-
题名基于S-LRCN的微表情识别算法
被引量:5
- 1
-
-
作者
李学翰
胡四泉
石志国
张明
-
机构
北京科技大学计算机与通信工程学院
北京科技大学顺德研究生院
北京市大数据中心
电子科技大学通信与信息工程学院
-
出处
《工程科学学报》
EI
CSCD
北大核心
2022年第1期104-113,共10页
-
基金
国家自然科学基金资助项目(61977005)
四川省科技计划资助项目(2018GZDZX0034)
+1 种基金
北京科技大学顺德研究生院科技创新专项资助项目(BK19CF003)
北京市科技计划资助项目(Z201100004220010)。
-
文摘
基于面部动态表情序列,针对静态表情缺少时间信息等问题,将空间特征与时间特征融合,利用神经网络在图像分类领域良好的特征,对需要进行细节分析的表情序列进行处理,提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks,S-LRCN)的微表情识别方法.首先选取微表情数据集提取面部图像序列,引入迁移学习的方法,通过预训练的卷积神经网络模型提取表情帧的空间特征,降低网络训练中过拟合的危险,并将视频序列的提取特征输入长短期记忆网络(Long short-team memory,LSTM)处理时域特征.最后建立学习者表情序列小型数据库,将该方法用于辅助教学评价.
-
关键词
微表情识别
时空特征
长期递归卷积网络
长短期记忆网络
教学评价
-
Keywords
micro-expression recognition
spatial-temporal features
lrcn
LSTM
education evaluation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进长期循环卷积神经网络的海上风电功率预测
被引量:25
- 2
-
-
作者
周勇良
余光正
刘建锋
宋子恒
孔培
-
机构
上海电力大学电气工程学院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2021年第3期183-191,共9页
-
基金
国家自然科学基金青年科学基金资助项目(51807114)。
-
文摘
准确的风电功率预测对海上风电安全并网具有重要意义。不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求。针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测。首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别提取不同层次变量的时序特征,并通过具有前瞻性的改进Adam优化器提升网络收敛效果。其次,利用摇摆窗算法与波动特征聚类识别预测时段的出力波动类型。再次,针对不同的波动类型建立对应的误差修正模型,并输入经Xgboost算法筛选出的强相关特征因子,实现误差修正。最后,采用实际海上风电场数据进行实验,其结果表明所提方法能够有效预测超短期海上风电功率,且预测精度高于多种传统预测模型。
-
关键词
海上风电
改进长期循环卷积神经网络
时序特征挖掘
波动
误差修正
-
Keywords
offshore wind power generation
improved long-term recurrent convolutional neural network(lrcn)
time series feature mining
fluctuation
error correction
-
分类号
TM614
[电气工程—电力系统及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-