基于RFID传感器和深度学习的开关柜故障诊断研究

1

作者 王真 刘子全 +1 位作者 路永玲 李玉杰 《电力科学与技术学报》 北大核心 2025年第2期179-185,共7页

为提高开关柜故障诊断的准确性,提出一种基于RFID传感器和深度学习的开关柜故障诊断算法。首先,设计用于采集开关柜电流信号和温度射频识别(radio frequency identification,RFID)的传感标签;其次,采集的信号通过深度信念网络(deep beli... 为提高开关柜故障诊断的准确性,提出一种基于RFID传感器和深度学习的开关柜故障诊断算法。首先,设计用于采集开关柜电流信号和温度射频识别(radio frequency identification,RFID)的传感标签;其次,采集的信号通过深度信念网络(deep belief networks,DBN)进行深层次特征提取,并将稀疏编码(sparse code,SC)融合到DBN网络中,提高其检测精度;最后,为提高检测速度,采用极限学习机(extreme learning machine,ELM)对特征提取的信号进行分类识别。研究结果表明,相比于其他算法,本文提出的SDBN-ELM故障诊断模型检测精度更高,识别速度更快,其准确率可达99.63%。 展开更多

关键词 开关柜 RFID 深度信念网络 极限学习机 故障诊断

在线阅读 下载PDF 职称材料

基于DBN-ELM的构网型并网逆变器控制参数自适应调整方法 被引量：1

2

作者 张梦琪 李永刚 +3 位作者 孙庚 吴滨源 刘淇玉 张驰 《电力自动化设备》 EI CSCD 北大核心 2024年第4期111-118,共8页

“双高”电力系统中电网阻抗呈现宽范围时变特性,构网型并网逆变器控制参数缺乏自适应调整能力,存在失稳风险。对此,提出一种基于深度置信网络-极限学习机的构网型并网逆变器控制参数自适应调整方法。建立闭环极点映射模型,利用深层架... “双高”电力系统中电网阻抗呈现宽范围时变特性,构网型并网逆变器控制参数缺乏自适应调整能力,存在失稳风险。对此,提出一种基于深度置信网络-极限学习机的构网型并网逆变器控制参数自适应调整方法。建立闭环极点映射模型,利用深层架构对控制参数与关键极点之间的映射关系进行训练;通过训练好的闭环极点映射模型预测得到相应的关键极点,识别出关键极点最接近参考极点时构网型并网逆变器的控制参数;通过自适应调整控制参数,确保系统在电网阻抗变化时跟踪参考极点,实现自适应稳定控制。理论分析和仿真结果均表明,所提方法能够实现控制参数的自适应调整,有效提高构网型并网逆变器对电网阻抗变化的适应性。 展开更多

关键词 构网型并网逆变器 自适应调整 深度置信网络-极限学习机 复矢量建模 电网阻抗

在线阅读 下载PDF 职称材料

基于极限学习的深度学习算法 被引量：15

3

作者 赵志勇 李元香 +1 位作者 喻飞 易云飞 《计算机工程与设计》 北大核心 2015年第4期1022-1026,共5页

在使用传统的全局优化方法对整个深度信念网(DBN)进行优化的过程中需要大量的时间,且基于梯度的优化方法易陷入局部最优。为加快DBN的训练速度,将极限学习机(ELM)运用到DBN模型的训练中。分别将传统DBN与改进后的IDBN算法应用在手写体... 在使用传统的全局优化方法对整个深度信念网(DBN)进行优化的过程中需要大量的时间,且基于梯度的优化方法易陷入局部最优。为加快DBN的训练速度,将极限学习机(ELM)运用到DBN模型的训练中。分别将传统DBN与改进后的IDBN算法应用在手写体数据集MNIST、Binary Alphadigits数据集和USPS数据集上,实验结果表明,改进后的IDBN算法能够保证已有的学习准确性,提高学习的速度。 展开更多

关键词 深度学习 极限学习机 机器学习 神经网络 深度信念网

在线阅读 下载PDF 职称材料

基于油中溶解气体分析的DBN-SSAELM变压器故障诊断方法 被引量：40

4

作者 王艳 李伟 +2 位作者 赵洪山 张嘉琳 申宗旺 《电力系统保护与控制》 EI CSCD 北大核心 2023年第4期32-42,共11页

为了保证油浸式变压器故障诊断精度的同时,提高诊断方法的收敛速度以及泛化能力,提出一种基于DBN-SSAELM的变压器故障诊断方法。首先,利用深度置信网络(deep belief networks, DBN)对油中溶解气体浓度比值数据进行特征提取。其次,利用... 为了保证油浸式变压器故障诊断精度的同时,提高诊断方法的收敛速度以及泛化能力,提出一种基于DBN-SSAELM的变压器故障诊断方法。首先,利用深度置信网络(deep belief networks, DBN)对油中溶解气体浓度比值数据进行特征提取。其次,利用具有较强学习能力的极限学习机(extreme learning machine, ELM)替换传统DBN分类模型中的Softmax分类器,深入分析特征值与故障类型之间的关联性,提高模型的收敛速度。然后,利用麻雀搜索算法(sparrow search algorithm, SSA)优化ELM模型的输入权值和隐藏层节点偏置,以提高模型诊断结果的准确率和稳定性。最后,选用准确率、查全率、查准率和收敛速度对优化前后的模型进行性能评估。最终实验结果表明:所提出的DBN-SSAELM变压器故障诊断方法,故障诊断准确率高、泛化能力强、稳定性好,平均准确率达到96.50%,适用于变压器故障诊断。 展开更多

关键词 变压器 故障诊断 深度置信网络 极限学习机 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于DBN-ELM的聚丙烯熔融指数的软测量 被引量：11

5

作者 王宇红 狄克松 +2 位作者 张姗 尚超 黄德先 《化工学报》 EI CAS CSCD 北大核心 2016年第12期5163-5168,共6页

针对聚丙烯熔融指数软测量中预测精度不高的缺点,将基于深度置信网络-极限学习机(DBN-ELM)的软测量方法应用到熔融指数的软测量中。与传统深度置信网络(DBN)不同的是,该方法将极限学习机(ELM)算法运用到深度置信网络的训练中。首先用深... 针对聚丙烯熔融指数软测量中预测精度不高的缺点,将基于深度置信网络-极限学习机(DBN-ELM)的软测量方法应用到熔融指数的软测量中。与传统深度置信网络(DBN)不同的是,该方法将极限学习机(ELM)算法运用到深度置信网络的训练中。首先用深度置信网络对原始数据进行数值分析来提取特征,然后将提取的特征输入到极限学习机中进行训练,得到软测量模型。实验验证表明,与支持向量机和单纯的深度置信网络模型相比,该方法具有更高的测量精度。 展开更多

关键词 深度置信网络 算法 极限学习机 数值分析 特征提取 实验验证

在线阅读 下载PDF 职称材料

基于数据挖掘的电子皮带秤皮带跑偏检测 被引量：5

6

作者 朱亮 李东波 +2 位作者 吴崇友 吴绍锋 袁延强 《农业工程学报》 EI CAS CSCD 北大核心 2017年第1期102-109,共8页

为提高电子皮带秤连续累计称量精度,针对严重影响精度的电子皮带秤跑偏,采用对皮带秤现有原始传感器的数据挖掘实现跑偏量实时在线检测,以取代传统硬件检测设备。引入流形学习和深度学习,分别提出了基于局部切空间排列(local tangent sp... 为提高电子皮带秤连续累计称量精度,针对严重影响精度的电子皮带秤跑偏,采用对皮带秤现有原始传感器的数据挖掘实现跑偏量实时在线检测,以取代传统硬件检测设备。引入流形学习和深度学习,分别提出了基于局部切空间排列(local tangent space alignment,LTSA)+广义回归神经网络(generalized regression neural networks,GRNN)和基于连续深度置信网络(continuous deep belief networks,CDBN)的在线跑偏特征提取模型,再结合极限学习机(extreme learning machine,ELM)以跑偏特征为模型输入进行跑偏量预测。最后通过试验对该文提出的在线跑偏量预测模型的性能进行了验证:LTSA+GRNN+ELM平均跑偏预测精度为93.33%,平均每组预测时间38.29 ms;CDBN+ELM预测精度则高达98.61%,平均每组预测时间1.47 ms。二者预测精度和实时性皆表明能取代传统硬件检测装置,为皮带跑偏检测提供了一种方法,为进一步的皮带秤在线精度补偿和故障预测提供了必要依据。 展开更多

关键词 数据挖掘 传感器 模型 皮带跑偏 流形学习 连续深度置信网络 极限学习机

在线阅读 下载PDF 职称材料

CDBN-IKELM的轴承变工况故障诊断方法 被引量：3

7

作者 向玲 苏浩 +3 位作者 胡爱军 杨鑫 徐进 王伟 《振动．测试与诊断》 EI CSCD 北大核心 2022年第3期432-438,612,共8页

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题,提出了基于卷积深度置信网络(convolutional deep belief network,简称CDBN)与改进核极限学习机(improved Kernel-based extreme learning machine,简称IKELM... 针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题,提出了基于卷积深度置信网络(convolutional deep belief network,简称CDBN)与改进核极限学习机(improved Kernel-based extreme learning machine,简称IKELM)的滚动轴承故障智能识别方法。首先,由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取;其次,利用等距特征映射对提取的多维特征进行降维,去除冗余特征信息;然后,采用改进的核极限学习机对特征进行分类,使用粒子群(particle swarm optimization,简称PSO)对模型重要参数进行优化,实现滚动轴承变工况下的故障识别;最后,将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明,该方法能够智能有效地识别变工况的轴承故障,诊断结果优于已有的智能故障诊断方法。 展开更多

关键词 故障诊断 轴承 卷积深度置信网络 核极限学习机 变工况

在线阅读 下载PDF 职称材料

基于PSO-DBN的风电机组齿轮箱运行状态识别 被引量：6

8

作者 刘杰 付雪娇 孙兴伟 《传感技术学报》 CAS CSCD 北大核心 2023年第3期434-440,共7页

为了准确监测到风电机组齿轮箱的运行状态以实现其早期预警,提出了一种基于改进深度置信网络(Deep Belief Net-works,DBN)的运行状态识别方法。首先,利用粒子群算法(Particle Swarm Optimization,PSO)优化DBN网络的结构参数,运用最优的... 为了准确监测到风电机组齿轮箱的运行状态以实现其早期预警,提出了一种基于改进深度置信网络(Deep Belief Net-works,DBN)的运行状态识别方法。首先,利用粒子群算法(Particle Swarm Optimization,PSO)优化DBN网络的结构参数,运用最优的DBN网络结构提取样本数据特征。将特征通过多维尺度分析(Multidimensional Scaling,MDS)算法映射到低维空间,在低维空间内依据欧氏距离构建齿轮箱状态指标,结合状态指标实现样本数据标签化。再采用标签化的样本数据训练极限学习机(Extreme Learning Machine,ELM)模型,识别齿轮箱的运行状态。结果表明,该方法的识别准确率达到95.61%,不仅深度挖掘到样本数据的特征信息,还通过构建状态指标为无标签的样本数据处理提供了参考。 展开更多

关键词 风电机组 状态识别 深度置信网络 多维尺度分析 极限学习机

在线阅读 下载PDF 职称材料

极限学习机前沿进展与趋势 被引量：122

9

作者 徐睿 梁循 +2 位作者 齐金山 李志宇 张树森 《计算机学报》 EI CSCD 北大核心 2019年第7期1640-1670,共31页

极限学习机(Extreme Learning Machine,ELM)作为前馈神经网络学习中一种全新的训练框架,在行为识别、情感识别和故障诊断等方面被广泛应用,引起了各个领域的高度关注和深入研究.ELM最初是针对单隐层前馈神经网络的学习速度而提出的,之... 极限学习机(Extreme Learning Machine,ELM)作为前馈神经网络学习中一种全新的训练框架,在行为识别、情感识别和故障诊断等方面被广泛应用,引起了各个领域的高度关注和深入研究.ELM最初是针对单隐层前馈神经网络的学习速度而提出的,之后又被众多学者扩展到多隐层前馈神经网络中.该算法的核心思想是随机选取网络的输入权值和隐层偏置,在训练过程中保持不变,仅需要优化隐层神经元个数.网络的输出权值则是通过最小化平方损失函数,来求解Moore - Penrose广义逆运算得到最小范数最小二乘解.相比于其它传统的基于梯度的前馈神经网络学习算法,ELM具有实现简单,学习速度极快和人为干预较少等显著优势,已成为当前人工智能领域最热门的研究方向之一.ELM的学习理论表明,当隐层神经元的学习参数独立于训练样本随机生成,只要前馈神经网络的激活函数是非线性分段连续的,就可以逼近任意连续目标函数或分类任务中的任何复杂决策边界.近年来,随机神经元也逐步在越来越多的深度学习中使用,而ELM可以为其提供使用的理论基础.本文首先概述了ELM的发展历程,接着详细阐述了ELM的工作原理.然后对ELM理论和应用的最新研究进展进行了归纳总结,着重讨论并分析了自ELM提出以来的主要学习算法和模型,包括提出的原因、核心思想、求解方法、各自的优缺点以及相关问题.最后,针对当前的研究现状,指出了ELM存在的争议、问题和挑战,并对未来的研究方向和发展趋势进行了展望。 展开更多

关键词 极限学习机 网络结构 正则化 核学习 深度学习 在线学习 并行计算

在线阅读 下载PDF 职称材料

融合深度置信网络与与核极限学习机算法的核磁共振测井储层渗透率预测方法 被引量：16

10

作者 朱林奇 张冲 +3 位作者 周雪晴 魏旸 黄雨阳 高齐明 《计算机应用》 CSCD 北大核心 2017年第10期3034-3038,共5页

由于低孔低渗储层孔隙结构较为复杂,现有核磁共振(NMR)测井渗透率模型对于低孔低渗储层预测精度不高。为此,提出一种融合深度置信网络(DBN)算法与核极限学习机(KELM)算法的渗透率预测方法。该方法首先对DBN模型进行预训练,然后将KELM模... 由于低孔低渗储层孔隙结构较为复杂,现有核磁共振(NMR)测井渗透率模型对于低孔低渗储层预测精度不高。为此,提出一种融合深度置信网络(DBN)算法与核极限学习机(KELM)算法的渗透率预测方法。该方法首先对DBN模型进行预训练,然后将KELM模型作为预测器放置在训练好DBN模型后,利用训练数据进行有监督的训练,最终形成深度置信-核极限学习机(DBKELMN)模型。考虑到该模型需充分利用反映孔隙结构的横向弛豫时间谱信息,将离散化后的核磁共振测井横向弛豫时间谱作为输入,渗透率作为输出,确定NMR测井横向弛豫时间谱与渗透率的函数关系,并基于该函数关系对储层渗透率进行预测。实例应用表明,融合DBN算法与KELM算法的渗透率预测方法是有效的,预测样本的平均绝对误差(MAE)较斯伦贝谢道尔研究中心(SDR)模型降低了0.34。融合DBN算法与KELM算法的渗透率预测方法可提高低孔渗储层渗透率预测精度,可应用于油气田勘探开发。 展开更多

关键词 深度学习 核磁共振测井 渗透率 深度置信网络 深度置信-核极限学习机

在线阅读 下载PDF 职称材料

基于DTCN-KELM的制糖过程建模与优化

11

作者 蒙艳玫 李济钦 《广西大学学报（自然科学版）》 CAS 北大核心 2023年第3期579-593,共15页

吨蔗能耗和蔗糖色值是制糖过程中两个重要的工艺指标,然而目前这两个指标均无法在线获取。此外,当生产状况发生变化时,依靠人工经验进行参数设定难以获得稳定的生产质量。为了解决这两个问题,提出一种融合深度时间卷积网络和核极限学习... 吨蔗能耗和蔗糖色值是制糖过程中两个重要的工艺指标,然而目前这两个指标均无法在线获取。此外,当生产状况发生变化时,依靠人工经验进行参数设定难以获得稳定的生产质量。为了解决这两个问题,提出一种融合深度时间卷积网络和核极限学习机的数据驱动建模方法,实现了2个工艺指标的在线预测。此外,在数据驱动模型的基础上,构建了工艺指标优化模型,并采用改进的麻雀搜索算法进行迭代计算,实现了2个工艺指标的优化。计算实验结果表明:所提出模型的预测可决系数均超过0.9,并与其他4种模型相比具有更高的预测精度。此外,通过求解工艺指标优化模型,优化后的吨蔗能耗降低了1.47%,蔗糖色值降低了2.57%,2个指标得到了较大的改善。 展开更多

关键词 制糖 数据驱动建模 深度时间卷积网络 核极限学习机 改进的麻雀搜索算法

在线阅读 下载PDF 职称材料

基于DBN-ELM的入侵检测研究 被引量：14

12

作者 魏思政 刘厚泉 赵志凯 《计算机工程》 CAS CSCD 北大核心 2018年第9期153-158,共6页

为了有效解决海量复杂数据的入侵检测分类问题,基于深度信念网络(DBN)和极限学习机(ELM),提出一种新的入侵检测方法。使用DBN对大量复杂无标签的原始数据进行特征提取,得到高度抽象的重要特征,再用ELM完成最终的分类工作。结合DBN自动... 为了有效解决海量复杂数据的入侵检测分类问题,基于深度信念网络(DBN)和极限学习机(ELM),提出一种新的入侵检测方法。使用DBN对大量复杂无标签的原始数据进行特征提取,得到高度抽象的重要特征,再用ELM完成最终的分类工作。结合DBN自动提取特征的能力和ELM快速学习且泛化性好的优势,提高入侵检测识别率和运行效率。实验结果表明,与原始的DBN、ELM以及DBN-SVM方法相比,该方法具有更优的精确度和运行效率。 展开更多

关键词 深度学习 深度信念网络 极限学习机 混合模型 入侵检测 无监督

在线阅读 下载PDF 职称材料

基于DBN-ELM的球磨机料位软测量方法研究 被引量：9

13

作者 康岩 卢慕超 阎高伟 《仪表技术与传感器》 CSCD 北大核心 2015年第4期73-75,92,共4页

针对采用传统方法建立球磨机料位软测量模型存在测量精度不高和稳定性较低的缺点,提出一种结合深度信念网络和极限学习机的软测量方法。该方法以球磨机轴承振动信号为辅助变量,采用深度信念网络进行振动信号功率谱的特征提取,然后将提... 针对采用传统方法建立球磨机料位软测量模型存在测量精度不高和稳定性较低的缺点,提出一种结合深度信念网络和极限学习机的软测量方法。该方法以球磨机轴承振动信号为辅助变量,采用深度信念网络进行振动信号功率谱的特征提取,然后将提取的有效特征输入极限学习机进行模型训练,得到软测量模型。最后在小型实验室球磨机上进行试验和模型验证。结果表明,该方法与传统方法相比具有较高的测量精度和较好的稳定性。 展开更多

关键词 球磨机料位 深度信念网络 特征提取 极限学习机 软测量

在线阅读 下载PDF 职称材料

基于改进在线序列极限学习机的AMI入侵检测算法 被引量：8

14

作者 刘菲菲 伍忠东 +1 位作者 丁龙斌 张凯 《计算机工程》 CAS CSCD 北大核心 2020年第9期136-142,148,共8页

针对智能电网高级量测体系(AMI)与计算机网络互联通信中存在的安全威胁,提出一种基于改进在线序列简化极核极限学习机(DBN-OS-RKELM)的AMI入侵检测算法。将采集到的历史网络日志数据通过深度信念网络进行重要特征提取,并在特征学习过程... 针对智能电网高级量测体系(AMI)与计算机网络互联通信中存在的安全威胁,提出一种基于改进在线序列简化极核极限学习机(DBN-OS-RKELM)的AMI入侵检测算法。将采集到的历史网络日志数据通过深度信念网络进行重要特征提取,并在特征学习过程中实现高维数据的低维表示以减少冗余特征,同时将当前新到达的网络日志数据添加到DBN-OS-RKELM网络中进行输出权重的实时更新,从而完成AMI入侵检测的分类。实验结果表明,与基于极限学习机和在线序列极限学习机等的入侵检测算法相比,基于DBN-OS-RKELM的入侵检测算法具有更好的泛化能力与更快的学习速率,且提高了入侵检测准确率。 展开更多

关键词 高级量测体系 深度信念网络 极限学习机 在线学习 入侵检测

在线阅读 下载PDF 职称材料

改进的深度信念网络肺结节良恶性分类 被引量：6

15

作者 张婷 赵文婷 +1 位作者 赵涓涓 强彦 《计算机工程与设计》 北大核心 2018年第9期2707-2713,2729,共8页

为解决传统的计算机辅助诊断系统中肺结节特征提取过程复杂的问题,提出一种基于深度信念网络的肺结节良恶性分类方法。通过阈值概率图对原始CT图像进行预处理,采用多隐层深度信念网络提取肺结节图像的深层特征,引入交叉熵稀疏惩罚因子... 为解决传统的计算机辅助诊断系统中肺结节特征提取过程复杂的问题,提出一种基于深度信念网络的肺结节良恶性分类方法。通过阈值概率图对原始CT图像进行预处理,采用多隐层深度信念网络提取肺结节图像的深层特征,引入交叉熵稀疏惩罚因子机制解决受限玻尔兹曼机在训练过程中出现的特征同质化现象,将极限学习机作为分类器对提取到的特征进行良恶性分类。通过对比多种深度学习方法在肺结节诊断方面的优势与不足,验证了该方法的准确性、特异性、敏感性均优于其它算法。 展开更多

关键词 肺结节 深度信念网络 特征提取 极限学习机 良恶性分类

在线阅读 下载PDF 职称材料

基于深度信念网络的语音情感识别 被引量：8

16

作者 张丽 吕军 +1 位作者 强彦 刘继华 《太原理工大学学报》 CAS 北大核心 2019年第1期101-107,共7页

针对语音情感识别中的特征提取问题,通过多层深度信念网络(DBN)自动提取语音信号中的情感特征,把连续多帧的语音拼接在一起,形成一个高维抽象特征,将深度信念网络训练好的特征作为极限学习机(ELM)分类器的输入端,最终建立一个语音情感... 针对语音情感识别中的特征提取问题,通过多层深度信念网络(DBN)自动提取语音信号中的情感特征,把连续多帧的语音拼接在一起,形成一个高维抽象特征,将深度信念网络训练好的特征作为极限学习机(ELM)分类器的输入端,最终建立一个语音情感识别系统。实验结果表明,在CASIA情感语音数据库中,本方法优于其他情感识别方法。 展开更多

关键词 深度信念网络 极限学习机 语音情感识别 人机交互

在线阅读 下载PDF 职称材料

基于DBN-KELM的入侵检测算法 被引量：9

17

作者 汪洋 伍忠东 火忠彩 《计算机工程》 CAS CSCD 北大核心 2019年第10期171-175,182,共6页

传统机器学习算法需要人工构建样本特征,处理海量多源异构网络入侵数据时分类效果较差。针对该问题,结合深度信念网络(DBN)和核极限学习机(KELM),提出一种混合深度学习入侵检测算法DBN-KELM。利用DBN提取高维网络历史数据的抽象特征,获... 传统机器学习算法需要人工构建样本特征,处理海量多源异构网络入侵数据时分类效果较差。针对该问题,结合深度信念网络(DBN)和核极限学习机(KELM),提出一种混合深度学习入侵检测算法DBN-KELM。利用DBN提取高维网络历史数据的抽象特征,获得原始数据的低维表示形式。在此基础上,通过KELM对低维表示的数据做监督学习,达到准确识别网络攻击的目的。在NSL-KDD数据集上进行仿真,实验结果表明,DBN-KELM算法能够提高分类准确率,降低对小样本攻击的误报率,同时缩短分类器的训练时间。 展开更多

关键词 深度学习 深度信念网络 特征提取 核极限学习机 入侵检测

在线阅读 下载PDF 职称材料

基于深度序列加权核极限学习的入侵检测算法 被引量：10

18

作者 汪洋 伍忠东 朱婧 《计算机应用研究》 CSCD 北大核心 2020年第3期829-832,共4页

针对海量多源异构且数据分布不平衡的网络入侵检测问题以及传统深度学习算法无法根据实时入侵情况在线更新其输出权重的问题,提出了一种基于深度序列加权核极限学习的入侵检测算法(DBN-WOS-KELM算法)。该算法先使用深度信念网络DBN对历... 针对海量多源异构且数据分布不平衡的网络入侵检测问题以及传统深度学习算法无法根据实时入侵情况在线更新其输出权重的问题,提出了一种基于深度序列加权核极限学习的入侵检测算法(DBN-WOS-KELM算法)。该算法先使用深度信念网络DBN对历史数据进行学习,完成对原始数据的特征提取和数据降维,再利用加权序列核极限学习机进行监督学习完成入侵识别,结合了深度信念网络提取抽象特征的能力以及核极限学习机的快速学习能力。最后在部分KDD99数据集上进行了仿真实验,实验结果表明DBN-WOS-KELM算法提高了对小样本攻击的识别率,并且能够根据实际情况在线更新输出权重,训练效率更高。 展开更多

关键词 深度信念网络 序列学习 核极限学习 样本加权 入侵检测

在线阅读 下载PDF 职称材料

低分辨率多姿态人脸识别算法研究 被引量：3

19

作者 赵志国 鞠哲 顾宏 《控制工程》 CSCD 北大核心 2016年第7期1057-1062,共6页

人脸识别一直是模式识别和机器视觉领域研究热点。受姿态变化和分辨率低影响,传统方法对伴随多姿态低分辨率人脸图像识别精度较低。为充分挖掘姿态变化带来的非线性问题,提出将深度信念网络与极限学习机相结合来识别低分辨率多姿态人脸... 人脸识别一直是模式识别和机器视觉领域研究热点。受姿态变化和分辨率低影响,传统方法对伴随多姿态低分辨率人脸图像识别精度较低。为充分挖掘姿态变化带来的非线性问题,提出将深度信念网络与极限学习机相结合来识别低分辨率多姿态人脸图像。该方法将低分辨率和对应高分辨率图像作为深层网络结构输入数据,学习高低分辨率图像间流行假设的点对联系以提取特征进行分类识别。实验结果表明,所提方法相比于其他方法具有识别率高、分类时间短等优点。 展开更多

关键词 深度信念网络 极限学习 低分辨率 姿态变化 人脸识别

在线阅读 下载PDF 职称材料

基于深度回归网络的航煤水分离指数分析方法研究 被引量：1

20

作者 林帅 符琰 +6 位作者 刘鹏荣 王龙 张坤 韩吉庆 赵华 冯典英 黄鸿 《中国测试》 CAS 北大核心 2023年第4期7-12,共6页

水分离指数是航空煤油的重要评价指标,然而窄带吸收光谱法进行航煤水分离指数测量时存在精度低、稳定性差等问题。针对此问题,搭建一个航煤水分离指数分析系统平台,并提出一种基于深度回归网络的航煤水分离指数的分析方法。该方法首先... 水分离指数是航空煤油的重要评价指标,然而窄带吸收光谱法进行航煤水分离指数测量时存在精度低、稳定性差等问题。针对此问题,搭建一个航煤水分离指数分析系统平台,并提出一种基于深度回归网络的航煤水分离指数的分析方法。该方法首先对采集到的紫外吸收光谱进行预处理,然后通过深度信念网络来对光谱数据进行深度特征提取,最后使用极限学习机来对所提取的特征进行训练,构建一个可实现高精度、稳定测量的航煤水分离指数分析模型。结果表明:水分离指数标准值为65、70、89时,模型预测平均值为64.99、69.59、88.96,且最大相对误差控制在2%以内。该算法在精度和稳定性上具有明显优势,适合航空煤油水分离指数测量的实际需求。 展开更多

关键词 喷气燃料 水分离指数 紫外光谱 深度信念网络 极限学习机

在线阅读 下载PDF 职称材料