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：
基于双向长短期记忆网络的太赫兹光谱识别 被引量：7
1
作者 虞浩跃 沈韬 +2 位作者 朱艳 刘英莉 余正涛 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第12期3737-3742,共6页
特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机... 特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络(BLSTM-RNN)自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9~6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光� 展开更多
关键词 太赫兹光谱 自动特征提取 长短期记忆网络 lstm单元
下载PDF
一种基于Transformer的三维人体姿态估计方法 被引量：5
2
作者 王玉萍 曾毅 +1 位作者 李胜辉 张磊 《图学学报》 CSCD 北大核心 2023年第1期139-145,共7页
三维人体姿态估计是人类行为理解的基础,但是预测出合理的三维人体姿态序列仍然是具有挑战性的问题。为了解决这个问题,提出一种基于Transformer的三维人体姿态估计方法,利用多层长短期记忆(LSTM)单元和多尺度Transformer结构增强人体... 三维人体姿态估计是人类行为理解的基础,但是预测出合理的三维人体姿态序列仍然是具有挑战性的问题。为了解决这个问题,提出一种基于Transformer的三维人体姿态估计方法,利用多层长短期记忆(LSTM)单元和多尺度Transformer结构增强人体姿态序列预测的准确性。首先,设计基于时间序列的生成器,通过ResNet预训练神经网络提取图像特征;其次,采用多层LSTM单元学习时间连续性的图像序列中人体姿态之间的关系,输出合理的SMPL人体参数模型序列;最后,构建基于多尺度Transformer的判别器,利用多尺度Transformer结构对多个分割粒度进行细节特征学习,尤其是Transformerblock对相对位置进行编码增强局部特征学习能力。实验结果表明,该方法相对于VIBE方法具有更好地预测精度,在3DPW数据集上比VIBE的平均(每)关节位置误差(MPJPE)低了7.5%;在MP-INF-3DHP数据集上比VIBE的MPJPE降低了1.8%。 展开更多
关键词 多尺度Transformer结构 lstm单元 时间序列 注意力机制 三维姿态估计
下载PDF
基于显著性特征的多视角人体动作图像识别研究
3
作者 廖民玲 《现代电子技术》 北大核心 2024年第24期143-147,共5页
为了应对多角度、多姿态特点的人体动作图像识别难的问题,研究一种基于显著性特征的多视角人体动作图像识别方法。通过显著性区域检测模块处理多视角人体动作图像,获取显著性区域序列并拼接成多视角显著性区域拼接图;利用VGG-Net网络从... 为了应对多角度、多姿态特点的人体动作图像识别难的问题,研究一种基于显著性特征的多视角人体动作图像识别方法。通过显著性区域检测模块处理多视角人体动作图像,获取显著性区域序列并拼接成多视角显著性区域拼接图;利用VGG-Net网络从中提取其卷积特征图,输入到CA(上下注意力)模块中,将有利于人体动作识别的区域予以突出显示,并输出人体动作类别标签的概率值,实现多视角人体动作识别。实验结果表明,所提方法能够有效识别多视角人体动作,同时通过整合显著性区域检测和CA模块,可以显著提升其在多视角人体动作识别方面的应用效果。 展开更多
关键词 显著性特征 多视角 人体动作 图像识别 类别标签 CA模块 lstm单元
下载PDF
利用雷达数据开展对流降水临近预报的循环神经网络方法试验
4
作者 黄兴友 张永轩 +1 位作者 李芳 李峰 《大气科学》 CSCD 北大核心 2024年第6期2329-2341,共13页
中尺度对流降水预报是天气预报的重点和难点之一,天气雷达探测的高时空分辨率降水数据是开展0~2 h临近预报的主要依据。由于传统雷达回波外推方法缺乏非线性映射能力和本地环境参量变化对系统的影响等局限性,所以本研究引入带记忆解耦... 中尺度对流降水预报是天气预报的重点和难点之一,天气雷达探测的高时空分辨率降水数据是开展0~2 h临近预报的主要依据。由于传统雷达回波外推方法缺乏非线性映射能力和本地环境参量变化对系统的影响等局限性,所以本研究引入带记忆解耦功能的循环神经网络方法,采用ST-LSTM单元组成的PredRNN-v2深度学习技术,对局地性对流天气系统进行临近预报。利用2010~2014年的广州雷达体扫回波强度资料,构造模型训练数据集和测试数据集。选择Huber损失函数进行训练,不但收敛速度快、而且鲁棒性更强。一般认为,强回波对系统演变的影响更大。因此,本研究为强回波分配较大权重,增强其在拟合过程中的影响程度。对采用等权重损失函数的PredRNN-v2模型和采用不同权重Huber损失函数的PredRNN-v2模型进行测试集检验以及对流降水个例分析,结果表明,测试集中后者在较长的外推时效下,对强回波预测的临界成功指数、命中率更高,虚警率更低。两次个例分析表明,在较长的外推时效下,后者峰值信噪比PSNR和图像结构相似性SSIM更高;在2 h内的任意外推时效下,强回波偏差评分始终更接近于1。因此,在长预报时效以及对强回波预测效果上,采用带权重的Huber损失函数的PredRNN-v2模型更优,可以更好地模拟对流回波演变的非线性过程,并产生更合理、更准确地降水位置预报。 展开更多
关键词 对流临近预报 雷达反射率 深度学习 ST-lstm单元 Huber损失函数
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