Query：
Refining：
Year
Type
Indexed by
Colleges
Complex
Language
Clean All
Abstract ：
针对基于通用处理器解决方案在图像识别应用中速度慢、功耗高的问题，提出了一种高能效的脉冲神经网络加速器设计方案。首先，采用神经形态学计算中的高并行设计思想，设计了多核并行结构来实现硬件加速；然后，根据脉冲数据传输稀疏性的特点，采用基于事件驱动的数据传输与处理方式，设计了一对一的核间传输机制，减小了用于通讯的硬件资源并提高了数据传输效率；其次，提出了按行的数据存放方式来加快膜电压数据在存储器的存取效率；最后，设计了结合查找表与异或的电路结构，可以快速的将事件向量转变为地址事件表达（AER）格式。采用所提加速器设计方案在现场可编程逻辑门阵列（FPGA）开发板上进行优化和部署。实验结果表明：当时钟频率...
Keyword ：
并行结构 加速器 脉冲神经网络 图像识别
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 张剑 , 刘佳 , 万贤杰 et al. 用于图像识别的高能效脉冲神经网络加速器设计 [J]. | 西安交通大学学报 , 2023 , (01) : 1-9 . |
| MLA | 张剑 et al. "用于图像识别的高能效脉冲神经网络加速器设计" . | 西安交通大学学报 01 (2023) : 1-9 . |
| APA | 张剑 , 刘佳 , 万贤杰 , 俞宙 , 韩传余 , 张国和 . 用于图像识别的高能效脉冲神经网络加速器设计 . | 西安交通大学学报 , 2023 , (01) , 1-9 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
为了研究非轴对称轮盘面对高压比离心叶轮的效率、压比、堵塞流量及工况范围的影响规律，采用基于人工神经网络的非轴对称轮盘面全工况预测模型，用于预测30个形状控制参数下轮盘面对气动性能的影响。同时，结合Sobol敏感性分析方法，提取对各性能指标影响显著的敏感参数，研究了敏感参数对于叶轮性能的影响规律。结果表明，轮盘面对效率、压比及堵塞流量的控制主要取决于各个参数的独立影响的线性叠加，进口附近的轮盘面的凹陷有利于提升最高效率并增大堵塞流量；叶轮出口压力侧分流流道附近的凸起有利于最高效率的提升，但会降低叶轮的压比。与之不同的是，轮盘面对叶轮工况范围的影响主要源于3个及以上参数的高阶交互作用。利用敏感性分...
Keyword ：
Sobol敏感性分析 代理模型 非轴对称轮盘面 离心叶轮 优化设计
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 姬成 , 黄兆骞 , 席光 . 离心叶轮非轴对称轮盘面气动敏感性分析 [J]. | 西安交通大学学报 , 2023 , (02) : 1-9 . |
| MLA | 姬成 et al. "离心叶轮非轴对称轮盘面气动敏感性分析" . | 西安交通大学学报 02 (2023) : 1-9 . |
| APA | 姬成 , 黄兆骞 , 席光 . 离心叶轮非轴对称轮盘面气动敏感性分析 . | 西安交通大学学报 , 2023 , (02) , 1-9 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对往复式压缩机气阀故障诊断问题，本文对气阀盖上的振动信号进行分析，提出了一种基于一维卷积神经网络(1D-CNN)的故障诊断模型。首先，将原始一维振动信号经傅里叶变换从时域转换为频域；然后，将频域信号作为1D-CNN的输入，利用卷积层实现自适应提取特征；最后，网络输出层利用Softmax函数实现多种故障的模式识别。在往复式压缩机故障模拟实验台上进行了气阀正常、阀片裂纹、阀片断裂、弹簧失效4种工作状况下气阀盖振动信号的测量，并对提出的模型进行验证。结果表明，气阀盖上的振动信号能够明显反映气阀的工作状态，而且信号易提取、十分适合用于气阀的故障诊断；将振动信号从时域转换成频域作为1D-CNN的输入明...
Keyword ：
故障诊断 卷积神经网络 往复式压缩机 振动信号
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 马海辉 , 余小玲 , 吕倩 et al. 一维卷积神经网络在往复式压缩机气阀故障诊断中的应用 [J]. | 西安交通大学学报 , 2022 , (04) : 1-9 . |
| MLA | 马海辉 et al. "一维卷积神经网络在往复式压缩机气阀故障诊断中的应用" . | 西安交通大学学报 04 (2022) : 1-9 . |
| APA | 马海辉 , 余小玲 , 吕倩 , 叶君超 . 一维卷积神经网络在往复式压缩机气阀故障诊断中的应用 . | 西安交通大学学报 , 2022 , (04) , 1-9 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题，提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先，分析影响患者运动意图产生的因素，建立基于大脑注意机制的虚拟诱导患者意图产生模型，形成基于脑电信号的人机交互策略；然后，设计并搭建数据驱动沉浸式三维虚拟诱导场景，激发患者大脑产生主动运动意图；进而，采集患者脑电信号，通过基于自适应噪声完备经验模态分解（CEEMDAN）和独立成分分析（ICA）相结合的伪迹去除方法进行信号预处理；最后，利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明：虚拟诱导方法能够有效增强受试者脑电信号...
Keyword ：
卷积神经网络 脑电信号 伪迹去除 虚拟诱导 主动运动意图
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 董润霖 , 张小栋 , 李瀚哲 et al. 虚拟诱导患者下肢主动运动意图及其脑电精准感知方法 [J]. | 西安交通大学学报 , 2022 , (02) : 1-9 . |
| MLA | 董润霖 et al. "虚拟诱导患者下肢主动运动意图及其脑电精准感知方法" . | 西安交通大学学报 02 (2022) : 1-9 . |
| APA | 董润霖 , 张小栋 , 李瀚哲 , 李亮亮 , 史晓军 . 虚拟诱导患者下肢主动运动意图及其脑电精准感知方法 . | 西安交通大学学报 , 2022 , (02) , 1-9 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对传统稳态视觉诱发电位（SSVEP）脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题，提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法（SSVEP-MF）。首先，利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集；其次，建立多尺度特征融合卷积神经网络模型（MFCNN），该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取，构建多尺度特征融合单元对不同层级特征进行融合，并通过全连接等操作完成模型的训练；最后，将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征，实现短...
Keyword ：
多尺度特征融合 卷积神经网络 目标识别 脑-机接口 稳态视觉诱发电位 小波变换
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 胡勤伟 , 陶庆 , 王妮妮 et al. 用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法 [J]. | 西安交通大学学报 , 2022 , (04) : 1-10 . |
| MLA | 胡勤伟 et al. "用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法" . | 西安交通大学学报 04 (2022) : 1-10 . |
| APA | 胡勤伟 , 陶庆 , 王妮妮 , 陈清正 , 吴腾辉 , 张小栋 . 用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法 . | 西安交通大学学报 , 2022 , (04) , 1-10 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对卷积神经网络学习关键故障特征的能力不足从而影响轴承故障诊断准确率的问题，提出一种融合多注意力机制的卷积神经网络自适应抗噪模型（MACNN）。该模型利用通道和时间的复合注意力机制优化学习机制; 形成的多注意力机制模块从不同角度抑制噪声及无关信号分量等干扰信息的影响，并自适应地增强故障特征的响应；此外，在该模块中引入了残差连接防止网络性能退化。采用多尺度特征提取方法，并通过通道注意力机制自适应融合不同尺度下提取的特征；最后使用分类器进行滚动轴承故障诊断。实验结果表明:与没有实施注意力机制的模型相比，轴承故障诊断准确率平均提升了22.12%；所提方法在各噪声背景下的故障识别准确率均在98.5%以...
Keyword ：
卷积神经网络 轴承故障诊断 注意力机制 自适应抗噪
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 康涛 , 段蓉凯 , 杨磊 et al. 融合多注意力机制的卷积神经网络轴承故障诊断方法 [J]. | 西安交通大学学报 , 2022 , (12) : 1-10 . |
| MLA | 康涛 et al. "融合多注意力机制的卷积神经网络轴承故障诊断方法" . | 西安交通大学学报 12 (2022) : 1-10 . |
| APA | 康涛 , 段蓉凯 , 杨磊 , 薛久涛 , 廖与禾 . 融合多注意力机制的卷积神经网络轴承故障诊断方法 . | 西安交通大学学报 , 2022 , (12) , 1-10 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对在城市公园、广场和大型游乐场等公共环境中，雷达和无线电识别无人机易受到电子干扰，图像识别无人机易受到光线和遮挡物干扰的问题，提出了一种经济便捷、不易受到干扰的运用声音和采用通道空间混合域注意力机制多尺度分组卷积网络（ECSANet）的无人机识别方法。首先，建立民用的9大类无人机声音数据集，提取数据集的对数梅尔谱图及其动态特征；其次，为了网络参数量少，避免过拟合，设计了基于分组卷积、通道混洗和残差结构的通道混洗多尺度分组卷积网络（MSSGNet）；然后，为了能更多、更有效地提取无人机声音特征，设计了通道空间混合域注意力机制模块（ECSA）；最后，将ECSA模块插入MSSGNet网络构成改进的...
Keyword ：
对数梅尔谱图 混合域注意力机制 神经网络 声音识别 无人机
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 薛珊 , 卫立炜 , 顾宸瑜 et al. 采用混合域注意力机制的无人机识别方法 [J]. | 西安交通大学学报 , 2022 , (10) : 1-10 . |
| MLA | 薛珊 et al. "采用混合域注意力机制的无人机识别方法" . | 西安交通大学学报 10 (2022) : 1-10 . |
| APA | 薛珊 , 卫立炜 , 顾宸瑜 , 吕琼莹 . 采用混合域注意力机制的无人机识别方法 . | 西安交通大学学报 , 2022 , (10) , 1-10 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对目前采用肌电信号的手指关节角度连续解码误差较大，导致肌电假肢手运动效果较差的情况，提出了一种应用表面肌电信号、深度回归森林模型和人工神经网络相结合的手指关节角度连续精确感知方法。首先应用基于滑动时间窗的特征提取器从前臂8个通道的肌电信号中各提取7种肌电信号特征（肌电信号的平均绝对值、积分肌电值、均方根、波形长度、对数特征、过零点数、斜率符号变化数），输入深度森林回归模型得到具有较大波动的掌指关节估计角度；然后，采用人工神经网络对这些掌指关节估计角度进行优化，以创建一种深度森林回归模型与人工神经网络相结合的综合回归模型；最后，利用该综合回归模型对采集到的表面肌电信号进行连续精确解码，得到肌电...
Keyword ：
肌电信号 角度估计 人工神经网络 深度森林 手指关节角度
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 王海 , 陶庆 , 苏娜 et al. 采用表面肌电信号的手指关节角度精确感知方法 [J]. | 西安交通大学学报 , 2022 , (08) : 1-9 . |
| MLA | 王海 et al. "采用表面肌电信号的手指关节角度精确感知方法" . | 西安交通大学学报 08 (2022) : 1-9 . |
| APA | 王海 , 陶庆 , 苏娜 , 张小栋 , 张天乐 . 采用表面肌电信号的手指关节角度精确感知方法 . | 西安交通大学学报 , 2022 , (08) , 1-9 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对滚动轴承目标域数据中额外故障状态样本影响其故障诊断精度的问题，提出了采用深度迁移学习与自适应加权的滚动轴承故障诊断方法。该方法首先建立特征提取模块，利用深度卷积神经网络将轴承样本映射到高维特征空间；其次，利用迁移学习思想设计加权领域鉴别器，对样本进行自适应加权，并通过在特征空间的对抗训练，增大目标域与源域共有健康状态样本的领域相似性，抑制目标域额外故障状态样本与源域样本的领域相似性增强；然后，依据样本权重度量目标域与源域样本的相似性大小，设定阈值将目标域额外故障状态样本标记为未知故障；最终，将源域故障诊断知识迁移到目标域共有健康状态样本的故障识别中。利用齿轮箱轴承数据、凯斯西储大学滚动轴承...
Keyword ：
故障诊断 滚动轴承 卷积神经网络 迁移学习 深度学习 未知故障
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 贾峰 , 李世豪 , 沈建军 et al. 采用深度迁移学习与自适应加权的滚动轴承故障诊断 [J]. | 西安交通大学学报 , 2022 , (08) : 1-10 . |
| MLA | 贾峰 et al. "采用深度迁移学习与自适应加权的滚动轴承故障诊断" . | 西安交通大学学报 08 (2022) : 1-10 . |
| APA | 贾峰 , 李世豪 , 沈建军 , 马军星 , 李乃鹏 . 采用深度迁移学习与自适应加权的滚动轴承故障诊断 . | 西安交通大学学报 , 2022 , (08) , 1-10 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对睡眠生理信号采集难度大、睡眠分期精度低的问题，提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图；然后使用二维卷积VGG网络从脑电信号的时频图中提取睡眠相关的脑电特征，作为单个睡眠片段的分期依据，再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则；最后利用深度学习方法建立特征、规则与睡眠阶段的映射，使用数据扩充和两步训练法训练模型，削弱数据不均衡的影响，完成连续片段的睡眠分期。采用SHHS公开数据库的5793名被试的睡眠脑电数据对该模型进行验证，实验结果表明，睡眠分期准确率达到85.82%，整体F1达到78.39，Kappa系数达...
Keyword ：
卷积神经网络 连续小波变换 脑电信号 双向长短期记忆网络 睡眠分期
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 王天宇 , 陈晗 , 王刚 et al. 采用小波变换和双向长短期记忆网络的脑电睡眠分期模型 [J]. | 西安交通大学学报 , 2022 , (09) : 1-8 . |
| MLA | 王天宇 et al. "采用小波变换和双向长短期记忆网络的脑电睡眠分期模型" . | 西安交通大学学报 09 (2022) : 1-8 . |
| APA | 王天宇 , 陈晗 , 王刚 , 吴宁 . 采用小波变换和双向长短期记忆网络的脑电睡眠分期模型 . | 西安交通大学学报 , 2022 , (09) , 1-8 . |
| Export to | NoteExpress RIS BibTex |
Export
| Results： |
Selected to |
| Format： |
