-
软门控融合高效双流网络在基于声发射信号的轴承故障诊断中的应用
本文聚焦工业轴承故障诊断,针对传统时频二维表征计算成本高、单域(时域或频域)方法信息不完整导致精度受限的问题,提出了一种高效的软门控融合双流网络(DSGF-Net)。该研究利用一维卷积神经网络,并行处理声发射(AE)信号的时域和频域特征,并通过自适应门控机制融合,在显著降低计算复杂度的同时,提升了多种工况下的诊断精度与鲁棒性。
来源:Machines
时间:2026-04-12
-
面向混合源电动汽车的高增益集成式直流变换器设计与人工智能协同控制策略
本研究针对传统多输入直流变换器电压增益有限、元件应力高及动态响应慢等问题,设计了一种基于SEPIC-Cuk融合拓扑的高增益非隔离型集成变换器。通过引入人工神经网络(ANN)控制策略,实现了光伏-风电-储能混合能源系统的最大功率点跟踪与母线电压稳定调控。仿真验证表明,该架构在连续导通模式(CCM)下具备低纹波特性,开关电压应力显著降低,为新能源汽车动力系统提供了高效可靠的电力转换解决方案。
来源:World Electric Vehicle Journal
时间:2026-04-12
-
面向糖尿病视网膜病变诊断的定制化深度学习框架:图像增强与分类性能优化研究
本研究针对糖尿病视网膜病变(DR)自动化诊断中面临的图像质量不均、病变特征细微且多样、类别不平衡等挑战,开展了一项定制化深度学习网络研究。研究人员提出了一种结合自适应伽马校正与对比度受限自适应直方图均衡化(CLAHE)的图像预处理新方法,并设计了一个相对浅层的多尺度融合网络。该模型在RFMiD数据集上实现了87.66%的准确率,为开发高效、可靠的计算机辅助诊断(CAD)系统,作为眼科医生的“第二判读者”提供了可行方案。
-
基于深度学习的多元时间序列预测方法综述:从RNN到注意力机制的演进与应用
为解决复杂时序数据建模难题,本文系统综述了基于RNN、CNN与Encoder-Decoder的多元时间序列预测方法,引入Attention机制提升特征捕捉能力,为电力负荷、气象预报等领域提供高效DL解决方案,推动智能预测技术进步。
来源:Electronics
时间:2026-04-12
-
基于HGRN2的门控线性循环网络:一种面向部署的高效个性化语音活动检测新框架
为解决多说话人场景下设备仅对目标用户响应的需求,本研究基于FDE-RNN架构,将LSTM模块替换为HGRN2,提出FDE-HGRN2。实验表明,在LibriSpeech数据集上,该系统在平均精度和帧级准确率上均优于基线模型,且参数量减少约15%,为资源受限的实时语音接口提供了更优的准确率-效率权衡。
来源:Electronics
时间:2026-04-12
-
基于LSTM与5G NR同步信号的智能无线通信干扰抑制与高精度同步技术研究
本期推荐:针对无线通信中多径时延扩展引发的符号间干扰(ISI)及载波频偏导致的同步精度下降问题,研究人员开展了融合长短期记忆网络(LSTM)与5G新空口(NR)主同步信号(PSS)的联合信号处理研究。通过构建M序列生成模型与信道卷积表达式,结合Hadamard乘积优化特征提取,实现了复杂环境下高精度信号检测。该研究为密集组网场景下的低时延通信提供了创新解决方案,显著提升了系统在动态噪声环境中的鲁棒性。
来源:Electronics
时间:2026-04-12
-
融合插值技术与轻量卷积神经网络:油纸变压器套管局部放电图像信号识别新方法
为解决小样本条件下油纸变压器套管局部放电(PD)识别精度低、现有轻量网络性能受限的问题,研究人员开展了融合Lanczos插值算法与轻量卷积神经网络(CNN)的研究。该方法在保持低计算复杂度的同时,将识别准确率从97%提升至99%以上,并在嵌入式系统中验证了其优良实时性能,为电力设备在线智能诊断提供了高效、可靠的解决方案。
来源:Electronics
时间:2026-04-12
-
基于双模误差统计抵消与全LUT架构的AEMAC:面向深度神经网络的高效能自适应近似计算引擎
为解决DNN推理中乘法累加单元(MAC)功耗高、资源占用大的瓶颈,研究团队提出一种自适应误差补偿多精度MAC(AEMAC),通过Tiny(2bit)/Approx(4bit)/Precise(8bit)三模态动态切换与+1偏置注入机制,实现误差均值从-0.5降至近零,在Xilinx Artix-7 FPGA上以56 LUTs/核的超低资源达成99%运算精度,为边缘端DNN部署提供纯逻辑解决方案。
来源:Electronics
时间:2026-04-12
-
面向时间序列预测的Delta-Rate混合脉冲编码机制及其在SNN中的应用
针对传统脉冲神经网络(SNN)在处理连续值时间序列时面临的信息丢失与信号稀疏问题,本研究提出一种结合Delta编码与率编码优势的混合脉冲编码机制——Delta-Rate编码。该方法通过差分阈值检测捕捉突变特征,利用累积更新保留渐变信息,有效提升SNN对复杂时序模式的表征能力,为高效时序数据处理提供新思路。
来源:Electronics
时间:2026-04-12
-
对于神经功能正常的胸腰椎爆裂性骨折患者,通过AO Spine PROST评估手术与非手术治疗之间的功能结局
本研究比较神经功能正常胸腰椎爆裂骨折患者手术与非手术治疗的长期功能结局,采用AO Spine PROST量表评估。结果显示两组在两年后PROST评分无显著差异,手术组初期评分稍高但最终趋同,提示两种治疗方式长期预后相当。