义相似度 自注意力机制 门控卷积神经网络

下载PDF 职称材料

基于残差网络和门控卷积网络的语音识别研究 被引量：8

6

作者 朱学超 张飞 +2 位作者 高鹭 任晓颖 郝斌 《计算机工程与应用》 CSCD 北大核心 2022年第7期185-191,共7页

由于传统循环神经网络具有复杂的结构,需要大量的数据才能在连续语音识别中进行正确训练,并且训练需要耗费大量的时间,对硬件性能要求很大。针对以上问题,提出了基于残差网络和门控卷积神经网络的算法,并结合联结时序分类算法,构建端到... 由于传统循环神经网络具有复杂的结构,需要大量的数据才能在连续语音识别中进行正确训练,并且训练需要耗费大量的时间,对硬件性能要求很大。针对以上问题,提出了基于残差网络和门控卷积神经网络的算法,并结合联结时序分类算法,构建端到端中文语音识别模型。该模型将语谱图作为输入,通过残差网络提取高层抽象特征,然后通过堆叠门控卷积神经网络捕获有效的长时间记忆,摆脱了传统循环神经网络对上下文相关性建模的依赖,加快了模型的训练速度。对残差网络进行了优化,并在门控卷积神经网络中加入了前馈神经网络,极大提高了模型的性能。实验结果表明,在Aishell-1中文数据集上,该模型的字错误率降低至11.43%;并且在-5 dB低信噪比环境下,字错误率达到了19.77%。 展开更多

关键词 残差网络 门控卷积神经网络 联结时序分类 Swish激活函数

下载PDF 职称材料

不平衡数据下基于改进门控卷积网络的轴承故障诊断

7

作者 郗昌盛 梁小夏 +3 位作者 田少宁 杨杰 冯国金 甄冬 《噪声与振动控制》 CSCD 北大核心 2024年第4期153-160,共8页

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方... 深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方法,用于数据不平衡条件下的故障诊断。首先,提出改进门控卷积层以增强特征提取能力,通过批量归一化技术提高模型的泛化能力。然后,使用标签分布感知边界(Label-distribution-aware Margin,LDAM)损失函数提高模型对少数类的敏感度,减小数据不平衡对模型的影响。将所提算法应用在两组故障轴承数据上,在数据不平衡率为20:1的情况下,所提算法仍然可达到92.71%和94.47%的故障识别率,而对比的其他主流深度学习模型在该情况下只有60%~72%的准确率,表明所提方法在数据集严重不平衡情况下具有很强的诊断能力和鲁棒性。 展开更多

关键词 故障诊断 数据不平衡 改进门控卷积神经网络 标签分布感知边界损失函数 滚动轴承

下载PDF 职称材料

融合多尺度特征与上下文信息的语音增强方法

8

作者 更藏措毛 黄鹤鸣 杨毅杰 《计算机工程》 CAS CSCD 北大核心 2024年第6期138-147,共10页

在语音增强中,常用自编码器结构自动提取特征,但这样得到的特征单一或者冗余且不能较好地捕获语音信号的上下文依赖关系。因此,提出一种融合多尺度特征和上下文信息的语音增强方法MSF-CI。首先,利用多尺度卷积块提取语音信号的多尺度特... 在语音增强中,常用自编码器结构自动提取特征,但这样得到的特征单一或者冗余且不能较好地捕获语音信号的上下文依赖关系。因此,提出一种融合多尺度特征和上下文信息的语音增强方法MSF-CI。首先,利用多尺度卷积块提取语音信号的多尺度特征,解决特征单一问题;其次,利用注意力机制关注所提取特征的空间与通道关键信息,解决特征冗余问题;最后,使用门控卷积循环神经网络学习语音信号中跨度较长的上下文依赖关系,并通过门控线性单元提高该网络的非线性学习能力,从而提高模型的泛化性。实验结果表明,MSF-CI在低信噪比和不同噪声环境下增强语音信号的语音感知质量、短时客观可懂度等多个指标上均优于GRN、DPT-FSNet、U-Net等同类的单通道语音增强模型。在信噪比为0 dB时,该方法的平均语音感知质量和平均语音客观可懂度达到1.49和0.761。在构建的安多藏语语料库上验证模型的泛化性,平均语音感知质量和平均语音客观可懂度相对于噪声提高了20.7%和11.3%,MSF-CI模型不仅可以提升语音的质量与可理解度,而且具有较优的泛化性。 展开更多

关键词 语音增强 多尺度特征 注意力机制 门控卷积循环神经网络 对数能量谱

下载PDF 职称材料

基于门控网络的军事装备控制指令语音识别研究 被引量：5

9

作者 柏财通 高志强 +1 位作者 李爱 崔翛龙 《计算机工程》 CAS CSCD 北大核心 2021年第7期301-306,共6页

军事装备无感控制是军事装备智能化建设进程中的一个重要研究方向,其中语音控制技术作为无人装备无感控制手段的关键组成部分,受到了越来越多的重视。为完成军事装备语音控制任务,设计一种基于门控网络的中文语音识别网络,并构建军事装... 军事装备无感控制是军事装备智能化建设进程中的一个重要研究方向,其中语音控制技术作为无人装备无感控制手段的关键组成部分,受到了越来越多的重视。为完成军事装备语音控制任务,设计一种基于门控网络的中文语音识别网络,并构建军事装备控制指令数据集,实现基于控制指令语音识别技术的军事装备控制。在传统卷积神经网络的结构基础上引入深度残差门控卷积网络,提高识别网络的准确性,同时通过多途径构建军事装备控制指令数据集,设计一套针对军事装备无感控制的语音识别方案。实验结果表明,该语音识别网络军事语音控制指令识别率可达87%,外接语言模型后可达92%,语音识别准确率高、误差率低,可完成军事装备的语音控制任务。 展开更多

关键词 语音识别 门控卷积神经网络 装备无感控制 长短时记忆网络 残差网络

下载PDF 职称材料

融合GCNN与GRU的异常实体识别方法

10

作者 叶瀚 孙海春 李欣 《计算机科学与探索》 CSCD 北大核心 2023年第8期1938-1948,共11页

当前的命名实体识别(NER)模型能够识别位于正确位置且符合语法表达的实体,却无法指出句子中的实体缺失与位于错误位置的实体,无法满足信息处理与归档分析中对于检测文本实体信息完整全面的要求。通过考察异常实体的识别依赖上下文相互... 当前的命名实体识别(NER)模型能够识别位于正确位置且符合语法表达的实体,却无法指出句子中的实体缺失与位于错误位置的实体,无法满足信息处理与归档分析中对于检测文本实体信息完整全面的要求。通过考察异常实体的识别依赖上下文相互联系语义特征的具体特点,提出以基于预训练语言模型的命名实体识别模型架构为基础,融合门控卷积神经网络(GCNN)与门控循环网络(GRU)的实体位置异常与实体缺失异常检测方法(NER-EAD)及其训练数据构造方法。其中门控卷积网络提取特定字符上下文特征联系以更好识别实体异常。融合卷积神经网络结构和门控循环神经网络的语义特征输出可全面提取正常实体与异常实体的特征,实现了正常、异常实体识别结果同时输出。实验表明NER-EAD在正常实体、实体位置异常和实体缺失异常的识别平均F1分别达到90.56%、85.56%和80.92%,超越了已有命名实体识别模型架构。最后通过消融实验证明了GCNN与GRU融合网络的语义特征提取能力。 展开更多

关键词 命名实体识别(NER) 门控卷积神经网络(GCNN) 门控循环网络(GRU) 异常检测

下载PDF 职称材料

改进过滤模型解决音变问题研究

11

作者 程兆亮 沈雅婷 +1 位作者 唐俊杰 王泽铭 《电脑与电信》 2023年第9期5-10,15,共7页

针对特定信息音变的过滤,目前较先进的算法之一是门控卷积神经网络(GCNN),其具有并行性、稀疏性、多层特征提取、门控机制等优点,GCNN采用SmoothL1Loss(平滑L1损失)损失函数,SmoothL1Loss具有平滑性、对异常值的鲁棒性等优点,但仍然存... 针对特定信息音变的过滤,目前较先进的算法之一是门控卷积神经网络(GCNN),其具有并行性、稀疏性、多层特征提取、门控机制等优点,GCNN采用SmoothL1Loss(平滑L1损失)损失函数,SmoothL1Loss具有平滑性、对异常值的鲁棒性等优点,但仍然存在形状固定、参数敏感性、函数不稳定等不足,因此,提出了DOM-SmoothL1Loss(基于样本隶属度调控的平滑L1函数),DOM-SmoothL1Loss融入了样本隶属度的特性,使得损失计算更加准确。为了方便比较损失函数改进前后的效果,提出一种简单的GCNN_DOM模型,GCNN_DOM使用DOM_SmoothL1Loss作为损失函数,在相同数据集上进行实验,结果显示GCNN_DOM模型的均方误差和平均绝对误差两项指标较GCNN分别高出2.8%、3.8%,因此,DOM_SmoothL1Loss具有一定竞争力。 展开更多

关键词 过滤模型 门控卷积神经网络 SmoothL1Loss 样本隶属度 损失函数

下载PDF 职称材料

基于多头注意力门控卷积网络的特定目标情感分析

12

作者 李浩 樊建聪 《山东科技大学学报（自然科学版）》 CAS 北大核心 2022年第2期99-107,共9页

在特定目标情感分析中,现有的循环神经网络模型存在训练时间长且获取目标相关信息困难的问题。针对该问题,利用注意力机制,提出一种带有位置嵌入的多头注意力门控卷积网络(PE-MAGCN)。首先,模型使用多头注意力层获取目标词与上下文词之... 在特定目标情感分析中,现有的循环神经网络模型存在训练时间长且获取目标相关信息困难的问题。针对该问题,利用注意力机制,提出一种带有位置嵌入的多头注意力门控卷积网络(PE-MAGCN)。首先,模型使用多头注意力层获取目标词与上下文词之间的信息,并额外加入文本和目标词的相对位置嵌入信息,然后采用带有门控机制的卷积神经网络提取与目标词有关的情感特征,最后通过Softmax分类器来识别情感极性倾向。使用SemEval 2014数据集与目前主要用于目标情感识别的模型进行实验对比,结果表明本模型的准确率和F1值较高,可以较好地完成特定目标情感分析任务。 展开更多

关键词 目标情感分析 门控卷积神经网络 多头注意力机制 位置嵌入

下载PDF 职称材料

基于LSTM-GCAE的特定目标情感分析

13

作者 沈彬 严馨 +2 位作者 谢庆 徐广义 张金鹏 《信息技术》 2022年第4期7-12,共6页

针对传统特定目标情感分析在模型输入前未能将上下文和目标词进行良好地融合以及在提取情感特征时未能有效地关注到特定目标等问题,提出了一种基于LSTM-GCAE的特定目标情感分析模型。首先,将上下文和目标词进行拼接得到融合词向量,采用L... 针对传统特定目标情感分析在模型输入前未能将上下文和目标词进行良好地融合以及在提取情感特征时未能有效地关注到特定目标等问题,提出了一种基于LSTM-GCAE的特定目标情感分析模型。首先,将上下文和目标词进行拼接得到融合词向量,采用LSTM对融合词向量进行编码,以捕获上下文语义信息;然后,通过带有目标词向量的门控卷积机制进一步提取关于目标词的情感特征;最后,通过softmax分类函数对特定目标进行情感极性分类。 展开更多

关键词 特定目标 长短期记忆网络 门控卷积神经网络

下载PDF 职称材料

基于自注意力的门控卷积神经网络的要素类情感分类研究

14

作者 张颖 郑建国 《计算机科学与应用》 2020年第11期2064-2077,共14页

[目的/意义]近年来,将注意力机制与LSTM模型结合的方法常被用于要素类情感分类任务,但是该方法存在参数多、训练时间长的弊端。门控卷积神经网络模型不仅结构简单、参数少、运行时间短,还能分别提取要素特征和情感特征、具有较高的分类... [目的/意义]近年来,将注意力机制与LSTM模型结合的方法常被用于要素类情感分类任务,但是该方法存在参数多、训练时间长的弊端。门控卷积神经网络模型不仅结构简单、参数少、运行时间短,还能分别提取要素特征和情感特征、具有较高的分类精度,但是该模型采用的要素类嵌入是预定义的、与上下文无关。对要素类情感分类任务来说,要素类的质量对预测文本在要素类上情感极性的准确率的重要性不言而喻。[方法/过程]本文关联要素类提取和要素类情感分类任务,提出融合自注意力机制下的要素类特征的门控卷积神经网络模型,通过结合自注意力机制的神经网络提取出基于上下文优化的要素类嵌入,然后将优化后的要素类向量和文本词向量通过门控卷积神经网络进行训练。[结果/结论]在2014年至2016年的SemEval数据集上的实验结果表明,本文提出的模型能有效改善要素类提取的效果和提高要素类情感分类的分类准确率。 展开更多

关键词 要素类提取 要素类情感分类 自注意力机制 门控卷积神经网络

下载PDF 职称材料

基于GRU-CNN的双馈风力发电机电刷滑环电弧故障诊断 被引量：2

15

作者 张博文 莫英东 +1 位作者 王晗钰 袁帅 《农业装备与车辆工程》 2023年第8期45-50,共6页

电刷滑环系统是双馈风力发电机(DFIG)励磁系统的重要组成部分,由于DFIG的电刷滑环故障频发,加之现场缺少可检修条件,严重时因此造成的单机停机故障可令整个电场运行面临瘫痪。电弧故障严重影响电力设备的稳定运行,故障电弧发生时电流一... 电刷滑环系统是双馈风力发电机(DFIG)励磁系统的重要组成部分,由于DFIG的电刷滑环故障频发,加之现场缺少可检修条件,严重时因此造成的单机停机故障可令整个电场运行面临瘫痪。电弧故障严重影响电力设备的稳定运行,故障电弧发生时电流一般较小,其有效值达不到电流保护装置的整定值,而在某些负载工况下,正常工作状态的电流与串联电弧故障电流波形特征非常相似,导致串联电弧难以识别。针对串联电弧故障的识别难点,提出一种基于门控循环单元模型-卷积神经网络(GRU-CNN)的DFIG电刷滑环故障电弧检测模型。首先,分析了DFIG中故障电弧的成因;然后以电流、电压和磁环3种信号作为输入特征值,滤波后构建基于GRU-CNN的故障电弧检测模型;最后搭建滑环装置诊断实验平台,用相同的实验数据和层数训练GRU、CNN和GRU-CNN网络。结果表明,基于GRU-CNN的故障电弧检测模型的精确率和召回率均保持在99%以上,具有较强的工程实践意义。 展开更多

关键词 双馈风力发电机 电刷滑环 门控循环单元-卷积神经网络 故障诊断

下载PDF 职称材料