期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
优化堆叠降噪自编码器用于调度操作票自动校验
1
作者 区伟健 徐策 +2 位作者 曾传凯 蒋宗祺 乐庆丰 《核电子学与探测技术》 CAS 北大核心 2024年第2期356-361,共6页
为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验... 为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验。实验结果表明,所提方法的操作票校验评估综合指标可达94.88%,是几种方法中最高的,具有一定的优势。 展开更多
关键词 堆叠降噪自编码器 金豺狼优化算法 操作票 自动校验
在线阅读 下载PDF
优化堆叠降噪自动编码器滚动轴承故障诊断 被引量：22
2
作者 余萍 曹洁 《太阳能学报》 EI CAS CSCD 北大核心 2021年第11期307-314,共8页
针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状... 针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状态的特征表示,最后输入到Softmax分类层进行故障检测,并确定故障类别。通过变工况下滚动轴承故障诊断仿真实验验证,该文所提出的ATLA-SDAE诊断方法在泛化性能、故障识别率等方面均优于BP神经网络、支持向量机(SVM)以及卷积神经网络(CNN)方法,能够从海量数据中自适应地提取更深层次的故障特征,可避免手动设计和提取故障特征的繁琐过程,更有利于提高故障分类的精度和诊断效率。 展开更多
关键词 风电机组 堆叠降噪自动编码器 超参数 人工变性天牛算法 故障诊断 滚动轴承
在线阅读 下载PDF
基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制 被引量：2
3
作者 王亚伦 周涛 +2 位作者 陈中 王毅 权浩 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第11期1477-1491,共15页
风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的... 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参数,提升网络全局最优参数;最后,应用SDAE-DNN联合方法实现扰动事件后风电调频的逐步惯性在线控制.在IEEE 30节点测试系统中分别对单台风力机和风电场进行仿真分析,与传统方法、浅层反向传播神经网络及原始DNN所得结果对比发现,所提网络结构具有更优的预测精度和泛化能力,该方法能够实现良好的逐步惯性调频效果. 展开更多
关键词 逐步惯性控制 二次频率跌落 麻雀搜索算法 堆叠式降噪自动编码器 深度神经网络
在线阅读 下载PDF
基于压缩感知和堆叠降噪自动编码器的配电网扰动事件智能溯源方法 被引量：1
4
作者 杨雪 刘继春 《水电能源科学》 北大核心 2022年第2期201-205,共5页
鉴于配电网扰动事件的溯源分析有利于准确了解扰动原因、保障电力系统的安全稳定运行,提出了一种基于压缩感知和堆叠降噪自动编码器的配电网扰动事件智能溯源方法,首先利用压缩感知方法将添加了噪声的原始数据映射到压缩域,在保留扰动... 鉴于配电网扰动事件的溯源分析有利于准确了解扰动原因、保障电力系统的安全稳定运行,提出了一种基于压缩感知和堆叠降噪自动编码器的配电网扰动事件智能溯源方法,首先利用压缩感知方法将添加了噪声的原始数据映射到压缩域,在保留扰动特征的同时提高了分析效率;然后将压缩采样数据作为堆叠降噪自动编码器的输入,通过堆叠降噪自动编码器的特征自学习能力,学习得到扰动数据中的鲁棒性特征,实现特征与不同配电网扰动事件的关联,构造扰动事件智能溯源模型。通过PSCAD/EMTDC中搭建的IEEE 14节点模型获得的仿真数据进行验证,表明所提方法能准确溯源配电网扰动事件。 展开更多
关键词 压缩感知 配电网扰动 堆叠降噪自动编码器 智能溯源
在线阅读 下载PDF
基于SDAE和GRUNN的行星齿轮故障识别 被引量：8
5
作者 于军 高莲莲 +2 位作者 于广滨 刘可 郭振宇 《振动与冲击》 EI CSCD 北大核心 2021年第2期156-163,共8页
针对噪声环境和时变转速工况下行星齿轮故障识别率低的问题,提出一种基于堆叠消噪自动编码器(SDAE)和门控循环单元神经网络(GRUNN)的行星齿轮故障识别方法。构建基于SDAE和GRUNN的混合模型,处理前后关联的时序数据,自动地从含噪样本中... 针对噪声环境和时变转速工况下行星齿轮故障识别率低的问题,提出一种基于堆叠消噪自动编码器(SDAE)和门控循环单元神经网络(GRUNN)的行星齿轮故障识别方法。构建基于SDAE和GRUNN的混合模型,处理前后关联的时序数据,自动地从含噪样本中提取鲁棒故障特征;将行星齿轮故障诊断的训练样本看作该混合模型的输入数据,采用Adam优化算法和dropout技术训练该混合模型,实现多参数的优化,防止过拟合现象的发生;根据训练后的混合模型,利用softmax分类器识别待诊样本中行星齿轮的状态。通过行星齿轮的故障识别实验验证该方法的有效性,实验结果表明该方法具有较强的抗噪能力和时变转速适应能力。 展开更多
关键词 行星齿轮 故障识别 噪声环境 时变转速 堆叠消噪自动编码器(sdae) 门控循环单元神经网络(GRUNN)
在线阅读 下载PDF
基于集成SDAE和EEG的跨被试认知工作负荷识别 被引量：2
6
作者 郑展鹏 尹钟 《电子科技》 2021年第3期48-52,59,共6页
基于脑电信号评估人机系统中操作员认知工作负荷状态,可以有效阻止操作员工作性能下降。文中提出一种跨被试认知工作负荷分类器E-SDAE,以适应被试间脑电特征分布的变化。该算法包括高水平个性化特征抽象和决策融合两个模块。特征滤波器... 基于脑电信号评估人机系统中操作员认知工作负荷状态,可以有效阻止操作员工作性能下降。文中提出一种跨被试认知工作负荷分类器E-SDAE,以适应被试间脑电特征分布的变化。该算法包括高水平个性化特征抽象和决策融合两个模块。特征滤波器利用基学习器SDAE来抽象一组被试的脑电特征。监督分类器利用超限学习机的随机性来融合经Q-statistics处理后得到的滤波脑电抽象。任务1和任务2分别取得0.6353和0.6747的分类率,并且显著优于一些传统的认知工作负荷评估器。时间复杂度计算结果表明,E-SDAE的计算负荷对于高维脑电特征是可接受的。 展开更多
关键词 认知工作负荷 堆叠去噪自动编码器 超限学习机 人机系统 脑电图 集成学习
在线阅读 下载PDF
基于SDAE的航空发动机燃油流量基线模型构建 被引量：8
7
作者 黄曦 卿新林 +2 位作者 王奕首 殷锴 赵奇 《航空发动机》 北大核心 2019年第2期29-33,共5页
为克服传统的基线模型算法(如BP神经网络算法)存在的泛化能力不高、鲁棒性差且容易陷入局部最优解等缺点,构建了基于堆叠降噪自动编码器(SDAE)的航空发动机燃油流量基线模型,利用民航发动机的真实飞行数据对基线模型进行训练与验证,并... 为克服传统的基线模型算法(如BP神经网络算法)存在的泛化能力不高、鲁棒性差且容易陷入局部最优解等缺点,构建了基于堆叠降噪自动编码器(SDAE)的航空发动机燃油流量基线模型,利用民航发动机的真实飞行数据对基线模型进行训练与验证,并与基于BP神经网络的基线模型进行对比分析。结果表明:基于SDAE的燃油流量基线模型具有更高的精度和更强的鲁棒性。 展开更多
关键词 燃油流量 实时监控 堆叠降噪自动编码器 基线模型 航空发动机
在线阅读 下载PDF
基于深度学习的移动应用众包测试智能推荐算法 被引量：6
8
作者 成静 王威 帅正义 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第5期1049-1056,共8页
随着移动应用功能日趋复杂,众包测试对测试人员的专业技能提出更高要求。因此,如何高效匹配测试任务需求与测试人员技能水平,实现精准的众包测试任务推荐是保证测试质量的重要因素。提出一种基于深度学习的移动应用众包测试任务推荐算... 随着移动应用功能日趋复杂,众包测试对测试人员的专业技能提出更高要求。因此,如何高效匹配测试任务需求与测试人员技能水平,实现精准的众包测试任务推荐是保证测试质量的重要因素。提出一种基于深度学习的移动应用众包测试任务推荐算法。针对测试任务和测试人员进行特征分析,分别设计特征体系;将得到的特征数据作为堆叠式边缘降噪自动编码器(stacked marginalized denoising autoencoder,SMDA)输入数据,将SMDA学习到的深层特征数据结合作为深度神经网络(deep neural networks,DNN)的输入;利用DNN的学习能力进行预测。实验结果表明:所提算法相较于CDL和AutoSVD++等算法无论是性能还是训练时间都有明显优势,验证了算法的有效性。所提算法可以将测试任务推荐给适合的测试人员并提高了推荐算法的精细度。 展开更多
关键词 深度学习 堆叠边缘降噪自动编码器 词向量 推荐算法
在线阅读 下载PDF
用于高光谱变化检测的多径卷积网络算法 被引量：3
9
作者 赵春晖 张锦林 +1 位作者 宿南 闫奕名 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第9期1398-1404,共7页
针对如何有效利用高光谱图像中的光谱信息和空间信息进行变化检测的问题,本文提出了一种基于堆叠降噪自动编码器并融合空间信息的多路径卷积网络的高光谱遥感图像变化检测方法。针对高光谱图像信息冗余的问题,使用训练堆叠降噪自动编码... 针对如何有效利用高光谱图像中的光谱信息和空间信息进行变化检测的问题,本文提出了一种基于堆叠降噪自动编码器并融合空间信息的多路径卷积网络的高光谱遥感图像变化检测方法。针对高光谱图像信息冗余的问题,使用训练堆叠降噪自动编码器将高光谱数据进行降维。为了得到2幅图像间的差异信息,使用光谱角来表征对应像素间的变化关系。为了利用遥感图像中的空间信息,使用光谱角矩阵中切比雪夫距离小于等于3的区域来进行空间信息的提取,构建一个融合了空间信息的多路径卷积神经网络,并通过该网络得到变化检测结果。在3个高光谱变化检测数据集上进行实验,实验结果表明该方法的总体误差低、准确率高和Kappa系数高,证明了该方法的有效性。 展开更多
关键词 变化检测 高光谱遥感图像 堆叠降噪自动编码器 光谱角 空间信息 多路径卷积网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部