基于宽度卷积神经网络的水轮机空化状态识别方法

1

作者 刘忠 郑佳稳 +2 位作者 邹淑云 乔帅程 谢文婷 《动力工程学报》 北大核心 2025年第7期985-991,共7页

针对难以有效提取水轮机声发射(AE)信号故障特征,以及在训练过程中信号频谱故障分类不精确且耗时长的问题,建立了一种宽度卷积神经网络(BCNN)的水轮机空化状态识别方法。采用卷积神经网络(CNN)的卷积层和池化层代替宽度学习(BLS)的线性... 针对难以有效提取水轮机声发射(AE)信号故障特征,以及在训练过程中信号频谱故障分类不精确且耗时长的问题,建立了一种宽度卷积神经网络(BCNN)的水轮机空化状态识别方法。采用卷积神经网络(CNN)的卷积层和池化层代替宽度学习(BLS)的线性映射特征层,将得到的CNN特征节点作为增强层的输入,通过训练网络参数建立BCNN模型。利用BCNN模型对不同工况下的水轮机空化AE信号进行分类训练和测试。结果表明:所建立的BCNN模型能对水轮机4种空化状态进行准确快速的分类识别,其平均识别准确率达99.37%,平均耗时为44.16 s。 展开更多

关键词 水轮机 空化 声发射 宽度学习系统 卷积神经网络 状态识别

在线阅读 下载PDF 职称材料

基于堆叠卷积注意力的网络流量异常检测模型 被引量：15

2

作者 董卫宇 李海涛 +2 位作者 王瑞敏 任化娟 孙雪凯 《计算机工程》 CAS CSCD 北大核心 2022年第9期12-19,共8页

入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要... 入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要特征。针对上述问题,提出一种基于堆叠卷积注意力的DNN网络流量异常检测模型。通过堆叠多个以残差模块连接的注意力模块增加网络模型深度,同时在注意力模块中引入卷积神经网络、池化层、批归一化层和激活函数层,防止模型过拟合并提升模型性能,最后在DNN模型中得到输出向量。基于NSL-KDD数据集对模型性能进行评估,将数据集预处理生成二进制特征,采用多分类、二分类方式验证网络流量异常检测效果。实验结果表明,该模型性能优于KNN、SVM等机器学习模型和ANN、AlertNet等深度学习模型,其在多分类任务中识别准确率为0.807 6,较对比模型提高0.034 0~0.097 5,在二分类任务中准确率和F1分数为0.860 0和0.863 8,较对比模型提高0.013 0~0.098 8和0.030 6~0.112 8。 展开更多

关键词 网络流量异常检测 入侵检测系统 深度神经网络 堆叠卷积注意力 二进制特征

在线阅读 下载PDF 职称材料

基于深度堆叠卷积神经网络的图像融合 被引量：36

3

作者 蔺素珍 韩泽 《计算机学报》 EI CSCD 北大核心 2017年第11期2506-2518,共13页

该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为... 该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为高频和低频图像序列;其次,基于He K方法初始化其余层卷积核,获得与源图像尺寸相同的高频和低频重构图像各一幅,并将二者合成源图像的近似图像;再以源图像和近似图像像素值之差的平方和的均值为误差函数,进行反向传播训练形成基本神经单元;之后,将多个基本单元堆叠起来利用end-to-end的方式调整整个网络得到深度堆叠神经网络.然后,利用该堆叠网络分别分解测试图像对,得到各自的高频和低频图像,再基于局部方差取大和区域匹配度合并的规则分别融合高频和低频图像,并将高频融合图像和低频融合图像放回最后一层网络,得到最终的融合图像.实验结果表明:与基于双树复小波变换(Dual-Tree Complex Wavelet Transform,DTCWT)、非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的融合结果相比,用高斯拉普拉斯滤波器和高斯滤波器初始化的深度堆叠卷积神经网络融合效果主观效果好,客观指标最优个数为NSCT的3.3倍,运行时间为NSCT的30.3%和NSST的11.6%. 展开更多

关键词 图像融合 深度学习 卷积神经网络 堆叠自动编码 滤波器

在线阅读 下载PDF 职称材料

基于双线性卷积宽度网络的水稻病虫害识别 被引量：2

4

作者 孙杨俊 陈滔 刘志梁 《计算机应用》 CSCD 北大核心 2024年第S01期314-318,共5页

针对水稻病虫害数据集构建不够完善,现有方法对小样本数据集识别准确度低的问题,提出一种基于双线性卷积宽度网络(BCBN)的小样本水稻病虫害识别方法。所提方法利用双线性卷积神经网络(B-CNN)提取水稻病虫害图像的双线性特征,并通过宽度... 针对水稻病虫害数据集构建不够完善,现有方法对小样本数据集识别准确度低的问题,提出一种基于双线性卷积宽度网络(BCBN)的小样本水稻病虫害识别方法。所提方法利用双线性卷积神经网络(B-CNN)提取水稻病虫害图像的双线性特征,并通过宽度学习系统(BLS)算法增强双线性特征,从而提高模型的识别准确率。实验结果表明,BCBN在使用BLS增强双线性特征后,病虫害图像中的判别性特征得到了更高的权重占比,有效降低了模型的误分率,模型识别准确率达97.44%。所提方法在样本量较少时具有明显优势,能够满足真实场景下水稻病虫害分类检测的需求,为水稻病虫害识别技术提供了一种可行的思路。 展开更多

关键词 双线性卷积神经网络 宽度学习系统 特征增强 水稻病虫害 数据增强

在线阅读 下载PDF 职称材料

基于堆叠自动编码器的电力系统暂态稳定评估 被引量：83

5

作者 朱乔木 陈金富 +3 位作者 李弘毅 石东源 李银红 段献忠 《中国电机工程学报》 EI CSCD 北大核心 2018年第10期2937-2946,共10页

将深度学习的思想和模型引入电力系统暂态稳定评估研究中，提出一种基于堆叠自动编码器的电力系统暂态稳定评估方法。该方法无需人工计算形成输入特征，直接面向底层量测数据，通过深层架构建立量测数据与稳定类别之间的非线性映射关系... 将深度学习的思想和模型引入电力系统暂态稳定评估研究中，提出一种基于堆叠自动编码器的电力系统暂态稳定评估方法。该方法无需人工计算形成输入特征，直接面向底层量测数据，通过深层架构建立量测数据与稳定类别之间的非线性映射关系。采用一种“预训练一参数微调”的两阶段学习方法，同时引入稀疏化技术和Dropout技术对模型参数进行优化。训练后的模型能够依靠深层结构挖掘数据的隐藏模式，提取出有利于暂态稳定评估的高阶特征。此外，该方法能够通过大量无标注样本的无监督训练提高模型泛化能力，从而大大缩减训练样本时域仿真耗时。新英格兰10机39节点系统上的仿真结果表明所提方法比常规浅层评估方法的评估性能更加优越。 展开更多

关键词 深度学习 电力系统 暂态稳定评估 堆叠自动编码器 底层量测数据

在线阅读 下载PDF 职称材料

基于堆叠变分自动编码器的电力系统暂态稳定评估方法 被引量：17

6

作者 王怀远 陈启凡 《电力自动化设备》 EI CSCD 北大核心 2019年第12期134-139,共6页

通过模型的构建和特征量的提取2个方面,提出了一种具有较好抗噪能力的暂态稳定性判别模型。模型的构建采用堆叠变分自动编码器,并在训练过程中引入L2正则化,加强了稳定性判别模型的泛化能力。同时,特征量的提取时刻与传统方法不同,通过... 通过模型的构建和特征量的提取2个方面,提出了一种具有较好抗噪能力的暂态稳定性判别模型。模型的构建采用堆叠变分自动编码器,并在训练过程中引入L2正则化,加强了稳定性判别模型的泛化能力。同时,特征量的提取时刻与传统方法不同,通过设定所有发电机最大功角差值的阈值,当系统发展至该阈值时,进行特征量的提取。在IEEE 39节点系统中进行仿真验证,仿真结果表明,采用上述特征量提取方法,大幅降低了稳定性判别模型的误判率,同时设定合理的阈值并不会影响实时控制措施的启动,加强了模型的抗噪能力。 展开更多

关键词 深度学习 堆叠变分自动编码器 暂态分析 稳定性 抗噪能力 特征量 电力系统

在线阅读 下载PDF 职称材料

自适应类增量学习的物联网入侵检测系统 被引量：7

7

作者 刘强 张颖 +3 位作者 周卫祥 蒋先涛 周薇娜 周谋国 《计算机工程》 CAS CSCD 北大核心 2023年第2期169-174,共6页

传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器(SSAE)和自组织增量神经网络(SOINN)的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合... 传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器(SSAE)和自组织增量神经网络(SOINN)的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合流量特征空间分布的拓扑结构。当出现新类别训练样本的特征时,SOINN自适应地生成新节点以建立新的局部拓扑结构。为了保留SSAE在旧类别样本上的知识,对SOINN已有的拓扑结构施加约束,通过误差反向传递间接约束SSAE权重的变化。针对SOINN在新类别上产生的新局部拓扑结构进行自适应聚合和优化,从而实现新类别样本学习。实验结果表明,该方法能基于新类别数据对模型进行增量训练而无需历史类别数据,在CIC-IDS2017数据集的动态数据流中能有效检测新类别攻击同时缓解旧类别数据中存在的灾难性遗忘问题,在初始已知数据集上的准确率达到98.15%,完成3个阶段的类别增量学习后整体准确率仍能达到57.34%,优于KNN-SVM、mCNN等增量学习方法。 展开更多

关键词 入侵检测系统 堆叠稀疏自编码器 自组织增量神经网络 增量学习 知识保留

在线阅读 下载PDF 职称材料

基于多通道一维卷积神经网络特征学习的齿轮箱故障诊断方法 被引量：41

8

作者 叶壮 余建波 《振动与冲击》 EI CSCD 北大核心 2020年第20期55-66,共12页

为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition... 为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对信号进行处理,得到多通道一维信号;构建MC-1DCNN模型,对多通道一维信号进行特征提取。在MC-1DCNN的全连接层后接堆叠降噪自编码器(Stacked Denoised Autoencoder,SDAE)层,进一步进行维度缩减和特征提取并实现特征分类。通过某型号齿轮箱故障诊断实验对所提方法进行验证,实验结果表明,所提方法的特征提取能力和故障诊断效果显著优于典型的深度学习方法和机器学习分类器。 展开更多

关键词 齿轮箱故障诊断 多通道信号 卷积神经网络 堆叠降噪自编码器 特征学习

在线阅读 下载PDF 职称材料

基于光流优化的堆叠Unet背景建模神经网络

9

作者 陶冶 凌志浩 《计算机应用研究》 CSCD 北大核心 2020年第9期2861-2865,共5页

针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景建模算法(改进的BM-Unet算法)。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域,以此优化网络训练集和损失函数,从而有效... 针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景建模算法(改进的BM-Unet算法)。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域,以此优化网络训练集和损失函数,从而有效提高了该算法在复杂前景情况和前景停留情况下的适应性;在此基础上,为进一步提高背景生成的精确度,又提出了一种堆叠Unet网络架构BM-SUnet(background modelling stacked Unet)。在SBMnet数据集上与现有算法在可视化效果和评估参数两方面的比较结果表明,所提算法在复杂前景和间歇运动前景情况下建模准确性好且鲁棒性高的结论。 展开更多

关键词 非监督学习 卷积神经网络 背景建模 堆叠Unet 复杂前景 间歇运动前景

在线阅读 下载PDF 职称材料

深度学习方法研究新进展 被引量：30

10

作者 刘帅师 程曦 +1 位作者 郭文燕 陈奇 《智能系统学报》 CSCD 北大核心 2016年第5期567-577,共11页

本文依据模型结构对深度学习进行了归纳和总结,描述了不同模型的结构和特点。首先介绍了深度学习的概念及意义,然后介绍了4种典型模型:卷积神经网络、深度信念网络、深度玻尔兹曼机和堆叠自动编码器,并对近3年深度学习在语音处理、计算... 本文依据模型结构对深度学习进行了归纳和总结,描述了不同模型的结构和特点。首先介绍了深度学习的概念及意义,然后介绍了4种典型模型:卷积神经网络、深度信念网络、深度玻尔兹曼机和堆叠自动编码器,并对近3年深度学习在语音处理、计算机视觉、自然语言处理以及医疗应用等方面的应用现状进行介绍,最后对现有深度学习模型进行了总结,并且讨论了未来所面临的挑战。 展开更多

关键词 深度学习 卷积神经网络 深度信念网络 深度玻尔兹曼机 堆叠自动编码器

在线阅读 下载PDF 职称材料

深度学习的研究进展与发展 被引量：51

11

作者 史加荣 马媛媛 《计算机工程与应用》 CSCD 北大核心 2018年第10期1-10,共10页

深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结... 深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结构、原理和优缺点进行了详细探讨。讨论卷积神经网络、循环神经网络和深度堆叠网络等监督学习模型,分别从模型架构和工作原理来评价与分析。对深度学习的典型模型进行对比分析,将深度置信网络和卷积神经网络应用在手写体数字识别任务中,结果证实深度学习比传统的神经网络具有更好的识别性能。最后探讨深度学习未来的发展与挑战。 展开更多

关键词 深度学习 卷积神经网络 深度置信网络 自编码器 循环神经网络 深度堆叠网络

在线阅读 下载PDF 职称材料

基于深度学习直流闭锁判断的高风险连锁故障快速搜索 被引量：18

12

作者 朱元振 刘玉田 《电力系统自动化》 EI CSCD 北大核心 2019年第22期59-66,共8页

大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作... 大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作为输入,利用堆叠降噪自动编码器(SDAE)提取输入的高阶特征,可以快速判断交流故障是否导致直流闭锁。根据交流故障后正常线路的负载率情况衡量该故障的影响程度,进而得到线路停运风险;搜索过程中采用深度优先策略,以高停运风险为搜索方向,优先获取故障概率较高的交直流连锁故障。实际电网仿真结果表明,所提方法能够快速给出高风险交直流连锁故障的传播路径和故障概率,可用于在线安全预警和防控决策。 展开更多

关键词 交直流系统 连锁故障 深度学习 堆叠降噪自动编码器 直流闭锁

在线阅读 下载PDF 职称材料

基于CNN与BLS的滚动轴承故障诊断方法 被引量：2

13

作者 官源林 刘贵林 +2 位作者 于春雨 杨熙鑫 井陆阳 《振动．测试与诊断》 EI CSCD 北大核心 2024年第5期1017-1022,1044,共7页

针对传统滚动轴承故障诊断方法训练时间长和效率低的问题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和宽度学习系统(broad learning system,简称BLS)的故障诊断方法,实现了端到端的快速准确模式识别。首先,建立... 针对传统滚动轴承故障诊断方法训练时间长和效率低的问题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和宽度学习系统(broad learning system,简称BLS)的故障诊断方法,实现了端到端的快速准确模式识别。首先,建立CNN与BLS结合的宽度卷积学习系统(broad convolutional learning system,简称BCLS),利用CNN提取信号特征和BLS进行分类,获得系统输出;其次,通过残差学习增加BLS层数,形成堆叠宽度卷积学习系统(stacked broad convolutional learning system,简称SBCLS),优化预测输出与真实标签的误差,对轴承故障模式进行识别;最后,通过试验将所提方法与3种BLS方法的预测结果进行了比较验证。结果表明,与几种常见故障诊断方法相比,所提方法诊断效果更佳,具有更高的准确率和训练效率,在边缘端的智能故障诊断中具有较好的应用前景。 展开更多

关键词 堆叠宽度卷积学习系统 卷积神经网络 故障诊断 滚动轴承

在线阅读 下载PDF 职称材料

多传感器信息融合的轴承故障迁移诊断方法 被引量：4

14

作者 包从望 江伟 +1 位作者 张彩红 周大帅 《机电工程》 CAS 北大核心 2024年第5期878-885,共8页

在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合... 在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合传感器的通道数,构建了堆叠卷积神经网络(MCNNs)提取各个通道的故障特征;然后,在MCNNs中引入最小绝对收缩与选择算子(Lasso),并通过网络反向传播完成了特征权值的更新,从而获得了多通道特征的融合;最后,利用源域数据对模型进行了训练,提取了故障特征,并完成了特征融合,采用损失函数完成了模型参数的优化,将源域训练得到的模型结果作为目标域的初始模型,利用目标域样本对初始模型的参数进行了微调,从而完成了模型迁移;并进行了信息融合效果、方法对比以及传感器信息采集属性的性能实验。研究结果表明:传感器的安装位置对信息融合影响较大,MCNNs+Lasso方法具有较好的特征融合效果,平均迁移诊断精度为99.03%,部分精度可达99.97%,在多个变工况的迁移任务中表现出较高迁移精度和良好的泛化性能。 展开更多

关键词 滚动轴承 故障诊断 多传感器信息融合 堆叠卷积神经网络 最小绝对收缩与选择算子 迁移学习

在线阅读 下载PDF 职称材料

考虑惯量中心频率偏移的自编码器暂态稳定评估 被引量：15

15

作者 赵冬梅 王闯 +1 位作者 谢家康 马泰屹 《电网技术》 EI CSCD 北大核心 2022年第2期662-670,共9页

针对传统深度学习方法评估电力系统暂态稳定时没有考虑电力系统物理特性的问题,提出一种考虑系统惯量中心频率偏移量的电力系统暂态稳定评估方法。通过计算电力系统故障后的惯量中心频率偏移量,将样本进行分类,分别用堆叠稀疏自编码器... 针对传统深度学习方法评估电力系统暂态稳定时没有考虑电力系统物理特性的问题,提出一种考虑系统惯量中心频率偏移量的电力系统暂态稳定评估方法。通过计算电力系统故障后的惯量中心频率偏移量,将样本进行分类,分别用堆叠稀疏自编码器进行训练。当系统网架结构发生改变时,采用迁移成分分析法结合惯量中心频率偏移量对分类器进行更新。通过新英格兰10机39节点系统上的仿真结果表明所提方法比传统深度学习方法及迁移学习方法精度更高、泛化性能更强。当部分同步向量测量单元缺失以及数据中含有噪声时也能取得很好的效果。 展开更多

关键词 深度学习 电力系统 惯量中心频率 暂态稳定 堆叠稀疏自编码器

在线阅读 下载PDF 职称材料

基于CNN的雷达目标分类识别技术研究 被引量：5

16

作者 陈海峰 冯源 《现代雷达》 CSCD 北大核心 2022年第4期38-43,共6页

现有的识别方法对新的数据需要重新进行训练,不利于模型速度和在线功能的实现。文中提出一种宽度的卷积神经网络(BCNN),该模型由于具有“宽度”的网络结构,可以通过利用新生成的附加特征,提高BCNN模型的识别性能;此外,BCNN模型还能够利... 现有的识别方法对新的数据需要重新进行训练,不利于模型速度和在线功能的实现。文中提出一种宽度的卷积神经网络(BCNN),该模型由于具有“宽度”的网络结构,可以通过利用新生成的附加特征,提高BCNN模型的识别性能;此外,BCNN模型还能够利用新的训练数据进行自身的更新,从而具有增量学习能力。实验结果表明,该方法能更好地提取数据的特征,而且比常规的CNN的识别精度提高8%以上,所提模型还可以利用新的数据进行在线更新,从而具有更强的实用性和鲁棒性。 展开更多

关键词 宽度学习系统 卷积神经网络 雷达目标分类识别 增量学习

在线阅读 下载PDF 职称材料

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测 被引量：1

17

作者 聂磊 蔡文涛 +3 位作者 张吕凡 徐诗奕 吴柔慧 任一竹 《航空发动机》 北大核心 2023年第4期134-139,共6页

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-... 为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-双向门控循环单元(1D-CNN-BGRU)方法捕捉HI序列中的空间和时间特征,并引入自注意(SA)机制对捕捉的特征分配权重,使用全连接层输出涡扇发动机剩余使用寿命(RUL),以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结果表明:利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机维修保障及健康管理提供有效决策支撑。 展开更多

关键词 剩余使用寿命 堆叠自编码网络 1维卷积神经网络 双向门控循环单元 涡扇发动机 智能运维 深度学习

在线阅读 下载PDF 职称材料

一种面向多模态手术轨迹的快速无监督分割方法 被引量：1

18

作者 邵振洲 赵红发 +3 位作者 渠瀛 施智平 关永 袁慧梅 《小型微型计算机系统》 CSCD 北大核心 2018年第10期2296-2302,共7页

基于视频和机器人运动学数据的多模态手术轨迹分割是机器人辅助微创手术中的一类基本任务,用于生成低复杂度的子任务进行学习和技能评估等.然而由于手术视频的高维特征空间,传统的特征提取方法存在效率低下、难以提取有效特征的缺陷.此... 基于视频和机器人运动学数据的多模态手术轨迹分割是机器人辅助微创手术中的一类基本任务,用于生成低复杂度的子任务进行学习和技能评估等.然而由于手术视频的高维特征空间,传统的特征提取方法存在效率低下、难以提取有效特征的缺陷.此外,传统轨迹分割方法未对运动学轨迹进行去噪处理,分割结果易受噪声影响.为此,本文提出了一种基于手术视频和机器人运动学数据的快速手术轨迹无监督分割方法.一方面,采用堆叠卷积自编码器方法对手术视频进行无监督的低维特征提取,提高特征提取的效率;另一方面,利用小波变换对手术运动学轨迹进行多尺度去噪处理,平滑短程轨迹,减少噪声对分割结果的影响.最后,采用非参混合模型实现手术轨迹的分割.实验表明,本文提出的手术轨迹分割方法能够在保证准确性的前提下,基于视觉和运动学特征的分割速度相较于基于深度学习转移状态聚类(TSC-DL)提高了10倍. 展开更多

关键词 机器人辅助微创手术 轨迹分割 堆叠卷积自编码 小波平滑 深度学习

在线阅读 下载PDF 职称材料

基于数据增强与流数据处理的Tor流量分析模型 被引量：2

19

作者 席荣康 蔡满春 芦天亮 《计算机工程》 CAS CSCD 北大核心 2023年第3期177-184,共8页

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 P... 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。 展开更多

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

在线阅读 下载PDF 职称材料