云南高校图书馆联盟文献共享服务平台- 动态神经网络

动态神经网络: 作品数：229被引量：797H指数：14; 导出分析报告; 相关领域：自动化与计算机技术更多>>; 相关作者：孙增圻胡维礼党选举戴琼海刘耀年更多>>; 相关机构：清华大学浙江大学北京航空航天大学南京理工大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金国家教育部博士点基金国家高技术研究发展计划国家重点基础研究发展计划更多>>

基于MTS和NARX的地铁车轮轮缘磨耗预测: 《计算机与数字工程》2025年第3期865-869,共5页吴伟涛廖爱华王帷胡定玉师蔚; 国家自然科学基金项目(编号:51605274);上海市地方院校能力建设项目(编号:20030501000)资助。; 为了准确预测地铁车轮的轮缘磨耗趋势,针对轮缘厚度非线性变化、车轮尺寸数据之间存在高相关性的特征,采集了某条地铁线路实测车轮尺寸数据,筛选出与轮缘磨耗速度关联性强的特征参量并构建了基于多变量时间序列(MTS)分析的非线性自回归...; 关键词：轮缘磨耗预测多变量时间序列相关性分析动态神经网络

考虑暂态稳定过程的电力系统运行状态辨识: 《中国电机工程学报》2024年第20期7970-7982,I0005,共14页赵津蔓韩肖清牛哲文张庚午杨晶李柏堉武宇翔; 数据驱动背景下的电力系统状态辨识包含故障前和故障后两个场景,分别具有安全域和稳定域概念下的分析特点。受限于样本特征及应用场景的不一致,现有研究通常将其作为两个独立的问题进行建模。一方面,独立建模忽略了两者间的时序耦合性;...; 关键词：运行状态辨识动态神经网络深度学习

生物氧化预处理过程pH值随机分布控制方法研究: 《传感器与微系统》2024年第8期56-59,63,共5页赵雅儒高丙朋; 新疆维吾尔自治区自然科学基金资助项目(2019D01C079)。; 生物氧化预处理过程中氧化槽pH值是影响细菌活性的关键因素之一,而pH值输出形态分布不符合高斯分布,使传统的均值和方差难以描述输出pH值分布,本文提出一种对矿浆输出pH的概率密度函数(PDF)统计信息控制方法。首先,采用B样条逼近矿浆输...; 关键词：氧化预处理过程 pH随机分布 B样条模型概率密度函数统计信息动态神经网络滑模控制

一种用动态神经网络的月面科研站电源系统分析方法: 《电源技术》2024年第3期395-400,共6页黄宇超宋相毅童乔凌张侨; 月面科研站能源系统工况复杂,对其电源系统的稳定性分析十分重要,电源系统建模复杂,将其等效为黑箱子模型,通过输入和输出特性判断稳定性。提出了一种利用动态神经网络根据给定输入估计系统的预测输出,判断系统的稳定性。神经网络模型...; 关键词：动态神经网络电源系统数字孪生 BUCK变换器

基于多变量自优化动态神经网络的“阶跃型”滑坡变形预测被引量：1: 《金属矿山》2024年第3期74-82,共9页徐志华杨旭孙钱程何钰铭张国栋叶义成; 国家自然科学基金项目(编号:51909136)。; 传统累计变形预测方法在曲线结构分解和表征模型选择上具有多样性,由此引起了工作量大、预测精度低以及预测方法适用对象较局限等问题,为此考虑降雨量、库水位、库水位变化对滑坡累计变形的影响,基于非线性自回归模型建立了多变量自优...; 关键词：累计位移预测 “阶跃型”滑坡多因素影响多变量自优化动态神经网络

基于动态神经网络NARX时间序列的双排桩基坑变形预测被引量：2: 《广西大学学报（自然科学版）》2024年第1期49-59,共11页侯福昌曾家俊江杰李结全范懿文; 国家自然科学基金项目(52068004);广西自然科学基金项目(2018GXNSFAA050063);广西交通运输行业重点科技清单项目(JZY2020KZD02)。; 针对目前基于含基本假设或经验公式的传统土力学计算方法,不能有效地反映具有多因素交叉性以及时空性的基坑变形规律,而监测数据时间序列能够真实地表现基坑土体变形的演变,以南宁市亭洪路72号河南水厂住宅小区危旧房改造项目双排桩基...; 关键词：动态神经网络时间序列预测模型双排桩基坑变形

基于LIR和GFNet的带钢表面缺陷识别: 《组合机床与自动化加工技术》2024年第1期150-155,共6页刘双辉易灿灿肖涵黄涛; 国家自然科学基金项目(51805382);湖北省重点研发计划项目(2021BAA194)。; 针对深度学习(deep learning,DL)模型处理带钢表面缺陷图像存在计算成本大、实时性差的问题,提出了一种基于可学习的图像调整器(learnable image resizer,LIR)和扫视-聚焦网络(glance and focus network,GFNet)的带钢表面缺陷分类方法...; 关键词：带钢表面缺陷图像分类可学习的图像调整器动态神经网络扫视-聚焦网络

动态感受野特征选择去雾网络被引量：1: 《电子科技》2023年第7期56-63,共8页查俊伟张洪艳; 国家自然科学基金(61871298)。; 基于深度学习的去雾模型大多在网络参数固定后,感受野也就随之固定。这导致去雾网络无法针对每个具体的场景采用最优的模式进行去雾,从而造成结果中存在模糊和失真。针对这些问题,文中提出动态感受野特征选择去雾网络。该网络以带有空...; 关键词：图像去雾动态感受野多尺度特征动态特征融合空洞卷积自注意力机制动态神经网络动态参数

基于动态卷积核的自适应图像去雾算法被引量：3: 《计算机科学》2023年第6期200-208,共9页刘哲梁宇栋李嘉莹; 国家自然科学基金(61802237,62272284,61906114);山西省研究生教育创新项目(2022Y127);山西省基础研究计划(自由探索类)项目(202203021221002,202203021211291);山西省自然科学基金(201901D211176,201901D211170,202103021223464);山西省高等学校科技创新项目(2019L0066);山西省科技重大专项计划(202101020101019);山西省重点研发计划(国际科技合作,201903D421041,能源与节能环保领域,202102070301019);山西省科技创新人才团队专项资助。; 现有图像去雾方法普遍存在去雾不彻底、容易出现颜色失真等问题,基于传统深度学习模型的图像去雾方法多采用静态推理模式,在该模式下,模型对不同样本会采用同样的、固定的参数设置,从而抑制了模型的表达能力,影响图像的去雾效果。针对...; 关键词：图像去雾深度学习动态神经网络注意力机制特征融合

面向任务扩展的增量学习动态神经网络:研究进展与展望被引量：2: 《电子学报》2023年第6期1710-1724,共15页赵海燕马权益曹健陈庆奎; 国家自然科学基金(No.62072301);上海市科委科技创新计划(No.21511104700)。; 增量学习是近年来机器学习领域的一个重要的研究方向,它能高效地进行知识迁移却不产生遗忘.与静态模型相比,动态网络可以根据不同的输入调整其结构或参数,从而在准确性、计算效率和适应性等方面具有显著的优势.本文从动态架构角度出发,...; 关键词：增量学习动态神经网络深度学习灾难性遗忘自适应选择

动态神经网络