-
题名基于多维神经网络深度特征融合的鸟鸣识别算法
被引量:1
- 1
-
-
作者
吉训生
江昆
谢捷
-
机构
江南大学物联网工程学院“物联网应用技术”教育部工程中心
轻工业先进过程控制重点实验室(教育部)
江苏省先进食品制造装备与技术重点实验室
江南大学物联网工程学院
-
出处
《信号处理》
CSCD
北大核心
2022年第4期844-853,共10页
-
基金
国家自然科学基金(61902154)
中央大学基础研究基金(JUSRP11924)
+1 种基金
江苏省自然科学基金(BK2019043526)
江苏省重点研发项目-现代农业(BE2018334)。
-
文摘
为了进一步提高夜间迁徙鸟鸣监测的准确率,提出一种基于多维神经网络深度特征融合的鸟鸣识别算法。首先,提取鸟鸣对数尺度的梅尔谱图作为VGG Style模型的训练特征,增强时频谱图的能量分布,通过Mix up数据混合生成虚拟数据以减少模型的过拟合。之后,将预训练的VGG Style作为特征提取器对每一段鸟鸣提取深度特征。鉴于不同维度模型的互补性,该文提出分别使用1维CNN-LSTM、2维VGG Style与3维DenseNet121模型作为特征提取器生成高级特征。对于1维CNN-LSTM,使用小波分解作为池化方法,分别对鸟鸣时、频域进行9层小波分解,生成多层LBP特征以获取更丰富的时频信息。最后,对CNN-LSTM与DenseNet121的全连接层进行优化,减少模型参数,提高实时性。实验结果表明,通过融合多维神经网络的深度特征,使用浅层分类器在含有43种鸟类的CLO-43SD数据集中,获得了93.89%的平衡准确率,相较于最新的Mel-VGG与Subnet-CNN融合模型,平衡准确率提高了7.58%。
-
关键词
鸟鸣识别
1维CNN-LSTM
2维VGG
Style
3维DenseNet121
深度特征融合
-
Keywords
bird sound classification
1D CNN-LSTM
2D VGG Style
3D DenseNet121
deep feature fusion
-
分类号
TP391.42
[自动化与计算机技术—计算机应用技术]
-
-
题名45钢椭圆孔板应力集中的应变率效应
被引量:3
- 2
-
-
作者
张进
吴健
王纬波
于培师
赵军华
-
机构
江南大学机械工程学院
中国船舶重工集团公司第七零二研究所
-
出处
《机械强度》
CAS
CSCD
北大核心
2020年第3期694-699,共6页
-
基金
国家自然科学基金项目(2018M630513,11572140)资助。
-
文摘
含孔板的应力集中问题一直是结构安全评估的重要研究课题。许多学者研究了线弹性孔板在静态载荷下的应力集中问题,包括孔的形状,材料的各向异性和加载方向等因素的影响。然而,当孔板承受动态载荷发生塑性变形时,应力应变关系的非线性和应变率效应会导致应力集中与线弹性结果有明显的不同。因此,基于Johnson-Cook模型,对45号钢含孔板孔边的动态应力集中问题进行了系统的有限元分析。研究结果表明,塑性应力集中系数不仅取决于加载大小(应变)而且还取决于加载速度(应变速率)。给定远端应变1%,在平面应力状态下:圆孔板在应变率·ε∞=20/s下的应力集中系数比应变率·ε∞=0.1/s下的结果高10%;对于形状因子(短轴/长轴)为0.5的椭圆孔板,在应变率·ε∞=20/s下的应力集中系数比应变率·ε∞=0.1/s下的结果高11%。
-
关键词
应变率效应
应力集中
粘塑性
有限元
应变
-
Keywords
Strain-rate effect
Stress concentration
Visco-plastic
FE
Strain
-
分类号
O344.3
[理学—固体力学]
-