检索结果-维普期刊中文期刊服务平台

堆叠去噪自编码器在垃圾邮件过滤中的应用被引量：13: 1; 作者李艳涛冯伟森《计算机应用》 CSCD 北大核心 2015年第11期3256-3260,3292,共6页; 针对垃圾邮件数量日益攀升的问题,提出了将堆叠去噪自编码器应用到垃圾邮件分类中。首先,在无标签数据集上,使用无监督学习方法最小化重构误差,对堆叠去噪自编码器进行贪心逐层预训练,从而获得原始数据更加抽象和健壮的特征表示;然后,... 展开更多; 关键词堆叠去噪自编码器垃圾邮件分类支持向量机贝叶斯方法; 在线阅读下载PDF 职称材料

基于堆叠去噪自编码器算法的穿墙人体检测(英文): 2; 作者王为蒋羽王丹《天津师范大学学报（自然科学版）》 CAS 2017年第5期50-54,共5页; 超宽带雷达在穿墙人体检测中的应用已经越来越成熟,将堆叠去噪自编码器算法应用于穿墙人体状态的识别和分类中,首先使用无监督学习方法对自编码器网络进行训练,从而获得原始数据更加抽象的特征表示;然后在堆叠去噪自编码器网络的最后一... 展开更多; 关键词超宽带堆叠去噪自编码器分类器; 在线阅读下载PDF 职称材料

一种基于深度神经网络的无线定位方法被引量：17: 3; 作者刘侃张伟 +2 位作者张伟东张友梅顾建军《计算机工程》 CAS CSCD 北大核心 2016年第7期82-85,共4页; 考虑到信号波动会对无线定位产生影响,基于深度神经网络提出一种回归的无线定位方法。采用四层深度神经网络结构进行定位,通过堆叠去噪自编码器对网络结构进行预训练,避免采用人工设计的方式,从大量有噪的样本中,自动学习有效特征。分... 展开更多; 关键词无线定位深度神经网络回归深度学习堆叠去噪自编码器; 在线阅读下载PDF 职称材料

基于RFID传感器标签与深度学习的变压器状态监测方法研究被引量：18: 4; 作者何怡刚汪涛 +1 位作者施天成童晋《电子测量与仪器学报》 CSCD 北大核心 2018年第9期72-79,共8页; 变压器的状态直接决定了电网运行的可靠性。在现有的变压器状态监测方法的基础上,提出基于射频识别(RFID)传感器标签和深度学习的变压器状态监测手段。首先提出了一种基于自取能RFID传感器标签的变压器振动信号采集方法,该方法具有成本... 展开更多; 关键词变压器射频识别技术堆叠去噪自编码器量子粒子群优化; 在线阅读下载PDF 职称材料

基于半监督深度网络的冷连轧轧制力预报被引量：11: 5; 作者魏立新翟博豪 +2 位作者赵志伟刘建朋孙浩《塑性工程学报》 CAS CSCD 北大核心 2020年第11期70-76,共7页; 针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特... 展开更多; 关键词冷连轧轧制力预测半监督学习深度网络比例损失堆叠去噪自编码器; 在线阅读下载PDF 职称材料

基于SDAE特征表示的协同主题回归推荐模型被引量：3: 6; 作者谢国民张婷婷 +2 位作者刘明屠乃威刘志邦《计算机工程与科学》 CSCD 北大核心 2019年第5期924-932,共9页; 为解决推荐系统中的冷启动问题,在协同主题回归CTR模型的基础上引入堆叠去噪自编码器SDAE深度学习网络,用于学习用户辅助信息的隐表示,建立SDAE-CTR模型。模型应用2层SDAE网络,以用户信息为网络输入量,将编码过程获得的用户辅助信息的... 展开更多; 关键词推荐系统协同主题回归模型堆叠去噪自编码器混合推荐; 在线阅读下载PDF 职称材料

基于深度学习的EHA油滤堵塞和增压油箱漏气故障诊断方法被引量：1: 7; 作者许昆明陈换过 +2 位作者肖雪钱萍刘培君《导弹与航天运载技术（中英文）》 CSCD 北大核心 2023年第6期75-80,86,共7页; 油滤堵塞及增压油箱漏气是电静压伺服机构(Electro-Hydrostatic Actuator,EHA)相对于机电伺服机构(ElectroMech-anical Actuator,EMA)特有的故障模式,将直接影响系统可靠性。结合深度学习在特征提取和复杂函数表达能力上的优势,提出一... 展开更多; 关键词电静压伺服机构故障诊断深度学习堆叠去噪自编码器油滤堵塞; 在线阅读下载PDF 职称材料

基于深度主动学习的MVB网络故障诊断方法被引量：2: 8; 作者杨岳毅王立德 +2 位作者王冲王慧珍李烨《西南交通大学学报》 EI CSCD 北大核心 2022年第6期1342-1348,1385,共8页; 多功能车辆总线MVB(multiple vehicle bus)用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法.该方法采用堆叠去噪自编码器自... 展开更多; 关键词多功能车辆总线故障诊断主动学习深度神经网络堆叠去噪自编码器; 在线阅读下载PDF 职称材料

题名堆叠去噪自编码器在垃圾邮件过滤中的应用被引量：13: 1; 作者李艳涛冯伟森; 机构四川大学计算机学院; 出处《计算机应用》 CSCD 北大核心 2015年第11期3256-3260,3292,共6页; 文摘针对垃圾邮件数量日益攀升的问题,提出了将堆叠去噪自编码器应用到垃圾邮件分类中。首先,在无标签数据集上,使用无监督学习方法最小化重构误差,对堆叠去噪自编码器进行贪心逐层预训练,从而获得原始数据更加抽象和健壮的特征表示;然后,在堆叠去噪自编码器的最上层添加一个分类器后,在有标签数据集上,利用有监督学习方法最小化分类误差,对预训练获得的网络参数进行微调,获得最优化的模型;最后,利用训练完成的堆叠去噪编码器在6个不同的公开数据集上进行测试。将准确率、召回率、更具有平衡性的马修斯相关系数作为实验性能评价标准,实验结果表明,相比支持向量机算法、贝叶斯方法和深度置信网络的分类效果,基于堆叠去噪自编码器的垃圾邮件分类器的准确率都高于95%,马修斯相关系数都大于0.88,在应用中具有更高的准确率和更好的健壮性。; 关键词堆叠去噪自编码器垃圾邮件分类支持向量机贝叶斯方法; Keywords Stacked Denoising Autoencoder （SDA） spam classification Support Vector Machine （SVM） Bayesian approach; 分类号 TP393.098 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于堆叠去噪自编码器算法的穿墙人体检测(英文): 2; 作者王为蒋羽王丹; 机构天津师范大学天津市无线移动通信与无线电能传输重点实验室; 出处《天津师范大学学报（自然科学版）》 CAS 2017年第5期50-54,共5页; 基金 Supported by National Natural Science Foundation of China(61271411) Natural Youth Science Foundation of China(61501326) +1 种基金 Tianjin Science Foundation(16JCYBJC16500); 文摘超宽带雷达在穿墙人体检测中的应用已经越来越成熟,将堆叠去噪自编码器算法应用于穿墙人体状态的识别和分类中,首先使用无监督学习方法对自编码器网络进行训练,从而获得原始数据更加抽象的特征表示;然后在堆叠去噪自编码器网络的最后一层添加一个分类器.使用有监督的学习方法对网络进行微调,获得最优化的模型;最后,将测试集输入到已经训练好的网络模型上进行测试.实验结果表明,堆叠去噪自编码器深度网络可以对穿墙人体目标状态进行有效地分类识别.; 关键词超宽带堆叠去噪自编码器分类器; Keywords ultra- wideband stacked denoising autoencoder classifier; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种基于深度神经网络的无线定位方法被引量：17: 3; 作者刘侃张伟张伟东张友梅顾建军; 机构山东大学控制科学与工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2016年第7期82-85,共4页; 基金国家自然科学基金资助项目(61203253 61233014) +1 种基金山东大学自主创新基金资助项目(2013TB004); 文摘考虑到信号波动会对无线定位产生影响,基于深度神经网络提出一种回归的无线定位方法。采用四层深度神经网络结构进行定位,通过堆叠去噪自编码器对网络结构进行预训练,避免采用人工设计的方式,从大量有噪的样本中,自动学习有效特征。分不同时段从现实场景中采集数据进行实验,结果表明,针对波动的无线信号,该方法能有效提高定位准确率。; 关键词无线定位深度神经网络回归深度学习堆叠去噪自编码器; Keywords wireless positioning Deep Neural Network （DNN） regression deep learning Stacked Denoising Autoencoder （ SDA ）; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于RFID传感器标签与深度学习的变压器状态监测方法研究被引量：18: 4; 作者何怡刚汪涛施天成童晋; 机构合肥工业大学电气与自动化工程学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2018年第9期72-79,共8页; 基金国家自然科学基金(51577046)、国家自然科学基金重点项目(51637004) 国家重点研发计划“重大科学仪器设备开发”项目(2016YFF0102200) 装备预先研究重点项目(41402040301)资助; 文摘变压器的状态直接决定了电网运行的可靠性。在现有的变压器状态监测方法的基础上,提出基于射频识别(RFID)传感器标签和深度学习的变压器状态监测手段。首先提出了一种基于自取能RFID传感器标签的变压器振动信号采集方法,该方法具有成本低,便利性强,寿命长,可实现快速定位等优点。针对于变压器信号成分复杂,信噪比低等特点,利用深度学习技术在复杂数据处理方面的优势,采用堆叠去噪自编码器(SDA)信号进行特征提取,并采用相关向量机(RVM)对提取的特征数据进行故障诊断,最后采用量子粒子群算法(QPSO)对SDA与RVM进行参数寻优。实验结果表明,方法能够可靠地获取变压器振动信号,同时,能够取得99. 75%的故障诊断准确度,且诊断时间仅需要0. 98 s。; 关键词变压器射频识别技术堆叠去噪自编码器量子粒子群优化; Keywords transformer radio frequency identification(RFID) stacked denoising autoencoder quantum-behaved particle swarm optimization(QPSO); 分类号 TM41 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于半监督深度网络的冷连轧轧制力预报被引量：11: 5; 作者魏立新翟博豪赵志伟刘建朋孙浩; 机构燕山大学唐山学院计算机科学与技术系唐钢国际工程技术股份有限公司; 出处《塑性工程学报》 CAS CSCD 北大核心 2020年第11期70-76,共7页; 基金国家自然科学基金资助项目(61803327) 河北省自然科学基金青年基金资助项目(E2018203162) +1 种基金河北省高等学校科学技术研究项目(ZD2019311)。; 文摘针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特征损失函数施加不同比例,构成比例损失堆叠去噪自编码器。然后,使用比例损失堆叠去噪自编码器提取的高阶特征初始化深度网络,对目标值进行预测。仿真结果表明,该模型预测精度可控制在3%以内,实现了轧制力的高精度预测。; 关键词冷连轧轧制力预测半监督学习深度网络比例损失堆叠去噪自编码器; Keywords cold continuous rolling rolling force prediction semi-supervised learning deep network proportional loss stacked denoise autoencoder; 分类号 TG335.13 [金属学及工艺—金属压力加工]; 在线阅读下载PDF 职称材料

题名基于SDAE特征表示的协同主题回归推荐模型被引量：3: 6; 作者谢国民张婷婷刘明屠乃威刘志邦; 机构辽宁工程技术大学电气与控制工程学院; 出处《计算机工程与科学》 CSCD 北大核心 2019年第5期924-932,共9页; 基金国家自然科学基金(61601212) 辽宁省教育厅项目(LJ2017QL012); 文摘为解决推荐系统中的冷启动问题,在协同主题回归CTR模型的基础上引入堆叠去噪自编码器SDAE深度学习网络,用于学习用户辅助信息的隐表示,建立SDAE-CTR模型。模型应用2层SDAE网络,以用户信息为网络输入量,将编码过程获得的用户辅助信息的隐表示和解码过程获得的输入近似表示为网络的双输出量,最小化用户辅助信息和近似表示的差值来确定最优隐表示。模型融合用户-项目评分矩阵(冷启动条件无评分)、项目内容信息和用户辅助信息实现用户对未评分项目的评分预测,并在LastFM、Book Crossing和MovieLens数据集上从推荐准确度、新颖性和用户冷启动条件下的推荐效果等3方面对SDAE-CTR模型和CTR模型进行比较。结果表明,SDAE-CTR模型在冷启动或非冷启动的条件下,推荐效果都要优于CTR模型的,虽然新颖性较CTR模型稍微逊色一些,但理论上在合理的范围内,总体上SDAE-CTR模型表现较优。; 关键词推荐系统协同主题回归模型堆叠去噪自编码器混合推荐; Keywords recommendation system collaborative topic regression model stacked denoising autoencoder (SDAE) hybrid recommendation; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度学习的EHA油滤堵塞和增压油箱漏气故障诊断方法被引量：1: 7; 作者许昆明陈换过肖雪钱萍刘培君; 机构浙江理工大学北京精密机电控制设备研究所; 出处《导弹与航天运载技术（中英文）》 CSCD 北大核心 2023年第6期75-80,86,共7页; 文摘油滤堵塞及增压油箱漏气是电静压伺服机构(Electro-Hydrostatic Actuator,EHA)相对于机电伺服机构(ElectroMech-anical Actuator,EMA)特有的故障模式,将直接影响系统可靠性。结合深度学习在特征提取和复杂函数表达能力上的优势,提出一种基于堆叠去噪自编码(Stacked Denoising AutoEncoder,SDAE)深度神经网络的EHA故障诊断方法,该方法利用多维故障数据训练深度学习网络,自动学习数据内有利于分类的特征,减少了人工提取特征的过程,实现了高效精确的故障特征分类。从堆叠去噪自编码器结构入手,分析基于SDAE的不同程度油滤堵塞和增压油箱漏气故障诊断建模流程。通过搭建EHA试验平台,开展不同程度油滤堵塞和增压油箱漏气故障模拟试验,根据试验采集的数据集分析SDAE的隐含层数量、优化器、各隐含层神经元节点数量等超参数对诊断性能的影响,确定模型最优超参数。最后,将SDAE模型与传统神经网络方法诊断结果进行对比,验证SDAE方法可以更准确地应用于EHA不同程度油滤堵塞和增压油箱漏气的故障诊断。; 关键词电静压伺服机构故障诊断深度学习堆叠去噪自编码器油滤堵塞; Keywords electro-hydrostatic actuators fault diagnosis deep learning stacked denoising autoencoder filter blockage; 分类号 V448.15 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名基于深度主动学习的MVB网络故障诊断方法被引量：2: 8; 作者杨岳毅王立德王冲王慧珍李烨; 机构北京交通大学电气工程学院; 出处《西南交通大学学报》 EI CSCD 北大核心 2022年第6期1342-1348,1385,共8页; 基金中国国家铁路集团有限公司科技研究开发计划(N2020J007)。; 文摘多功能车辆总线MVB(multiple vehicle bus)用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法.该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型.实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.; 关键词多功能车辆总线故障诊断主动学习深度神经网络堆叠去噪自编码器; Keywords multiple vehicle bus fault diagnosis active learning deep neural network stacked denoising autoencoder; 分类号 U285.5 [交通运输工程—交通信息工程及控制]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	堆叠去噪自编码器在垃圾邮件过滤中的应用	李艳涛冯伟森	《计算机应用》 CSCD 北大核心	2015	13	在线阅读下载PDF 职称材料
2	基于堆叠去噪自编码器算法的穿墙人体检测(英文)	王为蒋羽王丹	《天津师范大学学报（自然科学版）》 CAS	2017	0	在线阅读下载PDF 职称材料
3	一种基于深度神经网络的无线定位方法	刘侃张伟张伟东张友梅顾建军	《计算机工程》 CAS CSCD 北大核心	2016	17	在线阅读下载PDF 职称材料
4	基于RFID传感器标签与深度学习的变压器状态监测方法研究	何怡刚汪涛施天成童晋	《电子测量与仪器学报》 CSCD 北大核心	2018	18	在线阅读下载PDF 职称材料
5	基于半监督深度网络的冷连轧轧制力预报	魏立新翟博豪赵志伟刘建朋孙浩	《塑性工程学报》 CAS CSCD 北大核心	2020	11	在线阅读下载PDF 职称材料
6	基于SDAE特征表示的协同主题回归推荐模型	谢国民张婷婷刘明屠乃威刘志邦	《计算机工程与科学》 CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
7	基于深度学习的EHA油滤堵塞和增压油箱漏气故障诊断方法	许昆明陈换过肖雪钱萍刘培君	《导弹与航天运载技术（中英文）》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
8	基于深度主动学习的MVB网络故障诊断方法	杨岳毅王立德王冲王慧珍李烨	《西南交通大学学报》 EI CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料