检索结果-内蒙古大学图书馆

作者：曹楠中国石油大学(北京)

学位级别：硕士

在油气田开发过程中,固井质量评价是保证油气安全、高效开采的必要手段。目前,固井质量评价方法主要依靠声幅测井(CBL)与声波-变密度测井(CBL-VDL)测量得到的图像数据观测评价,其解释结果不仅取决于解释人员的主观经验,也与油田施工的... 详细信息

在油气田开发过程中,固井质量评价是保证油气安全、高效开采的必要手段。目前,固井质量评价方法主要依靠声幅测井(CBL)与声波-变密度测井(CBL-VDL)测量得到的图像数据观测评价,其解释结果不仅取决于解释人员的主观经验,也与油田施工的目标、仪器规格等因素有关。本文讨论了如何利用深度学习算法建立一个高效、高精准度的固井智能解释模型。本文提出一种基于深度可分离卷积神经网络(SCNN)的固井智能评价模型,将复杂的VDL图像数据视为矩阵数据处理,在经过预处理后输入搭建好的SCNN以达到预测固井第一、第二界面评价结论的目的。使用SCCN的优势在于其通过稀疏矩阵进行卷积运算,避免了卷积神经网络中计算量呈指数上升趋势的问题;此外,在数据预处理阶段本文通过傅立叶变换将VDL数据从时域转换到频域,通过观察套管波与地层波的频谱特征设置滤波函数,从而增强地层波与套管波的数据特征,使神经网络更好的学习两种波型的特征,以达到更好的预测效果;最后,本文在模型输入端增加了声波时差曲线(AC)、声幅曲线(CBL)、固井一界面结论作为约束条件来提升模型的预测效果。本文使用的数据集包含长庆、青海区块2000余口实际生产井次,对EILog与SCL200两种VDL测量仪器分别建模并训练,最终选取230口未参与模型训练的井作为测试集对模型进行验证。在测试集中,该模型能较为准确的预测固井第二界面评价结果,平均符合率达到85%。结果和分析表明,该模型可以应用于实际生产平台,在节省了大量工作量的同时,最大限度地减少了人为偏差,提高了评价一致性;并且可应用于多个区块、仪器的生产场景,具有一定的泛化性;综上,该模型作为辅助手段可以满足现场解释精度与实效性的要求,具有一定的应用研究前景。

关键词：固井工艺深度学习深度可分离卷积神经网络二界面固井结论

来源：评论

学校读者我要写书评

暂无评论

基于深度可分离卷积神经网络的关键词识别系统

引用

微电子学与计算机 2019年第9期36卷 103-108页

作者：王帅彭意兵何顶新华中科技大学自动化学院

关键词识别系统是智能语音交互系统的重要组成部分.本文使用Google语音命令数据集,探索使用传统卷积神经网络和深度可分离卷积神经网络在关键词识别任务中的应用,对两种卷积神经网络模型从识别率、计算量、内存消耗进行对比,并提出适用... 详细信息

关键词识别系统是智能语音交互系统的重要组成部分.本文使用Google语音命令数据集,探索使用传统卷积神经网络和深度可分离卷积神经网络在关键词识别任务中的应用,对两种卷积神经网络模型从识别率、计算量、内存消耗进行对比,并提出适用于受限设备的低资源、较高识别率的网络模型.实验结果显示无论传统卷积神经网络还是深度可分离卷积神经网络在关键词识别任务中的表现都优于传统的的隐马尔科夫模型和全连接深度学习模型,而深度可分离卷积神经网络进一步优于传统卷积神经网络.

关键词：关键词识别卷积神经网络深度可分离卷积神经网络受限设备

来源：评论

学校读者我要写书评

暂无评论

深度可分离卷积神经网络在自动分拣中的应用

引用

包装学报 2018年第6期10卷 33-40页

作者：何静程涛黄良辉康组超湖南工业大学电气与信息工程学院湖南株洲412007 东莞市汇林包装有限公司广东东莞523000 广东南海鹰视通达科技有限公司广东佛山528200

针对传统的花卉分类算法在工业自动化分拣应用中出现模型参数过大、分拣精度不高的问题,提出一种基于深度学习的花卉识别算法。介绍了花卉分类算法在工业花卉包装分拣系统中的应用;根据实际需求,采用一种深度可分离卷积神经网络提取花... 详细信息

针对传统的花卉分类算法在工业自动化分拣应用中出现模型参数过大、分拣精度不高的问题,提出一种基于深度学习的花卉识别算法。介绍了花卉分类算法在工业花卉包装分拣系统中的应用;根据实际需求,采用一种深度可分离卷积神经网络提取花卉特征,并详细分析了网络的模型结构;为了提高模型训练速度,提出了一种微调的模型训练方法。实验结果表明,所采用的花卉分类算法在工业花卉自动分拣的应用中相比传统算法,准确率更高、稳定性更好、应用更加广泛。

关键词：工业自动化分拣花卉分类深度可分离卷积神经网络网络微调

来源：评论

学校读者我要写书评

暂无评论

基于DSConvBiGRU网络和热电堆阵列的动态手势识别方法

引用

计量学报 2024年第6期45卷 795-805页

作者：顾亮于莲芝上海理工大学光电信息与计算机工程学院上海200093

提出了适用于嵌入式系统并融合深度可分离卷积神经网络与双向门控循环单元的DSConvBiGRU网络模型,将其用于动态手势序列的分类,设计并实现了一种使用低分辨率热电堆阵列传感器的动态手势识别解决方案,构建了动态手势数据集并在公开网站... 详细信息

提出了适用于嵌入式系统并融合深度可分离卷积神经网络与双向门控循环单元的DSConvBiGRU网络模型,将其用于动态手势序列的分类,设计并实现了一种使用低分辨率热电堆阵列传感器的动态手势识别解决方案,构建了动态手势数据集并在公开网站发布,完成了预训练网络模型在Raspberry Pi边缘端的部署。系统对传感器输出的连续20个温度矩阵进行区间映射、背景减除、Lanczos插值和Otsu二值化预处理得到单个动态手势序列,再由预训练的DSConvBiGRU网络进行分类。实验结果表明:网络模型在测试集上识别准确率为99.291%,在边缘端预处理耗时5.513 ms,推理耗时8.231 ms,该系统满足低功耗、高精度和实时性的设计需求。

关键词：机器视觉光电检测动态手势识别热电堆阵列深度可分离卷积神经网络双向门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于多物理量的油中短间隙电弧放电故障模式快速识别方法

引用

高电压技术 2025年

作者：常昊鑫董明胡一卓王昊田志立任明电工材料电气绝缘全国重点实验室(西安交通大学)

短间隙油中电弧放电易造成设备损坏，甚至引发火灾和爆炸事故，对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快，传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为... 详细信息

短间隙油中电弧放电易造成设备损坏，甚至引发火灾和爆炸事故，对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快，传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为了解决上述问题，该文提出一种基于多物理量的油中短间隙电弧放电故障模式快速识别方法。首先，搭建一套可同时采集放电多物理特征信号的实验平台，获取并分析了各物理量的时域信号和频谱图；其次，在多物理时域信号的基础上，利用S变换生成对应时频图谱；然后，提出一种改进的深度可分离卷积神经网络模型，利用该模型开展基于多物理量联合的放电故障模式识别。结果表明：相比于仅利用单一信号，该文提出的多物理量联合检测的方法具有更高的识别准确率；与传统辨识模型相比，通过优化DSCNN网络框架，降低了参数规模和推理时间，有助于提高故障诊断速度，防止油中电弧放电发展到更为严重的阶段。

关键词：电力变压器短间隙电弧模式识别深度可分离卷积神经网络联合检测

来源：评论

学校读者我要写书评

暂无评论

高效注意力金字塔网络在肺结节检测的应用

引用

中国医学物理学杂志 2024年第11期41卷 1361-1369页

作者：张琼杭益柳邱建林吴芳南通理工学院计算机与信息工程学院江苏南通226000 南通市虚拟现实与云计算重点实验室江苏南通226000 南通大学信息科学技术学院江苏南通226000

针对肺部CT图像结节特征不明确和检测困难的问题,提出一种高效注意力特征金字塔网络。首先,该网络以多尺度特征融合的特征金字塔为主干网络,保留丰富的低层特征和高层特征,同时采用深度可分离卷积神经网络提取特征信息;然后,将注意力机... 详细信息

针对肺部CT图像结节特征不明确和检测困难的问题,提出一种高效注意力特征金字塔网络。首先,该网络以多尺度特征融合的特征金字塔为主干网络,保留丰富的低层特征和高层特征,同时采用深度可分离卷积神经网络提取特征信息;然后,将注意力机制融入主干网络中,对重要特征信息进行加权处理;最后,将所提算法应用在Lung-PET-CT-Dx和Luna16数据集中。实验结果表明,本文算法的精度、召回率和mAP值均优于现有对比算法,证明本文算法在肺结节检测的优越性。

关键词：肺结节深度可分离卷积神经网络注意力机制特征金字塔目标检测

来源：评论

学校读者我要写书评

暂无评论

基于SE-DSCNN的MMC开关管故障诊断方法

引用

电力自动化设备 2022年第5期42卷 104-111页

作者：曾昭瑢何怡刚武汉大学电气与自动化学院湖北武汉430072

为了实现模块化多电平变换器(MMC)子模块开关管的故障诊断,提出了一种基于挤压-激励模块的深度可分离卷积神经网络(SE-DSCNN)。该网络直接利用原始电容电压数据,不需要任何的特征提取算法,能够自动提取隐藏在原始数据中的深层特征,结合... 详细信息

为了实现模块化多电平变换器(MMC)子模块开关管的故障诊断,提出了一种基于挤压-激励模块的深度可分离卷积神经网络(SE-DSCNN)。该网络直接利用原始电容电压数据,不需要任何的特征提取算法,能够自动提取隐藏在原始数据中的深层特征,结合挤压-激励模块以突出通道域中具有代表性的特征,利用深度可分离卷积(DSC)来减少网络的计算量。利用滑动时间窗口将数据分段并归一化后输入提前训练好的最优模型中,模型输出预测标签。通过与其他人工特征提取方法及深度学习方法进行对比,结果表明模型参数量比具有相同卷积层数的标准卷积神经网络(CNN)减少了70.92%左右。所提方法在已有样本片段上的分类准确率及不同故障时期的诊断正确率均达99%及以上,诊断单个样本片段所需的时间约为0.34 ms,不但能区分故障早期的耦合性特征,还能实现准确、可靠、高效、快速的故障诊断。

关键词： MMC 开关管故障挤压-激励模块深度可分离卷积神经网络故障诊断

来源：评论

学校读者我要写书评

暂无评论

一种轻量化低复杂度的FDD大规模MIMO系统CSI反馈方法

引用

电子学报 2022年第5期50卷 1211-1217页

作者：廖勇李玉杰重庆大学微电子与通信工程学院重庆400044

针对频分双工大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)通信系统中信道状态信息(Channel State Information,CSI)反馈方法复杂度高、精度低和开销大的问题,本文提出了一种基于深度学习的低复杂度CSI反馈方法.该方法通... 详细信息

针对频分双工大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)通信系统中信道状态信息(Channel State Information,CSI)反馈方法复杂度高、精度低和开销大的问题,本文提出了一种基于深度学习的低复杂度CSI反馈方法.该方法通过端到端的方式构建了一种从用户设备编码器到基站解码器相结合的网络结构.编解码器利用连续的平均池化层和上采样层完成特征图的降维和升维,同时引入深度可分离卷积神经网络减少网络参数量.在解码器部分,本文利用残差网络构建连续的拥有大卷积核的残差块逼近原始CSI矩阵.仿真结果表明,和已有的代表性方法相比,本文所提方法在归一化均方误差上有2 dB~5 dB的性能提升,在余弦相似度上也有2%~5%的提升,并且在时间复杂度和空间复杂度上均有更好的表现.

关键词：频分双工大规模MIMO 信道状态信息深度学习深度可分离卷积神经网络残差网络

来源：评论

学校读者我要写书评

暂无评论

改进格拉姆角场结合深度学习的褐潮藻浓度预测模型研究

改进格拉姆角场结合深度学习的褐潮藻浓度预测模型研究

引用

作者：司雨燕山大学

学位级别：硕士

随着全球经济的快速发展,工农业废水的不当排放,海水污染日益严重,藻华现象的频繁发生,水产经济及人类生存环境造成了巨大的危害。因此,对藻华现象的准确快速检测尤为重要。传统的藻类检测技术操作复杂并且耗时,荧光光谱法具有准确、快... 详细信息

随着全球经济的快速发展,工农业废水的不当排放,海水污染日益严重,藻华现象的频繁发生,水产经济及人类生存环境造成了巨大的危害。因此,对藻华现象的准确快速检测尤为重要。传统的藻类检测技术操作复杂并且耗时,荧光光谱法具有准确、快速、灵敏度高、操作简单、无污染等特点。因此,本研究采用激光诱导荧光光谱法对褐潮的主要成因藻抑食金球藻进行了光谱采集,并选择了光谱信息的特征波段进行了信息转换,结合深度学习的相关算法进行了褐潮藻浓度预测模型的建立,本文的主要研究内容包括:首先,基于荧光产生的原理和不同藻类荧光色素对应的特征荧光波段进行了分析,根据朗伯-比尔定律,建立了荧光强度与褐潮藻浓度之间的关系,发现当浓度较低时,荧光强度与藻细胞的浓度呈线性关系,当浓度超过一定范围或者激发光的强度过强时,二者都会呈现非线性相关性;其次,设计了抑食金球藻的培养光谱信息和浓度数据采集方案,对光谱信息进行了本底扣除、平滑等预处理操作,分析了抑食金球藻荧光光谱的特征波段和光谱峰值随浓度变化的相关趋势。对构建褐潮藻浓度预测模型奠定了理论基础并提供了相应的数据准备。最后,将一维光谱序列转换为二维矩阵并结合深度学习的神经网络构建了多种测预模型,并将结果进行了对比分析。为了将一维光谱序列与视觉神经网络相结合,采用格拉姆角场（GAF）将一维光谱序列转为二维图片,并针对GAF在不同浓度藻类光谱数据处理方面的缺陷进行了改进,首先将GAF内部的归一化方式由局部归一化改进为全局归一化;其次,构建了添加权重因子来控制主对角线和副对角线特征的新的转换方法。改进后的格拉姆角场（IGAF）能够有效地将不同浓度的抑食金球光谱转换至二维图片矩阵。采用深度可分离卷积神经网络（DSC）对转换后的图片进行特征提取,该网络将空间特征学习和通道特征学习分离,能够有效降低网络训练的参数,提升模型训练的效率。最后结合长短期记忆神经网络LSTM实现了褐潮藻浓度预测,其R2达到了0.978,MAE和MSE分别为0.0012和0.043,相比较传统方法该模型的收敛速度更快、预测准确性更高。针对卷积神经网络CNN在图片特征提取方面权重共享,不同通道的特征图被分配相同的权重,无法辨别各个通道的特征图对模型的贡献度的问题,提出了通道注意力模块ECANet来对卷积后的特征图进行自适应注意力权重分配,对模型贡献度较大的特征图会被分配更高的权重值,并且该模块的参数较小,模型较为轻量,在降低网络复杂性的同时提升了模型的效率。将注意力分配后的特征输入到双向RNN编码结合注意力机制解码模块进行浓度预测,该编码解码机制能够将RNN预测结果与注意力机制的预测结果相融合,提高预测的准确性,最终的预测R2达到了0.985,预测准确性较高。该方法为褐潮藻浓度的在线监测提供了可靠技术参考,同时可将该方法应用于其他领域的物质定量分析。

关键词：褐潮浓度预测激光诱导荧光光谱格拉姆角场深度可分离卷积神经网络通道注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的学生在线课堂参与度评价系统

基于深度学习的学生在线课堂参与度评价系统

引用

作者：桑子为哈尔滨工业大学

学位级别：硕士

发展迅猛的计算机视觉早已融入人们日常生活的每个角落,在人机交互、智能驾驶、医疗保健等领域都得以广泛应用。在校园环境中计算机视觉的应用较为局限,主要的实践是利用视听检测手段打造实验平台和阅卷、考勤系统等。本文是在计算机视... 详细信息

发展迅猛的计算机视觉早已融入人们日常生活的每个角落,在人机交互、智能驾驶、医疗保健等领域都得以广泛应用。在校园环境中计算机视觉的应用较为局限,主要的实践是利用视听检测手段打造实验平台和阅卷、考勤系统等。本文是在计算机视觉赋能教育教学领域的创新尝试,利用课堂中的视觉信息和检测方法对学生的行为表现进行提取、分析和评价,通过科学计算方式对其量化分析,给出学生听课效果的数值标准,为教师教学提供辅助参考,为学生学业提供评价和指导。本文基于摄像头捕捉学生课堂表现要素建立了四种检测维度的综合量化评价体系。首先基于面部关键点定位模型进行面部疲劳度检测和头部专注度检测,设定了合理阈值将闭眼、打哈欠等检测指标与其他面部行为有效区分开,得到了哈欠频率、闭眼频率和头部姿态等指标。其次,通过深度学习网络识别和统计学生课堂中的实时情绪反应和行为动作,训练Xception网络识别学生课堂情绪,通过数据增强提高模型识别的准确率,利用OpenPose对单人、多人、全身、半身等场景内学生骨架进行提取。本文着眼于使用轻量化的深度可分离的卷积神经网络提取特征,达到高效、迅速和准确的识别。此外本文在模型训练的过程中还制作、融合了一定量的学生课堂行为和情绪相关的数据集。本文充分利用了层次分析法对多种评价要素进行综合评判。在设定七种课堂情绪、六种课堂行为和四类检测手段的权重问题上,引入专家经验,得到了具有满意一致性的多级评判体系。在情绪接受度分析环节,本文计算得到了适合中国学生情绪体验的PAD量化结果,对每种课堂情绪设定了情绪得分。最终对评判体系的功能性、适用性和客观性等性能进行了测试和检验,验证了系统对学生课堂听课参与度评价的正确性和其对教学的辅助参考作用。

关键词：深度可分离卷积神经网络情绪识别层次分析法人体姿态估计和动作识别 PAD量化模型

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：