检索结果-内蒙古大学图书馆

生物医学工程学杂志 2025年第1期42卷 90-95页

作者：杜义浩孙梦雨李菁金王孝冉曹添福燕山大学电气工程学院、河北省智能康复及神经调控重点实验室、智能控制与神经信息处理教育部重点实验室河北秦皇岛066000

为实现手功能康复中肌力的量化评估,进而制定科学有效的康复训练策略,本文构建了多尺度卷积神经网络(MSCNN)—卷积块注意力模块(CBAM)—双向长短期记忆网络(BiLSTM)肌力预测模型,以充分挖掘数据的空间和时间特征,同时抑制无用特征,最终... 详细信息

为实现手功能康复中肌力的量化评估,进而制定科学有效的康复训练策略,本文构建了多尺度卷积神经网络(MSCNN)—卷积块注意力模块(CBAM)—双向长短期记忆网络(BiLSTM)肌力预测模型,以充分挖掘数据的空间和时间特征,同时抑制无用特征,最终实现提高肌力预测模型的准确性。为验证本文所提模型的有效性,将本文模型与支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)、CNN—挤压激励网络(SENet)、MSCNN—CBAM和MSCNN—BiLSTM等传统模型进行对比;考察将手部施力从40%的最大自主收缩力(MVC)变成60%的MVC时模型肌力预测的效果。研究结果发现,随着手部施力的增大,肌力预测模型的效果变差;再利用消融实验分析各模块对肌力预测结果的影响程度,发现CBAM模块在模型中起着关键作用。综上,利用本文模型能够有效提高肌力预测的准确性,深入了解手部肌肉活动的特征和规律,为进一步探索手部功能的机制提供帮助。

关键词：肌力预测卷积块注意力模块多尺度卷积神经网络手部施力消融实验

来源：评论

学校读者我要写书评

暂无评论

基于多尺度卷积神经网络和门控循环单元的离心泵叶轮故障诊断

引用

机电工程 2025年

作者：陶付东智一凡李怀瑞柳应倩郝达秦浩洋付强江苏大学流体机械工程技术研究中心核电泵及装置智能诊断运维联合实验室中国核电工程有限公司

针对采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障这一问题，提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先，在卷积神... 详细信息

针对采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障这一问题，提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先，在卷积神经网络的基础上引入了循环神经网络，建立了特征提取和故障分类模块，可以自动地对原始输入信号进行空间和时间特征提取并识别关键故障模式；然后，搭建了立式离心泵叶轮故障仿真实验台架，对叶轮不同故障下的泵体振动信号进行了采集，用于训练所提MCNN-GRU诊断模型；最后，利用MCNN和GRU搭建了的诊断模型和其他模型，对叶轮不同故障情况下的振动信号故障识别情况进行了对比，并对抗噪性能进行了分析。研究结果表明：无噪声情况下的单通道诊断准确率超过97.59%，在强噪声条件下多通道诊断准确率达99.13%，优于传统方法，表现出良好的抗噪性能；此外，通过三通道振动数据的融合，诊断准确率达100%，可验证多通道数据融合的优势。该研究结果可为离心泵叶轮故障诊断提供可靠的方案。

关键词：离心泵特征提取多通道信息融合多尺度卷积神经网络门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于小波多尺度卷积神经网络的人脸表情识别方法

引用

科技与创新 2025年第2期 194-196,199页

作者：刘经纬林小源首都经济贸易大学管理工程学院北京100070

对于传统卷积神经网络(Convolutional Neural Network,CNN)应用于人脸表情识别任务中的不足,提出了一种基于小波多尺度卷积神经网络(Wavelet-based multi-scale Convolutional Neural Networks,WmCNN)的人脸表情识别方法。该方法在单个卷积层中使用多个不同尺寸的卷积核对输入图像进行不同尺度的面部特征提取,再通过小波变换函数进行非线性激活,增强特征的鲁棒性,并对AlexNet的网络结构进行改进和优化,从而降低了模型的参数量,同时提高了模型的准确率。最后在FER2013和RAF-DB数据集中验证了本文所提方法的有效性,实验结果表明,相比较于AlexNet,改进方案的准确率平均提高了3.074%和3.754%,模型参数量降低了28.35%,训练周期减少了37.75%和17.92%,损失降低了0.086 703和0.105 097。

关键词：表情识别深度学习小波变换多尺度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

多尺度卷积神经网络的噪声模糊图像盲复原

引用

红外与激光工程 2019年第4期48卷 300-308页

作者：刘鹏飞赵怀慈曹飞道中国科学院沈阳自动化研究所辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 中国科学院大学北京100049 中国科学院光电信息处理重点实验室辽宁沈阳110016

图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想。针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模... 详细信息

图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想。针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模式,无需估计模糊核。提出了一种基于限制网络输入的改进Wasserstein GAN (WGAN),增加了一层输入限制层,能够限定参数初始值,提高了网络收敛速度。设计了多重损失函数,融合了基于多尺度网络的感知损失和基于条件式生成对抗网络的对抗损失。实验结果表明:所提方法在定量和定性评价指标上优于已有的代表性方法,并且运行速度比相近算法快了4倍。

关键词：多尺度卷积神经网络多重损失函数生成式对抗网络噪声模糊图像

来源：评论

学校读者我要写书评

暂无评论

多尺度卷积神经网络的单幅图像去雨方法

引用

哈尔滨工业大学学报 2018年第3期50卷 185-191页

作者：郭继昌郭昊郭春乐天津大学电气自动化与信息工程学院天津300072

雨天气会影响户外拍摄图像质量,模糊和覆盖图像信息.为提高受雨天气影响的户外拍摄图像的清晰度,恢复图像特征信息,提高很多计算机视觉算法在雨天气条件下的准确性,提出一种基于多尺度卷积神经网络的单幅图像去雨方法.首先建立多尺度卷... 详细信息

雨天气会影响户外拍摄图像质量,模糊和覆盖图像信息.为提高受雨天气影响的户外拍摄图像的清晰度,恢复图像特征信息,提高很多计算机视觉算法在雨天气条件下的准确性,提出一种基于多尺度卷积神经网络的单幅图像去雨方法.首先建立多尺度卷积神经网络网络结构,通过多尺度卷积提取图像信息,用于去除雨线和重建图像,然后结合雨线在图像中的低饱和度、高亮度的特征,对网络进行训练,获取网络最优参数值,最终得到可以有效去除雨线的卷积神经网络.实验结果表明:提出的方法相较于现有算法有更好的雨线去除效果,并且可以更好地保持图像的原有信息,避免图像模糊现象.同时,利用多尺度卷积提取图像特征信息可以使特征信息更加丰富,有利于提升卷积神经网络的去雨能力.

关键词：图像特征信息计算机视觉算法图像去雨多尺度卷积神经网络低饱和度、高亮度

来源：评论

学校读者我要写书评

暂无评论

多尺度卷积神经网络小样本轴承故障辨识方法

引用

振动．测试与诊断 2023年第5期43卷 915-922,1037,1038页

作者：邢自扬赵荣珍吴耀春何天经兰州理工大学机电工程学院兰州730050

针对基于深度学习的故障辨识方法工程应用准确率受制于样本数量与质量的问题,提出一种多尺度卷积神经网络(novel multi‑scale convolutional neural network,简称NMS‑CNN)故障辨识方法。首先,对滚动轴承的振动信号进行快速傅里叶变换(fa... 详细信息

针对基于深度学习的故障辨识方法工程应用准确率受制于样本数量与质量的问题,提出一种多尺度卷积神经网络(novel multi‑scale convolutional neural network,简称NMS‑CNN)故障辨识方法。首先,对滚动轴承的振动信号进行快速傅里叶变换(fast Fourier transform,简称FFT)获取其频域数据;其次,利用多尺度卷积提取频域数据中的多粒度敏感特征,并使用实例归一化技术(instance normalization,简称IN)对特征图进行归一化;然后,采取注意力机制对多尺度特征进行自适应加权并进一步使用卷积提取深层抽象特征;最后,使用softmax分类器完成故障辨识任务。经过实验验证,所提方法能够在较少训练样本下完成故障辨识任务,并且其抗噪性与泛化性均优于其他智能故障辨识算法。

关键词：故障辨识深度学习多尺度卷积神经网络实例归一化小样本

来源：评论

学校读者我要写书评

暂无评论

基于多尺度卷积神经网络的交通标志识别

引用

湖南大学学报（自然科学版） 2018年第8期45卷 131-137页

作者：宋青松张超田正鑫陈禹王兴莉长安大学信息工程学院陕西西安710064

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善... 详细信息

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.

关键词：模式识别系统交通标志识别多尺度卷积神经网络 SoftMax分类器

来源：评论

学校读者我要写书评

暂无评论

基于多尺度卷积神经网络的自适应熵加权决策融合船舶图像分类方法

引用

电子与信息学报 2021年第5期43卷 1424-1431页

作者：任永梅杨杰郭志强曹辉武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室武汉430070 湖南工学院电气与信息工程学院衡阳421002

针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类。首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶... 详细信息

针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类。首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶图像在最优模型上测试,得到多尺度CNN的Softmax函数输出的概率值,并计算得到信息熵,进而实现对不同输入船舶图像赋予自适应的融合权重;最后对不同子网络的Softmax函数输出概率值进行自适应熵加权决策融合实现船舶图像的最终分类。在VAIS数据集和自建数据集上分别进行了实验,提出的方法的分类准确率分别达到了95.07%和97.50%,实验结果表明,与单一尺度CNN分类方法以及其他较新方法相比,所提方法具有更优的分类性能。

关键词：图像处理船舶图像分类多尺度卷积神经网络熵决策融合

来源：评论

学校读者我要写书评

暂无评论

多尺度卷积神经网络售电量预测算法设计与应用

多尺度卷积神经网络售电量预测算法设计与应用

引用

作者：柴璐山东大学

学位级别：硕士

售电量作为电力营销管理系统重要的组成部分,是电力企业的主要产品,是衡量电力企业经营管理水平的重要指标。基于对未来特定时间段售电量的准确预估,预判电力企业的运营状况、及时调整运营策略,对提高电力企业规避风险的能力、最大限度... 详细信息

售电量作为电力营销管理系统重要的组成部分,是电力企业的主要产品,是衡量电力企业经营管理水平的重要指标。基于对未来特定时间段售电量的准确预估,预判电力企业的运营状况、及时调整运营策略,对提高电力企业规避风险的能力、最大限度发挥当前电网潜力,提升电网的稳定性具有重大意义。神经网络建模方法通过端到端强大的映射能力,能够有效处理售电量中非线性数据,提升了模型的表达能力,因此该方法被一些学者引入到售电量预测中。截止目前,应用较多的是基于BP神经网络的售电量预测,该方法通过多层神经元对输入数据特征进行提取,能够学习到一定的数据规律。但影响售电量的因素往往有多种,且不同因素间具有一定的耦合性。而基于BP神经网络的售电量预测方法无法有效处理具有强耦合性数据。针对此问题,研究了融合注意力机制的多尺度卷积神经网络(Attention-based Multi-scales CNN,AMSCNN)售电量预测模型、精度检验、具体实现。首先,研究了售电量的数据特征。售电量数据的不同影响因素具有不同跨度周期属性,由多种因素所耦合的售电量具有多尺度特性;其次,因传统方法缺乏多尺度特征提取能力,研究了一种多时间尺度划分方法。该方法将输入数据划分为多种尺度,后续模型从多种时间尺度上提取数据所隐含的时间特征;第三,由于不同时间尺度特征对于售电量预测精度的贡献大小不同,需针对不同时间跨度特征进行权重分配。针对此问题,提出一种基于注意力机制的多通道数据融合模型,实现多通道特征自适应提取,利用实际售电量数据对算法进行测试,结果表明相对于常规深度学习方法,基于AMSCNN的售电量预测模型性能平均提升了3.68%。最后,基于AMSCNN模型开发了电力营销系统售电量预测模块。通过PyQt5框架搭建该部分模块的登陆注册界面、主界面和售电量预测模块界面,围绕售电量预测模块所需涉及的部分内容,如:数据分析、数据可视化以及不同模型进行了详细设计。

关键词：售电量预测深度学习多尺度卷积神经网络注意力机制 PyQt5

来源：评论

学校读者我要写书评

暂无评论

基于多尺度卷积神经网络的糖尿病视网膜病变病灶检测算法及应用

引用

中华实验眼科杂志 2019年第8期37卷 624-629页

作者：杨叶辉刘佳许言午黄艳王磊百度AI创新业务部北京100085 清华大学医学院生物医学工程系北京100084 百度上海研发中心上海201210

目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁... 详细信息

目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁棒性差的问题,同时在不依赖人工逐像素标注的前提下,采用多尺度图像块的检测思路,显著提升检测器对小病灶目标检测的性能。此外,提出的新型损失函数在弱标签、小数据集的条件下,实现多类型、高准确率的DR病灶检测。结果从病灶水平来看,该算法对硬性渗出病灶检测的敏感性和特异性分别为92.17%和97.17%;相较于单尺度方法,本研究中提出的多尺度方法的敏感性和准确率分别提升了7.41%和5.02%;在公开数据集IDRiD上较其他检测方法特异性提高了55.82%。本方法能够将眼底图像中的病变有效地检测出来,且能够给出病灶的基本范围,对于有大量病灶眼底图像的平均检测时间为1.59s。结论基于多尺度CNN的眼底图像病灶检测算法能够快速、可靠地识别出眼底图像中的DR病灶并标注出病灶的位置信息,降低主观因素的影响,辅助临床医生更加高效、准确地进行DR病变筛查。

关键词：人工智能糖尿病视网膜病变/诊断彩色眼底照相多尺度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：