生成式深度学习在目标导向分子设计中的应用进展

1

作者 王纪峰 汪莹 《中国材料进展》 北大核心 2025年第5期424-435,450,共13页

分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综... 分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综述了生成式深度学习在分子设计中的应用进展,首先对不同分子表示方法(如SMILES、分子图和三维结构表示)进行比较,分析了各自的优缺点。随后,综合评估了3种主流生成式模型:生成对抗网络(GAN)、变分自动编码器(VAE)和去噪扩散概率模型(DDPM),并探讨了生成式模型在目标导向分子设计中的应用,重点分析不同模型在分子生成质量与性质优化方面的差异。最后,基于现有技术的研究进展,提出了未来生成式模型在分子设计领域的研究方向。 展开更多

关键词 分子生成 生成式深度学习 生成对抗网络 变分自动编码器 去噪扩散概率模型 模型性能评估框架 分子表示

在线阅读 下载PDF 职称材料

深度生成式故障诊断模型研究 被引量：2

2

作者 黄汉坤 岑健 +3 位作者 赵必创 司伟伟 王玮樾 潘黄楠 《机床与液压》 北大核心 2025年第4期205-213,共9页

深度生成模型因强大的生成能力而备受关注。随着研究的深入,深度生成模型成功应用于故障诊断领域,并取得良好的效果。系统介绍传统深度生成式模型受限玻尔兹曼机以及目前主流的深度生成式模型生成对抗网络和变分自编码器;对生成对抗网... 深度生成模型因强大的生成能力而备受关注。随着研究的深入,深度生成模型成功应用于故障诊断领域,并取得良好的效果。系统介绍传统深度生成式模型受限玻尔兹曼机以及目前主流的深度生成式模型生成对抗网络和变分自编码器;对生成对抗网络典型变体进行分类和梳理,包括基于模型结构改进和基于损失函数改进。同时,将变分自编码器典型变体分为无监督VAE和有监督VAE,并进行系统总结。最后,从样本问题、模型泛化能力、构建新模型3个角度探讨了现有深度生成式模型面临的挑战,并提出未来的研究方向。 展开更多

关键词 故障诊断 深度生成式模型 生成对抗网络 变分自编码器

在线阅读 下载PDF 职称材料

一种基于改进条件生成式对抗网络的人脸表情生成方法 被引量：2

3

作者 王先先 李菲菲 陈虬 《小型微型计算机系统》 CSCD 北大核心 2020年第9期1987-1992,共6页

人脸表情生成一直都是一项具有挑战性的工作.现有的方法通常将深度生成网络和面部特征相结合来完成这项任务.然而,同一张人脸的面部表情不仅微妙,而且数不胜数.如何在保持人脸身份信息不变的前提下,利用人脸特征准确地生成目标表情仍然... 人脸表情生成一直都是一项具有挑战性的工作.现有的方法通常将深度生成网络和面部特征相结合来完成这项任务.然而,同一张人脸的面部表情不仅微妙,而且数不胜数.如何在保持人脸身份信息不变的前提下,利用人脸特征准确地生成目标表情仍然是一个有待解决的问题.本文利用人脸特征点来描述不同的表情形状,并以此作为生成目标表情的引导条件.我们通过对Pix2Pix模型结构的改进,实现了高质量人脸表情的生成.同时,为了引导连续人脸表情的生成,我们使用变分自动编码器对人脸形状进行控制.在两个公开的数据集CK+、Oulu-CASIA上,我们评估并验证了模型在任意人脸表情转换、人脸表情移除、人脸表情生成、连续人脸表情生成等任务上的可行性和有效性. 展开更多

关键词 人脸表情生成 条件生成对抗网络 表情形状控制器 变分自动编码器

在线阅读 下载PDF 职称材料

利用隐语义生成对抗网络的恶意软件检测

4

作者 王玉洁 赵丽 《控制工程》 CSCD 北大核心 2020年第4期746-750,共5页

随着恶意软件数量的增多,传统人工分析方法已无法胜任。针对这一问题,本文提出一种支持向量机分类器与隐语义生成对抗网络(Latent Factor Generative Adversarial Networks, LF-GAN)相结合的恶意软件检测新方法,其通过提取具有i个服从... 随着恶意软件数量的增多,传统人工分析方法已无法胜任。针对这一问题,本文提出一种支持向量机分类器与隐语义生成对抗网络(Latent Factor Generative Adversarial Networks, LF-GAN)相结合的恶意软件检测新方法,其通过提取具有i个服从特定高斯分布的特征量用以自动区分恶意软件和正常软件。具体方法为利用变分自动编码器(Variational Autoencoder,VAE)将数据投影至隐空间以便于特征提取,并作为训练集传递至所设计的LF-GAN,以进一步优化网络中关键特征参数。算例结果表明,本文所提LF-GAN对恶意软件检测精度达到96.97%,且高于其他传统检测方法,即本文所提方法具备良好的对恶意软件的检测和识别能力。 展开更多

关键词 恶意软件检测 隐语义生成对抗网络 变分自动编码器 深度学习 支持向量机

在线阅读 下载PDF 职称材料

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

5

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

基于无监督多源数据特征解析的网络威胁态势评估 被引量：14

6

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 职称材料

基于密集连接块U-Net的语义人脸图像修复 被引量：9

7

作者 杨文霞 王萌 张亮 《计算机应用》 CSCD 北大核心 2020年第12期3651-3657,共7页

针对人脸图像在待修复缺损面积较大时,现有方法的修复存在图像语义理解不合理、边界不连贯等视觉瑕疵的问题,提出基于密集连接块的U-Net结构的端到端图像修复模型,以实现对任意模板的语义人脸图像的修复。首先,采用生成对抗网络思想,生... 针对人脸图像在待修复缺损面积较大时,现有方法的修复存在图像语义理解不合理、边界不连贯等视觉瑕疵的问题,提出基于密集连接块的U-Net结构的端到端图像修复模型,以实现对任意模板的语义人脸图像的修复。首先,采用生成对抗网络思想,生成器采用密集连接块代替U-Net中的普通卷积模块,以捕捉图像中缺损部分的语义信息并确保前面层的特征被再利用;然后,使用跳连接以减少通过下采样而造成的信息损失,从而提取图像缺损区域的语义;最后,通过引入对抗损失、内容损失和局部总变分(TV)损失这三者的联合损失函数来训练生成器,确保了修复边界和周围真实图像的视觉一致,并通过Hinge损失来训练判别器。所提模型和GLC、DF、门控卷积(GC)在人脸数据集CelebA-HQ上进行了对比。实验结果表明,所提模型能有效提取人脸图像语义信息,修复结果具有自然过渡的边界和清晰的局部细节。相较性能第二的GC,所提模型对中心模板修复的结构相似性(SSIM)和峰值信噪比(PSNR)分别提高了5.68%和7.87%,Frechet Inception距离(FID)降低了7.86%;对随机模板修复的SSIM和PSNR分别提高了7.06%和4.80%,FID降低了6.85%。 展开更多

关键词 语义图像修复 生成对抗网络 密集连接块 损失函数 局部总变分 编码器-解码器

在线阅读 下载PDF 职称材料

深度生成模型综述 被引量：57

8

作者 胡铭菲 左信 刘建伟 《自动化学报》 EI CAS CSCD 北大核心 2022年第1期40-74,共35页

通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注,网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点,深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习... 通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注,网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点,深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习等领域得到成功应用,并给无监督学习提供了良好的范式.本文根据深度生成模型处理似然函数的不同方法将模型分为三类:第一类方法是近似方法,包括采用抽样方法近似计算似然函数的受限玻尔兹曼机(Restricted Boltzmann machine,RBM)和以受限玻尔兹曼机为基础模块的深度置信网络(Deep belief network,DBN)、深度玻尔兹曼机(Deep Boltzmann machines,DBM)和亥姆霍兹机,与之对应的另一种模型是直接优化似然函数变分下界的变分自编码器以及其重要的改进模型,包括重要性加权自编码和可用于半监督学习的深度辅助深度模型;第二类方法是避开求极大似然过程的隐式方法,其代表模型是通过生成器和判别器之间的对抗行为来优化模型参数从而巧妙避开求解似然函数的生成对抗网络以及重要的改进模型,包括WGAN、深度卷积生成对抗网络和当前最顶级的深度生成模型BigGAN;第三类方法是对似然函数进行适当变形的流模型和自回归模型,流模型利用可逆函数构造似然函数后直接优化模型参数,包括以NICE为基础的常规流模型、变分流模型和可逆残差网络(i-ResNet),自回归模型(NADE)将目标函数分解为条件概率乘积的形式,包括神经自回归密度估计(NADE)、像素循环神经网络(PixelRNN)、掩码自编码器(MADE)以及WaveNet等.详细描述上述模型的原理和结构以及模型变形后,阐述各个模型的研究进展和应用,最后对深度生成式模型进行展望和总结. 展开更多

关键词 深度生成式模型 受限玻尔兹曼机 变分自编码器 流模型 生成对抗网络 自回归分布估计

在线阅读 下载PDF 职称材料

生成模型在蛋白质序列设计中的应用 被引量：2

9

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 变分自动编码器 生成对抗网络 表示学习 强化学习

在线阅读 下载PDF 职称材料

基于点集匹配的缺陷样本图像生成方法 被引量：3

10

作者 高海洋 张明川 +1 位作者 葛泉波 刘华平 《智能系统学报》 CSCD 北大核心 2023年第5期1030-1038,共9页

针对工业缺陷检测中存在的由产品次品率过低、产品迭代更新过快、缺陷种类难以覆盖全部以及缺陷样本高质量标注难度较高导致的小样本问题,使用基于点集匹配的缺陷样本图像生成方法来对缺陷数据进行扩充。将缺陷部位从多特征角度进行变换... 针对工业缺陷检测中存在的由产品次品率过低、产品迭代更新过快、缺陷种类难以覆盖全部以及缺陷样本高质量标注难度较高导致的小样本问题,使用基于点集匹配的缺陷样本图像生成方法来对缺陷数据进行扩充。将缺陷部位从多特征角度进行变换,使用单张样本进行扩充得到不同特征的缺陷图像,解决小样本条件下深度学习方法难以生成高质量缺陷图像的问题。通过图像评估与实验验证,该方法生成的图像具有更好的视觉效果,并且对缺陷与分割模型有着高效的提升。该方法可应用于样本较少的深度学习模型训练过程中,达到扩充样本提高训练效果的目的。 展开更多

关键词 工业 缺陷检测 小样本问题 点集匹配 样本扩充 缺陷样本生成 有效训练 循环生成对抗网络模型 矢量化变分自动编码器

在线阅读 下载PDF 职称材料

“类人”社交机器人检测数据集扩充方法研究 被引量：2

11

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 变分自编码器

在线阅读 下载PDF 职称材料