期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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：
16
1
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
变
换
变分自动编码
生成式对抗网络
卷积神经网络
在线阅读
下载PDF
职称材料
基于自回归预测模型的深度注意力强化学习方法
被引量：
18
2
作者
梁星星
冯旸赫
+3 位作者
黄金才
王琦
马扬
刘忠
《软件学报》
EI
CSCD
北大核心
2020年第4期948-966,共19页
近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的...
近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的应用.传统的基于模型的强化学习算法通过学习环境的潜在动态性,可充分利用样本信息,有效提升数据利用率,加快模型训练速度,但如何快速建立准确的环境模型是基于模型的强化学习面临的难题.结合基于模型和无模型两类强化学习的优势,提出了一种基于时序自回归预测模型的深度注意力强化学习方法.利用自编码模型压缩表示潜在状态空间,结合自回归模型建立环境预测模型,基于注意力机制结合预测模型估计每个决策状态的值函数,通过端到端的方式统一训练各算法模块,实现高效的训练.通过CartPole-V0等经典控制任务的实验结果表明,该模型能够高效地建立环境预测模型,并有效结合基于模型和无模型两类强化学习方法,实现样本的高效利用.最后,针对导弹突防智能规划问题进行了算法实证研究,应用结果表明,采用所提出的学习模型可在特定场景取得优于传统突防规划的效果.
展开更多
关键词
注意力机制
深度强化学习
actor-critic算法
变分自动编码
混合密度网络-循环神经网络
在线阅读
下载PDF
职称材料
题名
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：
16
1
作者
张钊光
蒋庆磊
詹瑜滨
侯修群
郑英
崔运佳
机构
核动力运行研究所
中核武汉核电运行技术股份有限公司
中核国电漳州能源有限公司
华中科技大学人工智能与自动化学院测控技术“一带一路”联合实验室
出处
《原子能科学技术》
EI
CAS
CSCD
北大核心
2023年第S01期228-237,共10页
文摘
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。
关键词
小样本
滚动轴承
故障诊断
连续小波
变
换
变分自动编码
生成式对抗网络
卷积神经网络
Keywords
few-shot
rolling bearing
fault diagnosis
continuous wavelet transform
variational autoencoder-generative adversarial network
convolutional neural network
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
TH17 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于自回归预测模型的深度注意力强化学习方法
被引量：
18
2
作者
梁星星
冯旸赫
黄金才
王琦
马扬
刘忠
机构
国防科技大学系统工程学院
出处
《软件学报》
EI
CSCD
北大核心
2020年第4期948-966,共19页
基金
国家自然科学基金(71701205)。
文摘
近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的应用.传统的基于模型的强化学习算法通过学习环境的潜在动态性,可充分利用样本信息,有效提升数据利用率,加快模型训练速度,但如何快速建立准确的环境模型是基于模型的强化学习面临的难题.结合基于模型和无模型两类强化学习的优势,提出了一种基于时序自回归预测模型的深度注意力强化学习方法.利用自编码模型压缩表示潜在状态空间,结合自回归模型建立环境预测模型,基于注意力机制结合预测模型估计每个决策状态的值函数,通过端到端的方式统一训练各算法模块,实现高效的训练.通过CartPole-V0等经典控制任务的实验结果表明,该模型能够高效地建立环境预测模型,并有效结合基于模型和无模型两类强化学习方法,实现样本的高效利用.最后,针对导弹突防智能规划问题进行了算法实证研究,应用结果表明,采用所提出的学习模型可在特定场景取得优于传统突防规划的效果.
关键词
注意力机制
深度强化学习
actor-critic算法
变分自动编码
混合密度网络-循环神经网络
Keywords
attention mechanism
deep reinforcement learning
actor-critic algorithm
variational auto-encoder(VAE)
mixture density network-recurrent neural network(MDN-RNN)
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
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VAE-GAN数据增强算法的小样本滚动轴承故障分类方法
张钊光
蒋庆磊
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
16
在线阅读
下载PDF
职称材料
2
基于自回归预测模型的深度注意力强化学习方法
梁星星
冯旸赫
黄金才
王琦
马扬
刘忠
《软件学报》
EI
CSCD
北大核心
2020
18
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
