[1]孙晓永,孙备,郭润泽,党昭洋,周沛达.面向多无人机协同的多模态目标检测方法[J].仪器仪表学报,2025,46(2):209-220.

[2]李响,赵伟瑞.基于多 CNN 的分块镜 piston 和 tip-tilt 误差同步检测方法研究[J].仪器仪表学报,2024,45(3):188-197.

[3]小波包和1D CNN结合的刀具磨损状态识别[J].机械设计与制造

[4]吴海滨,戴诗语,王爱丽,岩堀祐之,于效宇.CNN-Transformer结合对比学习的高光谱与LiDAR数据协同分类[J].光学精密工程,2024,32(7):1087-1100.

[5]刘敬,李洋,刘逸.基于分数阶微分的高光谱图像特征提取与分类[J].光学精密工程,2023,31(21):3221-3236.

[6]刘斌,龙健宁,程方毅,龚德文.基于卷积神经网络的物流货物图像分类研究[J].机电工程技术,2021,50(12):79-82,175.

[7]邹伟,殷国栋,刘昊吉,耿可可,黄文涵,吴愿,薛宏伟.基于多模态特征融合的自主驾驶车辆低辨识目标检测方法[J].中国机械工程,2021(9):1114-1125.

[8]王琪善,章国宝,黄永明,张永春.基于卷积神经网络的多模态过程故障检测[J].制造业自动化,2023,45(1):185-191.

[9]关可铭,杜兵,李金峰,靳松,张振涛.基于LMD和改进CNN的轴承故障诊断方法[J].制造业自动化,2023,45(1):216-220.

[10]李一鸣,王昊,李然,陈泉,卢海军,杨晖.基于Trans-MIR模型的多模态图像重建[J].光学仪器,2024,46(5):51-57.

[11]时旭,李远,黄鸿.面向高光谱显微图像血细胞分类的空-谱可分离卷积神经网络[J].光学精密工程,2022,30(8):960-969.

[12]王玉静,李少鹏,康守强,谢金宝,MIKULOVICH V I.结合CNN和LSTM的滚动轴承剩余使用寿命预测方法[J].振动、测试与诊断,2021,41(3):439-446.

[13]韩涛;袁建虎;唐建;安立周.基于MWT和CNN的滚动轴承智能复合故障诊断方法[J].机械传动,2016,40(12):139-143.

[14]苑宁之,陈少华,牟涛涛.拉曼光谱结合深度学习算法的塑料分类的研究[J].光学仪器,2023,45(5):35-43.

[15]武华敏,杨漠雨,黄晓雪,吉才全,王炜杰,张荣福,陈楠.基于CNN的十字像中心检测[J].光学仪器,2019,41(5):38-46,58.

[16]张丽丽,陈子坤,潘天鹏,屈乐乐.融合多尺度特征卷积神经网络的多光谱图像压缩方法[J].光学精密工程,2024,32(4):622-634.

[17]梁韬,叶涛萍,李守文,方佳畅,黄天立.结合多通道MTF和CNN的框架结构损伤识别方法[J].振动、测试与诊断,2024,44(2):217-224+404-405.

[18]刘东,张荣福,秦俊祥,龚俊哲,曹志彬.融合CNN和Transformer的建筑风格分类算法[J].光学仪器,2024,46(5):1-8.

[19]廖一鹏;张进;王志刚;王卫星.结合双模多尺度CNN特征及自适应深度 KELM的浮选工况识别[J].光学精密工程,2020,28(8):1785-1798.

[20]梁永勋,甄子洋,李苏宁,李晓轩,闫川.基于 Transformer模块和CNN的无人机避障方法研究[J].机械与电子,2023,41(5):56-61.