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：
基于空时对抗变分自编码器的人群异常行为检测 被引量：1
1
作者 邢天祎 郭茂祖 +3 位作者 陈加栋 赵玲玲 陈琳鑫 田乐 《智能系统学报》 CSCD 北大核心 2023年第5期994-1004,共11页
基于视频的人群异常行为检测对提前发现安全风险、预防群体安全事故发生具有重要价值。针对人群异常行为事件的稀少性导致的无法直接充分学习异常样本的表示、异常事件检测精度低的问题,在变分自编码器基础上,提出一种基于预测的空时对... 基于视频的人群异常行为检测对提前发现安全风险、预防群体安全事故发生具有重要价值。针对人群异常行为事件的稀少性导致的无法直接充分学习异常样本的表示、异常事件检测精度低的问题,在变分自编码器基础上,提出一种基于预测的空时对抗变分自编码器(spatial-temporal adversarial variational autoencoder,STAVAE)视频异常检测模型,通过引入长短期记忆网络(long short-term memory,LSTM)和对抗网络模块,对正常样本视频序列的时间维度与空间维度进行联合特征表示与重构,减少了正常样本重建过程中的特征损失进而扩大了异常样本的预测损失,避免了对异常样本的依赖,实现了基于模型重构误差的人群逃散异常行为检测。在公开数据集UMN及采集视频数据集上进行对比实验,证明ST-AVAE模型在基于监控视频的人群异常逃散行为检测中均具有最优的检测精度和召回率,对抗网络模块显著提升了异常检测的性能。 展开更多
关键词 人群异常行为检测 变分自编码器 自编码器 长短期记忆网络 对抗网络 空时对抗变分自编码器 重构误差 异常逃散行为
下载PDF
基于深度学习的残缺冲击波信号构建方法
2
作者 杨洋 杜红棉 +1 位作者 郭晋杰 王孺豪 《中北大学学报（自然科学版）》 CAS 2024年第5期687-694,共8页
爆炸冲击波参数是评估弹药威力的主要依据之一,而在实际测试过程中,测试系统可能受破片或其他因素影响而导致损坏,从而无法捕获完整信号,影响了后续的毁伤评估。本文针对该问题提出了一种基于双向长短时记忆网络(BiLSTM)融合多头自注意... 爆炸冲击波参数是评估弹药威力的主要依据之一,而在实际测试过程中,测试系统可能受破片或其他因素影响而导致损坏,从而无法捕获完整信号,影响了后续的毁伤评估。本文针对该问题提出了一种基于双向长短时记忆网络(BiLSTM)融合多头自注意力模块的方法对残缺的冲击波信号进行完整性构建,采用BiLSTM分析了冲击波信号的局部时序依赖关系,以多头自注意力模块捕捉信号中的频率信息,最终实现了时序信号与频率信息的融合,从而得到完整的冲击波信号。在一次信息采集过程中,所测得的信号数据通常只有数十组,从而导致了小样本问题,本文建立了以LSTM单元为生成器的GAN网络,对完整的冲击波信号进行扩充,增强了数据集容量。基于扩充数据集的构建实验结果表明,本文所提方法构建的完整信号与原始信号之间的MSE和MAE分别为0.0068和0.1462,优于LSTM、BiLSTM、CNN+BiLSTM等方法,本文所提方法可以满足构建残缺冲击波信号的实际需求。 展开更多
关键词 信号构建 冲击波 深度学习 双向长短时记忆网络 多头自注意力
下载PDF
基于长短期记忆网络的电网故障区域定位与故障传播路径推理 被引量：3
3
作者 李舟平 姚伟 +2 位作者 曾令康 马士聪 文劲宇 《电力自动化设备》 EI CSCD 北大核心 2021年第6期164-170,178,共8页
为了在发生故障后维持电力系统的安全稳定,有必要实现对故障区域的快速定位并确定故障冲击的传播路径,提出基于长短期记忆网络(LSTM)的故障区域定位和故障传播路径推理方法。首先,利用LSTM建立2个故障诊断模型分别实现在线检测故障时刻... 为了在发生故障后维持电力系统的安全稳定,有必要实现对故障区域的快速定位并确定故障冲击的传播路径,提出基于长短期记忆网络(LSTM)的故障区域定位和故障传播路径推理方法。首先,利用LSTM建立2个故障诊断模型分别实现在线检测故障时刻和确定故障区域;然后,通过计算故障点附近线路的端口供给能量确定故障冲击的传播路径;最后,以8机36节点电网为例进行算例验证,结果表明所提模型可在发生故障后短时间内检测到故障,给出故障区域和故障冲击传播的路径,且对噪声有较强的鲁棒性。 展开更多
关键词 电力系统 在线故障诊断 深度神经网络 长短期记忆网络 滑动窗口 端口供给能量
下载PDF
基于FMCW雷达的人体生命体征信号预测算法 被引量：1
4
作者 杨路 雷雨霄 余翔 《雷达科学与技术》 北大核心 2024年第1期43-56,共14页
将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解-长短... 将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解-长短期记忆神经网络的生命体征信号预测方法。针对静止状态下的人体,通过雷达采集到的生命体征信号,采用粒子群算法优化变分模态分解VMD的模态分量个数K和惩罚系数α的值,实现自适应选取后用于VMD分解,再将分解后的模态分量进行叠加重构。采用粒子群算法优化长短期记忆网络模型中的网络层数、学习率、正则化系数等3个参数,自适应选取合适的参数组合,将重构后的信号通过优化后的LSTM网络进行预测。实验结果显示本文所提预测方法在10位志愿者的预测结果与原始数据的均方根误差平均值为0.017 188 9,平均绝对误差的平均值为0.007 158,相较于当前其他研究,预测精度上有明显提升。 展开更多
关键词 生命体征信号预测 变分模态分解 长短期记忆递归网络 粒子群算法
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