期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于卷积孪生神经网络的滚动轴承故障定位方法 被引量：3
1
作者 刘岱 常东润 +1 位作者 孙习习 陈斌 《机电工程》 CAS 北大核心 2022年第3期309-316,共8页
在不同设备及不同工况的条件下,滚动轴承的振动数据分布存在差异,采用传统的深度学习模型难以应对数据集分布不一致的状况,针对这一问题,提出了一种基于卷积孪生神经网络的轴承故障定位方法。首先,选择孪生网络作为基本框架,对预处理后... 在不同设备及不同工况的条件下,滚动轴承的振动数据分布存在差异,采用传统的深度学习模型难以应对数据集分布不一致的状况,针对这一问题,提出了一种基于卷积孪生神经网络的轴承故障定位方法。首先,选择孪生网络作为基本框架,对预处理后的设备数据进行了扩充,使之达到了数据增强的目的;然后,选择随机池化-ELU-CNN(SE-CNN)模型作为特征提取器,对设备运行数据进行了深度特征提取,利用反向传播算法更新模型参数,使模型的特征提取性能和分类性能达到了最优;最后,利用训练好的网络模型,通过集合两种数据集的混合数据集进行了实验,得到了滚动轴承的故障定位结果。研究结果表明:采用基于卷积孪生神经网络的轴承故障定位方法,其故障定位的各项评价指标均在95%以上,且其综合数据指标达到0.9863;与其他先进方法相比,在跨设备多工况下,该模型的故障定位准确度提高0.0246;模型能有效适应数据分布的差异性,且具备良好的泛化性能。 展开更多
关键词 滚动轴承 故障定位方法 深度学习 卷积孪生神经网络
在线阅读 下载PDF
基于多尺度细节的孪生卷积神经网络图像融合算法 被引量：7
2
作者 刘博 韩广良 罗惠元 《液晶与显示》 CAS CSCD 北大核心 2021年第9期1283-1293,共11页
图像融合将来自不同捕获条件或不同传感器的互补图像进行融合以提高图像的视觉质量。针对这一任务,本文提出一种改进的滚动引导滤波与神经网络相结合的多尺度融合算法。首先,使用孪生卷积神经网络学习图像特征,并以此获得包含源图像显... 图像融合将来自不同捕获条件或不同传感器的互补图像进行融合以提高图像的视觉质量。针对这一任务,本文提出一种改进的滚动引导滤波与神经网络相结合的多尺度融合算法。首先,使用孪生卷积神经网络学习图像特征,并以此获得包含源图像显著特征的权值映射图。随后,使用改进的滚动引导滤波对图像进行多尺度分解,结合信息熵使滚动引导滤波权重参数自适应化来实现多尺度自适应分解,并结合非线性映射增强图像细节信息。最后,采用局部能量与权值图相结合的自适应调整融合模式对多尺度图像进行融合。经实验对比,所提方法能够避免出现图像边缘圆晕效应,且能够更好地突出图像边缘、细节纹理特征。另外,与其他算法相比,本文所提出的算法在平均梯度、信息熵、视觉信息保真度以及空间频率等客观评价指标项上均取得了更优的性能表现。 展开更多
关键词 图像处理 孪生卷积神经网络 图像融合 滚动引导滤波 多尺度图像
在线阅读 下载PDF
引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究 被引量：18
3
作者 徐先峰 张丽 +1 位作者 郎彬 夏振 《电子学报》 EI CAS CSCD 北大核心 2020年第4期643-647,共5页
针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(Inception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的... 针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(Inception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上,为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略,加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明,所提IMISCNN算法提升了人脸识别精度. 展开更多
关键词 人脸识别 孪生卷积神经网络 感知模型 循环学习率
在线阅读 下载PDF
基于孪生卷积神经网络的手机型号识别方法 被引量：6
4
作者 韩红桂 甄琪 +3 位作者 任柯燕 伍小龙 杜永萍 乔俊飞 《北京工业大学学报》 EI CAS CSCD 北大核心 2021年第2期112-119,共8页
针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(si... 针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network,S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性. 展开更多
关键词 孪生卷积神经网络 相似性评估 模型参数更新 手机型号识别 边缘检测 废旧手机回收
在线阅读 下载PDF
基于均值中心孪生卷积神经网络的DGA域名识别
5
作者 李洁 谢刚 孙国营 《东北师大学报（自然科学版）》 CAS 北大核心 2023年第2期68-75,共8页
相比于大多数仅依赖域名的特征进行DGA域名识别方法的特征值选取有限、分类准确度较低的问题,提出了利用数字证书和域名共同解析的特征向量识别DGA域名的方法.另外,为了提升计算准确度和时间效率,提出了带有均值中心的孪生卷积神经网络... 相比于大多数仅依赖域名的特征进行DGA域名识别方法的特征值选取有限、分类准确度较低的问题,提出了利用数字证书和域名共同解析的特征向量识别DGA域名的方法.另外,为了提升计算准确度和时间效率,提出了带有均值中心的孪生卷积神经网络——MCSCNN模型,用于DGA域名的分类识别中.将所提出的方法应用于20种DGA域名的分类识别中,得到的准确度(A),精确度(P),召回率(R)以及F1值(F1)结果分别是98.35%,98.11%,98.38%以及98.42%,比对比算法的最优值分别提高了5.68%,4.76%,7.24%以及4.2%.在时间效率上MCSCNN所用时间只是对比算法最优时间的1/108,极大地提升了运算效率. 展开更多
关键词 数字证书 DGA域名 特征向量 均值中心 孪生卷积神经网络
在线阅读 下载PDF
样本重构多尺度孪生卷积网络的化工过程故障检测 被引量：5
6
作者 王翔 柯飂挺 任佳 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第11期181-188,共8页
基于数据驱动的故障检测已成为工业过程故障检测的重要手段,但其在实际应用时受限于过程历史数据的规模,往往难以取得令人满意的检测精度。针对这一问题,提出了一种样本空间重构策略,该策略基于随机采样构造同类、异类样本对,在扩充数... 基于数据驱动的故障检测已成为工业过程故障检测的重要手段,但其在实际应用时受限于过程历史数据的规模,往往难以取得令人满意的检测精度。针对这一问题,提出了一种样本空间重构策略,该策略基于随机采样构造同类、异类样本对,在扩充数据规模的同时,将复杂的分类建模问题转化为样本间的相似度对比问题,降低了任务的复杂度。在此基础上,引入并改进孪生卷积神经网络(Siamese CNN)结构,提出了一种基于多尺度孪生卷积神经网络(Multi-scale Siamese CNN)的化工过程故障检测方法。田纳西-伊斯曼(TE)过程数据测试结果表明,所提算法的平均故障检测准确率达到89.66%,相对于常规数据驱动的故障检测算法提高8%以上。 展开更多
关键词 过程系统 故障检测 样本重构 多尺度 孪生卷积神经网络 田纳西-伊斯曼过程
在线阅读 下载PDF
基于孪生网络的仿真模型智能排序评估方法
7
作者 杨帆 马萍 +1 位作者 李伟 杨明 《系统工程与电子技术》 EI CSCD 北大核心 2023年第7期2060-2068,共9页
针对动态输出多样本条件下的多备选仿真模型择优问题,提出了一种基于孪生卷积神经网络(siamese convolutional neural network,SCNN)的仿真模型智能排序评估方法。首先,将仿真数据和参考数据的一致性度量问题转化为二者特征一致性度量... 针对动态输出多样本条件下的多备选仿真模型择优问题,提出了一种基于孪生卷积神经网络(siamese convolutional neural network,SCNN)的仿真模型智能排序评估方法。首先,将仿真数据和参考数据的一致性度量问题转化为二者特征一致性度量问题。其次,在分析评估数据特点和对比试验结果的基础上,确定采用SCNN实现评估数据的特征提取。接下来,给出基于SCNN的仿真模型排序评估方法,包括网络结构初步设计、网络参数训练调优和仿真模型排序评估三部分。最后,通过实例应用,验证了该方法在评估数据特征提取和仿真模型排序评估方面的有效性。 展开更多
关键词 仿真模型排序评估 孪生卷积神经网络 多样本数据 特征提取
在线阅读 下载PDF
少量样本下基于孪生CNN的SAR目标识别 被引量：5
8
作者 王博威 潘宗序 +1 位作者 胡玉新 马闻 《雷达科学与技术》 北大核心 2019年第6期603-609,615,共8页
针对深度学习中的有监督学习需要大量的标注数据,提出了一种少量训练样本下的SAR目标识别方法,解决了SAR图像人工标注成本较高、标注样本不足的问题。首先通过构建正负样本对的策略对数据集进行样本扩充,大幅增加数据量;其次,设计了一... 针对深度学习中的有监督学习需要大量的标注数据,提出了一种少量训练样本下的SAR目标识别方法,解决了SAR图像人工标注成本较高、标注样本不足的问题。首先通过构建正负样本对的策略对数据集进行样本扩充,大幅增加数据量;其次,设计了一种基于度量学习和深度学习的孪生卷积神经网络(孪生CNN),用于衡量样本之间的相似概率;然后采用多任务联合学习的方法训练模型,有效缓解了相干斑噪声对SAR图像的影响,降低了噪声过多易引起的过拟合风险;最后,设计了一种基于孪生CNN的识别样本具体类别的加权投票模型。实验采用了MSTAR和OpenSARShip数据集,在小规模训练集上通过上述方法取得了较好的识别效果。 展开更多
关键词 少量样本 孪生卷积神经网络(孪生CNN) SAR目标识别 过拟合
在线阅读 下载PDF
基于深度对比网络的印刷缺陷检测方法 被引量：2
9
作者 王佑芯 陈斌 《计算机应用》 CSCD 北大核心 2023年第1期250-258,共9页
基于传统图像处理技术的印刷缺陷检测方法鲁棒性差,而基于深度学习的目标检测方法则不完全适用于印刷缺陷检测任务的问题。为解决上述问题,将模板匹配方法中的对比思想与深度学习中的语义特征结合,提出用于印刷缺陷检测任务的深度对比网... 基于传统图像处理技术的印刷缺陷检测方法鲁棒性差,而基于深度学习的目标检测方法则不完全适用于印刷缺陷检测任务的问题。为解决上述问题,将模板匹配方法中的对比思想与深度学习中的语义特征结合,提出用于印刷缺陷检测任务的深度对比网络(CoNet)。首先,提出基于孪生结构的深度对比模块(DCM)在语义空间提取并融合检测图像与参考图像的特征图,挖掘二者间的语义关系;然后,提出基于非对称双通路特征金字塔结构的多尺度变化检测模块(MsCDM),定位并识别印刷缺陷。在公开的印刷电路板缺陷数据集DeepPCB与立金缺陷数据集上,CoNet的平均精度均值(mAP)分别为99.1%和69.8%,与同样采用变化检测思路的最大分组金字塔池化(MP-GPP)和变化检测单次检测器(CD-SSD)相比,分别提升了0.4、3.5个百分点和0.7、2.4个百分点,CoNet的检测精度更高。此外,当输入图像分辨率为640×640时,CoNet的平均耗时为35.7 ms,可见其完全可以满足工业检测任务的实时性要求。 展开更多
关键词 印刷缺陷检测 深度学习 孪生卷积神经网络 特征金字塔 变化检测
在线阅读 下载PDF
基于自学习近邻图策略的短文本匹配方法 被引量：5
10
作者 付聪 李六武 +1 位作者 杨振国 刘文印 《计算机应用研究》 CSCD 北大核心 2020年第6期1697-1701,共5页
针对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系。现有方法通常... 针对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系。现有方法通常构造静态的近邻图,这些方法一方面依赖先验知识,另一方面难以获得句子对的最优表示。因此,提出了利用孪生卷积神经网络学习更优的动态更新的近邻图。该模型在Quora数据集上的准确率和F1值分别是84. 15%和79. 88%,在MSRP数据集上的准确率和F1值分别是74. 55%和81. 63%。实验表明,提出模型能有效地提高文本识别和匹配的准确率。 展开更多
关键词 文本匹配 自学习近邻图 词嵌入 孪生卷积神经网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部