基于堆叠自动编码器的网络行为识别 被引量：4

1

作者 刘任熊 田由辉 张朝龙 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2019年第2期189-194,共6页

网络行为识别一直是网络安全中的研究热点,随着网络中数据量的海量增大以及数据的非线性等问题的影响,对于网络行为识别的特征提取和识别技术提出更高的要求。文章提出了一种基于堆叠自动编码器的网络行为识别方法,该方法通过构建堆叠... 网络行为识别一直是网络安全中的研究热点,随着网络中数据量的海量增大以及数据的非线性等问题的影响,对于网络行为识别的特征提取和识别技术提出更高的要求。文章提出了一种基于堆叠自动编码器的网络行为识别方法,该方法通过构建堆叠自动编码器和SOFTMAX分类器的深度学习框架,结合无监督的预训练和有监督的全局微调,优化堆叠自动编码器的特征提取性能,实现了网络行为特征的深度提取,从而对高校流量数据中上网行为进行分析识别。 展开更多

关键词 网络行为 识别 特征提取 深度学习 堆叠自动编码器

在线阅读 下载PDF 职称材料

基于堆叠自动编码器的输电线路故障选相方法 被引量：4

2

作者 张国星 吕飞鹏 《水电能源科学》 北大核心 2019年第6期173-177,共5页

针对人工神经网络(ANN)用于输电线路故障选相时收敛性差的问题,提出一种基于堆叠自动编码器(SAE)的故障选相方法,即先构建SAE深层架构模型,再将线路两端采集的故障电流、电压及相关序分量组成的综合电气量数据作为输入特征对SAE进行两... 针对人工神经网络(ANN)用于输电线路故障选相时收敛性差的问题,提出一种基于堆叠自动编码器(SAE)的故障选相方法,即先构建SAE深层架构模型,再将线路两端采集的故障电流、电压及相关序分量组成的综合电气量数据作为输入特征对SAE进行两阶段训练学习,该模型可充分提取输入量的高阶特征,能够对复杂故障数据进行较好地分类,进而得到精准的选相结果。仿真试验和现场实际故障数据的测试结果表明,该方法受故障位置、过渡电阻、系统电压及负荷水平等因素影响小,较人工神经网络(ANN)有更优的收敛性能和选相准确率。 展开更多

关键词 故障选相 深度学习 堆叠自动编码器 准确率 收敛性能

在线阅读 下载PDF 职称材料

优化堆叠降噪自动编码器滚动轴承故障诊断 被引量：22

3

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 职称材料

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

4

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 职称材料

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

5

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 职称材料

基于改进的TFIDF和压缩自动编码器文本分类研究 被引量：2

6

作者 靖慧 杨振宇 于敏 《齐鲁工业大学学报》 2017年第3期61-66,共6页

为了提高文本分类的分类效果和降低分类的错误率,本文将深度学习中的压缩自动编码器逐层叠加,提出基于改进的TFIDF和堆叠的压缩自动编码器SCAE(Stack Contractive Auto-Encoder)的文本分类思想,将SCAE构成深度神经网络,无监督的训练学... 为了提高文本分类的分类效果和降低分类的错误率,本文将深度学习中的压缩自动编码器逐层叠加,提出基于改进的TFIDF和堆叠的压缩自动编码器SCAE(Stack Contractive Auto-Encoder)的文本分类思想,将SCAE构成深度神经网络,无监督的训练学习文本,提高特征提取的鲁棒性,并使用反向传播算法优化网络中的参数,在计算特征词的权重时,采用本文改进的TFIDF方法。通过实验将CAE和SAE(稀疏自动编码器)进行比较,采用支持向量机(SVM)分类。实验表明,单层的CAE比单层的SAE的分类性能更好,堆叠压缩编码器学习比堆叠的稀疏编码器的分类性能同样要好。 展开更多

关键词 特征提取 压缩自动编码器 稀疏自动编码器 堆叠压缩自动编码器 SVM 文本分类

在线阅读 下载PDF 职称材料

基于深度学习的miRNA与疾病相关性预测算法 被引量：8

7

作者 王磊 徐涛 +4 位作者 宋传东 王海峰 尤著宏 宋克俭 闫欣 《电子学报》 EI CAS CSCD 北大核心 2020年第5期870-877,共8页

大量研究表明,microRNA(miRNA)在人类复杂疾病研究中发挥着重要作用.识别miRNA与疾病之间的关系对于提高复杂疾病的治疗水平具有重要意义.然而,传统实验方式常受限于小规模和高成本,因此迫切需要计算模拟的方式快速有效地预测miRNA-疾... 大量研究表明,microRNA(miRNA)在人类复杂疾病研究中发挥着重要作用.识别miRNA与疾病之间的关系对于提高复杂疾病的治疗水平具有重要意义.然而,传统实验方式常受限于小规模和高成本,因此迫切需要计算模拟的方式快速有效地预测miRNA-疾病间的潜在关系.本文通过结合深度学习的堆叠自动编码器算法与旋转森林分类器对miRNA-疾病间关系进行预测.该方法能够有效抽取出融合了疾病语义相似性、miRNA功能相似性和miRNA序列信息的高级特征并对其进行准确分类.在交叉验证实验中,该方法在HMDD v3.0数据集上取得90.30%的预测准确率.此外,我们还在人类复杂疾病乳腺肿瘤上做了案例研究.结果,模型预测得分最高的前30个疾病关联miRNA中28个得到了证实.这些优异的结果表明,该算法是一种有效预测miRNA-疾病关系的工具,能够为生物实验提供高可靠的疾病关联miRNA候选物. 展开更多

关键词 深度学习 miRNA-疾病关系 堆叠自动编码器 旋转森林

在线阅读 下载PDF 职称材料

多特征提取与深度学习关口计量装置异常事件识别方法 被引量：6

8

作者 徐严军 吴蒙 +4 位作者 白佳灵 丁熠辉 谢智 卢宏 肖先勇 《中国测试》 CAS 北大核心 2021年第5期104-111,共8页

针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法。通过... 针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法。通过分析不同计量异常事件反映出的数据异常形式,从不同维度提取14个特征,并将归一化后的特征作为深度学习模型的输入。在此基础上,通过无监督的预训练和有监督微调构建深度学习模型,自动学习得到输入特征与类别标签之间的非线性映射关系,构建出能识别关口计量装置异常事件的分类识别模型。通过某地区电网多个关口计量装置终端的数据对所提方法进行验证,结果证明所提方法能够准确识别出不同的异常事件,且具有良好的鲁棒性。 展开更多

关键词 关口计量装置 异常事件 特征提取 堆叠自动编码器 状态评价

在线阅读 下载PDF 职称材料

基于ISAE的磨煤机故障预测与诊断方法研究 被引量：10

9

作者 孙同敏 《煤炭工程》 北大核心 2021年第5期148-155,共8页

针对难以从火电厂实际运行数据中获得大量磨煤机故障数据,以及磨煤机精准数学模型难以求取,从而影响其故障诊断策略制定的问题,提出了一种基于简化机理模型的深度学习故障诊断算法,用于有效检测磨煤机的运行状态。基于磨煤机机理模型和... 针对难以从火电厂实际运行数据中获得大量磨煤机故障数据,以及磨煤机精准数学模型难以求取,从而影响其故障诊断策略制定的问题,提出了一种基于简化机理模型的深度学习故障诊断算法,用于有效检测磨煤机的运行状态。基于磨煤机机理模型和状态空间预测控制器,构建了闭合控制系统,通过对不同故障类型的分析和模拟,在充分接近磨煤机的实际运行状态下,获得了大量的故障数据。并通过改进堆叠自动编码器(ISAE)将模拟的故障数据与深度学习算法相结合来建立深度学习故障诊断策略,ISAE以无监督的方式逐层提取故障数据的本质特征,具有很好的学习和识别故障特征的能力,同时通过将磨煤机系统变化快速且显著的变量作为ISAE输入变量,使ISAE兼具了故障诊断和预测的能力。仿真结果也表明,提出的ISAE能够很好地检测出磨煤机的故障,故障诊断准确率高达98.46%,并能提前发出预警。 展开更多

关键词 磨煤机 机理模型 深度学习 故障诊断 改进堆叠自动编码器

在线阅读 下载PDF 职称材料

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

10

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 职称材料

用于高光谱变化检测的多径卷积网络算法 被引量：3

11

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 职称材料

镍基高温合金铣削刀具磨损预测 被引量：1

12

作者 杨莉 《计量学报》 CSCD 北大核心 2023年第12期1834-1841,共8页

搭建镍基高温合金铣削实验测试平台,分析刀具磨损变化规律,提出了一种基于堆叠稀疏自动编码器和多传感器特征融合的新型深度学习方法,用于铣削刀具磨损预测。在时域、频域和时频域中提取信号特征,并通过相关性分析确定最优的多传感器特... 搭建镍基高温合金铣削实验测试平台,分析刀具磨损变化规律,提出了一种基于堆叠稀疏自动编码器和多传感器特征融合的新型深度学习方法,用于铣削刀具磨损预测。在时域、频域和时频域中提取信号特征,并通过相关性分析确定最优的多传感器特征,输入堆叠稀疏自动编码器进行深度特征学习。利用双向长短时记忆网络建立刀具磨损预测模型,应用不同的铣削磨损实验数据集来验证训练模型的预测性能。预测结果表明,所提模型均方根误差与传统模型相比至少减小了9.6%,证明了多传感器特征融合和深度学习方法的结合可以提高预测性能。 展开更多

关键词 刀具磨损 镍基高温合金 堆叠稀疏自动编码器 多传感器融合 深度学习方法

在线阅读 下载PDF 职称材料

基于SDAE和GRUNN的行星齿轮故障识别 被引量：8

13

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 职称材料

基于集成SDAE和EEG的跨被试认知工作负荷识别 被引量：2

14

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 职称材料

基于SDAE的航空发动机燃油流量基线模型构建 被引量：8

15

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 职称材料