检索结果-内蒙古大学图书馆

电子与信息学报 2024年第12期46卷 4563-4574页

作者：韩玉兰崔玉杰罗轶宏兰朝凤哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室哈尔滨150080

生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差... 详细信息

生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想,对图像的高频和低频信息分开处理,从而提高高频信息捕捉能力,简化低频特征处理。该文对生成器中的基础块进行设计,将空间特征变换层融入密集宽激活残差中,增强深层特征表征能力的同时对局部信息差异化处理。此外,利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络,为重构网络提供全新的质量评估损失,进一步提高重构图像的视觉效果。实验结果表明,同当前先进的同类方法比,该方法在多个数据集上具有更佳的重构效果。由此表明,采用频率分离思想的生成对抗网络进行超分辨率重构,可以有效利用图像频率成分,提高重构效果。

关键词：超分辨率生成对抗网络频率分离质量评估密集残差

来源：评论

学校读者我要写书评

暂无评论

LGDNet:结合局部和全局特征的表格检测网络

引用

电子与信息学报 2024年第12期46卷 4553-4562页

作者：卢迪袁璇哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室哈尔滨150080

在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型... 详细信息

在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型的表格检测网络。首先,设计一种图像预处理方法,旨在增强表格的角点和线特征,以更好地区分表格与文本等其他文档元素。其次,设计一种主干网络SwTNet-50,通过在ResNet中引入Swin Transformer Blocks (STB),有效地进行局部-全局特征信息的提取,提高模型的特征提取能力以及对表格边界的检测准确性。最后,为了弥补DINO模型在1对1匹配中编码器特征学习不足问题,采用协同混合匹配训练策略,提高编码器的特征学习能力,提升模型检测精度。与多种基于深度学习的表格检测方法进行对比,该文模型在表格检测数据集TNCR上优于对比算法,在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上,IoU阈值为0.5时F1-Score为98.6%。

关键词：表格检测卷积神经网络 Transformer 特征提取

来源：评论

学校读者我要写书评

暂无评论

基于联邦多表示域适应的不同工况下滚动轴承故障诊断方法

引用

仪器仪表学报 2023年第6期44卷 165-176页

作者：康守强杨加伟王玉静王庆岩谢金宝哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 海南师范大学海口571158

针对不同工况下滚动轴承振动数据分布差异大、部分工况下的带标签数据难以获取、不同用户间数据不共享、单一用户数据量少,导致建立诊断模型准确率不高的问题,提出一种联邦特征迁移学习框架以及基于联邦多表示域适应的不同工况下滚动轴... 详细信息

针对不同工况下滚动轴承振动数据分布差异大、部分工况下的带标签数据难以获取、不同用户间数据不共享、单一用户数据量少,导致建立诊断模型准确率不高的问题,提出一种联邦特征迁移学习框架以及基于联邦多表示域适应的不同工况下滚动轴承故障诊断方法。该方法对滚动轴承时域振动数据做小波变换得到时频谱图,将先验的有标签公共数据作为源域,多用户无标签孤岛隐私数据作为目标域;引入多表示特征提取结构对原始残差网络进行改进,提取源域和目标域的多表示特征,分别构建多用户本地模型;使用深度神经网络的模型压缩思想改进联邦迁移学习框架中的参数传递策略,增强联邦框架的安全性并降低通信开销;在服务器端构建可用于不同工况下滚动轴承故障诊断的联邦全局模型。经两种轴承数据集的实验验证,所提方法无需多用户共享数据即可整合孤岛数据知识,建立有效的不同工况下滚动轴承故障诊断模型,平均故障诊断准确率可达97.6%,相比单一用户建模提升至少3.2%。

关键词：不同工况域适应联邦学习滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于VMD和TCN的多尺度短期电力负荷预测

引用

电子科技大学学报 2022年第4期51卷 550-557页

作者：刘杰金勇杰田明哈尔滨理工大学测控技术与通信工程学院哈尔滨150080

准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低,模态分解后未考虑子序列融合等问题,提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用... 详细信息

准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低,模态分解后未考虑子序列融合等问题,提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用VMD将电力负荷数据分解为若干个子序列,解决电力负荷数据的非线性和随机性等问题;再利用TCN对若干个序列采用不同时间尺度进行训练;最后利用全连接网络(FC)对各时间尺度的子序列进行融合,实现短期电力负荷预测,提升预测精度。实验结果表明,该方法相较于VMD和改进的长短时记忆网络(LSTM)相结合的传统预测方法,其均方根误差下降40%,曲线拟合程度提升1.1%。

关键词：短期电力负荷预测子序列融合时域卷积网络变分模态分解

来源：评论

学校读者我要写书评

暂无评论

基于波束形成的长短时记忆网络语音分离算法研究

引用

电子与信息学报 2022年第7期44卷 2531-2538页

作者：兰朝凤刘岩赵宏运刘春东哈尔滨理工大学测控技术与通信工程学院哈尔滨150080

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不... 详细信息

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。

关键词：语音分离超指向波束形成长短时记忆网络算法

来源：评论

学校读者我要写书评

暂无评论

多计算任务调度优化的机载智能状态监测单元

引用

仪器仪表学报 2023年第3期44卷 58-68页

作者：康守强李坤王本宽刘大同哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨工业大学电子与信息工程学院哈尔滨150001

为保障无人机的飞行安全,机载智能状态监测得到重点关注。然而,受机载计算资源约束,监测多个关键参数的多任务场景给机载实时计算带来较大挑战。因此,本文提出有限现场可编程门阵列(FPGA)资源下多计算任务调度优化的机载智能状态监测单... 详细信息

为保障无人机的飞行安全,机载智能状态监测得到重点关注。然而,受机载计算资源约束,监测多个关键参数的多任务场景给机载实时计算带来较大挑战。因此,本文提出有限现场可编程门阵列(FPGA)资源下多计算任务调度优化的机载智能状态监测单元,首先,基于堆叠长短期记忆网络建立不同监测参数对应尺度的监测模型,并利用FPGA构建各模型的定制计算加速单元。然后,建立FPGA资源和模型计算时间联合约束的多任务调度优化方法,获取定制计算加速单元部署和计算调度策略,最小化总任务完成时间。最后,根据上述策略在机载计算平台中部署指定尺度的加速单元,完成多计算任务调度。采用实际飞行数据对机载智能状态监测单元进行验证。结果表明,该单元能够高效完成多个状态监测任务的实时计算,较其它基于FPGA的多任务计算方法,计算效率提升优于16.08%。

关键词：机载状态监测多计算任务调度 FPGA 无人机

来源：评论

学校读者我要写书评

暂无评论

基于改进宽度模型迁移学习的不同负载下滚动轴承状态快速分类方法

引用

电子与信息学报 2023年第5期45卷 1824-1832页

作者：康守强杨佳轩王玉静王庆岩梁欣涛 MIKULOVICH V I 哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 白俄罗斯国立大学明斯克220030

针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题,该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换,构建频域... 详细信息

针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题,该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换,构建频域幅值序列数据集,并选取某种或某些负载数据集作为源域,其他负载数据集作为目标域;其次以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口,并在增强层引入Maxout激活函数构建改进的BLS网络,同时引入遗传算法优化网络节点结构,建立基于源域数据的预训练模型;最后将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络,并利用少量目标域样本微调网络建立状态分类模型。实验结果表明,所提方法平均训练时间为32.6 s,平均测试准确率为98.9%。对比其他方法,所提方法可以在更短的时间内建立分类模型并获得良好的分类准确率。

关键词：滚动轴承快速分类宽度学习系统模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于联邦模型迁移的不同规格滚动轴承故障诊断方法

引用

振动与冲击 2023年第22期42卷 184-192页

作者：康守强肖杨王玉静王庆岩梁欣涛 V.I.Mikulovich 哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 白俄罗斯国立大学明斯克220030

数据隐私与数据安全问题逐渐受到社会关注,各用户隐私的滚动轴承振动数据存在孤岛且不共享的问题,同时不同规格滚动轴承振动数据分布差异大、部分已知标签数据稀缺,使得诊断准确率不高。针对上述问题,提出一种基于联邦模型迁移的不同规... 详细信息

数据隐私与数据安全问题逐渐受到社会关注,各用户隐私的滚动轴承振动数据存在孤岛且不共享的问题,同时不同规格滚动轴承振动数据分布差异大、部分已知标签数据稀缺,使得诊断准确率不高。针对上述问题,提出一种基于联邦模型迁移的不同规格滚动轴承故障诊断框架。该方法对多个用户振动数据做短时傅里叶变换,构建时频图数据集;各用户训练本地模型并将模型参数上传至服务器,同时引入差值更新和参数稀疏化算法改进联邦学习中本地模型参数传递策略;服务器采用联邦平均算法聚合模型参数并更新本地模型,迭代后建立用于迁移学习的共享模型;提出逐层解冻策略保留共享模型部分参数并发送给每个用户,再利用本地数据微调共享模型,获得适用于每个用户的个性化模型。经试验验证,所提方法在数据孤岛和标签稀缺的前提下,可实现不同规格滚动轴承故障诊断,并具有较高的准确率和良好的泛化性能。

关键词：联邦学习迁移学习滚动轴承故障诊断不同规格

来源：评论

学校读者我要写书评

暂无评论

基于双路径递归网络与Conv-TasNet的多头注意力机制视听语音分离

引用

电子与信息学报 2024年第3期46卷 1005-1012页

作者：兰朝凤蒋朋威陈欢赵世龙郭小霞韩玉兰韩闯哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨工大卫星技术有限公司哈尔滨150023 中国舰船研究设计中心武汉430064

目前的视听语音分离模型基本是将视频特征和音频特征进行简单拼接,没有充分考虑各个模态的相互关系,导致视觉信息未被充分利用,分离效果不理想。该文充分考虑视觉特征、音频特征之间的相互联系,采用多头注意力机制,结合卷积时域分离模型... 详细信息

目前的视听语音分离模型基本是将视频特征和音频特征进行简单拼接,没有充分考虑各个模态的相互关系,导致视觉信息未被充分利用,分离效果不理想。该文充分考虑视觉特征、音频特征之间的相互联系,采用多头注意力机制,结合卷积时域分离模型(Conv-TasNet)和双路径递归神经网络(DPRNN),提出多头注意力机制时域视听语音分离(MHATD-AVSS)模型。通过音频编码器与视觉编码器获得音频特征与视频的唇部特征,并采用多头注意力机制将音频特征与视觉特征进行跨模态融合,得到融合视听特征,将其经DPRNN分离网络,获得不同说话者的分离语音。利用客观语音质量评估(PESQ)、短时客观可懂度(STOI)及信噪比(SNR)评价指标,在VoxCeleb2数据集进行实验测试。研究表明,当分离两位、3位或4位说话者的混合语音时,该文方法与传统分离网络相比,SDR提高量均在1.87 dB以上,最高可达2.29 dB。由此可见,该文方法能考虑音频信号的相位信息,更好地利用视觉信息与音频信息的相关性,提取更为准确的音视频特性,获得更好的分离效果。

关键词：语音分离视听融合跨模态注意力双路径递归网络 Conv-TasNet

来源：评论

学校读者我要写书评

暂无评论

基于自适应分块的高光谱图像压缩感知重构方法

引用

电子与信息学报 2023年第7期45卷 2605-2613页

作者：王洋杨孟宇赵首博哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 广东海洋大学机械与动力工程学院湛江524000

在对高光谱图像采样重构的研究中,整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布,使用了相同的测量矩阵导致图像的重构质量较差。针对此问题,该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE),该方法以图像... 详细信息

在对高光谱图像采样重构的研究中,整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布,使用了相同的测量矩阵导致图像的重构质量较差。针对此问题,该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE),该方法以图像2维熵作为高光谱图像纹理细节的度量,根据图像的纹理细节分布自适应改变图像子块的大小,然后为不同的图像块分配特定的采样值,根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量,将采样测量值代入重构算法中进行重构。实验结果表明,与整体采样重构和固定分块采样重构相比,将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后,重构的图像在视觉效果上有明显的提高,取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大,采样率为0.4时,PSNR提高了2~4 dB,SSIM最大提高了0.27,均方根误差(RMSE)和信息熵差值(ΔH)也有所降低,说明重构的图像更加接近原始图像。而且运算时间也减少了1~1.5 s。可见,该方法能充分利用高光谱图像的纹理特征,有效提高图像的重构质量,同时减少重构的运算时间。

关键词：高光谱图像重构自适应分块压缩感知图像2维熵

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：