检索结果-维普期刊中文期刊服务平台

基于一维深度卷积自动编码器的刀具状态监测方法被引量：7: 1; 作者杨国葳李宏坤 +1 位作者张明亮黄刚劲《振动与冲击》 EI CSCD 北大核心 2021年第21期223-233,274,共12页; 由于现有智能刀具磨损状态识别方法存在过于依赖样本数据预处理手段的问题,提出了一种基于一维深度卷积自动编码器(ODCAE)的刀具磨损状态识别方法,提高利用原始时域信号作为模型输入的刀具磨损状态识别精度。首先采集不同工况下主轴电... 展开更多; 关键词刀具磨损主轴电流深度学习一维深度卷积自动编码器(ODCAE); 在线阅读下载PDF 职称材料

基于卷积自动编码器的飞机目标识别方法被引量：1: 2; 作者史珊珊史鹤欢《火力与指挥控制》 CSCD 北大核心 2019年第8期23-28,共6页; 飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训... 展开更多; 关键词卷积自动编码器哈希变换直方图统计军用飞机特征提取; 在线阅读下载PDF 职称材料

基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类被引量：4: 3; 作者樊养余李祖贺 +1 位作者王凤琴马江涛《电子与信息学报》 EI CSCD 北大核心 2017年第1期167-175,共9页; 为了将无监督特征学习应用于小样本量的图像情绪语义分析,该文采用一种基于卷积稀疏自动编码器进行自学习的领域适应方法对少量有标记抽象图像进行情绪性分类。并且提出了一种采用平均梯度准则对自动编码器所学权重进行排序的方法,用于... 展开更多; 关键词图像分类图像情绪自学习卷积自动编码器领域适应; 在线阅读下载PDF 职称材料

基于卷积自编码网络的故障电弧多分类识别方法: 4; 作者李奎张丹王尧《河南理工大学学报（自然科学版）》 CAS 北大核心 2022年第4期107-116,共10页; 针对非线性负载条件下线路正常工作电流波形与故障电弧波形具有相似特征,容易引起故障电弧保护装置误动作的问题,提出一种基于卷积自编码网络的故障电弧多分类识别方法。采用卷积自动编码器进行故障电弧特征提取,优化设计卷积自动编码... 展开更多; 关键词串联故障电弧卷积自动编码器 Softmax多分类器非线性负载故障电弧识别; 在线阅读下载PDF 职称材料

基于改进SAE网络的自然图像分类被引量：2: 5; 作者王恬仇春春 +1 位作者俞婧许金鑫《信息技术》 2016年第8期1-4,8,共5页; 针对自然图像分类算法的精度低以及网络训练耗时过长的实际问题,提出了一种结合卷积自动编码器(Convolutional Auto-Encoders,CAE)的改进堆叠自动编码器(Stacked Auto-encoders,SAE)网络。研究了CAE学习局部特征的能力,并将其作为整个SA... 展开更多; 关键词图像分类改进SAE网络卷积自动编码器微调最大池化; 在线阅读下载PDF 职称材料

基于双流神经网络的煤矿井下人员步态识别方法被引量：7: 6; 作者刘晓阳刘金强郑昊琳《矿业科学学报》 CSCD 2021年第2期218-227,共10页; 人脸、指纹和虹膜等生物识别方法在井下复杂环境限制下常常比较模糊,导致基于这些生物特征的煤矿井下人员身份识别率不高。本文在残差神经网络和栈式卷积自动编码器的基础上,提出了一种基于双流神经网络(TS-GAIT)的步态识别方法。主要... 展开更多; 关键词煤矿井下人员步态识别栈式卷积自动编码器残差神经网络双流神经网络; 在线阅读下载PDF 职称材料

题名基于一维深度卷积自动编码器的刀具状态监测方法被引量：7: 1; 作者杨国葳李宏坤张明亮黄刚劲; 机构大连理工大学机械工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2021年第21期223-233,274,共12页; 基金国家自然科学基金(U1808214) 辽宁省科技重大专项计划项目(2019JH1/10100019)。; 文摘由于现有智能刀具磨损状态识别方法存在过于依赖样本数据预处理手段的问题,提出了一种基于一维深度卷积自动编码器(ODCAE)的刀具磨损状态识别方法,提高利用原始时域信号作为模型输入的刀具磨损状态识别精度。首先采集不同工况下主轴电机的三相电流信号,将三相电流信号融合成电流有效值并做归一化处理,以此作为模型的输入。然后,利用一维深度卷积自动编码器对输入样本进行无监督预训练,提取基于信号本身的特征信息。最后保留自动编码器的编码部分,利用样本标签进行二次有监督微调,实现对刀具不同磨损状态的识别。实验结果表明,ODCAE方法对刀具不同的磨损状态平均识别率可达99%,卡帕系数0.9840,能够自适应地提取特征并高效率的实现刀具磨损状态识别。; 关键词刀具磨损主轴电流深度学习一维深度卷积自动编码器(ODCAE); Keywords tool wear spindle current deep learning 1-D deep convolution autoencoder(ODCAE); 分类号 TH117.1 [机械工程—机械设计及理论] TG714 [金属学及工艺—刀具与模具]; 在线阅读下载PDF 职称材料

题名基于卷积自动编码器的飞机目标识别方法被引量：1: 2; 作者史珊珊史鹤欢; 机构西安航空学院电子工程学院空军工程大学航空航天工程学院; 出处《火力与指挥控制》 CSCD 北大核心 2019年第8期23-28,共6页; 基金国家自然科学基金面上项目（61379104）; 文摘飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。; 关键词卷积自动编码器哈希变换直方图统计军用飞机特征提取; Keywords convolutional auto-encoder hashing block-wise histograms military airplane extract feature; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类被引量：4: 3; 作者樊养余李祖贺王凤琴马江涛; 机构西北工业大学电子信息学院郑州轻工业学院计算机与通信工程学院; 出处《电子与信息学报》 EI CSCD 北大核心 2017年第1期167-175,共9页; 基金陕西省科技统筹创新工程重点实验室项目(2013 SZS15-K02)~~; 文摘为了将无监督特征学习应用于小样本量的图像情绪语义分析,该文采用一种基于卷积稀疏自动编码器进行自学习的领域适应方法对少量有标记抽象图像进行情绪性分类。并且提出了一种采用平均梯度准则对自动编码器所学权重进行排序的方法,用于对基于不同领域的特征学习结果进行直观比较。首先在源领域中的大量无标记图像上随机采集图像子块并利用稀疏自动编码器学习局部特征,然后将对应不同特征的权重矩阵按照每个矩阵在3个色彩通道上的平均梯度中的最小值进行排序。最后采用包含池化层的卷积神经网络提取目标领域有标记图像样本的全局特征响应,并送入逻辑回归模型进行情绪性分类。实验结果表明基于自学习的领域适应可以为无监督特征学习在有限样本目标领域上的应用提供训练数据,而且采用稀疏自动编码器的跨领域特征学习能在有限数量抽象图像情绪语义分析中获得比底层视觉特征更优秀的辨识效果。; 关键词图像分类图像情绪自学习卷积自动编码器领域适应; Keywords Image classification Image affect Self-taught learning Convolutional autoencoder Domain adaption; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于卷积自编码网络的故障电弧多分类识别方法: 4; 作者李奎张丹王尧; 机构河北工业大学河北省电磁场与电器可靠性重点实验室河北工业大学省部共建电工装备可靠性与智能化国家重点实验室; 出处《河南理工大学学报（自然科学版）》 CAS 北大核心 2022年第4期107-116,共10页; 基金国家自然科学基金资助项目(51607055) 河北省自然科学基金资助项目(E2020202204) +1 种基金浙江省基础公益研究计划项目(LGG20E070002)。; 文摘针对非线性负载条件下线路正常工作电流波形与故障电弧波形具有相似特征,容易引起故障电弧保护装置误动作的问题,提出一种基于卷积自编码网络的故障电弧多分类识别方法。采用卷积自动编码器进行故障电弧特征提取,优化设计卷积自动编码器网络模型参数,并利用Softmax多分类器建立故障电弧多分类识别网络模型。实验结果表明,所提方法的故障电弧识别准确率达到99.31%,相应负载类型识别准确率达到97.94%,满足故障电弧识别要求。; 关键词串联故障电弧卷积自动编码器 Softmax多分类器非线性负载故障电弧识别; Keywords series arc fault convolutional autoencoder Softmax multi-classifier non-linear load arc fault recognition; 分类号 TM501.2 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于改进SAE网络的自然图像分类被引量：2: 5; 作者王恬仇春春俞婧许金鑫; 机构河海大学物联网工程学院常州市传感网与环境感知重点实验室; 出处《信息技术》 2016年第8期1-4,8,共5页; 基金国家自然科学基金(41306089) 江苏省产学研前瞻性研究项目(BY2014041) 常州市科技支撑项目(CE20145038); 文摘针对自然图像分类算法的精度低以及网络训练耗时过长的实际问题,提出了一种结合卷积自动编码器(Convolutional Auto-Encoders,CAE)的改进堆叠自动编码器(Stacked Auto-encoders,SAE)网络。研究了CAE学习局部特征的能力,并将其作为整个SAE网络的第一层。在提取初步特征的同时降低输入的维度,解决了网络参数过多,训练过程慢的问题。同时对改进的SAE网络进行微调,缩减训练时间,并提取更有利于分类的图像高层特征。实验结果表明,改进SAE网络对于自然图像的分类具有更好的普适性,可以有效地提高分类准确度,并加快网络训练速度。; 关键词图像分类改进SAE网络卷积自动编码器微调最大池化; Keywords image classification improved SAE network convolutional auto-encoders fine-tuning max pooling; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于双流神经网络的煤矿井下人员步态识别方法被引量：7: 6; 作者刘晓阳刘金强郑昊琳; 机构中国矿业大学(北京)机电与信息工程学院; 出处《矿业科学学报》 CSCD 2021年第2期218-227,共10页; 基金国家重点研发计划(2016YFC0801800) 国家自然科学基金(51674269) 中央高校基本科研业务费专项资金(2020YJSJD11)。; 文摘人脸、指纹和虹膜等生物识别方法在井下复杂环境限制下常常比较模糊,导致基于这些生物特征的煤矿井下人员身份识别率不高。本文在残差神经网络和栈式卷积自动编码器的基础上,提出了一种基于双流神经网络(TS-GAIT)的步态识别方法。主要利用残差神经网络提取步态模式中包含时空信息的动态特征,利用栈式卷积自动编码器提取包含生理信息的静态特征,并采用一种新颖的特征融合方法实现动态特征和静态特征的融合表征。提取的特征对角度、衣着和携带条件具有鲁棒性。在CASIA-B步态数据集和采集的煤矿工人步态数据集(CM-GAIT)上对该方法进行实验评估。结果表明,采用该方法进行煤矿井下人员步态识别是有效可行的,与其他步态识别方法相比准确率有显著提高。; 关键词煤矿井下人员步态识别栈式卷积自动编码器残差神经网络双流神经网络; Keywords underground coal mine personnel gait recognition stacked convolutional autoencoder residual neural network Two-Stream neural network; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于一维深度卷积自动编码器的刀具状态监测方法	杨国葳李宏坤张明亮黄刚劲	《振动与冲击》 EI CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
2	基于卷积自动编码器的飞机目标识别方法	史珊珊史鹤欢	《火力与指挥控制》 CSCD 北大核心	2019	1	在线阅读下载PDF 职称材料
3	基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类	樊养余李祖贺王凤琴马江涛	《电子与信息学报》 EI CSCD 北大核心	2017	4	在线阅读下载PDF 职称材料
4	基于卷积自编码网络的故障电弧多分类识别方法	李奎张丹王尧	《河南理工大学学报（自然科学版）》 CAS 北大核心	2022	0	在线阅读下载PDF 职称材料
5	基于改进SAE网络的自然图像分类	王恬仇春春俞婧许金鑫	《信息技术》	2016	2	在线阅读下载PDF 职称材料
6	基于双流神经网络的煤矿井下人员步态识别方法	刘晓阳刘金强郑昊琳	《矿业科学学报》 CSCD	2021	7	在线阅读下载PDF 职称材料