期刊文献+
共找到667篇文章
< 1 2 34 >
每页显示 20 50 100
基于DNN的煤矿富水区探测反演方法研究
1
作者 韩晓冰 王鑫磊 +1 位作者 周远国 刘洋 《煤炭技术》 CAS 2024年第4期140-145,共6页
提出了一种基于DNN的煤矿富水区探测反演算法,该算法可以快速准确地实现煤矿富水区二维分布模型的重建。首先,利用时域有限差分方法(FDTD)获得不同分布模型的数值解;随后,依据数据样本搭建网络框架,网络的输入主要为电场分量,输出为相... 提出了一种基于DNN的煤矿富水区探测反演算法,该算法可以快速准确地实现煤矿富水区二维分布模型的重建。首先,利用时域有限差分方法(FDTD)获得不同分布模型的数值解;随后,依据数据样本搭建网络框架,网络的输入主要为电场分量,输出为相应的模型电导率参数。通过对神经网络进行训练,得到网络的最优系数,随后对富水区分布进行反演预测;结果表明:DNN算法在单个小目标异常体反演中,可以有效克服BP神经网络模型失效的问题,且对于多目标异常体的反演效果更加准确。另外,相同数据集下,DNN的训练耗时与预测耗时也少于BP神经网络。实验结果表明,该算法可以有效提高煤矿富水区探测效率。 展开更多
关键词 煤矿富水区探测 二维反演 dnn 时域有限差分法
下载PDF
基于DNN-LSTM模型的智能家居语音识别系统设计
2
作者 林勇升 田美艳 王鑫 《安阳师范学院学报》 2024年第5期15-18,共4页
为提高智能家居语言识别系统的准确率和匹配率,通过在深度神经网络(DNN)模型的第1层增加长短时记忆神经网络(LSTM)结构,运用信息熵实现对声学训练与语种匹配,设计了基于DNN-LSTM模型的语音识别系统。将该系统应用于语音识别,结果表明系... 为提高智能家居语言识别系统的准确率和匹配率,通过在深度神经网络(DNN)模型的第1层增加长短时记忆神经网络(LSTM)结构,运用信息熵实现对声学训练与语种匹配,设计了基于DNN-LSTM模型的语音识别系统。将该系统应用于语音识别,结果表明系统的中英文声学模型识别准确率为96.6%,语种匹配准确率为95.8%。该系统对提升智能家居的智能化水平具有一定的实用价值。 展开更多
关键词 语音识别 dnn-LSTM模型 智能家居
下载PDF
基于DNN的低复杂度联合解调译码迭代同步算法
3
作者 崔永生 詹亚锋 +1 位作者 陈泰伊 方鑫 《系统工程与电子技术》 EI CSCD 北大核心 2024年第11期3893-3900,共8页
在无线通信的诸多场景,如卫星通信、深空通信和隐蔽通信中,受限于发射功率、传输距离等因素,接收信号非常微弱。现有联合解调译码迭代同步算法,将信道编码增益作用于信号接收全过程,可有效降低接收机的同步门限,但是计算复杂度较高。利... 在无线通信的诸多场景,如卫星通信、深空通信和隐蔽通信中,受限于发射功率、传输距离等因素,接收信号非常微弱。现有联合解调译码迭代同步算法,将信道编码增益作用于信号接收全过程,可有效降低接收机的同步门限,但是计算复杂度较高。利用迭代接收目标函数的形态一致特性,提出一种基于深度神经网络(deep neural network,DNN)的同步优化策略。该策略与传统的迭代同步方法相比,可在1e-5误码率下降低24%的计算复杂度。这一研究成果为迭代接收技术在更高数据速率场景下的工程应用提供了新的发展方向,同时展现出深度学习在解决复杂通信环境问题中的潜力。 展开更多
关键词 联合解调译码 迭代同步 深度神经网络 最大似然估计
下载PDF
基于XGBoost-DNN的工业控制系统入侵检测架构
4
作者 张子迎 陈玉炜 王宇华 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第11期2243-2249,共7页
针对工业控制系统安全防护中存在的数据不平衡问题以及提高检测的实时性与安全性,本文依据工业控制系统的架构特点,提出XGBoost-DNN双层入侵检测架构。在下层,将设计的权重焦点损失函数引入XGBoost中进行二分类入侵检测,以增强算法在不... 针对工业控制系统安全防护中存在的数据不平衡问题以及提高检测的实时性与安全性,本文依据工业控制系统的架构特点,提出XGBoost-DNN双层入侵检测架构。在下层,将设计的权重焦点损失函数引入XGBoost中进行二分类入侵检测,以增强算法在不平衡数据下的鲁棒性;在上层,使用XGBoost算法进行特征选择,然后用DNN对结果进行多分类入侵检测。将该架构应用在电网稳定性和电网攻击模拟数据集上,实验结果表明:双层检测架构具有更强的鲁棒性,并且DNN模型的训练时间缩短了18.3%。 展开更多
关键词 工业控制系统 入侵检测 XGBoost dnn 分层架构 权重焦点损失函数 实时性 不平衡数据
下载PDF
IGED:Towards Intelligent DDoS Detection Model Using Improved Generalized Entropy and DNN
5
作者 Yanhua Liu Yuting Han +3 位作者 HuiChen Baokang Zhao XiaofengWang Ximeng Liu 《Computers, Materials & Continua》 SCIE EI 2024年第8期1851-1866,共16页
As the scale of the networks continually expands,the detection of distributed denial of service(DDoS)attacks has become increasingly vital.We propose an intelligent detection model named IGED by using improved general... As the scale of the networks continually expands,the detection of distributed denial of service(DDoS)attacks has become increasingly vital.We propose an intelligent detection model named IGED by using improved generalized entropy and deep neural network(DNN).The initial detection is based on improved generalized entropy to filter out as much normal traffic as possible,thereby reducing data volume.Then the fine detection is based on DNN to perform precise DDoS detection on the filtered suspicious traffic,enhancing the neural network’s generalization capabilities.Experimental results show that the proposed method can efficiently distinguish normal traffic from DDoS traffic.Compared with the benchmark methods,our method reaches 99.9%on low-rate DDoS(LDDoS),flooded DDoS and CICDDoS2019 datasets in terms of both accuracy and efficiency in identifying attack flows while reducing the time by 17%,31%and 8%. 展开更多
关键词 DDOS REAL-TIME improved generalized entropy dnn
下载PDF
基于改进DNN网络的电装产线质量预测方法
6
作者 许政 阮西玥 《航空计算技术》 2024年第4期125-129,134,共6页
随着航空机载电装模块功能多元化、尺寸精细化、器件复杂化程度的不断提升,对SMT产线电装质量提出了新的挑战,目前SMT产线生产过程普遍存在产品质检数据关联性较差,产品质量分析滞后及预测性差等问题,而传统的统计分析方法无法有效提取... 随着航空机载电装模块功能多元化、尺寸精细化、器件复杂化程度的不断提升,对SMT产线电装质量提出了新的挑战,目前SMT产线生产过程普遍存在产品质检数据关联性较差,产品质量分析滞后及预测性差等问题,而传统的统计分析方法无法有效提取海量无序数据中的知识和规律,提出一种基于深度学习的电装质量预测方法。首先,构建质量评价方法,确定电装质量的影响因素;其次,利用主成分分析法(Principal Components Analysis,PCA)对质量数据进行预处理,剔除非相关特征;然后,引入DNN网络,构建电装质量预测模型,利用BFO-PSO优化算法搜寻网络的最优隐含层层数及节点数;最后,通过航空电装产线实际制造数据进行仿真测试,验证了所提出方法的有效性和科学性。 展开更多
关键词 SMT产线 电装质量预测 BFO-PSO优化算法 dnn网络 智能制造
下载PDF
MDTCNet:Multi-Task Classifications Network and TCNN for Direction of Arrival Estimation
7
作者 Yu Jiarun Wang Yafeng 《China Communications》 SCIE CSCD 2024年第10期148-166,共19页
The direction-of-arrival(DoA) estimation is one of the hot research areas in signal processing. To overcome the DoA estimation challenge without the prior information about signal sources number and multipath number i... The direction-of-arrival(DoA) estimation is one of the hot research areas in signal processing. To overcome the DoA estimation challenge without the prior information about signal sources number and multipath number in millimeter wave system,the multi-task deep residual shrinkage network(MTDRSN) and transfer learning-based convolutional neural network(TCNN), namely MDTCNet, are proposed. The sampling covariance matrix based on the received signal is used as the input to the proposed network. A DRSN-based multi-task classifications model is first introduced to estimate signal sources number and multipath number simultaneously. Then, the DoAs with multi-signal and multipath are estimated by the regression model. The proposed CNN is applied for DoAs estimation with the predicted number of signal sources and paths. Furthermore, the modelbased transfer learning is also introduced into the regression model. The TCNN inherits the partial network parameters of the already formed optimization model obtained by the CNN. A series of experimental results show that the MDTCNet-based DoAs estimation method can accurately predict the signal sources number and multipath number under a range of signal-to-noise ratios. Remarkably, the proposed method achieves the lower root mean square error compared with some existing deep learning-based and traditional methods. 展开更多
关键词 DoA estimation MDTCNet millimeter wave system multi-task classifications model regression model
下载PDF
基于改进GRU-DNN的收货风险预警模型构建及仿真
8
作者 陈清兵 章光东 +1 位作者 徐康 肖志敏 《微型电脑应用》 2024年第5期132-135,共4页
针对现有收货风险预警方法准确率低的问题,结合Gate Recurrent Unit(GRU)和Deep Neural Networks(DNN),提出一种基于改进GRU-DNN模型的收货风险分析方法。通过采用模糊综合分析法(FSA)筛选出收货风险主要评价指标,并将指标输入通过对抗... 针对现有收货风险预警方法准确率低的问题,结合Gate Recurrent Unit(GRU)和Deep Neural Networks(DNN),提出一种基于改进GRU-DNN模型的收货风险分析方法。通过采用模糊综合分析法(FSA)筛选出收货风险主要评价指标,并将指标输入通过对抗性训练与预测相似性改进的GRU-DNN网络中进行分类识别,实现了收货风险分析。仿真结果表明,所提的改进GRU-DNN风险预警方法可实现收货风险预警,且在准确率、精确率、召回率、F 1各项指标上表现良好,均达到86%以上的有效率,相较于传统基于DNN、Convolutional Neural Network(CNN)和Multivariable Linear Regression Model(MLR)等模型的风险预警方法,具有明显的优势和良好的预测性能和鲁棒性。 展开更多
关键词 风险评价 模糊聚类 GRU模型 dnn网络
下载PDF
Using Cross Entropy as a Performance Metric for Quantifying Uncertainty in DNN Image Classifiers: An Application to Classification of Lung Cancer on CT Images
9
作者 Eri Matsuyama Masayuki Nishiki +1 位作者 Noriyuki Takahashi Haruyuki Watanabe 《Journal of Biomedical Science and Engineering》 2024年第1期1-12,共12页
Cross entropy is a measure in machine learning and deep learning that assesses the difference between predicted and actual probability distributions. In this study, we propose cross entropy as a performance evaluation... Cross entropy is a measure in machine learning and deep learning that assesses the difference between predicted and actual probability distributions. In this study, we propose cross entropy as a performance evaluation metric for image classifier models and apply it to the CT image classification of lung cancer. A convolutional neural network is employed as the deep neural network (DNN) image classifier, with the residual network (ResNet) 50 chosen as the DNN archi-tecture. The image data used comprise a lung CT image set. Two classification models are built from datasets with varying amounts of data, and lung cancer is categorized into four classes using 10-fold cross-validation. Furthermore, we employ t-distributed stochastic neighbor embedding to visually explain the data distribution after classification. Experimental results demonstrate that cross en-tropy is a highly useful metric for evaluating the reliability of image classifier models. It is noted that for a more comprehensive evaluation of model perfor-mance, combining with other evaluation metrics is considered essential. . 展开更多
关键词 Cross Entropy Performance Metrics dnn Image Classifiers Lung Cancer Prediction Uncertainty
下载PDF
Energy-optimal DNN model placement in UAV-enabled edge computing networks
10
作者 Jianhang Tang Guoquan Wu +3 位作者 Mohammad Mussadiq Jalalzai Lin Wang Bing Zhang Yi Zhou 《Digital Communications and Networks》 SCIE CSCD 2024年第4期827-836,共10页
Unmanned aerial vehicle(UAV)-enabled edge computing is emerging as a potential enabler for Artificial Intelligence of Things(AIoT)in the forthcoming sixth-generation(6G)communication networks.With the use of flexible ... Unmanned aerial vehicle(UAV)-enabled edge computing is emerging as a potential enabler for Artificial Intelligence of Things(AIoT)in the forthcoming sixth-generation(6G)communication networks.With the use of flexible UAVs,massive sensing data is gathered and processed promptly without considering geographical locations.Deep neural networks(DNNs)are becoming a driving force to extract valuable information from sensing data.However,the lightweight servers installed on UAVs are not able to meet the extremely high requirements of inference tasks due to the limited battery capacities of UAVs.In this work,we investigate a DNN model placement problem for AIoT applications,where the trained DNN models are selected and placed on UAVs to execute inference tasks locally.It is impractical to obtain future DNN model request profiles and system operation states in UAV-enabled edge computing.The Lyapunov optimization technique is leveraged for the proposed DNN model placement problem.Based on the observed system overview,an advanced online placement(AOP)algorithm is developed to solve the transformed problem in each time slot,which can reduce DNN model transmission delay and disk I/O energy cost simultaneously while keeping the input data queues stable.Finally,extensive simulations are provided to depict the effectiveness of the AOP algorithm.The numerical results demonstrate that the AOP algorithm can reduce 18.14%of the model placement cost and 29.89%of the input data queue backlog on average by comparing it with benchmark algorithms. 展开更多
关键词 UAV-Enabled edge computing dnn model Placement 6G networks Inference tasks
下载PDF
基于多DNN的5G双域专网模式的研究与应用
11
作者 饶亮 《长江信息通信》 2024年第5期172-174,共3页
随着5G ToB网络的不断演进,基于ULCL(上行分流器)的双域专网越来越被市场特别是高校类客户所接受,其最大的亮点是数据不出园区,用户不用更换终端和手机卡便可以同时使用公网和内网,兼顾了内网数据保密性和使用公网的便捷性,但是目前大... 随着5G ToB网络的不断演进,基于ULCL(上行分流器)的双域专网越来越被市场特别是高校类客户所接受,其最大的亮点是数据不出园区,用户不用更换终端和手机卡便可以同时使用公网和内网,兼顾了内网数据保密性和使用公网的便捷性,但是目前大部分的基于ULCL双域专网方案是基于单DNN的模式,漫游场景下时延较高,时延敏感型体验较差;核心网业务数据配置复杂。对此,文章介绍了一种基于多DNN的双域专网模式,进一步提升用户的感知,并通过实际案例验证了方案的可行性。 展开更多
关键词 dnn ULCL 双域专网
下载PDF
基于多实例和DNN的桩基承载力与沉降预测模型构建
12
作者 陈振宇 《办公自动化》 2024年第9期90-92,共3页
在大型工业厂房、交通桥梁、高层建筑等城建工程中,桩基础应用非常普遍,桩基承载力与沉降直接影响城建工程桩基的安全性与可靠性。基于深度神经网络(DNN)的桩基承载力与沉降预测对提升桩基施工安全性具有重要意义。依托湛江组黏土中桩... 在大型工业厂房、交通桥梁、高层建筑等城建工程中,桩基础应用非常普遍,桩基承载力与沉降直接影响城建工程桩基的安全性与可靠性。基于深度神经网络(DNN)的桩基承载力与沉降预测对提升桩基施工安全性具有重要意义。依托湛江组黏土中桩基承载力与沉降时效性模型试验实例,结合DNN构建桩基承载力与沉降预测模型,经过对数据样本的预处理、网络结构的设计、神经网络的训练等,探究该预测模型对桩基极限承载力与沉降的预测效果。整体上,该模型的预测效果能满足要求,建议增加训练样本提升沉降时效性预测效果。 展开更多
关键词 工程实例 dnn 桩基承载力 沉降 预测模型
下载PDF
基于小波变换和DNN算法的GNSS-IR土壤湿度反演
13
作者 张杰 刘小芳 姚蕊 《无线电工程》 2024年第4期954-961,共8页
针对如何有效提高全球导航卫星系统干涉反射(Global Navigation Satellite System Interferometric Reflectometry, GNSS-IR)土壤湿度反演的精度,提出了一种结合数字信号分析和深度神经网络(Deep Neural Network, DNN)的土壤湿度反演方... 针对如何有效提高全球导航卫星系统干涉反射(Global Navigation Satellite System Interferometric Reflectometry, GNSS-IR)土壤湿度反演的精度,提出了一种结合数字信号分析和深度神经网络(Deep Neural Network, DNN)的土壤湿度反演方法。该方法利用小波变换(Wavelet Transform, WT)方法代替传统的多项式拟合法降噪,从而有效提高反射信号提取精度;利用希尔伯特变换(Hilbert Transform, HT)获得观测信号的平均瞬时属性,即每个观测周期的平均瞬时振幅、平均瞬时频率和平均瞬时相位;利用DNN算法建立上述3个属性与土壤湿度的非线性映射关系,从而实现土壤湿度的反演。利用2015和2016年在美国科罗拉多州查塔菲县附近的PBO P037测站收集的GNSS观测数据进行模型建立和评估分析。结果表明,该方法的均方根误差(Root Mean Square Error, RMSE)为0.009 5 cm^(3)/cm^(3),相对于传统线性回归模型具有很大的改善,有效提高了GNSS-IR土壤湿度反演的精度。 展开更多
关键词 全球导航卫星系统干涉反射 土壤湿度反演 小波变换 深度神经网络
下载PDF
A Multi-Task Deep Learning Framework for Simultaneous Detection of Thoracic Pathology through Image Classification
14
作者 Nada Al Zahrani Ramdane Hedjar +4 位作者 Mohamed Mekhtiche Mohamed Bencherif Taha Al Fakih Fattoh Al-Qershi Muna Alrazghan 《Journal of Computer and Communications》 2024年第4期153-170,共18页
Thoracic diseases pose significant risks to an individual's chest health and are among the most perilous medical diseases. They can impact either one or both lungs, which leads to a severe impairment of a person’... Thoracic diseases pose significant risks to an individual's chest health and are among the most perilous medical diseases. They can impact either one or both lungs, which leads to a severe impairment of a person’s ability to breathe normally. Some notable examples of such diseases encompass pneumonia, lung cancer, coronavirus disease 2019 (COVID-19), tuberculosis, and chronic obstructive pulmonary disease (COPD). Consequently, early and precise detection of these diseases is paramount during the diagnostic process. Traditionally, the primary methods employed for the detection involve the use of X-ray imaging or computed tomography (CT) scans. Nevertheless, due to the scarcity of proficient radiologists and the inherent similarities between these diseases, the accuracy of detection can be compromised, leading to imprecise or erroneous results. To address this challenge, scientists have turned to computer-based solutions, aiming for swift and accurate diagnoses. The primary objective of this study is to develop two machine learning models, utilizing single-task and multi-task learning frameworks, to enhance classification accuracy. Within the multi-task learning architecture, two principal approaches exist soft parameter sharing and hard parameter sharing. Consequently, this research adopts a multi-task deep learning approach that leverages CNNs to achieve improved classification performance for the specified tasks. These tasks, focusing on pneumonia and COVID-19, are processed and learned simultaneously within a multi-task model. To assess the effectiveness of the trained model, it is rigorously validated using three different real-world datasets for training and testing. 展开更多
关键词 PNEUMONIA Thoracic Pathology COVID-19 Deep Learning multi-task Learning
下载PDF
基于DNN的SSS优化检索算法
15
作者 刘龙 徐波 +2 位作者 凌云志 张煜 卢荣胜 《电子产品世界》 2024年第5期63-67,共5页
传统的小区搜索方法在大连接、低延时等的应用场景下受到限制,因此提出了一种基于深度神经网络(deep neural network,DNN)的5G小区搜索改进算法,其专注于辅同步信号(secondary synchronization signals,SSS)的检测和优化。DNN的优势在... 传统的小区搜索方法在大连接、低延时等的应用场景下受到限制,因此提出了一种基于深度神经网络(deep neural network,DNN)的5G小区搜索改进算法,其专注于辅同步信号(secondary synchronization signals,SSS)的检测和优化。DNN的优势在于其能够从复杂、非线性的信号特征中学习,并根据网络状态实时调整模型参数,以适应不断变化的通信环境,可以有效克服传统算法计算量大且易受信道干扰等缺点。实验证明,相较于传统SSS检索算法,基于DNN的SSS优化检索算法具有更高的准确性和鲁棒性,有效降低了小区搜索的时间延迟和能量消耗,提升了整体网络性能。 展开更多
关键词 5G 小区搜索 dnn SSS
下载PDF
基于多重特征提取的DNN窃电检测方法
16
作者 赵艳龙 汪卓俊 +3 位作者 杨勇胜 章建华 蒋钟 刘一民 《电气技术与经济》 2024年第4期371-376,共6页
用户窃电行为是导致非技术损失的主要原因之一,对电力公司的经济效益产生负面影响,并在严重情况下可能危及电网的稳定性。然而,目前的研究中存在电网窃电行为特征提取方法解释性不佳的问题,导致这些方法难以在实际应用中推广。为解决这... 用户窃电行为是导致非技术损失的主要原因之一,对电力公司的经济效益产生负面影响,并在严重情况下可能危及电网的稳定性。然而,目前的研究中存在电网窃电行为特征提取方法解释性不佳的问题,导致这些方法难以在实际应用中推广。为解决这个问题,本文提出了一种多重特征提取方法。首先,使用主成分分析(PCA)对用电负荷曲线进行初步特征提取,然后通过分割用户曲线进一步提取特征值。实验结果表明,相较于PCA、时频域和随机森林等方法,所提出的方法在性能上更为优越。最后,采用深度神经网络(DNN)作为窃电检测器,获得了91.89%的检测精度。 展开更多
关键词 窃电行为 大数据分析 特征提取 PCA dnn
下载PDF
基于Sentinel数据与DNN算法的衡水市土壤墒情遥感反演研究
17
作者 贾璐 《水利科学与寒区工程》 2024年第9期19-22,共4页
利用Sentinel-1 SAR和Sentinel-2 MSI数据与深度神经网络(DNN)算法,实现衡水市土壤墒情的遥感反演。结果表明,所提取的遥感指数能够准确捕捉地表环境特征;DNN算法通过构建样点尺度土壤墒情与遥感指数之间非线性关系,稳健预测空间尺度土... 利用Sentinel-1 SAR和Sentinel-2 MSI数据与深度神经网络(DNN)算法,实现衡水市土壤墒情的遥感反演。结果表明,所提取的遥感指数能够准确捕捉地表环境特征;DNN算法通过构建样点尺度土壤墒情与遥感指数之间非线性关系,稳健预测空间尺度土壤墒情分布。独立验证结果显示,土壤墒情反演精度R2达0.854,MAE和RMSE分别为0.05、0.06。本试验证明基于Sentinel数据与DNN算法的土壤墒情遥感反演方法,在墒情监测与预测方面具有较高的精度和可靠性。 展开更多
关键词 土壤墒情 Sentinel-1 SAR Sentinel-2 MSI 遥感反演 dnn算法
下载PDF
面向DNN的高并发NVM文件系统
18
作者 蔡涛 王飞 +2 位作者 马跃明 牛德姣 李雷 《小型微型计算机系统》 CSCD 北大核心 2023年第9期1898-1905,共8页
DNN训练中需要反复频繁读写海量参数,NVM具有读写速度快的优势,是提高DNN训练效率的有效手段.但现有的NVM文件系统为了应对上层多种复杂的应用普遍使用基于文件的锁机制,难以利用多核并发读写提高DNN训练中对海量参数的I/O效率.本文针对... DNN训练中需要反复频繁读写海量参数,NVM具有读写速度快的优势,是提高DNN训练效率的有效手段.但现有的NVM文件系统为了应对上层多种复杂的应用普遍使用基于文件的锁机制,难以利用多核并发读写提高DNN训练中对海量参数的I/O效率.本文针对DNN训练时的特性和NVM中存在的I/O软件栈的挑战,设计了基于并发线程的细粒度锁和基于两层日志的文件并发I/O机制,并实现了面向DNN高并发NVM文件系统的原型DNNFS,使用Filebench和Fio在多种不同类型负载下进行了测试,实验结果表明DNNFS相比NOVA最大能提高35.8%的IOPS值和21.6%的I/O带宽. 展开更多
关键词 NVM 高并发 文件系统 dnn训练
下载PDF
基于DNN的矿井超前探测反演方法研究
19
作者 韩晓冰 余思淼 +1 位作者 梁冰洋 周远国 《煤炭技术》 CAS 北大核心 2023年第3期117-121,共5页
提出了一种基于DNN的矿井超前探测算法,该算法可以快速准确地实现一维复杂地质的重建。首先,利用层状介质并矢Green函数方法获得不同地质模型的数值解;随后,依据数据样本搭建网络框架,网络的输入主要由电场分量构成,输出为相应的地质模... 提出了一种基于DNN的矿井超前探测算法,该算法可以快速准确地实现一维复杂地质的重建。首先,利用层状介质并矢Green函数方法获得不同地质模型的数值解;随后,依据数据样本搭建网络框架,网络的输入主要由电场分量构成,输出为相应的地质模型电导率参数,通过对神经网络进行训练,得到网络的最优系数;最后,为了提升网络的抗噪声性能,采用不同噪声的数据对网络进行训练。结果表明:利用DNN算法在精度和效率上都比BP神经网络有所提升,相同模型下速度比BP神经网络速度快10~13倍。网络模型可以在20%噪声下,准确反演出低阻层。DNN算法,可以有效提高矿井超前探测效率。 展开更多
关键词 超前探测 dnn GREEN函数 矿井信息化
下载PDF
基于DNN整机建模的滚珠丝杠进给系统关键结合部动态特性参数辨识
20
作者 朱迪 张玮 +1 位作者 黄之文 朱坚民 《振动与冲击》 EI CSCD 北大核心 2023年第3期243-254,279,共13页
针对滚珠丝杠进给系统关键结合部动态特性参数的辨识精度不高等问题。提出利用可表征结合部动态特性参数与整机固有频率之间映射关系的深度神经网络(deep neural network, DNN)建立进给系统整机的等效动力学模型;结合进给系统固有频率的... 针对滚珠丝杠进给系统关键结合部动态特性参数的辨识精度不高等问题。提出利用可表征结合部动态特性参数与整机固有频率之间映射关系的深度神经网络(deep neural network, DNN)建立进给系统整机的等效动力学模型;结合进给系统固有频率的DNN预测值与实验模态分析值,采用粒子群优化(particle swarm optimization, PSO)算法对进给系统关键结合部的不同方向的刚度、阻尼参数同时辨识。以自行设计制造的进给系统实验台为实例进行整机建模、实验、参数辨识等分析;最终的辨识结果达到很高精度,说明该方法是可行、有效的。 展开更多
关键词 滚珠丝杠进给系统 关键结合部 动态特性参数 深度神经网络(dnn) 整机建模
下载PDF
上一页 1 2 34 下一页 到第
使用帮助 返回顶部