期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于对抗性扰动图形神经网络的隐私攻击防御策略 被引量:5
1
作者 岑振宇 唐吉深 《广西大学学报(自然科学版)》 CAS 北大核心 2023年第1期156-172,共17页
为了保护隐私,同时维护干扰数据效用,提出了一种基于对抗性扰动图形神经网络的隐私攻击防御策略。候选边缘选择确保扰动图不可见,图形神经网络组合优化,确保隐私得到保护和数据实用性。进一步证明扰动图结构比扰动节点特征对图形神经网... 为了保护隐私,同时维护干扰数据效用,提出了一种基于对抗性扰动图形神经网络的隐私攻击防御策略。候选边缘选择确保扰动图不可见,图形神经网络组合优化,确保隐私得到保护和数据实用性。进一步证明扰动图结构比扰动节点特征对图形神经网络的影响更大,并且证明扰动可以在模型不可察觉性和隐私保护之间取得平衡。实验结果表明:提出方法可以同时保持图形数据的不可见性,保持目标标签分类的预测置信度并降低隐私标签分类的预测置信度。 展开更多
关键词 隐私保护 对抗性 图形神经网络 隐私标签分类
在线阅读 下载PDF
基于改进图神经网络图形样本聚合的增量学习模型 被引量:1
2
作者 刘振柱 侯乔文 +2 位作者 兰媛 于磊 牛蔺楷 《机电工程》 北大核心 2025年第3期549-558,共10页
针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据... 针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据集,并通过数据增强生成了新的数据集;然后,采用K-最邻近法(KNN)分别构建了初始训练阶段和增量训练阶段的图结构数据(其中,初始阶段的图结构用于模型的初始训练,增量训练阶段的图结构用于增量训练);接着,为了确定最适合轴向柱塞泵故障图数据集的聚合方法,在初始训练阶段比较了不同聚合器对故障识别准确率的影响,并在增量训练阶段结合显性知识与隐性知识对模型进行了优化;最后,采用了实验的方式,验证了该模型的可行性,并通过对比实验和鲁棒性测试,对该模型的性能和稳定性进行了评估。研究结果表明:该增量学习模型在应对新增故障类型时表现优异,在轴向柱塞泵的复合故障识别中,平均准确率达到了92.35%,显著优于传统图神经网络在相同条件下的表现;同时,该模型在混合工况下的增量训练准确率达到了95%,展现出较强的适应性和鲁棒性。该方法能够有效应对不同的故障模式和工况条件,准确识别轴向柱塞泵的复合故障。 展开更多
关键词 轴向柱塞泵 故障诊断 增量学习 神经网络图形样本聚合 K-最邻近法 图结构数据
在线阅读 下载PDF
Flame image recognition of alumina rotary kiln by artificial neural network and support vector machine methods 被引量:18
3
作者 张红亮 邹忠 +1 位作者 李劼 陈湘涛 《Journal of Central South University of Technology》 EI 2008年第1期39-43,共5页
Based on the Fourier transform, a new shape descriptor was proposed to represent the flame image. By employing the shape descriptor as the input, the flame image recognition was studied by the methods of the artificia... Based on the Fourier transform, a new shape descriptor was proposed to represent the flame image. By employing the shape descriptor as the input, the flame image recognition was studied by the methods of the artificial neural network(ANN) and the support vector machine(SVM) respectively. And the recognition experiments were carried out by using flame image data sampled from an alumina rotary kiln to evaluate their effectiveness. The results show that the two recognition methods can achieve good results, which verify the effectiveness of the shape descriptor. The highest recognition rate is 88.83% for SVM and 87.38% for ANN, which means that the performance of the SVM is better than that of the ANN. 展开更多
关键词 rotary kiln flame image image recognition shape descriptor artificial neural network support vector machine
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部