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6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：
基于ResGCN-GRU的大气污染风险源识别 被引量：2
1
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
融合GCNN与GRU的异常实体识别方法
2
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
时序行为提名的上下文信息融合方法
3
作者 王新文 谢林柏 彭力 《计算机科学与探索》 CSCD 北大核心 2021年第3期486-494,共9页
在针对视频的人体活动定位和识别领域中,现有的时序行为提名方法无法很好地解决行为特征长期依赖性而导致提名召回率较低。针对此问题,提出了一种上下文信息融合的时序行为提名方法。该方法首先采用三维卷积网络提取视频单元的时空特征... 在针对视频的人体活动定位和识别领域中,现有的时序行为提名方法无法很好地解决行为特征长期依赖性而导致提名召回率较低。针对此问题,提出了一种上下文信息融合的时序行为提名方法。该方法首先采用三维卷积网络提取视频单元的时空特征,然后采用双向门控循环网络构建上下文关系预测出时序行为区间。针对门控循环单元(GRU)存在参数较多和梯度消失的问题,通过输入特征控制门结构增强并行计算能力,通过引入加权平均增强历史和当前时刻信息融合能力,提出了一个简化的门控循环单元(S-GRU)。最后在数据集Thumos14上进行实验验证和比较,结果表明基于双向S-GRU循环网络的时序行为提名方法提高了提名召回率。 展开更多
关键词 门控循环网络(gru) 梯度消失 上下文信息 时序行为提名 时序行为检测
下载PDF
基于改进1DCNN-SAGRU模型的渔船作业方式识别
4
作者 付建浩 李海涛 张俊虎 《计算机系统应用》 2023年第5期149-156,共8页
海洋渔业领域中渔船轨迹数据具有时空性和非平稳性的特点,针对目前渔船作业方式识别方法存在对数据信息提取不充分及识别精度低的问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)和加入自注... 海洋渔业领域中渔船轨迹数据具有时空性和非平稳性的特点,针对目前渔船作业方式识别方法存在对数据信息提取不充分及识别精度低的问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)和加入自注意力(self-attention)的门控循环单元网络(gated recurrent unit,GRU)的渔船作业方式识别模型(1DCNN-SAGRU).模型利用一维CNN和GRU充分提取渔船轨迹数据的局部空间特征和时序上的依赖关系,并引入自注意力机制强化模型对关键信息的关注能力.最后引入dropout方法和RAdam优化器对模型进行改进和优化,防止模型过拟合的同时加快网络的收敛速度和输出准确性.经实验和分析表明,相较于其他对比模型,该模型在准确率上最高可提升4.4个百分点,说明该模型能更准确地识别渔船拖网、围网和刺网作业,有利于加强渔船监管能力和渔业资源的保护. 展开更多
关键词 渔船轨迹 一维卷积神经网络 门控循环单元网络(gru) 自注意力 行为识别 深度学习
下载PDF
基于优化VMD-GRU的滚动轴承剩余使用寿命预测
5
作者 郗涛 王锴 王莉静 《中国工程机械学报》 北大核心 2024年第1期101-106,共6页
为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最... 为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最小包络熵准则选择最佳模态分量进行退化特征提取;再通过核主成分分析进行特征降维;最后,为保证模型准确率,通过鹈鹕优化算法(POA)优化GRU中的超参数,并根据不同故障类型建立GRU剩余寿命预测模型。使用XJTU-SY标准数据集进行剩余寿命预测验证,实验结果表明:与传统未结合故障类型提取退化特征和建立预测模型方法相比,VMD-GRU模型均方根误差和平均绝对误差分别降低了26.28%和27.17%。 展开更多
关键词 滚动轴承 剩余寿命预测 变分模态分解(VMD) 门控循环神经网络(gru) 阿基米德优化算法(AOA) 鹈鹕优化算法(POA)
下载PDF
基于改进LSTM的肺结节良恶性预测方法研究
6
作者 赵鑫 《长江信息通信》 2023年第6期32-36,共5页
目前深度学习计算机辅助诊断技术已经相对成熟,可以实现对肺部医学影像中可疑结节的识别,甚至可以完成对结节大小、类型等信息的精确测量,为医师临床诊断肺结节的良恶性提供有利依据。然而,传统常规的深度学习网络构建过程中使用的均为... 目前深度学习计算机辅助诊断技术已经相对成熟,可以实现对肺部医学影像中可疑结节的识别,甚至可以完成对结节大小、类型等信息的精确测量,为医师临床诊断肺结节的良恶性提供有利依据。然而,传统常规的深度学习网络构建过程中使用的均为单独孤立的肺结节影像片段,并没有从时间序列的角度上对特征进行研究和探索。文章提出了一种基于自编码和长短期记忆网络的肺结节良恶性预测算法。首先,利用自编码网络(SAE)自动提取出肺结节影像数据的深度隐藏特征。在此基础上,利用长短期记忆(LSTM)构建了一个双层构时间序列模型,学习了肺结节特征在时间序列上的变化情况。最后,在收集到的5760张随诊数据集上进行了对比验证,从实验结果中可以看出,该方法在对肺结节进行良恶性预测的精准度为91.51%,其识别精度和收敛性能均优于其他比较算法。 展开更多
关键词 长短期记忆神经网络 自编码网络 肺结节 门控循环神经网络(gru)
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 下一页 到第 页
使用帮助 返回顶部