- 学科
- 济(3)
- 经济(3)
- 学(2)
- 环境(2)
- 环境经济(2)
- 经济学(2)
- 一(1)
- 一般(1)
- 一般性(1)
- 与其(1)
- 书馆(1)
- 关系(1)
- 其他(1)
- 决策(1)
- 化(1)
- 医学(1)
- 发(1)
- 发电(1)
- 图书(1)
- 图书馆(1)
- 基础(1)
- 基础理论(1)
- 太阳(1)
- 太阳能(1)
- 学科(1)
- 安全(1)
- 小麦(1)
- 性问题(1)
- 数学(1)
- 数学方法(1)
- 机构
- 大学(15)
- 学院(14)
- 京(8)
- 北京(6)
- 研究(6)
- 中国(5)
- 信息(5)
- 工程(5)
- 科学(5)
- 业大(4)
- 学工(4)
- 工学(4)
- 工学院(4)
- 工程学(4)
- 工程学院(4)
- 技术(4)
- 济(4)
- 理学(4)
- 理学院(4)
- 管理(4)
- 管理学(4)
- 管理学院(4)
- 经济(4)
- 中心(3)
- 公司(3)
- 农(3)
- 农业(3)
- 农业大学(3)
- 南京(3)
- 江(3)
共检索到16条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
李骏琪 杨垚立
深度学习(Deep Learning)算法的发展和成熟为高频、量化交易提供了全新的技术手段。文章将卷积神经网络(CNN)和时序卷积网络(TCN)相结合,利用CNN卷积核学习限价指令簿(LOB)空间结构上的预测信息,用TCN学习LOB时间维度上的价格相关性。同时,利用2019年5年期国债期货所有合约的level 2行情数据对"CNN+TCN"模型进行检验,发现该模型能够提供非常稳定的样本外精度,而且模型表现得稳定地、显著地优于随机森林、支持向量机等已经在业界大量应用的成熟机器学习模型,并且训练速度大为提高。
[期刊] 科技管理研究
[作者]
郭宇辰 加鹤萍 余涛 刘敦楠
对碳价波动的特征进行分析，说明碳价预测的意义；然后，基于卷积神经网络（convolutional neural network,CNN）与长短期记忆网络（long short-term memory, LSTM）提出一种CNN-LSTM组合模型的碳价预测方法，充分考虑碳价的时序特性，通过改善相关模型，从时序数据中提取特征的能力从而提高预测准确性；最后，通过欧洲能源交易所及我国广州碳市场的碳价实例验证，将CNN-LSTM模型的预测结果与其他常用预测模型对比，结果表明CNN-LSTM模型在碳价预测中具有更高的预测准确性。
[期刊] 图书情报工作
[作者]
陈德鑫 占袁圆 杨兵 谢亚霓
[目的/意义]在线医疗信息抽取是实现医疗信息检索、医疗信息推荐、个人医疗健康提醒及警示、疾病诊断、公众健康监控、药物不良反应挖掘等服务的基础环节,而医疗实体抽取则是在线医疗信息抽取的首要工作。本文拟解决传统医疗实体抽取严重依赖于人工特征提取且效率低的问题。[方法/过程]以网络文本为研究对象,首先对医疗实体类型和医疗实体抽取的目标进行描述。将在线医疗文本中的医疗实体抽取任务看作序列标注问题来解决,通过对CNN模型和BiLSTM模型基础理论的探讨,构建基于混合深度学习模型CNN-BiLSTM的医疗实体抽取框架。[结果/结论]通过三组对比实验,验证了本文所使用的CNN-BiLSTM模型在医疗实体抽取任务中的有效性。
[期刊] 实验技术与管理
[作者]
陈鑫辉 王宇轩 张跃军 刘钢 刘子坚
现有的类脑计算电路存在的识别对象单一、识别率低等问题，限制了类脑芯片的发展。该文结合器件量子电导及存算一体架构，提出一种基于忆阻器的多模式识别CNN电路设计方案。该方案首先构建具有多阻态、高精度、可重构的忆阻器模型；然后采用CNN架构与权重量化方法，提高电路的训练速度与识别率；最后，在交叉阵列结构中进行电导映射，完成MNIST、Fashion-MNIST和EMNIST等多种模式测试。实验结果表明所设计忆阻器具有50个稳定阻态以及LTP突触可塑性；CNN硬件电路的多模式识别率均为90%以上，尤其是MNIST识别率高达99.08%，并验证了高斯噪声下电路的抗干扰能力。
[期刊] 清华大学学报(自然科学版)
[作者]
芦效峰 张胜飞 伊胜伟
个人击键节奏模式具有很难被模仿的特点并可以用于身份认证。根据个人自由文本输入时的击键数据可以学习到个人独有的击键模式。基于对用户自由文本击键输入的检测,能够在不影响用户输入的情况下完成对用户身份的持续认证。该文提出将整体击键数据划分成固定长度的击键序列,并且根据击键的时间特征将击键序列中的击键时间数据转化成击键向量。使用卷积神经网络(convolutional neural networks,CNN)加循环神经网络(recurrent neural networks,RNN)的模型进行个人击键向量序列进行学习,用于身份认证。结果表明:模型使用公开数据集进行实验获得最优拒真率(false rejection rate,FRR)为1.95%,容假率(false acceptance rate,FAR)为4.12%,相等错误率(equal error rate,EER)为3.04%。
[期刊] 运筹与管理
[作者]
吴丽丽 邰庆瑞 卞洋 李言辉
准确的碳价预测可为碳排放权交易市场监管者和投资者提供决策依据与参考。本文提出了基于GA-VMD降噪分解及CNN-BiLSTM-Attention混合模型的碳价预测方法，并选取湖北碳市场2014年4月2日到2022年6月15日1857个交易日的数据进行分析：首先通过遗传算法改进变分模态分解（GA-VMD）将原始碳价序列分解为平稳的本征模态函数（IMF）分量，降低数据噪音；随后构建CNN-BiLSTM-Attention混合模型对各IMF分量进行预测。其中，卷积神经网络（CNN）可提取影响碳价多个特征，双向长短期记忆网络（BiLSTM）可实现时间序列信息提取，注意力机制（Attention）可突出某个关键输入对输出的影响。本文将预测出的各IMF分量集合成碳价序列，并提出12个模型，分为3个组进行剥离分析，结果显示GA-VMD-CNN-BiLSTM-Attention的预测结果最好。另外，为给市场参与者提供更多信息，本文在确定性预测的基础上加入区间预测，以便提前测量碳市场的波动性。
[期刊] 清华大学学报(自然科学版)
[作者]
林鹏 魏鹏程 樊启祥 陈闻起
该文旨在通过卷积神经网络(convolutional neural networks,CNN)模型对基础设施建设期典型安全隐患进行数据学习与挖掘,为现场智能安全管控提供方法和依据。依托于Wesafety平台实时统计出的某大型水电站现场安全隐患数据,分析了现场典型安全隐患特征,提出了基于CNN的安全隐患学习与挖掘模型,并定义了模型结构的卷积层、池化层、全连接层以及训练和测试流程,开发了相应的程序。结果表明:该方法提高了基础设施建设现场扁平-闭环安全管理的效率,为智能安全管理提供了崭新的思路,达到了机器自动识别典型隐患的目的,研究结果对建设工程安全隐患自动分类分析具有参考意义。
[期刊] 北京林业大学学报
[作者]
刘嘉政 王雪峰 王甜
【目的】在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。【方法】将6类常见树种(樟子松、山杨、白桦、落叶松、雪松和白皮松)图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。【结果】本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB+H通道+LBP条件下,验证识别准确率最高,达到93.50%;RGB+HSV+LBP+HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。【结论】基于RGB+H通道+LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。
[期刊] 清华大学学报(自然科学版)
[作者]
邓青 张博 李宜豪 周亮 周正青 蒋慧灵 高扬
对疏散场景中的人员数量进行准确估计,能为疏散路径的实时优化和应急资源的调度提供决策支持。为了获取疏散通道上不同区域的人员数量,该文在对已有方法分析和总结的基础上,通过设置分类情况和人员密度层级相连,建立了基于级联卷积神经网络(CNN)的人员数量估计模型,可有效避免卷积过程中部分图像信息丢失及过拟合的产生。通过学习图像中人员数量、位置随着图像特征变化的关系,可估计疏散通道上实时监控画面中人员数量。基于PyTorch深度学习平台开发,模型最终在验证集(612张图像)和测试集(182张图像)上的识别准确度分别为84.2%和83.6%,说明该模型可以准确地估计监控画面中的疏散人员数量。
[期刊] 中国农业科学
[作者]
王赟赟 李毅念 陈玉仑 丁启朔 何瑞银
【目的】针对小麦籽粒性状参数获取需要脱粒后测量，测量程序繁杂、费时费力的缺点，提出基于深度学习的小麦在穗籽粒表型参数测试方法。【方法】采集镇麦25、宁麦13和农麦88这3个品种小麦穗两侧正视图像，利用小麦穗正视图像构建图像增强数据集，提出深度学习与形态学处理相结合的小麦在穗籽粒表型参数测试方法。首先，建立基于改进Mask R-CNN网络的麦穗颖壳分割模型，模型以ResNet和FNP为特征提取网络并引入坐标注意力（CA）模块、聚合模块和半卷积模块，实现麦穗图像中颖壳的准确定位、分割和籽粒计数。其次，利用分割的麦穗颖壳掩膜图经形态学处理方法提取麦穗颖壳的5个表型参数，并建立麦穗颖壳表型参数与颖壳内籽粒表型参数之间的线性相关关系。最后，利用麦穗颖壳表型参数与籽粒表型参数之间的线性相关关系预测籽粒表型参数。【结果】（1）基于改进Mask R-CNN网络的麦穗颖壳分割模型的平均精确率AP为94.13%,F1值为91.12%，召回率为88.30%，单幅图像平均检测耗时97 ms，可以快速、精准地识别单粒麦穗颖壳。模型的籽粒计数的均方根误差和平均相对误差分别为0.94个和0.65%，可见模型分割籽粒的精度较高。（2）麦穗颖壳与籽粒之间的表型参数粒长、粒厚、面积、周长、长径比线性相关关系式为：y=0.7258x、y=0.5166x、y=0.3748x、y=0.6756x、y=1.4085x，其决定系数（R~2）均在0.85以上。（3）利用图像获取的麦穗颖壳参数数据对上述相关性模型进行验证并预测籽粒表型参数，粒长、粒厚、面积、周长、长径比5个参数的均方根误差和平均相对误差分别为0.17 mm、0.08 mm、0.46 mm~2、0.33 mm、0.12和0.02%、0.02%、0.02%、0.02%、0.03%，每个参数的预测数据与实际数据之间的决定系数（R~2）均在0.85以上，说明本文提出的籽粒表型预测方法可行。【结论】基于深度学习的小麦在穗籽粒表型测试方法能够通过麦穗颖壳表型参数精确预测小麦在穗籽粒的表型参数，为快速简便提取小麦籽粒表型参数提供了新的方法。
关键词：
麦穗 籽粒表型 深度学习 坐标注意力
[期刊] 沈阳农业大学学报
[作者]
王俊 邱爽 鞠丹阳 谢易澎 张楠楠 王慧
随着“双碳”目标的推进，清洁能源所占比重大幅度增加，分布式光伏发电在我国农村地区快速发展，但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题，减少光伏发电的不稳定性对电网的冲击。因此，为提高光伏发电功率预测精度，提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择，在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型，将处理好的数据输入到CNN-GRU模型中，并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参，将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布，结合核密度估计法从条件分布中获得概率密度函数，完成概率预测。以实际光伏电站数据作为基础，将提出的INFO优化算法与其他几种传统的优化算法进行对比，结果表明INFO的优化效果更好，在此基础上进行概率预测，得到的概率预测结果相较于点预测能提供更多有效信息，更具有应用价值。
[期刊] 南京农业大学学报
[作者]
王逸凡 井世亮 夏宇 Nuhu Jibril 赵海瑞 陈坤杰
[目的] 为了实现远红外稻谷干燥过程中水分比的精准预测，提出了一种基于1D-CNN（One-Dimensional Convolutional Neural Network）的稻谷干燥水分比预测模型，实现对干燥过程中稻谷含水率的在线预测。[方法]将稻谷初始含水率调到统一标准后，在自制的石墨烯远红外干燥试验台进行不同温度的干燥试验，每隔2 min采集一组包括干燥温湿度等8个工艺参数数据，经标准化处理后构成数据集。然后以8个工艺参数为输入，水分比为输出，构建1D-CNN干燥模型，通过训练确定模型参数，最后对模型进行验证并与6种经典薄层干燥模型及4种典型机器学习干燥模型进行比较。[结果] 试验结果表明，所提出的1D-CNN干燥模型能够很好地描述干燥过程中水分比的变化情况，决定系数R~(2)、均方根误差（root mean square error，RMSE）和平均绝对误差（mean absolute error，MAE）分别达到0.993 1、0.018 9、0.012 1；含水率预测的平均绝对误差MAE和平均相对误差（mean relative error，MRE）分别为0.143 2%和0.007 8%，明显优于其他对比的干燥模型。[结论] 所提出的1D-CNN干燥模型能够准确预测稻谷干燥过程中含水率的变化，完全满足含水率在线检测需求。
[期刊] 图书情报工作
[作者]
蔡庆平 马海群
[目的/意义]构建一种基于Word2Vec和CNN的产品评论细粒度情感分析模型。[方法/过程]首先使用Word2Vec从产品评论中构建产品特征词列表和噪声词表,其次借助噪声词表来进行产品评论特征词的提取,然后采用CNN对产品评论进行产品特征层面的细粒度情感分类,最后实现基于产品特征的产品评论聚类。[结果/结论]通过爬取京东商城华为手机评论对该模型进行训练和测试,结果表明,该模型能够有效实现产品评论的细粒度情感分析,可以有效地发现用户对产品特征的关注度和满意度。
[期刊] 北京林业大学学报
[作者]
柯栋方 辛振波 张厚江 彭林
【目的】我国有大量的木结构古建筑，在现场对古建筑木构件正常木材的物理力学性能给予方便的检测评估，是古建筑木结构日常保护、修缮和安全评估的刚性需求。本研究对敲击声信号引入机器学习算法处理，力图将便捷的敲击方式应用于古建筑木材物理力学性能的无损检测。【方法】以北京某皇家古建筑拆修下来的4段落叶松旧木构件为原材料，加工无疵试件，首先探究木试件尺寸、密度对敲击声信号的影响，试验测定木试件的密度、抗弯强度、抗弯弹性模量、顺纹抗压强度等物理力学性能参数；然后对试验采集的敲击声信号进行梅尔频率谱系数（MFSC）特征提取，以敲击声MFSC特征为输入、试件物理力学性能为输出，构建古建筑木材物理力学性能卷积神经网络（CNN）评估模型。【结果】试件尺寸对敲击声信号没有影响，密度较高试件的敲击声信号的主峰频率较高；失活层对模型性能有较为明显的影响，失活层失活率为0.2时的拟合效果最佳；所建立的模型对古建筑木材物理力学性能的评估效果良好，密度、抗弯强度、抗弯弹性模量、顺纹抗压强度评估值与真实值之间的决定系数分别达到0.873、0.819、0.746、0.860。【结论】本研究构建的基于敲击声MFSC特征CNN模型，对古建筑木材物理力学性能进行检测评估是可行的。
[期刊] 财会通讯
[作者]
史琪 李青原
装备制造企业在发展过程中逐渐形成多条价值链，涵盖生产、供应、销售及服务等多个方面，协同推动推动企业价值创造行为的有效实施。多条价值链涉及一系列互不相同但又相互关联的经济活动，由此也导致企业经营风险增多，增强企业经营实力、合理管控多价值链协同下的经营风险，成为装备制造企业当前需要考虑的重要内容。文章在构建多价值链协同RF-BA S-CNN经营风险预测模型的基础上，选取案例企业并深入阐述企业利用模型开展的多价值链协同经营风险测算及相应风险控制活动，明确风险管控效果，以期为国内装备制造企业有效控制多价值链协同经营风险提供一定借鉴。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
