期刊文献+

二次检索

题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到138篇文章
< 1 2 7 >
每页显示 20 50 100
基于改进EEMD-MB1DCNN的船用柴油机缸套-活塞环故障诊断 被引量:2
1
作者 王永坚 范金宇 +2 位作者 蔡杭溪 赵凯 吴怡婷 《船海工程》 北大核心 2024年第1期30-35,共6页
针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸... 针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸套-活塞环故障诊断方法,通过设计固有模态分量IMF信息质量筛选准则对EEMD分解出的IMFs进行重新排序,获得包含更多凸显故障特征成分的重构信号,输入到上述神经网络模型,通过振动信号分析并与现有方法比较,评估所设计IMF信息质量筛选准则与所搭建模型的性能,试验结果显示该方法能准确、有效地识别缸套-活塞环故障类型。在判断该易损件同类型不同磨损程度故障诊断中有较高的准确率,能对故障状况进行有效的特征提取与故障分类。 展开更多
关键词 船用柴油机 缸套与活塞环 EEMD 1DCNN 故障诊断
下载PDF
基于1DCNN和D-S多信息融合的光伏系统直流母线串联电弧故障检测 被引量:1
2
作者 李岩 刘鑫月 +2 位作者 乔俊杰 王毛桃 王鹏 《电工电能新技术》 CSCD 北大核心 2024年第5期58-67,共10页
直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别... 直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别。因此,本文提出基于深度学习和证据理论(D-S)的方法来识别串联电弧故障,该方法基于并联电容器电流和电压信号,采用一维卷积神经网络(1DCNN)对检测数据进行电弧识别;在此基础上将基于单个传感数据的识别结果作为证据,运用D-S多信息合成法则计算得到信度分配,最后利用决策规则判断是否发生串联电弧故障。搭建多参数可调模型获取数据进行测试,结果表明:使用1DCNN识别方法,基于并联电容器电流和电压信号的串联电弧识别准确率分别为97.19%和94.98%,而基于1DCNN和D-S多信息融合的光伏系统直流串联电弧故障检测的识别准确率可提升至99%以上。 展开更多
关键词 光伏系统 1DCNN 串联电弧故障 D-S多元信息融合 故障检测
下载PDF
结合时空特征的多传感器刀具磨损监测
3
作者 曹梦龙 甄开起 《组合机床与自动化加工技术》 北大核心 2024年第2期125-129,共5页
针对传统深度学习方法监测刀具磨损状况时,相关特征提取繁琐,数据隐含信息提取不全面导致识别精度较低等问题,提出了结合时空特征的多传感器刀具磨损监测模型。首先,将不同传感器采集的波形信号经简单预处理后作为输入,再使用多通道1D... 针对传统深度学习方法监测刀具磨损状况时,相关特征提取繁琐,数据隐含信息提取不全面导致识别精度较低等问题,提出了结合时空特征的多传感器刀具磨损监测模型。首先,将不同传感器采集的波形信号经简单预处理后作为输入,再使用多通道1D卷积神经网络(MC-1DCNN)提取输入数据的空间特征;然后,利用双向长短时记忆网络(BiLSTM)提取时序特征;最终,由全连接层和Softmax层对特征进行分类。仿真结果表明,监测模型流程简单、识别准确率高,具备较强的可适用性。 展开更多
关键词 刀具磨损 时空特征 多传感器 MC-1DCNN BiLSTM
下载PDF
基于三维特征构建和扩张残差网络的机械故障音频识别方法
4
作者 景源 李孟鼎 《辽宁大学学报(自然科学版)》 CAS 2024年第3期220-231,共12页
已有的基于音频的机械故障识别方法,大多是使用二维神经网络和音频信号的某个单一特征(如功率谱)进行故障检测,然而单一的音频特征在提取过程中可能会存在关键信息丢失的现象,且往往只能提取音频特征的单一维度(如空间上)信息,这极大限... 已有的基于音频的机械故障识别方法,大多是使用二维神经网络和音频信号的某个单一特征(如功率谱)进行故障检测,然而单一的音频特征在提取过程中可能会存在关键信息丢失的现象,且往往只能提取音频特征的单一维度(如空间上)信息,这极大限制了现有设备故障音频算法的有效性.为了探究解决上述问题的方法,本文提出一种包含不同音频特征的三维特征构建方式,利用不同的音频特征弥补特征提取过程中的关键信息;并且构建了三维扩张残差网络模型(DR-3DCNN),采用空洞卷积的方式增大模型对全局的关注,同时获取不同尺度的特征信息;充分利用不同特征之间的相关性,建立特征与原始音频数据的深层次关联;最后,采用公开的故障工业机器调查和检查数据集(MIMII)进行实验.实验结果表明,三维特征和DR-3DCNN相组合的方式,其机械故障识别分类效果有了显著提升,分类准确率好于以往单一音频特征的识别算法. 展开更多
关键词 机械故障识别 三维卷积网络(3DCNN) 三维特征构建 空洞卷积
下载PDF
基于深度学习的语音识别系统实现方法
5
作者 窦亚珍 《电声技术》 2024年第10期74-76,共3页
研究基于深度学习的语音识别系统实现方法,首先探讨语音识别系统的总体框架,其次深入研究梅尔倒谱系数(MelFrequency Cepstral Coefficient,MFCC)的提取和深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的基本原理,最后基于... 研究基于深度学习的语音识别系统实现方法,首先探讨语音识别系统的总体框架,其次深入研究梅尔倒谱系数(MelFrequency Cepstral Coefficient,MFCC)的提取和深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的基本原理,最后基于Python和PyTorch框架进行系统测试。实验结果表明,所提方法在准确率、精确率及召回率方面均表现优异,能够较好地捕捉大多数样本。 展开更多
关键词 深度卷积神经网络(DCNN) 语音识别 PYTHON
下载PDF
IPv6中一种基于卷积的DDoS攻击两阶段防御机制 被引量:1
6
作者 王郁夫 王兴伟 +1 位作者 易波 黄敏 《软件学报》 EI CSCD 北大核心 2024年第5期2522-2542,共21页
针对IPv6快速普及背景下分布式拒绝服务(DDoS)攻击威胁不断增长的现状,提出一种两阶段的DDoS攻击防御机制,包括初期实时监控DDoS攻击发生的预检测阶段,以及告警后精准过滤DDoS攻击流量的深度检测阶段.首先,分析IPv6报文格式并解析PCAP... 针对IPv6快速普及背景下分布式拒绝服务(DDoS)攻击威胁不断增长的现状,提出一种两阶段的DDoS攻击防御机制,包括初期实时监控DDoS攻击发生的预检测阶段,以及告警后精准过滤DDoS攻击流量的深度检测阶段.首先,分析IPv6报文格式并解析PCAP流量捕获文件中的16进制头部字段作为样本元素.其次,在预检测阶段,引入轻量化二值卷积神经网络(BCNN),设计一种二维流量矩阵作为模型输入,整体感知网络在混杂DDoS流量后出现的恶意态势作为告警DDoS发生的证据.告警后,深度检测阶段介入,引入一维卷积神经网络(1DCNN)具体区分混杂的DDoS报文,从而下发阻断策略.在实验中,自建IPv6-LAN拓扑并基于NAT 4to6技术重放CIC-DDoS2019公开集生成纯IPv6-DDoS流量源测试.结果证明,所提机制提升针对DDoS攻击的响应速度、准确度和攻击流量过滤效率,当DDoS流量出现仅占总网络6%和10%时,BCNN就能以90.9%和96.4%的准确度感知到DDoS攻击的发生,同时1DCNN能够以99.4%准确率区分DDoS报文并过滤. 展开更多
关键词 DDOS防御 两阶段 DDoS攻击监控 DDoS流量过滤 BCNN和1DCNN IPV6
下载PDF
基于1DCNN-BiLSTM的航空发动机故障分类研究
7
作者 孔令刚 康时嘉 +3 位作者 吴家菊 左洪福 杨永辉 程铮 《现代电子技术》 北大核心 2024年第20期129-135,共7页
随着航空发动机运行状态的变化,其故障模式也会发生变化。针对航空发动机的运行退化趋势,提出一种基于1DCNN-BiLSTM的航空发动机故障分类模型。该模型可以直接用于原始监测数据,不需要其他算法提取故障退化特征,并且能充分利用1DCNN提... 随着航空发动机运行状态的变化,其故障模式也会发生变化。针对航空发动机的运行退化趋势,提出一种基于1DCNN-BiLSTM的航空发动机故障分类模型。该模型可以直接用于原始监测数据,不需要其他算法提取故障退化特征,并且能充分利用1DCNN提取时间维度局部特征的优势,以及BiLSTM处理非线性时间序列及利用双向上下文信息的特点,最后连接全连接层来学习双向时序依赖的特征信息,并使用softmax函数来诊断故障类别。在美国航空航天局公开的CMAPSS数据集上进行验证,将故障模式分为无故障、HPC故障(单一故障)、HPC&Fan故障(混合故障)三种类型。实验结果表明,与其他模型对比,所提模型具有较高的分类精度,这对提高航空发动机运行可靠性和进一步进行剩余使用寿命预测有一定的实用价值。 展开更多
关键词 航空发动机 发动机故障 故障分类 1DCNN BiLSTM 非线性时间序列
下载PDF
基于1DCNN-LSTM尾矿坝浸润线预测
8
作者 杨玉好 杨斌 +2 位作者 胡军 董文宇 金实 《有色金属工程》 CAS 北大核心 2024年第7期138-146,共9页
准确预测浸润线位置变化对尾矿坝的稳定性和安全性至关重要,为充分挖掘浸润线数据提供的空间特征和时序信息,提出将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合方法预测浸润线。以辽宁省齐大山风水沟尾矿库主坝为例,使用... 准确预测浸润线位置变化对尾矿坝的稳定性和安全性至关重要,为充分挖掘浸润线数据提供的空间特征和时序信息,提出将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合方法预测浸润线。以辽宁省齐大山风水沟尾矿库主坝为例,使用历史浸润线、库水位、坝体内外部位移、干滩长度5个主要因素作为模型输入数据,预测未来1 d和未来3 d的浸润线位置。将1DCNN-LSTM模型与经典的LSTM和反向传播神经网络(BP)进行对比研究。结果表明,1DCNN-LSTM浸润线预测的决定系数(R^(2))均在0.9以上,未来1 d的浸润线预测误差均值绝对值为0.004 m,最大误差绝对值为0.06 m,未来3 d的浸润线预测误差均值绝对值为0.003 m,最大误差绝对值为0.065 m,优于经典模型。这为短期浸润线预测提供一定的参考依据。 展开更多
关键词 1DCNN网络 LSTM网络 浸润线 尾矿坝 预测
下载PDF
基于EMD与DCNN混合智能煤岩识别方法研究 被引量:1
9
作者 李雄 沈良 +5 位作者 田亚锋 尹家宽 王立阳 杨东晨 慕礼洋 朱益军 《煤矿机械》 2024年第1期58-60,共3页
针对现有煤岩识别模型和方法准确率低、稳定性差、难以在工程实践中获得应用的问题,提出了基于经验模式分解(EMD)与深度卷积神经网络(DCNN)的混合智能识别方法。首先,应用EMD对采煤过程中的振动信号进行分解,得到一系列的本征模式分量(I... 针对现有煤岩识别模型和方法准确率低、稳定性差、难以在工程实践中获得应用的问题,提出了基于经验模式分解(EMD)与深度卷积神经网络(DCNN)的混合智能识别方法。首先,应用EMD对采煤过程中的振动信号进行分解,得到一系列的本征模式分量(IMF)。然后利用DCNN进行IMF信息的融合,并自动提取特征信息。最后使用Softmax实现煤岩分界的智能识别。工程应用试验数据表明,该方法能够有效、准确地实现煤岩分界的识别,并具有良好的稳定性。 展开更多
关键词 煤岩识别 EMD DCNN 煤炭开采
下载PDF
基于3DCNN的动作识别机器人 被引量:1
10
作者 卞玮 李居尚 +3 位作者 曹炳楠 王彬 乔国森 暴晓宁 《电子制作》 2024年第8期41-44,29,共5页
随着科技的不断进步,人工智能应用领域随之拓展。本文设计并实现了基于3DCNN卷积神经网络的动作识别机器人,同时对机器人的硬件设计、软件设计、总体调试、拓展功能等方面进行了详细阐述。本设计根据仿生运动原理,实现了四足机械臂的运... 随着科技的不断进步,人工智能应用领域随之拓展。本文设计并实现了基于3DCNN卷积神经网络的动作识别机器人,同时对机器人的硬件设计、软件设计、总体调试、拓展功能等方面进行了详细阐述。本设计根据仿生运动原理,实现了四足机械臂的运动及抓取,该机器人拥有4个自由度的机械臂,和12个自由度的姿态变换,利用STM32F407的FreeRTOS实时操作系统控制,该系统具有低功耗、响应快、效率高等优点,能够准确完成动作指令。本设计在动作识别控制领域,取得了长足进展。 展开更多
关键词 3DCNN STM32F4 动作识别机器人
下载PDF
基于1DCNN-GRU的启闭机液压系统故障诊断 被引量:2
11
作者 刘英杰 董詠依 +1 位作者 刘鹏鹏 葛孟伟 《现代制造技术与装备》 2024年第4期169-173,共5页
由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated... 由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated Recurrent Unit,GRU)相结合的故障诊断方法,利用1DCNN提取信号数据的空间特征和GRU提取信号数据的时间特征,实现对信号数据空间及时间特征的融合,并对融合特征进行分类识别。 展开更多
关键词 启闭机 液压系统 一维卷积神经网络(1DCNN) 门控循环单元(GRU) 特征融合 故障诊断
下载PDF
基于卷积神经网络的轴承剩余寿命预测方法
12
作者 张浩 赵军 +2 位作者 王鹿 张银龙 程思宇 《现代信息科技》 2024年第10期32-36,41,共6页
为提高自动扶梯轴承剩余使用寿命(RUL)预测模型的预测精度和泛化能力,提出一种基于卷积神经网络(CNN)的轴承RUL预测方法。首先基于3σ准则对原始数据进行去噪,通过快速傅里叶变换获得其频率特征,其次将不同于传统时间序列数据划分方法... 为提高自动扶梯轴承剩余使用寿命(RUL)预测模型的预测精度和泛化能力,提出一种基于卷积神经网络(CNN)的轴承RUL预测方法。首先基于3σ准则对原始数据进行去噪,通过快速傅里叶变换获得其频率特征,其次将不同于传统时间序列数据划分方法的分层抽样应用于数据划分,并构造一个由三个卷积层和两个全连通层组成的深度卷积神经网络DCNN模型,最后利用NASA IMS数据集对预处理方法、DCNN模型精度和泛化能力进行评估,证明了该方法的优越性。 展开更多
关键词 剩余寿命预测 3σ准则 分层抽样 DCNN 泛化能力
下载PDF
基于神经网络的二元混合液体自燃温度预测
13
作者 胡双启 郭丙宇 +1 位作者 程泽会 吴薇 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1710-1716,共7页
自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Ne... 自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Network,BPNN)和一维卷积神经网络(one-Dimensional Convolutional Neural Network,1DCNN)技术建立二元混合液体AIT预测模型。以二元混合液体的分子描述符为输入、试验测得的AIT为输出,经多种方法对模型的拟合性、稳定性和预测能力评价验证。结果表明,BPNN模型和1DCNN模型均有良好的预测能力,其均方根误差分别为4.780℃和9.603℃,拟合度与5折交叉验证拟合度差值分别为0.058和0.040,表明BPNN模型有更好的拟合能力,1DCNN模型有良好的稳定性。 展开更多
关键词 安全工程 反传播神经网络(BPNN) 一维卷积神经网络(1DCNN) 二元混合液体 自燃温度
下载PDF
Acoustic emission signal identification of different rocks based on SE-1DCNN-BLSTM network model
14
作者 WANG Weihua WANG Tingting 《Global Geology》 2024年第1期43-55,共13页
In order to study fracture mechanism of rocks in different brittle mineral contents,this study pro-poses a method to identify the acoustic emission signal released by rock fracture under different brittle miner-al con... In order to study fracture mechanism of rocks in different brittle mineral contents,this study pro-poses a method to identify the acoustic emission signal released by rock fracture under different brittle miner-al content(BMC),and then determine the content of brittle matter in rock.To understand related interference such as the noises in the acoustic emission signals released by the rock mass rupture,a 1DCNN-BLSTM network model with SE module is constructed in this study.The signal data is processed through the 1DCNN and BLSTM networks to fully extract the time-series correlation features of the signals,the non-correlated features of the local space and the weak periodicity law.Furthermore,the processed signals data is input into the fully connected layers.Finally,softmax function is used to accurately identify the acoustic emission signals released by different rocks,and then determine the content of brittle minerals contained in rocks.Through experimental comparison and analysis,1DCNN-BLSTM model embedded with SE module has good anti-noise performance,and the recognition accuracy can reach more than 90 percent,which is better than the traditional deep network models and provides a new way of thinking for rock acoustic emission re-search. 展开更多
关键词 BRITTLENESS acoustic emission signal 1DCNN BLSTM SENet
下载PDF
基于可视化物联网的大型医疗设备运行可靠性预测平台研究
15
作者 王晓岗 李芯恺 《环境技术》 2024年第6期65-71,共7页
针对医疗设备可靠性在临床实践中的问题,开发了一个基于物联网和可视化技术的大型医疗设备运行可靠性预测平台。首先引入可视化物联网仿真建模技术,利用传感器集群实时获取大型医疗设备运行多维状态数据,形成大型医疗设备运行可靠性核... 针对医疗设备可靠性在临床实践中的问题,开发了一个基于物联网和可视化技术的大型医疗设备运行可靠性预测平台。首先引入可视化物联网仿真建模技术,利用传感器集群实时获取大型医疗设备运行多维状态数据,形成大型医疗设备运行可靠性核心要素样本集;然后对大型医疗设备运行可靠性核心要素样本集进行池化处理,构建融合前置训练集和后置测试集的可靠性核心要素样本特征数据池;最后利用深度卷积神经网络DCNN对特征数据池进行特征辨识,构建时间正序下的大型医疗设备运行可靠性核心要素样本集精准预测机制。选取某三甲医院核磁共振成像设备为案例分析载体,对平台进行了临床应用实践验证,结果表明,该平台有效地满足了大型医疗设备运行可靠性预测的智慧化改造需求,显著优化了预测的智慧可控感知机制,且平台的核心参数符合临床实践的标准要求。 展开更多
关键词 可视化物联网 大型医疗设备 可靠性预测 DCNN算法 临床实践验证
下载PDF
基于1DCNN的张力辊速度超差检测
16
作者 刘真甫 牛锐祥 《山西冶金》 CAS 2024年第5期22-24,共3页
速度超差是冷轧连续退火机组张力辊组最常见的问题,甚至造成诸多废降次产品,影响产品质量管控。以某连续退火机组多次发生速度超差异常的出口段张力辊为例,为提高张力辊速度超差检测效率,提出基于一维卷积神经网络(1DCNN)的张力辊速度... 速度超差是冷轧连续退火机组张力辊组最常见的问题,甚至造成诸多废降次产品,影响产品质量管控。以某连续退火机组多次发生速度超差异常的出口段张力辊为例,为提高张力辊速度超差检测效率,提出基于一维卷积神经网络(1DCNN)的张力辊速度超差故障检测方法,实验验证表明,该方法具有较高的检测效率,可准确判断速度超差发生的时间和位置,为张力辊的周期性维护计划提供指导,同时为张力辊设备的健康管理提供新方法。 展开更多
关键词 1DCNN 张力辊 速度超差 故障检测
下载PDF
基于深度卷积神经网络的城市噪声识别研究
17
作者 郑盼盼 闫东 《电声技术》 2024年第9期41-43,共3页
为提高噪声的分类准确率,研究基于深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的城市噪声识别方法。首先,分析基于深度神经网络的噪声识别框架;其次,通过短时傅里叶变换(Short Time Fourier Transform,STFT)提取噪声信... 为提高噪声的分类准确率,研究基于深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的城市噪声识别方法。首先,分析基于深度神经网络的噪声识别框架;其次,通过短时傅里叶变换(Short Time Fourier Transform,STFT)提取噪声信号的时频域特征,采用DCNN识别噪声类型;最后,采用UrbanSound8K数据集进行实验分析。实验结果表明,该方法在不同噪声类别上均具有较高的分类准确率。 展开更多
关键词 深度卷积神经网络(DCNN) 城市噪声 声音分类 时频域特征
下载PDF
基于1DCNN-BiLSTM-BiGRU的电能质量扰动分类方法
18
作者 王立辉 柯泳 苏如开 《电气技术》 2024年第5期51-56,64,共7页
为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征... 为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征,然后通过BiLSTM和BiGRU组合模块对时序信息和上下文关系进行深入处理,从而实现深层时序特征的提取。最后,将所提取的特征经分类模块用于PQD识别。仿真结果表明,与传统方法相比,本文所提方法在准确性方面更具优势,且抗噪声能力更强。 展开更多
关键词 电能质量 一维卷积神经网络(1DCNN) 双向长短期记忆(BiLSTM)网络 双向门控循环单元(BiGRU)
下载PDF
基于M矩阵理论的时滞细胞神经网络稳定性分析 被引量:4
19
作者 江梅 何汉林 严路 《计算机与数字工程》 2015年第3期349-352,共4页
研究了时滞细胞神经网络的稳定性问题。通过M-矩阵理论及其判定引理,运用适当的线性参数变换,推导出时滞细胞神经网络的稳定性条件,相比常用的Lyapunov方法,论文为研究多时滞细胞神经网络的稳定性提供了一个更为简单的新方法,降低了原... 研究了时滞细胞神经网络的稳定性问题。通过M-矩阵理论及其判定引理,运用适当的线性参数变换,推导出时滞细胞神经网络的稳定性条件,相比常用的Lyapunov方法,论文为研究多时滞细胞神经网络的稳定性提供了一个更为简单的新方法,降低了原有结论的保守性,进一步推导完善了全局渐近稳定平衡点为原点时的充分条件。仿真实例证明了文章提供的方法有效可行。 展开更多
关键词 M矩阵 时滞细胞神经网络(dcnns) 稳定性
下载PDF
Audiovisual speech recognition based on a deep convolutional neural network
20
作者 Shashidhar Rudregowda Sudarshan Patilkulkarni +2 位作者 Vinayakumar Ravi Gururaj H.L. Moez Krichen 《Data Science and Management》 2024年第1期25-34,共10页
Audiovisual speech recognition is an emerging research topic.Lipreading is the recognition of what someone is saying using visual information,primarily lip movements.In this study,we created a custom dataset for India... Audiovisual speech recognition is an emerging research topic.Lipreading is the recognition of what someone is saying using visual information,primarily lip movements.In this study,we created a custom dataset for Indian English linguistics and categorized it into three main categories:(1)audio recognition,(2)visual feature extraction,and(3)combined audio and visual recognition.Audio features were extracted using the mel-frequency cepstral coefficient,and classification was performed using a one-dimension convolutional neural network.Visual feature extraction uses Dlib and then classifies visual speech using a long short-term memory type of recurrent neural networks.Finally,integration was performed using a deep convolutional network.The audio speech of Indian English was successfully recognized with accuracies of 93.67%and 91.53%,respectively,using testing data from 200 epochs.The training accuracy for visual speech recognition using the Indian English dataset was 77.48%and the test accuracy was 76.19%using 60 epochs.After integration,the accuracies of audiovisual speech recognition using the Indian English dataset for training and testing were 94.67%and 91.75%,respectively. 展开更多
关键词 Audiovisual speech recognition Custom dataset 1D Convolution neural network(CNN) Deep CNN(DCNN) Long short-term memory(LSTM) LIPREADING Dlib Mel-frequency cepstral coefficient(MFCC)
下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部