期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
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:10
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 自动编码生成式对抗网络 卷积神经网络
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
2
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 变分自动编码器-生成式对抗网络 威胁发生概率 威胁态势评估
在线阅读 下载PDF
生成模型在蛋白质序列设计中的应用 被引量:2
3
作者 伍青林 任玉彬 +2 位作者 翟小威 陈东 刘凯 《应用化学》 CAS CSCD 北大核心 2022年第1期3-17,共15页
蛋白质是一切生命体的物质基础,是生命活动的主要承担者,参与各种生理功能的调节。设计具有特定功能的蛋白质在蛋白质工程、生物医药、材料科学等领域具有重要意义。蛋白质序列设计的目标是设计能够折叠成期望结构并具有相应功能的氨基... 蛋白质是一切生命体的物质基础,是生命活动的主要承担者,参与各种生理功能的调节。设计具有特定功能的蛋白质在蛋白质工程、生物医药、材料科学等领域具有重要意义。蛋白质序列设计的目标是设计能够折叠成期望结构并具有相应功能的氨基酸序列,是所有理性蛋白质工程的核心问题,具有极其重要的研究和应用潜力。随着蛋白质序列数据的指数型增长和深度学习技术的快速发展,生成模型越来越多地被应用于蛋白质序列设计。本文简要介绍了蛋白质序列设计的重要意义和主要方法,概述了应用于蛋白质序列设计的主要生成模型,介绍了近年来生成模型在蛋白质序列表示、生成和优化方面的最新研究和应用现状,并对未来的发展方向进行讨论与展望。 展开更多
关键词 蛋白质序列设计 生成模型 自动编码器 生成对抗网络 表示学习 强化学习
在线阅读 下载PDF
“类人”社交机器人检测数据集扩充方法研究 被引量:1
4
作者 刘欣然 徐雅斌 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第1期130-137,共8页
该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充。HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生... 该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充。HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量。实验结果表明,利用HVE-GAN模型生成的“类人”社交机器人数据的“真实性”与多样性程度均明显优于基线模型。 展开更多
关键词 检测数据集 进化生成式对抗网络 损失函数 社交机器人 编码器
在线阅读 下载PDF
基于VAEGAN的缺失数据填补研究 被引量:1
5
作者 徐晔波 倪颖杰 《信息工程大学学报》 2022年第2期224-229,共6页
数据的完整性对人工智能、数据挖掘的研究有重要意义,然而在数据从采集到应用的过程中,由于各种原因,经常会存在数据缺失的现象。为减少数据缺失对数据应用带来的影响,提出一种基于变分自编码器生成对抗网络(Variational Autoencoder Ge... 数据的完整性对人工智能、数据挖掘的研究有重要意义,然而在数据从采集到应用的过程中,由于各种原因,经常会存在数据缺失的现象。为减少数据缺失对数据应用带来的影响,提出一种基于变分自编码器生成对抗网络(Variational Autoencoder Generative Adversarial Net-work,VAEGAN)的缺失数据填补模型。模型根据不完整数据集中缺失信息构建缺失掩码,利用缺失掩码在无需完整数据参与的条件下设计重构损失函数和鉴别损失函数,在不完整数据集上采用变分推断的思想生成缺失数据的估计值,利用鉴别器对抗训练生成网络。最后在不同数据集、不同缺失的条件下与常用的缺失填补算法进行对比实验。 展开更多
关键词 缺失数据填补 生成式对抗网络 编码器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部