返回
Learnable multi-scale temporal convolutional network for multichannel time-series classification
DOI:10.1016/j.engappai.2026.115572.png)
摘要
En 中文
• 提出了一种新颖的LMST-Net用于气液两相流流型识别。 • MSDCB能够捕捉微观气泡波动和宏观流动演化。 • 可学习特征模块通过可变形卷积对齐非平稳信号。 • 时序注意力在低信噪比条件下抑制特定通道的噪声。 • 一种端到端框架无需手动特征即可处理原始信号。
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
引用论文
CSA-Net: Cross-modal scale-aware attention-aggregated network for RGB-T crowd countingCsa-net: 用于rgb-t人群计数的跨模态尺度感知注意力聚合网络
Intelligent Flow Pattern Recognition of Horizontal Gas-Liquid Two-Phase Flow Utilizing Distributed Optical Carrier-Based Microwave Interferometry基于分布式光载微波干涉法的水平气液两相流智能流型识别
Application of Near-Infrared Spectroscopy to Measure the Water Content in Liquid Dielectrics
Energies
IF0

