基于变分深度嵌入-带有梯度惩罚的生成对抗网络的锂离子电池老化特性建模 被引量：4

1

作者 李弈 张金龙 +2 位作者 漆汉宏 魏艳君 张迪 《电工技术学报》 EI CSCD 北大核心 2024年第13期4226-4239,共14页

锂离子电池老化实验是研究电池老化性能的基本手段,但针对大量电池的老化实验一般很耗时。为了节约时间和测试成本,获得更多电池数据,该文将变分深度嵌入(VaDE)模型与带有梯度惩罚的生成对抗网络(WGANGP)相结合,组成VaDE-WGANGP架构,进... 锂离子电池老化实验是研究电池老化性能的基本手段,但针对大量电池的老化实验一般很耗时。为了节约时间和测试成本,获得更多电池数据,该文将变分深度嵌入(VaDE)模型与带有梯度惩罚的生成对抗网络(WGANGP)相结合,组成VaDE-WGANGP架构,进而基于该生成模型设计了一种电池老化特性建模与数据生成的方法。该文以一套开放的电池全寿命周期测试数据集为依据展开研究,首先,将电池放电过程中的电压、电流和放电容量这三个外特性作为模型的输入,通过VaDE的编码器将原始数据映射到隐空间,再通过优化获得符合特定规则的分布;然后,通过一定方式对该分布空间进行采样,并将采样所得的隐变量输入解码器中进行数据生成;后续数据测试表明,VaDE-WGANGP在电池外特性数据生成上具有较好的性能,可以实现对电池老化过程中基础外特性的模拟,在数据量不足时也可以为某些数据驱动算法提供有效的扩展数据资源。 展开更多

关键词 锂离子电池 老化特性 生成模型 变分深度嵌入 带有梯度惩罚的生成对抗网络

在线阅读 下载PDF 职称材料

基于i向量和变分自编码相对生成对抗网络的语音转换 被引量：2

2

作者 李燕萍 曹盼 +2 位作者 左宇涛 张燕 钱博 《自动化学报》 EI CAS CSCD 北大核心 2022年第7期1824-1833,共10页

提出一种基于i向量和变分自编码相对生成对抗网络的语音转换方法,实现了非平行文本条件下高质量的多对多语音转换.性能良好的语音转换系统,既要保持重构语音的自然度,又要兼顾转换语音的说话人个性特征是否准确.首先为了改善合成语音自... 提出一种基于i向量和变分自编码相对生成对抗网络的语音转换方法,实现了非平行文本条件下高质量的多对多语音转换.性能良好的语音转换系统,既要保持重构语音的自然度,又要兼顾转换语音的说话人个性特征是否准确.首先为了改善合成语音自然度,利用生成性能更好的相对生成对抗网络代替基于变分自编码生成对抗网络模型中的Wasserstein生成对抗网络,通过构造相对鉴别器的方式,使得鉴别器的输出依赖于真实样本和生成样本间的相对值,克服了Wasserstein生成对抗网络性能不稳定和收敛速度较慢等问题.进一步为了提升转换语音的说话人个性相似度,在解码阶段,引入含有丰富个性信息的i向量,以充分学习说话人的个性化特征.客观和主观实验表明,转换后的语音平均梅尔倒谱失真距离值较基准模型降低4.80%,平均意见得分值提升5.12%,ABX值提升8.60%,验证了该方法在语音自然度和个性相似度两个方面均有显著的提高,实现了高质量的语音转换. 展开更多

关键词 语音转换 相对生成对抗网络 I 向量 非平行文本 变分自编码器 多对多

在线阅读 下载PDF 职称材料

基于生成对抗网络和变分自编码器的离群点检测算法 被引量：14

3

作者 金利娜 于炯 +1 位作者 杜旭升 王松 《计算机应用研究》 CSCD 北大核心 2022年第3期774-779,共6页

针对传统离群点检测算法在类极度不平衡的高维数据集中难以学习离群点的分布模式,导致检测率低的问题,提出了一种生成对抗网络(generative adversarial network,GAN)与变分自编码器(variational auto-encoder,VAE)结合的GAN-VAE算法。... 针对传统离群点检测算法在类极度不平衡的高维数据集中难以学习离群点的分布模式,导致检测率低的问题,提出了一种生成对抗网络(generative adversarial network,GAN)与变分自编码器(variational auto-encoder,VAE)结合的GAN-VAE算法。算法首先将离群点输入VAE训练,学习离群点的分布模式;然后将VAE与GAN结合训练,生成更多潜在离群点,同时学习正常点与离群点的分类边界;最后将测试数据输入训练后的GAN-VAE,根据正常点与离群点相对密度的差异性计算每个对象的离群值,将离群值高的对象判定为离群点。在四个真实数据集上与六个离群点检测算法进行对比实验,结果表明GAN-VAE在AUC、准确率和F;值上平均提高了5.64%、5.99%和13.30%,证明GAN-VAE算法是有效可行的。 展开更多

关键词 数据挖掘 离群点检测 生成对抗网络 变分自编码器

在线阅读 下载PDF 职称材料

基于辅助分类器和变分自编码生成对抗网络的干扰识别 被引量：1

4

作者 唐言 赵知劲 +2 位作者 岳克强 郑仕链 王李军 《计算机应用与软件》 北大核心 2023年第12期141-146,共6页

针对基于深度学习干扰识别方法在小样本集情况下性能恶化问题,提出一种基于辅助分类器和变分自编码生成对抗网络(AC-VAEGAN)的干扰识别方法。利用生成对抗网络和变分自编码器的核心思想设计识别模型,得到连续有意义的干扰样本集潜在空间... 针对基于深度学习干扰识别方法在小样本集情况下性能恶化问题,提出一种基于辅助分类器和变分自编码生成对抗网络(AC-VAEGAN)的干扰识别方法。利用生成对抗网络和变分自编码器的核心思想设计识别模型,得到连续有意义的干扰样本集潜在空间;确定编码器、生成器和鉴别器的损失函数,且鉴别器采用动态学习率的优化算法,使得模型训练过程更加有效且稳定。仿真结果表明,在干扰时频图小样本数据集情况下,当干噪比为-10 dB~10 dB时,该方法对宽带噪声干扰、部分频带噪声干扰、单音干扰、多音干扰、脉冲干扰、跳频干扰、线性扫频干扰和二次扫频干扰这八种干扰的正确识别率均高于ACGAN和CNN。 展开更多

关键词 干扰识别 AC-VAEGAN 生成对抗网络 变分自编码器 时频图 小样本数据集

在线阅读 下载PDF 职称材料

生成式深度学习在目标导向分子设计中的应用进展

5

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

6

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

基于生成对抗网络的叠合板拆分 被引量：2

7

作者 黎康 翟新铭 +2 位作者 晋强 朱琳 胡荻 《科学技术与工程》 北大核心 2023年第19期8325-8331,共7页

为了解决叠合板拆分受设计师与预制厂的差异容易出现难以设计的问题,提出了基于pix2pix算法构建叠合板拆分预测模型,通过输入支座图进而生成对应的叠合板拆分图,从而实现对叠合板快速拆分设计。探讨利用规则约束下机器学习的方法和理念... 为了解决叠合板拆分受设计师与预制厂的差异容易出现难以设计的问题,提出了基于pix2pix算法构建叠合板拆分预测模型,通过输入支座图进而生成对应的叠合板拆分图,从而实现对叠合板快速拆分设计。探讨利用规则约束下机器学习的方法和理念,优化叠合板拆分方案,为预制厂提供了模型训练方法。为评估模型,建立基于拆分尺寸、方向与顺序掌握的评价体系。结果表明,训练后的模型可在2 s内快速绘制叠合板拆分图,且模型生成思维与人工设计思维基本吻合。 展开更多

关键词 叠合板拆分 条件生成式对抗网络 机器学习 建筑图纸预测

在线阅读 下载PDF 职称材料

基于空时对抗变分自编码器的人群异常行为检测 被引量：4

8

作者 邢天祎 郭茂祖 +3 位作者 陈加栋 赵玲玲 陈琳鑫 田乐 《智能系统学报》 CSCD 北大核心 2023年第5期994-1004,共11页

基于视频的人群异常行为检测对提前发现安全风险、预防群体安全事故发生具有重要价值。针对人群异常行为事件的稀少性导致的无法直接充分学习异常样本的表示、异常事件检测精度低的问题,在变分自编码器基础上,提出一种基于预测的空时对... 基于视频的人群异常行为检测对提前发现安全风险、预防群体安全事故发生具有重要价值。针对人群异常行为事件的稀少性导致的无法直接充分学习异常样本的表示、异常事件检测精度低的问题,在变分自编码器基础上,提出一种基于预测的空时对抗变分自编码器(spatial-temporal adversarial variational autoencoder,STAVAE)视频异常检测模型,通过引入长短期记忆网络(long short-term memory,LSTM)和对抗网络模块,对正常样本视频序列的时间维度与空间维度进行联合特征表示与重构,减少了正常样本重建过程中的特征损失进而扩大了异常样本的预测损失,避免了对异常样本的依赖,实现了基于模型重构误差的人群逃散异常行为检测。在公开数据集UMN及采集视频数据集上进行对比实验,证明ST-AVAE模型在基于监控视频的人群异常逃散行为检测中均具有最优的检测精度和召回率,对抗网络模块显著提升了异常检测的性能。 展开更多

关键词 人群异常行为检测 变分自编码器 自编码器 长短期记忆网络 对抗网络 空时对抗变分自编码器 重构误差 异常逃散行为

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

9

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

面向天文多普勒差分测速的太阳/行星光谱对生成方法

10

作者 刘劲 徐玉豪 +3 位作者 尤伟 陈晓 张子军 马辛 《宇航学报》 EI CAS CSCD 北大核心 2024年第2期273-282,共10页

为了提供天文多普勒差分测速所需的同步太阳/行星光谱对,提出了一种变分自编码器(VAE)和对偶生成对抗网络(Dual GAN)相融合的VAE-Dual GAN。首先,实测太阳光谱经过VAE编码到隐空间,实现了光谱到光谱域的扩充;然后,由Dual GAN将隐空间映... 为了提供天文多普勒差分测速所需的同步太阳/行星光谱对,提出了一种变分自编码器(VAE)和对偶生成对抗网络(Dual GAN)相融合的VAE-Dual GAN。首先,实测太阳光谱经过VAE编码到隐空间,实现了光谱到光谱域的扩充;然后,由Dual GAN将隐空间映射到伪行星光谱;最后,利用伪行星光谱生成重构太阳光谱。此外,利用编码和生成重建损失加强对网络的约束。VAE-Dual GAN利用Dual GAN的转换学习能力完成了两个光谱域的转换,生成同步太阳/行星光谱对。实验结果表明,VAE-Dual GAN可生成高质量的太阳/行星光谱对,将天文多普勒差分测速精度提高60%以上。 展开更多

关键词 天文导航 测速导航 太阳/行星光谱对 生成对抗网络 变分自编码器

在线阅读 下载PDF 职称材料

基于生成对抗网络的事件描述生成 被引量：1

11

作者 孙鹤立 孙玉柱 张晓云 《计算机应用》 CSCD 北大核心 2021年第5期1256-1261,共6页

在基于事件的社会网络(EBSN)中,自动生成社交事件(Social Event)的事件描述(Event Description)供组织者参考,从而有效避免描述贫乏、描述过度、精准度低的问题,易于形成丰富、准确、高吸引力的事件描述。为了自动生成与真实事件描述足... 在基于事件的社会网络(EBSN)中,自动生成社交事件(Social Event)的事件描述(Event Description)供组织者参考,从而有效避免描述贫乏、描述过度、精准度低的问题,易于形成丰富、准确、高吸引力的事件描述。为了自动生成与真实事件描述足够相似的文本,提出了一种生成对抗网络(GAN)模型GAN_PG来生成事件描述。GAN_PG模型中的生成模型(Generator)采用变分自编码器(VAE),判别模型(Discriminator)采用带门控循环单元(GRU)的神经网络。模型训练时借鉴了强化学习中的策略梯度(PG)下降,并通过设计合理的奖励函数来训练生成器生成事件描述。实验结果表明,设计的模型生成事件描述的BLEU-4值达到了0.67,证明了提出的事件描述生成模型GAN_PG可以无监督地产生与自然语言足够相似的事件描述。 展开更多

关键词 基于事件的社会网络 事件描述 文本生成 生成对抗网络 变分自编码器

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

12

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

基于图潜向量分布学习的图过采样方法

13

作者 任博 董明刚 +1 位作者 于扬 卢贤睿 《计算机科学与探索》 北大核心 2025年第7期1808-1819,共12页

现实世界中许多图数据存在类别分布不平衡的问题,其通常表现在节点、边和图三个级别。常用的基于过采样的图级不平衡处理方法,因样本缺乏多样性,会导致模型过拟合。针对该问题,提出一种图潜向量分布学习的图过采样方法(GLRD-GAN)。提出... 现实世界中许多图数据存在类别分布不平衡的问题,其通常表现在节点、边和图三个级别。常用的基于过采样的图级不平衡处理方法,因样本缺乏多样性,会导致模型过拟合。针对该问题,提出一种图潜向量分布学习的图过采样方法(GLRD-GAN)。提出一种图潜向量分布学习方法,利用预训练的图变分自编码器(VGAE)和全连接神经网络学习少数类图样本在低维空间内的潜向量分布,在该分布上随机采样潜向量信息并与原少数类潜向量融合,保证了少数类潜向量的多样性。设计了一种基于双解码器的图样本生成器,经预训练的内积解码器和图卷积解码器充分利用采样的潜向量来分别生成图数据的拓扑结构和节点特征。通过GAN判别器检测生成样本的真伪和类别,监督生成样本的有效性,实现多样性的少数类图样本生成。在5个具有代表性的长尾图数据集上进行了对比实验和可视化观察,结果表明提出的基于图潜向量分布学习的图过采样方法在Acc和F1值上较其他方法平均高出1%~4%,且能够生成有效的少数类图样本。 展开更多

关键词 长尾问题 图变分自编码器 图潜向量 生成对抗网络

在线阅读 下载PDF 职称材料

动态卷积生成对抗网络的视频帧预测方法研究 被引量：2

14

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 职称材料

基于半监督VAE和CGAN的运动想象脑电信号分类器

15

作者 袁凯烽 侯璐 黄永锋 《传感器与微系统》 北大核心 2025年第2期82-86,共5页

由于脑电(EEG)信号的特异性、隐私性,数据集相对匮乏,运动想象EEG(MI-EEG)信号分类是一项具有挑战性的任务。提出了一种基于半监督变分自编码器-条件生成对抗网络(SSVAE-CGAN)模型应用于MI-EEG信号的增强和分类。SSVAE-CGAN模型的SSVAE-... 由于脑电(EEG)信号的特异性、隐私性,数据集相对匮乏,运动想象EEG(MI-EEG)信号分类是一项具有挑战性的任务。提出了一种基于半监督变分自编码器-条件生成对抗网络(SSVAE-CGAN)模型应用于MI-EEG信号的增强和分类。SSVAE-CGAN模型的SSVAE-CGAN的编码器为EEGNet网络,获得MI-EEG信号的时域、频域和空间域的复合特征的潜在空间表示。不同于传统的无监督变分自编码器,在训练编码器时,SSVAE-CGAN使用MI-EEG信号的标签信息以监督的方式更好地构建潜在空间。然后,SSVAE-CGAN使用条件生成对抗网络接收带有标签信息的随机噪声进行生成器-判别器的对抗训练,并生成与潜在空间分布对齐的隐空间。在真实MI-EEG数据集进行了数据增强和分类实验,实验结果验证了本文模型的有效性。 展开更多

关键词 运动想象脑电 数据增强 分类 半监督变分自编码器 条件生成对抗网络

在线阅读 下载PDF 职称材料

跨类别样本迁移框架下的不平衡分类方法 被引量：1

16

作者 于海波 刘婧 +3 位作者 李强伟 高欣 谭煌 陈天阳 《计算机工程与应用》 CSCD 北大核心 2024年第16期143-158,共16页

对于不平衡分类问题,实现类别交叠区域中样本数目和分布的平衡是缓解后续决策偏移的关键,而现有的不平衡分类方法往往只从少数类样本生成新样本来达到样本数目的平衡,没有充分利用多数类样本丰富的信息。特别是在少数类样本绝对数量过... 对于不平衡分类问题,实现类别交叠区域中样本数目和分布的平衡是缓解后续决策偏移的关键,而现有的不平衡分类方法往往只从少数类样本生成新样本来达到样本数目的平衡,没有充分利用多数类样本丰富的信息。特别是在少数类样本绝对数量过少的情况下,仅利用原始少数类样本信息无法有效平衡交叠区域样本的分布。提出了一种跨类别样本迁移框架下的不平衡分类方法。在变分自编码器(variational autoencoder,VAE)隐编码采样过程中嵌入由全连接层构建的映射网络,在VAE充分学习不同类别样本的共性和特性的基础上,在隐编码先验约束和跨域一致性约束下对多数类样本的隐编码进行映射转换,使转换前后隐编码共享相同的分布空间,并通过VAE中解码器实现多数类样本向少数类样本的迁移。同时融入生成对抗机制,对原始样本和新样本以及转换前后的隐编码进行判别对抗,进一步提升迁移样本的可靠性。在此基础上,分别对新生成样本与原始不同类别样本的距离进行加权约束,并筛选得到更加靠近交叠区域的样本,使该区域不同类别样本的数目和分布更加平衡。在16个公共数据集上的实验结果表明,在F1测量值和G-均值上该方法显著优于10种典型的不平衡分类方法,特别是在11个不平衡比例较高、少数类样本绝对数量过少的公共数据集中,该方法性能提升更加显著。 展开更多

关键词 不平衡分类 跨类别样本迁移框架 变分自编码器 映射网络 生成对抗机制 加权欧式距离约束

在线阅读 下载PDF 职称材料

基于条件流的人脸正面化生成对抗模型

17

作者 张鹏升 解易 刘钊 《计算机应用与软件》 北大核心 2019年第12期156-161,183,共7页

根据侧面人脸合成正面人脸一直是计算机视觉领域中的一个难题。对此设计基于条件流的人脸正面化生成对抗网络模型。采用Glow模型作为生成网络实现高效的推理和合成;采用条件实例归一化层(CIN)来控制正面人脸的生成;采用变分判别器瓶颈(V... 根据侧面人脸合成正面人脸一直是计算机视觉领域中的一个难题。对此设计基于条件流的人脸正面化生成对抗网络模型。采用Glow模型作为生成网络实现高效的推理和合成;采用条件实例归一化层(CIN)来控制正面人脸的生成;采用变分判别器瓶颈(VDB),以潜在变量对身份进行判别,生成身份一致的正面人脸。在Multi PIE数据集上进行实验,实验分析表明,该网络模型可以生成更具真实性和多样性的正面人脸图片。 展开更多

关键词 人脸正面化 流模型 生产对抗网络 条件实例归一化层 变分判别器瓶颈

在线阅读 下载PDF 职称材料

基于GAN的拆分纵向联邦学习重建攻击

18

作者 唐琳 冯秀芳 陈永乐 《计算机工程与设计》 北大核心 2024年第12期3531-3537,共7页

针对拆分纵向联邦学习的参与者在训练过程中输出的中间结果容易泄露大量隐私的问题,提出一种重建攻击Re_GAN。利用生成式对抗网络学习图像的先验知识,优化生成式对抗网络的输入,使重建图像和真实图像的中间结果逼近来重建参与者的隐私... 针对拆分纵向联邦学习的参与者在训练过程中输出的中间结果容易泄露大量隐私的问题,提出一种重建攻击Re_GAN。利用生成式对抗网络学习图像的先验知识,优化生成式对抗网络的输入,使重建图像和真实图像的中间结果逼近来重建参与者的隐私图像。在衡量中间结果时,使用分片沃瑟斯坦距离捕捉图像的特征。实验结果表明,Re_GAN在MNIST数据集、Fashion-MNIST数据集和CIFAR-10数据集上均能重建参与者图像,表明了拆分纵向联邦学习隐私存在泄露的风险。 展开更多

关键词 纵向联邦学习 拆分学习 重建攻击 生成式对抗网络 隐私泄露 机器学习 分布式系统

在线阅读 下载PDF 职称材料

农产品市场监测预警深度学习智能预测方法 被引量：1

19

作者 许世卫 李乾川 +3 位作者 栾汝朋 庄家煜 刘佳佳 熊露 《智慧农业(中英文)》 2025年第1期57-69,共13页

[目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱... [目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱等挑战。因此,亟需构建适应中国农业数据特点的深度学习模型,以提升农产品市场的监测与预警能力,推动精准决策和应急响应。[方法]本研究应用深度学习方法,从中国多维农业数据资源实际出发,创新提出了一套不同监测预警对象条件下深度学习综合预测方法,构建了生成对抗与残差网络协同生产量模型(Generative Adversarial Network and Residual Network, GAN-ResNet)、变分自编码器岭回归消费预测模型(Variational Autoencoder and Ridge Regression, VAE-Ridge)、自适应变换器价格预测模型(Adaptive-Transformer)。为适应实际需求,研究在CAMES中采用“离线计算与可视化分离”策略,模型推理离线完成,平衡了计算复杂度与实时预警需求。[结果和讨论]深度学习综合预测方法在玉米单产、生猪消费量和番茄市场价格的预测上,均表现出显著的精度提升。GAN-ResNet生产量预测模型进行县级尺度玉米单产预测的平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为6.58%,运用VAE-Ridge模型分析生猪消费量的MAPE为6.28%,运用Adaptive-Transformer模型预测番茄价格的MAPE为2.25%。[结论]该研究提出的深度学习综合预测方法,具有较先进的单品种、多场景、宽条件下的农产品市场监测预警分析能力,并在处理不同区域多维数据、多品种替代、市场季节性波动等分析方面显示出优良的指标性能,可为中国农产品市场监测预警提供一套新的有效分析方法。 展开更多

关键词 监测预警 深度学习 生产量预测 消费量预测 价格预测 生成对抗与残差网络协同生产量模型 变分自编码器岭回归消费预测模型 自适应变换器价格预测模型

在线阅读 下载PDF 职称材料

基于改进GAN的人机交互手势行为识别方法

20

作者 张富强 白筠妍 穆慧 《郑州大学学报(工学版)》 北大核心 2025年第2期43-50,共8页

为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添... 为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添加改进InceptionV2和InceptionV2-trans结构增强模型的特征还原能力;其次,在各组成网络中进行条件批量归一化(CBN)处理改善过拟合,以Mish激活函数代替ReLU函数提升网络性能;最后,通过实验证明该方法能够以较少的样本获得100%的分类准确率,且收敛时间短,验证了该方法的可靠性。 展开更多

关键词 人机交互 生成对抗网络 变分自编码器 手势识别 条件批量归一化

在线阅读 下载PDF 职称材料