检索结果-维普期刊中文期刊服务平台

基于改进堆叠自动编码机的垃圾邮件分类被引量：7: 1; 作者沈承恩何军邓扬《计算机应用》 CSCD 北大核心 2016年第1期158-162,193,共6页; 针对堆叠自动编码机（SA）容易产生过拟合而降低垃圾邮件分类精度的问题,提出了一种基于动态dropout的改进堆叠自动编码机方法。首先分析了垃圾邮件分类问题的特殊性,将dropout算法引入到堆叠自动编码机算法中;同时,根据传统dropout算... 展开更多; 关键词深度学习堆叠自动编码机 DROPOUT 支持向量机垃圾邮件分类; 在线阅读下载PDF 职称材料

基于深度学习的Wi-Fi与iBeacon融合的室内定位方法被引量：12: 2; 作者薛伟陈璟张熠《计算机工程与应用》 CSCD 北大核心 2019年第1期29-34,46,共7页; 针对传统室内定位指纹法存在定位精度低、容易受到环境影响的问题,提出了一种基于深度学习的Wi-Fi与iBeacon融合的室内定位方法。离线阶段在参考点处采集各个AP和iBeacon的信号强度,使用这些信号强度数据对堆叠自动编码机进行训练并从... 展开更多; 关键词室内定位深度学习堆叠自动编码机近邻算法 iBeacon WI-FI; 在线阅读下载PDF 职称材料

PCA-SAE的齿轮箱故障诊断方法研究被引量：9: 3; 作者马芸婷张超王宇晨《机械设计与制造》北大核心 2022年第3期144-147,152,共5页; 针对因长时间的信号采集使得振动信号面临数据量大的问题。传统的信号分析方法,已无法解决大数据情况下故障的特征提取与分类,同时采集到的数据样本具有多维度多样本的情况,导致训练网络时在前期导入数据阶段耗费大量时间与硬件的内存,... 展开更多; 关键词故障诊断主成成分分析深度学习堆叠自动编码机网络; 在线阅读下载PDF 职称材料

一种基于两阶段深度学习的集成推荐模型被引量：12: 4; 作者王瑞琴吴宗大 +1 位作者蒋云良楼俊钢《计算机研究与发展》 EI CSCD 北大核心 2019年第8期1661-1669,共9页; 近年来,深度学习技术被广泛应用于推荐系统领域并获得了很大的成功,然而深度学习模型的输入质量对学习结果具有很大影响,稀疏的输入特征向量不仅会增加后续模型训练的难度,而且容易导致学习结果落入局部最优.提出一个基于两阶段深度学... 展开更多; 关键词深度学习边缘化堆叠去噪自动编码机深度神经网络特征提取; 在线阅读下载PDF 职称材料

题名基于改进堆叠自动编码机的垃圾邮件分类被引量：7: 1; 作者沈承恩何军邓扬; 机构四川大学计算机学院; 出处《计算机应用》 CSCD 北大核心 2016年第1期158-162,193,共6页; 基金国家科技重大专项(2015ZX01040101-002) 国家自然科学基金资助项目(91338107)~~; 文摘针对堆叠自动编码机（SA）容易产生过拟合而降低垃圾邮件分类精度的问题,提出了一种基于动态dropout的改进堆叠自动编码机方法。首先分析了垃圾邮件分类问题的特殊性,将dropout算法引入到堆叠自动编码机算法中;同时,根据传统dropout算法容易使部分节点长期处于熄火状态的缺陷,提出了一种动态dropout改进算法,使用动态函数将传统静态熄火率修改为随着迭代次数逐渐减小的动态熄火率;最后,利用动态dropout算法改进堆叠自动编码机的预训练模型。仿真结果表明,相比支持向量机（SVM）和反向传播（BP）神经网络,改进的堆叠自动编码机平均准确率达到了97.66%,各个数据集上马修斯系数都大于89%;与传统堆叠自动编码机相比,改进的堆叠自动编码机的马修斯系数在Error1-6数据集上分别提高了3.27%、1.68%、2.16%、1.51%、1.58%、1.07%。实验结果表明,基于动态dropout算法的改进堆叠自动编码机具有更高的分类精度和更好的稳定性。; 关键词深度学习堆叠自动编码机 DROPOUT 支持向量机垃圾邮件分类; Keywords deep learning Stack Auto-encoder（SA） dropout Support Vector Machine（SVM） spam classification; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于深度学习的Wi-Fi与iBeacon融合的室内定位方法被引量：12: 2; 作者薛伟陈璟张熠; 机构江南大学物联网工程学院江南大学物联网技术应用教育部工程研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2019年第1期29-34,46,共7页; 基金江苏省青年科学基金(No.BK20150159) 江苏省研究生科研与实践创新计划项目(No.SJCX17_0509); 文摘针对传统室内定位指纹法存在定位精度低、容易受到环境影响的问题,提出了一种基于深度学习的Wi-Fi与iBeacon融合的室内定位方法。离线阶段在参考点处采集各个AP和iBeacon的信号强度,使用这些信号强度数据对堆叠自动编码机进行训练并从大量带有噪声的信号强度样本中提取特征,构建位置指纹数据库;在线定位阶段,使用堆叠自动编码机获得待测点信号强度特征并与位置指纹数据库中信号强度特征进行匹配,通过近邻算法估计待测点位置。实验结果表明,基于堆叠自动编码机的室内定位算法具有更高的定位精度。; 关键词室内定位深度学习堆叠自动编码机近邻算法 iBeacon WI-FI; Keywords indoor localization deep learning stacked auto-encoder nearest neighbor algorithm iBeacon Wi-Fi; 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PCA-SAE的齿轮箱故障诊断方法研究被引量：9: 3; 作者马芸婷张超王宇晨; 机构内蒙古包钢钢联股份有限公司轨梁轧钢厂内蒙古科技大学机械工程学院内蒙古北方重工业集团有限公司技术中心产品研究院; 出处《机械设计与制造》北大核心 2022年第3期144-147,152,共5页; 基金国家自然科学基金(51565046)于噪声参数最优ELMD方法多特征融合的风电机组齿轮箱状态监测关键技术研究内蒙古自治区科技计划项目(2018KG007)协整分析下基于大数据的风电机组齿轮箱故障诊断与性能预测。; 文摘针对因长时间的信号采集使得振动信号面临数据量大的问题。传统的信号分析方法,已无法解决大数据情况下故障的特征提取与分类,同时采集到的数据样本具有多维度多样本的情况,导致训练网络时在前期导入数据阶段耗费大量时间与硬件的内存,并且会导致网络训练中产生过拟合现象,影响分类准确率。针对以上问题本文提出基于主成分分析与堆叠自动编码机相结合的齿轮故障诊断研究,以实现对齿轮振动信号快速准确的特征提取与分类。首先对原始信号进行主成分析,得到各主成分贡献率,其次,选取主成分贡献率高的前几列作为深度学习网络输入样本。最后深度学习网络即堆叠自动编码机网络对训练数据集进行学习提取数据中的特征并应用测试数据集部分进行分类并计算分类的准确率。最终,实验中将所提深度学习方法与传统的特征提取方法和分类方法进行比较最终识别精度进行比较。实验结果表明本文所提方法最终可以达到98.6%的准确率,实现端到端的故障诊断方法,可以很好的应用于故障诊断领域。; 关键词故障诊断主成成分分析深度学习堆叠自动编码机网络; Keywords Fault Diagnosis PCA Deep Learning SAE; 分类号 TH16 [机械工程—机械制造及自动化] TP260 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名一种基于两阶段深度学习的集成推荐模型被引量：12: 4; 作者王瑞琴吴宗大蒋云良楼俊钢; 机构湖州师范学院信息工程学院温州大学瓯江学院; 出处《计算机研究与发展》 EI CSCD 北大核心 2019年第8期1661-1669,共9页; 基金教育部人文社科规划基金项目(19YJA870013) 国家自然科学基金项目(61403338) 浙江省科技计划重点研发项目(2017C03047)~~; 文摘近年来,深度学习技术被广泛应用于推荐系统领域并获得了很大的成功,然而深度学习模型的输入质量对学习结果具有很大影响,稀疏的输入特征向量不仅会增加后续模型训练的难度,而且容易导致学习结果落入局部最优.提出一个基于两阶段深度学习的集成推荐模型:首先,利用具有封闭式参数计算能力的边缘化堆叠去噪自动编码机进行用户和项目高层抽象特征的提取;然后,将得到的用户抽象特征和项目抽象特征进行连接并作为深度神经网络模型的输入向量,通过联合训练的方式进行参数学习和模型优化.此外,为了对低阶特征交互进行建模,推荐模型中还集成了基于原始特征向量的逻辑回归模型.在通用数据集上的大量对比实验研究表明:与当前流行的深度学习推荐方法相比,该方法在推荐精度和召回率方面都有所改善,甚至是在数据稀疏和冷启动的环境下.; 关键词深度学习边缘化堆叠去噪自动编码机深度神经网络特征提取; Keywords deep learning marginalized stacked denoising auto-encoder deep neural network (DNN) feature extraction; 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	作者	出处	发文年	被引量	操作
1	基于改进堆叠自动编码机的垃圾邮件分类	沈承恩何军邓扬	《计算机应用》 CSCD 北大核心	2016	7	在线阅读下载PDF 职称材料
2	基于深度学习的Wi-Fi与iBeacon融合的室内定位方法	薛伟陈璟张熠	《计算机工程与应用》 CSCD 北大核心	2019	12	在线阅读下载PDF 职称材料
3	PCA-SAE的齿轮箱故障诊断方法研究	马芸婷张超王宇晨	《机械设计与制造》北大核心	2022	9	在线阅读下载PDF 职称材料
4	一种基于两阶段深度学习的集成推荐模型	王瑞琴吴宗大蒋云良楼俊钢	《计算机研究与发展》 EI CSCD 北大核心	2019	12	在线阅读下载PDF 职称材料