期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
动态卷积生成对抗网络的视频帧预测方法研究 被引量:2
1
作者 安利智 何平 +2 位作者 张薇 石钰阳 田宇 《小型微型计算机系统》 CSCD 北大核心 2022年第2期278-284,共7页
针对当前视频帧预测模型中存在的预测准确度较差和物体结构信息丢失等问题,提出了一种动态卷积生成对抗网络.在生成网络中,首先使用卷积长短时记忆网络初步提取输入视频流的图像特征,然后利用卷积神经动态平流单元对视频流中的运动特征... 针对当前视频帧预测模型中存在的预测准确度较差和物体结构信息丢失等问题,提出了一种动态卷积生成对抗网络.在生成网络中,首先使用卷积长短时记忆网络初步提取输入视频流的图像特征,然后利用卷积神经动态平流单元对视频流中的运动特征进行提取,最后将上述两种特征组合后输出一组预测视频帧;在判别网络中,采用一个3D卷积网络一次性接收全部视频帧.在实验中,使用Adam方法优化模型的参数,采用KTH和BAIR Robot Pushing数据集作为训练数据集.实验结果表明:无论是在长时间视频帧预测准确度和物体结构信息保留方面,还是人眼的主观感受上,动态卷积生成对抗网络均优于变分生成对抗网络,其在结构相似性度量指标下提高了14.5%,在学习感知图像块相似性指标下提高了7.69%,并且生成的预测视频更加流畅,具有更高的实用价值. 展开更多
关键词 视频帧预测 卷积动态神经平流单元 生成对抗网络 变分生成对抗网络
在线阅读 下载PDF
基于改进CVAE-GAN的电力系统暂态稳定评估样本增强方法
2
作者 马彬喻 杨军 +5 位作者 彭晓涛 李蕊 申锦鹏 江克证 柳丹 曹侃 《电力自动化设备》 北大核心 2025年第9期216-224,共9页
实际电力系统的暂态失稳样本占比少,不平衡数据降低了数据驱动的暂态稳定评估的失稳样本识别率和可靠性。对此,提出了基于改进条件变分生成对抗网络(CVAE-GAN)的电力系统暂态稳定评估样本增强方法。通过改进输入样本组成比例提高模型对... 实际电力系统的暂态失稳样本占比少,不平衡数据降低了数据驱动的暂态稳定评估的失稳样本识别率和可靠性。对此,提出了基于改进条件变分生成对抗网络(CVAE-GAN)的电力系统暂态稳定评估样本增强方法。通过改进输入样本组成比例提高模型对失稳样本分布的学习能力,改进模型网络结构以适应电力系统量测数据特点,采用预训练方式为模型提供良好的初始状态促进训练的收敛。利用训练完成的改进CVAE-GAN模型合成高质量失稳样本,添加到原始样本中实现样本增强。重新训练分类器,实现在线暂态稳定评估。改进的IEEE 39节点系统和改进的南卡罗莱纳州500节点电网测试结果表明,所提方法能够有效学习原始数据分布特性,实现样本增强,从而提升暂态稳定评估精度和失稳样本的识别率。 展开更多
关键词 数据增强 数据不平衡 条件变分生成对抗网络 暂态稳定评估 电力系统
在线阅读 下载PDF
基于无监督多源数据特征解析的网络威胁态势评估 被引量:14
3
作者 杨宏宇 王峰岩 《通信学报》 EI CSCD 北大核心 2020年第2期143-154,共12页
针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法。首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络(V-G),将只包含正常网络流量... 针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法。首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络(V-G),将只包含正常网络流量的训练数据集输入V-G的网络集合层进行模型训练,并计算各层网络输出的重构误差。然后,通过输出层的三层变分自动编码器重构误差学习并获取训练异常阈值,使用包含异常网络流量的测试数据集测试分组威胁并统计每组测试的威胁发生概率。最后,根据威胁发生概率确定网络安全威胁严重度,结合威胁影响度计算威胁态势值以获取网络威胁态势。仿真实验结果表明,所提方法对网络威胁具有较强的表征能力,能够有效直观地评估网络威胁的整体态势。 展开更多
关键词 无监督 多源数据特征解析 自动编码器-生成对抗网络 威胁发生概率 威胁态势评估
在线阅读 下载PDF
基于VAE-GAN数据增强算法的小样本滚动轴承故障分类方法 被引量:17
4
作者 张钊光 蒋庆磊 +3 位作者 詹瑜滨 侯修群 郑英 崔运佳 《原子能科学技术》 EI CAS CSCD 北大核心 2023年第S01期228-237,共10页
近些年,数据增强算法被广泛应用于小样本故障分类中。然而,传统的数据增强模型在训练中经常出现梯度爆炸、梯度消失等问题,这在一定程度上限制了其在滚动轴承故障分类上的应用。为了解决上述问题,提出了一种新的模型框架。该模型首先将... 近些年,数据增强算法被广泛应用于小样本故障分类中。然而,传统的数据增强模型在训练中经常出现梯度爆炸、梯度消失等问题,这在一定程度上限制了其在滚动轴承故障分类上的应用。为了解决上述问题,提出了一种新的模型框架。该模型首先将滚动轴承的原始一维振动数据通过连续小波变换(CWT)转换为二维图像,然后利用变分自动编码生成式对抗网络(VAE-GAN)对图像数据做样本增强,最后利用生成图片和原图片共同训练一个卷积神经网络(CNN)故障分类器。使用凯斯西储大学实验室的公开数据集对所提出的方法进行了验证。实验结果表明,与其他模型相比,所提出的模型具有更优越的性能。 展开更多
关键词 小样本 滚动轴承 故障诊断 连续小波 自动编码生成对抗网络 卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部