用于文本情感极性分析的动态卷积神经网络超限学习算法 被引量：7

1

作者 贾熹滨 李宁 靳亚 《北京工业大学学报》 CAS CSCD 北大核心 2017年第1期28-35,共8页

为改善动态卷积神经网络在文本情感分类方法中的泛化能力,提出了一种动态卷积超限学习算法.对动态卷积神经网络的输出层加以改进,使用浅层随机神经网络替代全连接层,利用参数随机生成的扰动性能,降低分类端对训练样本的依赖,避免过拟合... 为改善动态卷积神经网络在文本情感分类方法中的泛化能力,提出了一种动态卷积超限学习算法.对动态卷积神经网络的输出层加以改进,使用浅层随机神经网络替代全连接层,利用参数随机生成的扰动性能,降低分类端对训练样本的依赖,避免过拟合,提升分类性能.在公共数据集上的实验证明:相对改进前的动态卷积学习算法以及超限学习机,所提出的方法在准确率、F1测度等多个标准指标上均体现了更优的分类性能. 展开更多

关键词 文本情感分类 动态卷积 超限学习机 动态卷积超限学习算法

在线阅读 下载PDF 职称材料

动态数据流分析的在线超限学习算法综述 被引量：7

2

作者 郭威 于建江 +1 位作者 汤克明 徐涛 《计算机科学》 CSCD 北大核心 2019年第4期1-7,共7页

动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术。在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数... 动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术。在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数据流分析中得到了成功应用。首先,介绍了OSELM的理论基础和算法执行过程;然后,以动态数据流分析为应用背景,对各种改进OSELM算法进行了分类综述,包括基于滑动窗口的OSELM、基于遗忘因子的OSELM、基于样本加权的OSELM以及其他方法,重点论述了各类算法的设计思路和实现策略,并对其优缺点进行了比较和分析;最后,探讨了值得进一步研究的问题。 展开更多

关键词 在线贯序超限学习机 动态数据流分析 滑动窗口 遗忘因子 样本加权

在线阅读 下载PDF 职称材料

基于蜉蝣优化算法的时空融合交通流预测研究 被引量：1

3

作者 张红 巩蕾 +1 位作者 曹洁 张玺君 《哈尔滨工程大学学报》 北大核心 2025年第4期764-771,796,共9页

针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性... 针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。 展开更多

关键词 交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络

在线阅读 下载PDF 职称材料

基于卷积神经网络的窄线宽光谱结构参数优化

4

作者 富小鸥 王原丽 +1 位作者 杜庆国 付琴 《江苏大学学报(自然科学版)》 北大核心 2025年第4期438-443,共6页

为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题,提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象,利用时域有限差分方法仿真生成4096组数据集,构建并训练正... 为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题,提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象,利用时域有限差分方法仿真生成4096组数据集,构建并训练正向预测网络;进一步将训练好的网络与遗传算法相结合,实现超表面结构参数优化.仿真结果表明:训练好的预测网络在测试集上的损失值仅为5.6×10^(-4),且结合优化算法寻优得到的结果比原始数据集中最小半高全宽减小了0.040 nm.新方法相较于传统方法提升了复杂超表面结构的优化效率和效果. 展开更多

关键词 超表面 微纳结构设计 Fano共振 深度学习 卷积神经网络 优化算法

在线阅读 下载PDF 职称材料

基于k近邻的多尺度超球卷积神经网络学习 被引量：2

5

作者 刘子巍 骆曦 +1 位作者 李克 陈富强 《计算机工程》 CAS CSCD 北大核心 2022年第11期111-119,共9页

以卷积神经网络(CNN)为代表的深度学习模型主要面向图像、语音等均匀采样的同质欧氏空间数据,通常不适用于大量存在于工业等领域的异质、非均匀稀疏采样的结构化数据。针对异质、非均匀稀疏采样结构化数据集的预测任务,提出一种基于k近... 以卷积神经网络(CNN)为代表的深度学习模型主要面向图像、语音等均匀采样的同质欧氏空间数据,通常不适用于大量存在于工业等领域的异质、非均匀稀疏采样的结构化数据。针对异质、非均匀稀疏采样结构化数据集的预测任务,提出一种基于k近邻(kNN)算法和CNN的超球卷积神经网络学习模型。通过kNN预处理建立各样本在高维属性空间中的结构关系,将样本邻域内各样本的标记作为其属性重构样本集合,实现数据属性集从异质到同质的转化,进而通过合理设计CNN的卷积窗,有效提取和利用各样本的邻域空间中样本的标记分布特征,完成对未知样本的预测。在不同邻域尺度、软硬标记以及混淆非混淆等条件下进行实验,结果表明,该模型预测准确率达到98.04%,其准确率和召回率较FC-CNN、CNN、kNN和Radar-CNN算法分别提升0.28%~1.66%和4.78%~31.92%。 展开更多

关键词 卷积神经网络 K近邻算法 超球卷积 结构化数据 深度学习

在线阅读 下载PDF 职称材料

基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法 被引量：15

6

作者 黄新波 高玉菡 +3 位作者 张烨 赵隆 伍逸群 孙苏珍 《电力自动化设备》 EI CSCD 北大核心 2022年第4期203-209,共7页

针对相近色干扰、不同光照条件下玻璃绝缘子颜色特征不明显而无法准确识别的问题,提出一种基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法。首先,提出一种联合分量灰度化算法,通过补偿玻璃绝缘子目标区域的颜色特征实现目... 针对相近色干扰、不同光照条件下玻璃绝缘子颜色特征不明显而无法准确识别的问题,提出一种基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法。首先,提出一种联合分量灰度化算法,通过补偿玻璃绝缘子目标区域的颜色特征实现目标增强;然后,在均匀分块的基础上,采用动态分块阈值进行玻璃绝缘子图像粗分割,并结合玻璃绝缘子的颜色和空间信息等多尺度高维特征,提出一种双尺度分类卷积神经网络算法实现玻璃绝缘子图像细分割;最后,将细分割得到的所有子图像进行合并,实现复杂背景下玻璃绝缘子目标的准确识别。实验结果表明,所提算法能对图像中存在相近色干扰、光照变化影响的玻璃绝缘子目标进行精准识别,且其在Dice参数、杰卡德系数2项识别指标上均达到90%以上,平均识别准确率高达92%。 展开更多

关键词 玻璃绝缘子 联合分量灰度化算法 动态分块阈值分割 双尺度分类卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于动态自适应层叠网络的轻量化图像超分辨率重建 被引量：1

7

作者 张法正 杨娟 +1 位作者 汪荣贵 薛丽霞 《计算机工程》 CAS CSCD 北大核心 2022年第12期196-202,共7页

轻量化超分辨率网络对安防监控、实时人脸识别等领域具有重要意义。然而,现有超分辨率重建网络以牺牲内存和计算成本为代价提高重建效果,从而限制其在实际场景中的应用。提出基于动态自适应层叠网络的轻量化超分辨率重建网络。利用双路... 轻量化超分辨率网络对安防监控、实时人脸识别等领域具有重要意义。然而,现有超分辨率重建网络以牺牲内存和计算成本为代价提高重建效果,从而限制其在实际场景中的应用。提出基于动态自适应层叠网络的轻量化超分辨率重建网络。利用双路残差块中的深度可分离卷积提取低频特征,并引入像素注意力机制获取更丰富的细节特征,以减少参数量并增强网络的重建能力。将双路残差块中的一部分卷积参数作为动态卷积核的子卷积,并与动态自适应模块共享,利用可学习参数调节共享卷积的权重,增强网络的非线性映射关系,充分提取图像的纹理细节信息。实验结果表明,相比VDSR、CARN、PAN等网络,该网络重建得到的图像纹理更接近原始图像,其参数量仅为传统轻量化网络CARN的1/2,在放大因子为4的Set5数据集上峰值信噪比相比CARN提高0.16 dB。 展开更多

关键词 超分辨率重建 轻量化网络 动态自适应层叠网络 动态卷积 注意力机制 深度学习

在线阅读 下载PDF 职称材料

深度学习优化算法研究 被引量：43

8

作者 仝卫国 李敏霞 张一可 《计算机科学》 CSCD 北大核心 2018年第B11期155-159,共5页

深度学习是机器学习领域热门的研究方向,深度学习中的训练和优化算法也受到了较高的关注和研究,已成为人工智能发展的重要推动力。基于卷积神经网络的基本结构,介绍了网络训练中激活函数和网络结构的选择、超参数的设置和优化算法,分析... 深度学习是机器学习领域热门的研究方向,深度学习中的训练和优化算法也受到了较高的关注和研究,已成为人工智能发展的重要推动力。基于卷积神经网络的基本结构,介绍了网络训练中激活函数和网络结构的选择、超参数的设置和优化算法,分析了各算法的优劣,并以Cifar-10数据集为训练样本进行了验证。实验结果表明,合适的训练方式和优化算法能够有效提高网络的准确性和收敛性。最后,在实际输电线图像识别中对最优算法进行了应用并取得了良好的效果。 展开更多

关键词 深度学习 卷积神经网络 激活函数 正则化 超参数 优化算法

在线阅读 下载PDF 职称材料

基于改进强化学习的移动机器人动态避障方法 被引量：11

9

作者 徐建华 邵康康 +1 位作者 王佳惠 刘学聪 《中国惯性技术学报》 EI CSCD 北大核心 2023年第1期92-99,共8页

针对未知环境下移动机器人动态避障存在规划轨迹长、行驶速度慢和鲁棒性差等问题,提出一种基于改进强化学习的移动机器人动态避障方法。移动机器人根据自身速度、目标位置和激光雷达信息直接得到动作信号,实现端到端的控制。基于距离梯... 针对未知环境下移动机器人动态避障存在规划轨迹长、行驶速度慢和鲁棒性差等问题,提出一种基于改进强化学习的移动机器人动态避障方法。移动机器人根据自身速度、目标位置和激光雷达信息直接得到动作信号,实现端到端的控制。基于距离梯度引导和角度梯度引导促使移动机器人向终点方向优化,加快算法的收敛速度;结合卷积神经网络从多维观测数据中提取高质量特征,提升策略训练效果。仿真试验结果表明,在多动态障碍物环境下,所提方法的训练速度提升40%、轨迹长度缩短2.69%以上、平均线速度增加11.87%以上,与现有主流避障方法相比,具有规划轨迹短、行驶速度快、性能稳定等优点,能够实现移动机器人在多障碍物环境下平稳避障。 展开更多

关键词 移动机器人 动态避障 强化学习 柔性演员评论家算法 卷积神经网络

在线阅读 下载PDF 职称材料

采用深度学习的DGA域名检测模型比较 被引量：17

10

作者 裴兰珍 赵英俊 +1 位作者 王哲 罗赟骞 《计算机科学》 CSCD 北大核心 2019年第5期111-115,共5页

针对DGA域名难以检测的问题,构建了一种面向字符的采用深度学习的DGA域名检测模型,模型由字符嵌入层、特征检测层和分类预测层组成。字符嵌入层实现对输入DGA域名的数字编码;特征检测层采用深度学习模型自动提取特征;分类预测层采用全... 针对DGA域名难以检测的问题,构建了一种面向字符的采用深度学习的DGA域名检测模型,模型由字符嵌入层、特征检测层和分类预测层组成。字符嵌入层实现对输入DGA域名的数字编码;特征检测层采用深度学习模型自动提取特征;分类预测层采用全连接网络进行分类预测。为了选取最优的特征提取模型,分析比较了采用Bidirectional机制、Stack机制和Attention机制的LSTM模型与GRU模型,CNN模型,以及将CNN模型分别与LSTM模型和GRU模型相组合的模型。结果表明,与LSTM和GRU模型相比,采用Stack机制、前向Attention机制结合Bidirectional机制的LSTM和GRU模型,CNN模型,CNN模型与LSTM和GRU相组合的模型可提升模型的检测效果,但采用CNN和Bi-GRU组合构建的DGA域名检测模型可获得最优的检测效果。 展开更多

关键词 网络空间安全 深度学习 动态域名生成算法 卷积神经网络 门控循环单元 长短期记忆网络

在线阅读 下载PDF 职称材料

基于1DCNN和动态路由的滚动轴承故障诊断 被引量：6

11

作者 郭俊锋 吕健豪 《组合机床与自动化加工技术》 北大核心 2021年第11期53-57,共5页

实际生产中滚动轴承的工况复杂易变,导致故障诊断准确率较低。针对于此,将多传感器数据融合理论应用于故障诊断领域,提出了一种基于一维卷积与动态路由算法的滚动轴承故障诊断方法。首先,采用快速傅立叶变换将多个传感器收集到的时域振... 实际生产中滚动轴承的工况复杂易变,导致故障诊断准确率较低。针对于此,将多传感器数据融合理论应用于故障诊断领域,提出了一种基于一维卷积与动态路由算法的滚动轴承故障诊断方法。首先,采用快速傅立叶变换将多个传感器收集到的时域振动信号转换为频域频谱;其次,构建多卷积网络从频谱中提取特征并归一化,再利用动态路由算法融合多卷积网络提取的特征来训练模型;最后,将变工况的振动数据导入模型实现故障诊断。实验结果表明,相较于其它典型的智能故障诊断方法,文章提出的方法在变工况条件下具有更高的诊断精度、更好的稳定性和泛化性能。 展开更多

关键词 一维卷积神经网络 动态路由算法 深度学习 轴承故障诊断 变工况

在线阅读 下载PDF 职称材料

基于多表示动态自适应的不同工况下滚动轴承故障诊断 被引量：2

12

作者 朱继扬 孙虎儿 +2 位作者 张天源 赵扬 白晓艺 《机电工程》 CAS 北大核心 2023年第2期178-185,203,共9页

在对不同工况下的滚动轴承进行故障诊断时,要收集足够多标记的故障样本是非常困难的。为此,以原始振动信号作为神经网络的输入,通过多表示动态自适应(MRDA)算法多表示对齐可迁移的特征、自适应动态的衡量边缘分布和条件分布相对重要性,... 在对不同工况下的滚动轴承进行故障诊断时,要收集足够多标记的故障样本是非常困难的。为此,以原始振动信号作为神经网络的输入,通过多表示动态自适应(MRDA)算法多表示对齐可迁移的特征、自适应动态的衡量边缘分布和条件分布相对重要性,从而构建了一种新的深度迁移模型,即一维多表示空洞动态自适应迁移网络(1D MRDDATN)。首先,对迁移学习数据分布进行了问题分析,对DDA进行了理论推导;然后,在一维空洞卷积基础上,创建了一维多表示空洞卷积神经网络(1D MRDCNN),并提出了MRDA算法和多表示动态自适应结构(MRDAM),形成了一维多表示空洞动态自适应迁移网络(1D MRDDATN);最后,采用美国凯斯西储大学(CWRU)的滚动轴承数据集进行了实验验证。研究结果表明:与传统的深度迁移学习方法相比,上述方法的平均诊断准确率有所提升,可达到98%以上;MRDA通过多表示对齐来完成不同工况下的跨域分类任务,自适应地捕获不同方面的信息,可以获得更好的性能。 展开更多

关键词 不同工况 一维多表示空洞动态自适应迁移网络 故障样本 深度迁移学习 多表示动态自适应算法 神经网络 一维多表示空洞卷积神经网络

在线阅读 下载PDF 职称材料

基于深度学习的恶意DGA域名检测 被引量：15

13

作者 王志强 李舒豪 +1 位作者 池亚平 张健毅 《计算机工程与设计》 北大核心 2021年第3期601-606,共6页

针对域名产生算法生成的恶意域名,提出基于动态卷积算法的检测方法。基于现有的深度学习检测模型,在检测模型的向量嵌入阶段采用基于字符嵌入的高级词嵌入方法,能够对生僻词语和训练集中不存在的新词进行有效表示,减小嵌入矩阵的规模,... 针对域名产生算法生成的恶意域名,提出基于动态卷积算法的检测方法。基于现有的深度学习检测模型,在检测模型的向量嵌入阶段采用基于字符嵌入的高级词嵌入方法,能够对生僻词语和训练集中不存在的新词进行有效表示,减小嵌入矩阵的规模,降低存储成本。设计动态卷积算法对恶意域名进行检测,动态调整网络参数,有利于在更大范围内提取深层的特征,压缩数据大小,提高运算的速度,能够更有效识别恶意域名。实现了整体检测模型,通过实验验证了该方案的可行性。 展开更多

关键词 网络安全 域名产生算法 恶意域名检测 深度学习 动态卷积神经网络

在线阅读 下载PDF 职称材料

基于胶囊网络的智能交通标志识别方法 被引量：7

14

作者 陈立潮 郑佳敏 +2 位作者 曹建芳 潘理虎 张睿 《计算机应用》 CSCD 北大核心 2020年第4期1045-1049,共5页

针对卷积神经网络的标量神经元无法表达特征位置信息,对复杂的车辆行驶环境适应性差,导致交通标志识别率低的问题,提出一种基于胶囊网络的智能交通标志识别方法。首先采用超深度卷积神经网络改进特征提取部分,然后在主胶囊层引入池化层... 针对卷积神经网络的标量神经元无法表达特征位置信息,对复杂的车辆行驶环境适应性差,导致交通标志识别率低的问题,提出一种基于胶囊网络的智能交通标志识别方法。首先采用超深度卷积神经网络改进特征提取部分,然后在主胶囊层引入池化层,最后采用移动指数平均法改进了动态路由算法。在GTSRB数据集上的测试结果表明,改进后的胶囊网络方法在特殊场景下的识别精度提高了10.02个百分点,相对于传统的卷积神经网络,该方法的单张图片的识别时间缩短了2.09 ms。实验结果表明,改进后的胶囊网络方法能满足准确、实时的交通标志识别要求。 展开更多

关键词 交通标志识别 胶囊网络 超深度卷积 动态路由算法 深度学习

在线阅读 下载PDF 职称材料

基于增强引力搜索和神经网络的图像分类 被引量：1

15

作者 侯小毛 马凌 赵月爱 《计算机工程与设计》 北大核心 2020年第12期3495-3502,共8页

深度神经网络对于图像分类问题具有较好的准确性,但深度卷积神经网络的参数繁多且难以确定,针对这种情况,提出基于增强引力搜索算法和卷积神经网络的图像分类算法。为引力搜索算法引入对数引力常量衰减函数、交叉算子和变异算子,增强引... 深度神经网络对于图像分类问题具有较好的准确性,但深度卷积神经网络的参数繁多且难以确定,针对这种情况,提出基于增强引力搜索算法和卷积神经网络的图像分类算法。为引力搜索算法引入对数引力常量衰减函数、交叉算子和变异算子,增强引力搜索的全局搜索能力。设计直接的深度神经网络编码形式,有利于加快引力搜索的计算速度,给出agent各个属性的更新方法。实验结果表明,该方法在保持较高图像分类准确率的情况下,成功加快了深度神经网络参数的学习速度。 展开更多

关键词 深度学习 卷积神经网络 重引力搜素算法 超参数 图像分类 数据挖掘

在线阅读 下载PDF 职称材料

基于Capsule网络的甲骨文构件识别方法 被引量：10

16

作者 鲁绪正 蔡恒进 林莉 《智能系统学报》 CSCD 北大核心 2020年第2期243-254,共12页

甲骨文作为中国最早的成形文字系统,具有重要的文化和学术价值。研究甲骨文构件和其构形系统是破译未识别的甲骨文的重要方向,但是甲骨文构件的标记工作只能由资深专家来完成,并且需要耗费大量时间和精力。针对这些问题,提出了一种基于C... 甲骨文作为中国最早的成形文字系统,具有重要的文化和学术价值。研究甲骨文构件和其构形系统是破译未识别的甲骨文的重要方向,但是甲骨文构件的标记工作只能由资深专家来完成,并且需要耗费大量时间和精力。针对这些问题,提出了一种基于Capsule网络和迁移学习的模型OracleNet,可以自动识别并标记甲骨文字形中包含的构件;同时,构建了包含标记的甲骨文字形和构件数据集,用于模型的训练和评估。实验结果显示,OracleNet模型对甲骨文构件的预测精确度达到了60%以上,其中Top5精确度达到了71.56%,验证了模型的有效性。 展开更多

关键词 甲骨文 甲骨文构件识别 卷积神经网络 Capsule网络 动态路由算法 迁移学习 多目标识别 图像识别

在线阅读 下载PDF 职称材料