-
题名一种基于迁移深度强化学习的建筑能耗预测方法
被引量：10
- 1
-
-
作者
傅启明
吴少波
戴大东
杨正霞
陈建平
吴宏杰
-
机构
苏州科技大学江苏省建筑智慧节能重点实验室
苏州科技大学电子与信息工程学院
苏州大学江苏省计算机信息处理技术重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期92-94,共3页
-
基金
国家自然科学基金资助项目(61772357,61672371,61502329,61876217)
江苏省“333工程”科研项目,六大人才高峰项目(DZXX-010)
+1 种基金
苏州市科技项目(SNG201610,SYG201704)
苏州科技大学研究生创新工程项目(SKSJ18_011)
-
文摘
建筑能耗在我国总能耗中占比超过了35%。建筑能耗预测是能源科学管理、高效节能、低碳绿色发展的重要课题。但建筑能耗数据的成因复杂、独立同分布性弱、目标域样本不足,导致现有预测模型泛化性不足。由此提出了一种基于迁移深度强化学习的建筑能耗预测方法,充分利用隐藏层结构模型迁移共享建筑能耗的有用信息,通过堆叠去噪自动编码器挖掘建筑能耗中深层特征,结合强化学习Q-Learning方法进行建筑能耗建模。为了验证方法性能,采用了美国加利福尼亚州弗里蒙特的零售建筑真实能耗数据,与Q-Learning、ADE-BPNN、BP-Adaboost进行了比较,所提方法在MSE、RMSE、MAE、MAPE方面分别比上述三种方法的平均值降低了25.9%、13.1%、23.7%、19.3%,有效提高了建筑能耗预测的精度。
-
关键词
特征迁移
堆叠去噪自动编码器
深度强化学习
建筑能耗预测
-
分类号
TU111.195
[建筑科学—建筑理论]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于数据增强与流数据处理的Tor流量分析模型
被引量：2
- 2
-
-
作者
席荣康
蔡满春
芦天亮
-
机构
中国人民公安大学信息网络安全学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第3期177-184,共8页
-
基金
中国人民公安大学2022年基科费项目(2022JKF02009)
国家重点研发计划“公共安全风险防控与应急技术装备”重点专项(20200017)。
-
文摘
Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor PACP包进行分割、去噪处理并提取特征序列。在此基础上,将一维序列转化为可视化灰度图并输入改进多尺寸深度卷积生成对抗网络,生成Tor流量样本以平衡数据集,利用堆叠降噪自动编码器进行序列降维并将特征输入在线序列极限学习机实现Tor匿名流量的在线流识别。实验结果表明,改进多尺寸深度卷积生成对抗网络可用于提升数据集质量并提高模型识别率约2.8个百分点,结合在线序列极限学习机和堆叠去噪自编码器的流量分析模型准确率可达95.7%,识别效率较传统卷积神经网络和长短期记忆网络模型有较大提升。
-
关键词
洋葱路由
概念漂移
流数据挖掘
数据增强
深度卷积生成对抗网络
堆叠去噪自动编码器
在线序列极限学习机
-
Keywords
onion router
concept drift
stream data mining
data enhancement
Deep Convolution Generative Adversarial Network(DCGAN)
Stacked Denoising Auto Encoder(SDAE)
Online Sequential Extreme Learning Machine(OS-ELM)
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于深度学习SDA的压缩感知图像重构方法
被引量：2
- 3
-
-
作者
谢雪晴
-
机构
重庆工业职业技术学院信息工程学院
-
出处
《计算机工程与设计》
北大核心
2018年第11期3516-3519,3525,共5页
-
基金
重庆市教委科学技术研究基金项目(KJ1603701)
重庆市社会科学规划基金项目(2017YBYS108)
重庆工业职业技术学院校级重点基金项目(GZY201709-2B)
-
文摘
为减少传统压缩感知对图像信号测量与重构的时间,提高重构精度,提出一种深度学习SDA的压缩感知框架,采用堆叠去噪自动编码器(SDA)作为无监督特征学习器,支持信号的线性和非线性测量,捕获特定信号的不同元素之间的统计依赖性;利用前馈深度神经网络代替传统重构算法,从训练数据中学习信号的结构化表示,实现图像信号重构。实验结果表明,与压缩感知SPL算法、D-AMP算法和TV算法比较,该方法峰值信噪比(PSNR)更高,且重构时间仅仅为0.002s,远低于其它3种算法。
-
关键词
压缩感知
深度学习
堆叠去噪自动编码器
无监督特征学习
结构化表示
-
Keywords
compressed sensing
deep learning
stacked denoising autoencoder
unsupervised feature learning
structured representation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
