-
题名基于批量标准化算法的园区综合能源调度方法
被引量：2
- 1
-
-
作者
唐冬来
朱海萍
何鹏
刘玉民
陈瑞
-
机构
四川中电启明星信息技术有限公司
重庆邮电大学通信与信息工程学院
国网信息通信产业集团有限公司
-
出处
《广东电力》
2021年第10期34-42,共9页
-
基金
四川省科技计划项目(2016GZ0143)。
-
文摘
水、电、气、热等多种能源的耦合损耗给园区综合能源调度优化工作带来了极大的挑战,能源互联网多类型、高频度的量测技术可为园区综合能源调度优化提供数据支撑,对此,提出一种基于批量标准化算法的园区综合能源调度方法。首先,考虑园区多能互补和多能源耦合损耗,构建源网荷储综合能效评估模型;其次,将园区多能源耦合元件进行细分,构建各类能源转换损耗评估模型;再次,考虑多能源综合利用效能,提出基于批量标准化算法的园区综合能源调度方法,并对各类能源设备进行日前调度与实时响应控制,以达到综合能源利用最佳的目的;最后,在四川某工业园区进行实例验证。运行结果表明,所提方法较区间线性规划调度算法能源消耗成本低5.93%,能有效降低能源消耗成本。
-
关键词
批量标准化
多能源耦合损耗
综合能源调度
源网荷储
-
Keywords
batch normalization(BN)
multi-energy coupling loss
comprehensive energy scheduling
source-network-load-storage
-
分类号
TM73
[电气工程—电力系统及自动化]
TK018
[动力工程及工程热物理]
-
-
题名融合批量再标准化和YOLOv3的手势识别研究
被引量：8
- 2
-
-
作者
程淑红
程彦龙
-
机构
燕山大学电气工程学院
-
出处
《计量学报》
CSCD
北大核心
2021年第1期29-34,共6页
-
基金
国家自然科学基金(61601400)
“十三五”装备预研共用技术项目(41412040302)。
-
文摘
针对复杂场景下手势分割准确性低,手势细粒度特征描述不充分和手势识别实时性差的问题,提出融合批量再标准化和YOLOv3的手势识别算法。首先,在复杂背景及不同光照条件下采集20种手势,运用数据增广策略进行样本扩充并建立标准手势库;然后通过K均值维度聚类获取训练集手势锚点框,负责对不同尺度手势进行检测;最后利用迁移学习和微调方法训练得到手势识别模型。为解决YOLOv3网络在手势训练阶段和预测阶段进行规范化处理时数据间可能存在较大偏差问题,采用批量再标准化方法提高手势识别准确性。手势识别过程具有快速、准确、非接触的优势,实验表明在正常实验环境下,手势平均识别率为97.6%,对于复杂背景下干扰较大的手势平均识别率达到89.2%以上,单次手势识别速度为0.04 s。
-
关键词
计量学
手势识别
YOLOv3
批量再标准化
迁移学习
图像处理
-
Keywords
metrology
hand gesture recognition
YOLOv3
batch renormalization
transform learning
image processing
-
分类号
TB96
[机械工程—光学工程]
-
-
题名标准化全连接残差网络空战目标威胁评估
被引量：17
- 3
-
-
作者
翟翔宇
杨风暴
吉琳娜
李书强
吕红亮
-
机构
中北大学信息与通信工程学院
中国电子科技集团第五十四研究所
-
出处
《火力与指挥控制》
CSCD
北大核心
2020年第6期39-44,共6页
-
基金
国家自然科学基金(61702465)
中北大学研究生科技立项基金资助项目(20181532)。
-
文摘
针对空战态势中威胁评估传统方法存在缺乏自学习能力和面对大样本数据集推理能力不足的问题,提出了利用深度学习的基于标准化全连接残差网络空战目标威胁评估的方法。将影响空战目标威胁的主要因素作为输入,利用普通全连接神经网络训练模型的自学习能力,结合批量标准化(Batch Normalization)的优化算法和结构优化的残差网络(ResNet)增强网络的自学习能力,比较了样本的标记和网络模型的输出。分析了训练样本个数对网络训练准确率和损失变化的影响,对比了3种不同数据量下的训练模型在同一测试集下测试的准确率和损失变化。结果表明,该方法可以快速准确地评估空战中目标的威胁程度。
-
关键词
标准化全连接残差网络
威胁评估
大样本
全连接网络
批量标准化
残差网络
-
Keywords
standardized fully connected network and residual network
threat assessment
large sample
full connection network
batch standardization
residual network
-
分类号
TJ7
[兵器科学与技术—武器系统与运用工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于深度学习的高噪声图像去噪算法
被引量：25
- 4
-
-
作者
盖杉
鲍中运
-
机构
南昌航空大学
-
出处
《自动化学报》
EI
CSCD
北大核心
2020年第12期2672-2680,共9页
-
基金
国家自然科学基金(61563037)
江西省杰出青年人才资助计划(20171 BCB23057)资助。
-
文摘
为了更有效地实现高噪声环境下的图像去噪,本文提出一种基于深度学习的高噪声图像去噪算法.该算法首先采用递增扩充卷积并且融合批量标准化和Leaky ReLU函数对输入含噪图像进行特征提取与学习;然后通过结合递减扩充卷积和ReLU函数对提取的特征进行图像重构;最后通过整合残差学习和批量标准化的端到端网络实现图像与噪声的有效分离.实验结果表明,本文提出的算法不仅能够有效地去除高噪声环境下的图像噪声,获得更高的峰值信噪比(Peak signal-to-noise ratio,PSNR)与结构相似度(Structural similarity index,SSIM),而且还能够有效地改善图像的视觉效果,具有较好的实用性.
-
关键词
深度学习
图像去噪
卷积神经网络
残差学习
批量标准化
-
Keywords
Deep learning
image denoising
convolutional neural networks(CNN)
residual learning
batch normalization
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于去噪卷积神经网络的面波噪声压制方法
被引量：20
- 5
-
-
作者
唐杰
韩盛元
刘英昌
张文征
孟涛
-
机构
中国石油大学(华东)地球科学与技术学院
-
出处
《石油物探》
CSCD
北大核心
2022年第2期245-252,共8页
-
基金
国家自然科学基金项目(41504097,418741533)资助。
-
文摘
提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪。根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声。为了准确高效地提取地震数据面波噪声的特征,采用残差学习和批量标准化相结合的方式来加快训练过程并提高算法的面波去噪效果,去噪卷积神经网络能够有效处理未知噪声水平的面波降噪。模型数据和单点高密度地震数据测试结果表明,常规带通滤波及变分模态分解方法对有效信号损伤较大,而去噪卷积神经网络在高效去除面波噪声的同时能够较好地保护有效信号。
-
关键词
面波压制
去噪卷积神经网络
残差学习
批量标准化
深度学习
智能去噪
人工智能
-
Keywords
surface wave attenuation
denoising convolutional neural networks
residual learning
batch normalization
deep learning
intelligent denoising
artificial intelligence
-
分类号
P631
[天文地球—地质矿产勘探]
-
-
题名基于YOLOv5的违章建筑检测方法
被引量：33
- 6
-
-
作者
于娟
罗舜
-
机构
福州大学经济与管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第20期236-244,共9页
-
基金
国家自然科学基金(71771054)。
-
文摘
针对无人机图像中违章建筑多为小目标且存在部分遮挡目标导致的检测速率慢、误检率高的问题,提出一种基于YOLOv5网络的违章建筑检测方法。在原来的批量标准化模块开始和结束处分别添加中心和缩放校准增强有效特征并形成更稳定的特征分布,加强网络模型的特征提取能力。用平滑处理后的KL(Kullback-Leibler)散度损失函数替换原损失函数置信度中的交叉熵,进一步提高模型的泛化性能。对YOLOv5的主干特征提取网络进行改进,将残差模块替换为LSandGlass模块减少信息损失并剔除低分辨率的特征层以减少语义丢失。实验结果表明,与原版的YOLOv5相比,改进后模型的训练更容易使得网络收敛,检测违章建筑的速度有了较大提升,同时提高了检测的精确度。
-
关键词
神经网络
YOLOv5
违章建筑检测
批量标准化
KL散度
-
Keywords
neural network
YOLOv5
illegal buildings detection
batch normalization
KL divergence
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
