基于模糊神经网络对抗生成的城市固废焚烧过程二噁英排放预警

1

作者 崔璨麟 汤健 +1 位作者 夏恒 乔俊飞 《控制理论与应用》 北大核心 2025年第4期757-766,共10页

城市固废焚烧(MSWI)过程产生的二噁英(DXN)类剧毒污染物是全世界范围内备受关注的环保指标,进行DXN排放浓度预警是缓解焚烧建厂“邻避效应”和实现城市精准污染防控等难题的关键之一.受限于产生机理上的全流程相关、记忆效应等特性以及... 城市固废焚烧(MSWI)过程产生的二噁英(DXN)类剧毒污染物是全世界范围内备受关注的环保指标,进行DXN排放浓度预警是缓解焚烧建厂“邻避效应”和实现城市精准污染防控等难题的关键之一.受限于产生机理上的全流程相关、记忆效应等特性以及检测技术上的高难度和离线化验上的高成本等原因,DXN建模数据面临着维数高、不确定性强和样本稀疏等问题.对此,本文提出基于模糊神经网络(FNN)对抗生成的DXN排放预警方法.首先,采用基于随机森林(RF)的自适应特征选择算法降低输入变量维数;接着,基于FNN的生成对抗网络(GAN)迭代产生用于预警建模的候选虚拟样本,以缓解不确定性和稀疏性问题;然后,通过多约束选择机制进行虚拟样本筛选以提高样本质量;最后,构建基于真实与虚拟混合样本的DXN排放预警模型.基于北京某MSWI电厂的实际DXN数据验证了所提方法的有效性. 展开更多

关键词 城市固废焚烧 二噁英 模糊神经网络 生成对抗网络 虚拟样本 预警模型

在线阅读 下载PDF 职称材料

最小二乘迁移生成对抗网络 被引量：3

2

作者 王孝顺 陈丹 丘海斌 《计算机工程与应用》 CSCD 北大核心 2019年第14期24-31,共8页

现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中。然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题,提出了一种学习领域不变特征的新方法,即最小二乘... 现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中。然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题,提出了一种学习领域不变特征的新方法,即最小二乘迁移生成对抗网络(Least Squares Transfer Generative Adversarial Networks,LSTGAN)。LSTGAN采用最小二乘生成对抗网络(Least Squares Generative Adversarial Networks,LSGAN)损失函数,通过单领域判别的训练方式来减少领域分布之间的差异。通过研究表明,所提方法与其他有竞争力的算法相比较具有一定的优越性。 展开更多

关键词 生成对抗网络 迁移学习 梯度消失 领域不变特征 最小二乘生成对抗网络损失函数

在线阅读 下载PDF 职称材料

基于最小熵准则与生成对抗网络的SAR三维转动舰船目标重聚焦方法 被引量：1

3

作者 化青龙 张云 +2 位作者 任航 姜义成 徐丹 《电子学报》 EI CAS CSCD 北大核心 2024年第8期2900-2912,共13页

在合成孔径雷达(Synthetic Aperture Radar,SAR)系统中,舰船目标在中高海情下的三维转动会导致多普勒频谱时变和图像散焦,并对后续SAR舰船目标的信息解释造成不利影响.针对三维转动舰船目标的重聚焦问题,本文提出一种基于最小熵准则与... 在合成孔径雷达(Synthetic Aperture Radar,SAR)系统中,舰船目标在中高海情下的三维转动会导致多普勒频谱时变和图像散焦,并对后续SAR舰船目标的信息解释造成不利影响.针对三维转动舰船目标的重聚焦问题,本文提出一种基于最小熵准则与生成对抗网络的SAR三维转动舰船目标重聚焦方法,设计了生成器和判别器的网络结构.生成器将散焦SAR舰船复图像变换到距离-多普勒域,利用相位误差系数估计网络逐距离单元估计相位误差系数,并实现对多阶次相位误差的补偿.判别器由一个复数域卷积神经网络构成,其所有元素,包括卷积层、激活函数、特征图和网络参数,均被扩展到复数域.损失函数中引入最小熵准则和对抗损失进行无监督训练,避免非合作舰船目标标注样本难以获取的问题.在仿真数据和高分三号SAR数据上的实验表明,该方法在重聚焦精度和效率上均有显著提升. 展开更多

关键词 合成孔径雷达 生成对抗网络 舰船目标 重聚焦 最小熵准则

在线阅读 下载PDF 职称材料

基于循环生成对抗网络的逆时偏移成像结果优化

4

作者 黄建平 刘博文 +6 位作者 黄韵博 孙加星 李亚林 雷刚林 段文胜 陈飞旭 侯中根 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第5期36-45,共10页

在常规逆时偏移方法基础上,通过引入循环生成对抗网络(CycleGAN)发展一种基于循环生成对抗网络的逆时偏移成像结果优化方法。首先构建包含两个生成器和两个判别器的CycleGAN。在对抗损失、循环一致性损失函数的基础上,添加身份损失函数... 在常规逆时偏移方法基础上,通过引入循环生成对抗网络(CycleGAN)发展一种基于循环生成对抗网络的逆时偏移成像结果优化方法。首先构建包含两个生成器和两个判别器的CycleGAN。在对抗损失、循环一致性损失函数的基础上,添加身份损失函数,以避免训练过度;然后,组建样本集来训练网络,使其学习常规逆时偏移成像结果和最小二乘逆时偏移成像结果之间的映射关系;最后,利用其他合成数据和实际资料测试网络效果。结果表明,提出的基于循环生成对抗网络的逆时偏移成像结果优化方法在获得高精度、高信噪比成像结果的同时有效地提高了计算效率。 展开更多

关键词 循环生成对抗网络 残差网络 逆Hessian 最小二乘逆时偏移

在线阅读 下载PDF 职称材料

基于循环对抗神经网络的快速最小二乘逆时偏移成像方法 被引量：4

5

作者 黄韵博 黄建平 +1 位作者 李振春 刘博文 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第3期55-61,共7页

最小二乘逆时偏移成像方法因计算量巨大,限制了其大规模的工业应用。基于此,建立循环对抗神经网络表征Hessian矩阵的逆,构建逆时偏移结果和反射系数之间的映射关系。通过建立的神经网络对逆时偏移成像结果进行去模糊化处理,提高成像质量... 最小二乘逆时偏移成像方法因计算量巨大,限制了其大规模的工业应用。基于此,建立循环对抗神经网络表征Hessian矩阵的逆,构建逆时偏移结果和反射系数之间的映射关系。通过建立的神经网络对逆时偏移成像结果进行去模糊化处理,提高成像质量,同时大幅减少计算时间。将训练好的网络应用于Marmousi模型和Sigsbee2A模型的逆时偏移结果。结果表明,本文方法在不显著增加计算量的情况下较好地提高了逆时偏移成像质量。 展开更多

关键词 逆时偏移 最小二乘 HESSIAN矩阵 循环对抗神经网络

在线阅读 下载PDF 职称材料

基于条件生成对抗网络的深度点过程二次预测

6

作者 卞玮 李晨龙 侯红卫 《计算机工程》 CAS CSCD 北大核心 2022年第12期127-133,共7页

结合深度神经网络和时序点过程的深度点过程模型在进行时间预测时,会因模型本身系统误差和数值计算精度不足而导致预测值序列中存在较大偏差。为提高预测精度并有效避免模型调优同时降低数值误差,建立一种基于条件生成对抗网络(CGAN)的... 结合深度神经网络和时序点过程的深度点过程模型在进行时间预测时,会因模型本身系统误差和数值计算精度不足而导致预测值序列中存在较大偏差。为提高预测精度并有效避免模型调优同时降低数值误差,建立一种基于条件生成对抗网络(CGAN)的深度点过程二次预测模型,在深度点过程初次预测值序列的基础上进行二次预测。假设初次预测偏差来自时序点过程分布上的差异,利用CGAN对分布的变换能力来修正初次预测值序列分布为原始时序点过程序列分布,从而降低预测值序列误差。在流程上,将初次预测值序列输入生成器生成伪值序列,将伪值序列与对应的真实值序列输入判别器中判别真假,经过对抗训练得到对初次预测值序列具备修正能力的生成器。同时,为增强CGAN对时序点过程数据的匹配度,在其结构上采用CGAN+LSTM的形式,同时改进损失函数为时序点过程Wasserstein距离的对偶形式及其1-Lipschitz约束。实验结果表明,该模型具有较高的时间预测准确度,二次预测值序列的均方误差相较初次预测值序列平均降低77%以上。 展开更多

关键词 深度点过程 二次预测 条件生成对抗网络 Wasserstein距离 1-Lipschitz约束

在线阅读 下载PDF 职称材料

基于循环生成对抗网络的图像风格迁移 被引量：8

7

作者 彭晏飞 王恺欣 +2 位作者 梅金业 桑雨 訾玲玲 《计算机工程与科学》 CSCD 北大核心 2020年第4期699-706,共8页

图像风格迁移是指将学习到的油画图像风格应用到其他图像上,让图像拥有油画的风格,当前生成对抗网络已被广泛应用到图像风格迁移中。针对循环生成对抗网络CycleGAN在处理图像时纹理清晰度不高的问题,提出了加入局部二值模式LBP算法的方... 图像风格迁移是指将学习到的油画图像风格应用到其他图像上,让图像拥有油画的风格,当前生成对抗网络已被广泛应用到图像风格迁移中。针对循环生成对抗网络CycleGAN在处理图像时纹理清晰度不高的问题,提出了加入局部二值模式LBP算法的方法,将LBP算法加入生成对抗网络的生成器中,增强了循环对抗生成网络提取图像纹理特征内容的效果。针对生成图像产生噪声的问题,在损失函数中加入Total Variation Loss来约束噪声。实验结果表明,循环生成对抗网络加入LBP算法和Total Variation Loss后能提高生成图像的质量,使之具有更好的视觉效果。 展开更多

关键词 图像风格迁移 循环生成对抗网络 局部二值模式 TOTAL VARIATION LOSS

在线阅读 下载PDF 职称材料

基于生成对抗网络的主机入侵风险识别 被引量：1

8

作者 林英 李元培 潘梓文 《计算机应用与软件》 北大核心 2021年第11期331-337,共7页

随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN... 随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN,该模型能有效解决梯度偏移或梯度消失的问题。TR-GAN相较于AC-GAN及LS-GAN,不但风险识别准确率更稳定,最大识别准确率达到80%,且其风险样本生成模块能在较少训练迭代轮数下就生成与真实攻击样本具有相同特征的攻击样本。生成的攻击样本不但可以作为训练样本的补充,而且可作为部署系统安全策略的参考。 展开更多

关键词 入侵风险识别 生成对抗网络 辅助分类器-生成对抗网络 最小二乘-生成对抗网络 主机特征

在线阅读 下载PDF 职称材料

基于生成对抗网络的漫画草稿图简化 被引量：12

9

作者 卢倩雯 陶青川 +1 位作者 赵娅琳 刘蔓霄 《自动化学报》 EI CSCD 北大核心 2018年第5期840-854,共15页

在漫画绘制的过程中,按草稿绘制出线条干净的线稿是很重要的一环.现有的草图简化方法已经具有一定的线条简化能力,然而由于草图的绘制方式的多样性以及画面复杂程度的不同,这些方法适用范围有限且效果不理想.本文提出了一种新颖的草图... 在漫画绘制的过程中,按草稿绘制出线条干净的线稿是很重要的一环.现有的草图简化方法已经具有一定的线条简化能力,然而由于草图的绘制方式的多样性以及画面复杂程度的不同,这些方法适用范围有限且效果不理想.本文提出了一种新颖的草图简化方法,利用条件随机场(Conditional random field,CRF)和最小二乘生成式对抗网络(Least squares generative adversarial networks,LSGAN)理论搭建了深度卷积神经网络的草图简化模型,通过该网络生成器与判别器之间的零和博弈与条件约束,得到更加接近真实的简化线稿图.同时,为了训练对抗模型的草图简化能力,本文建立了包含更多绘制方式与不同内容的草图与简化线稿图对的训练数据集.实验表明,本文算法对于复杂情况下的草图,相比于目前的方法,具有更好的简化效果. 展开更多

关键词 草图简化 最小二乘生成式对抗网络 深度学习 条件随机场

在线阅读 下载PDF 职称材料

基于生成对抗网络的OFDM信号生成 被引量：2

10

作者 陈丽 许思扬 +5 位作者 刘芳 冯奇 刘承享 徐福琛 田淼 刘光辉 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第6期841-850,共10页

提出了一种基于图样−星座双判别器生成对抗网络(Pattern-Constellation dual GAN)的正交频分复用(OFDM)信号生成方案。首先,使用快速傅里叶变换(FFT)对时域OFDM信号进行预处理,得到的频域符号向量被拼接为二维数据矩阵,用于GAN的训练和... 提出了一种基于图样−星座双判别器生成对抗网络(Pattern-Constellation dual GAN)的正交频分复用(OFDM)信号生成方案。首先,使用快速傅里叶变换(FFT)对时域OFDM信号进行预处理,得到的频域符号向量被拼接为二维数据矩阵,用于GAN的训练和测试。为保证生成的信号具有协议要求的子载波结构和调制方式,设计了双判别器GAN:生成器生成时频二维图样以欺骗两个判别器,而两个判别器分别从子载波结构和调制符号的星座密度两个方面区分生成的图样和真实图样。最后,以Wi-Fi 802.11a协议为例验证了该方案的有效性。 展开更多

关键词 通信对抗 数字信号生成 生成对抗网络 正交频分复用 时频二维图样

在线阅读 下载PDF 职称材料

基于复杂多维场景生成的M-CVaR-高阶矩投资组合研究

11

作者 王帅 王建州 《统计研究》 CSSCI 北大核心 2024年第12期136-150,共15页

构建合理的投资组合能够实现资金的有效配置,对于提高收益和降低风险至关重要。随着机器学习方法的蓬勃发展,深度学习和智能优化算法等新兴技术与投资组合的融合正在不断改变传统的投资方式。本文首先基于一种生成式深度学习方法--最小... 构建合理的投资组合能够实现资金的有效配置,对于提高收益和降低风险至关重要。随着机器学习方法的蓬勃发展,深度学习和智能优化算法等新兴技术与投资组合的融合正在不断改变传统的投资方式。本文首先基于一种生成式深度学习方法--最小二乘生成对抗网络,模拟证券未来收益的复杂多维场景,从而有效把握资产未来收益的不确定性信息。其次,拓展不确定性场景下投资组合的CVaR及收益率高阶矩的估计方式,以解决复杂多维场景计算下的投资损失控制问题。构建多目标投资组合优化问题,弥补仅考虑预期收益和CVaR而忽略高阶矩风险的不足。最后,引入Tent混沌映射和混合惩罚函数以改进NSGA-Ⅲ,从而求解该高维、高阶矩、非线性问题。实证研究以市场规模大且流动性好的上证50指数成份股构建投资组合,结果表明所构建的新模型在样本外累积收益和夏普比率等评价指标上表现更好。本文提出的投资组合模型有助于提高样本外投资绩效,同时也丰富了目前投资组合方法论研究。 展开更多

关键词 投资组合 条件风险价值 最小二乘生成对抗网络 机器学习 多目标优化

在线阅读 下载PDF 职称材料

不均衡样本下轴承故障的LSGAN‑Swin Transformer诊断方法

12

作者 刘杰 谭玉涛 +1 位作者 谷艳玲 杨娜 《振动工程学报》 北大核心 2025年第8期1775-1787,共13页

针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或... 针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或缺少的轴承数据集,引入窗口自注意力网络进行轴承故障状态识别,使用两种数据集验证所提方法的有效性,并分别与SGAN、WGAN进行对比,证明LSGAN生成的数据训练模型具有更高的准确率。在小样本条件下训练LSGAN,将所提Swin Transformer(Swin-T)模型与CNN、AlexNe和SqueezeNet进行对比,诊断准确率分别提升了34.85%、13.45%和12.95%。通过t-SNE可视化分析对模型分类效果进行评估,结果表明,LSGAN-Swin-T模型在训练样本数量较少时仍能较好地满足故障诊断中的需求,为不均衡数据下的轴承故障诊断研究提供思路。 展开更多

关键词 故障诊断 滚动轴承 不均衡样本 最小二乘生成对抗网络 Swin Transformer

在线阅读 下载PDF 职称材料

面向不平衡数据的联邦类别增量学习

13

作者 方子希 付晓东 +3 位作者 丁家满 刘骊 彭玮 代飞 《小型微型计算机系统》 北大核心 2025年第9期2121-2129,共9页

联邦增量学习作为一种新兴学习范式,在保护用户隐私的同时利用数据孤岛的知识,有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题... 联邦增量学习作为一种新兴学习范式,在保护用户隐私的同时利用数据孤岛的知识,有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题,该文提出了一种基于条件生成对抗网络的无数据存储重放再训练方法(ARR).具体来说,用户模型训练分为两个阶段:第1阶段结合条件生成对抗网络生成模拟的历史任务数据和当前任务数据共同训练本地模型;第2阶段则冻结特征提取层,采用平衡采样技术对其他层进行再训练.服务器通过利用条件生成对抗网络生成的所有用户任务数据来优化全局模型.实验结果显示,ARR在不平衡程度逐渐加剧的情况下,全局模型准确率相较于现有的相关方法提高了8.64%~31.03%,有效缓解了灾难性遗忘问题,显著提高了全局模型的最终精度. 展开更多

关键词 联邦增量学习 不平衡数据 条件生成对抗网络 灾难性遗忘 二次训练

在线阅读 下载PDF 职称材料

可变光照下多姿态人脸表情识别方法

14

作者 王灵月 李颖 +1 位作者 郭磊 杨新生 《现代电子技术》 北大核心 2025年第14期154-158,共5页

为消除光照度变化对图像的影响,提供更为全面和清晰的面部信息,并提高表情识别鲁棒性,提出一种可变光照下多姿态人脸表情识别方法。利用自商图像法对原始人脸图像进行光照处理,消除光照度变化对图像的影响。利用生成对抗网络建立多姿态... 为消除光照度变化对图像的影响,提供更为全面和清晰的面部信息,并提高表情识别鲁棒性,提出一种可变光照下多姿态人脸表情识别方法。利用自商图像法对原始人脸图像进行光照处理,消除光照度变化对图像的影响。利用生成对抗网络建立多姿态人脸正面化模型,对光照处理后的人脸图像进行再处理,得到标准正面姿态的人脸图像,为表情识别提供更为全面和清晰的面部信息,提高表情识别鲁棒性。利用局部二值卷积神经网络处理标准正面姿态的人脸图像,完成可变光照下多姿态人脸表情识别。实验结果表明:所提方法可有效地对人脸图像进行光照与人脸正面化处理,不同姿态情况下,该方法均可完成人脸表情的精准识别;在不同光照条件下,人脸表情识别的精度均较高。 展开更多

关键词 人脸表情识别 光照处理 多姿态人脸识别 人脸正面化 自商图像法 局部二值卷积神经网络 生成对抗网络

在线阅读 下载PDF 职称材料

结合波束形成和GAN网络的多通道语音增强研究 被引量：5

15

作者 余亮 吴海军 蒋伟康 《噪声与振动控制》 CSCD 2018年第A02期591-596,共6页

后端滤波处理是多通道语音增强系统中一种比较常用的技术,其目的是为了进一步提高语音增强系统的性能,提高波束形成后的输出信噪比。但是,常用的后滤波方法需要相当繁琐的参数调整过程才能实现噪声抑制和语音质量之间的合理权衡。本文... 后端滤波处理是多通道语音增强系统中一种比较常用的技术,其目的是为了进一步提高语音增强系统的性能,提高波束形成后的输出信噪比。但是,常用的后滤波方法需要相当繁琐的参数调整过程才能实现噪声抑制和语音质量之间的合理权衡。本文提出一种基于最小方差无畸变(MVDR)波束形成和生成对抗深层神经网络相结合的多通道语音增强算法。前端使用波束形成器对信号进行初步增强;后端滤波处理采用生成对抗深层神经网络,避免了繁琐的参数调整过程。实验系统是通过MATLAB和Tensor Flow仿真实现,结果证明了该方法的有效性。 展开更多

关键词 声学 语音增强 波束形成 最小方差无畸变 生成对抗深层神经网络

在线阅读 下载PDF 职称材料

基于二维点云图的三维人体建模方法 被引量：3

16

作者 张广翩 计忠平 《计算机工程与应用》 CSCD 北大核心 2020年第19期205-215,共11页

近年来基于二维图像的三维建模方法取得了快速发展,但就人体建模而言,由于摄像头采集到的二维人体图像包含衣物、发丝等大量的纹理信息,而像虚拟试衣等相关应用需要将人体表面的衣物褶皱等纹理信息去除,同时考虑到裸体数据采集侵犯了用... 近年来基于二维图像的三维建模方法取得了快速发展,但就人体建模而言,由于摄像头采集到的二维人体图像包含衣物、发丝等大量的纹理信息,而像虚拟试衣等相关应用需要将人体表面的衣物褶皱等纹理信息去除,同时考虑到裸体数据采集侵犯了用户的隐私,因此提出一种基于二维点云图像到三维人体模型的新型建模方法。与摄像机等辅助设备进行二维图片数据集的采集不同,该算法的输入是由三维人体点云模型以顶点模式绘制的二维点云渲染图。主要工作是建立一个由二维点云图和相应的人体黑白二值图构成的数据集,并训练一个由前者生成后者的生成对抗网络模型。该模型将二维点云图转化为相应的黑白二值图。将该二值图输入一个训练好的卷积神经网络,用于评估二维图像到三维人体模型构建的效果。考虑到由不完整三维点云数据重建完整的三维人体网格模型是一个具有挑战性的问题,因此通过模拟二维点云的破损和残缺状态,使得算法能够处理不完整的二维点云图。大量的实验结果表明,该方法重建出的三维人体模型能够有效实现视觉上的真实感,为了对重建后的精度进行定量的分析,选取了人体特征中具有代表性的腰围特征作为误差评估;为了增加三维人体模型库中人体形态的多样性,还引入一种便捷的三维人体模型数据增强技术。实验结果表明,该算法只需要输入一张二维点云图像,就能快速创建出相应的数字化人体模型。 展开更多

关键词 虚拟试衣 三维人体建模 二维点云 黑白二值图 生成对抗网络 数据增强

在线阅读 下载PDF 职称材料

基于二维灰度图的数据增强方法在电机轴承故障诊断的应用研究 被引量：54

17

作者 肖雄 肖宇雄 +2 位作者 张勇军 宋国明 张飞 《中国电机工程学报》 EI CSCD 北大核心 2021年第2期738-748,共11页

在基于深度学习的电机轴承故障诊断中,一般采用基于生成对抗网络(generative adversarial networks,GANs)的数据增强方法以获取足量故障数据,从而保证模型的性能。一维时序信号下的数据增强会出现生成数据质量差、网络训练速度慢以及训... 在基于深度学习的电机轴承故障诊断中,一般采用基于生成对抗网络(generative adversarial networks,GANs)的数据增强方法以获取足量故障数据,从而保证模型的性能。一维时序信号下的数据增强会出现生成数据质量差、网络训练速度慢以及训练过程繁琐等问题,该文针对此,提出一种基于二维灰度图及辅助分类生成对抗网络(2D gray pixel images and auxiliary classifier generative adversarial networks,2D-ACGANs)的数据增强方法。首先将原始的一维时序信号转换为二维灰度图,以得到适用于二维卷积神经网络的输入数据;在此基础上结合辅助分类生成对抗网络,将原始数据的标签作为此网络的输入进行数据增强,该方法较一维数据增强方法有效减少网络训练参数量,同时解决传统方法中训练繁琐及标签信息丢失的问题。最后将提出的方法用于电机轴承的故障实验数据中进行对比验证,结果表明改进的2D-ACGANs算法能生成更高质量的数据,有效提高故障识别准确率及网络训练速度,具备良好的工程应用可行性。 展开更多

关键词 电机轴承 故障诊断 生成对抗网络 二维灰度图 数据增强

在线阅读 下载PDF 职称材料

基于CSLS-CycleGAN的侧扫声纳水下目标图像样本扩增法 被引量：2

18

作者 汤寓麟 王黎明 +3 位作者 余德荧 李厚朴 刘敏 张卫东 《系统工程与电子技术》 EI CSCD 北大核心 2024年第5期1514-1524,共11页

针对侧扫声纳水下目标图像稀缺,获取难度大、成本高,导致基于深度学习的目标检测模型性能差的问题,结合光学域类目标数据集丰富的现状,提出一种基于通道和空间注意力(channel and spatial attention,CSA)模块、最小二乘生成对抗生成网络... 针对侧扫声纳水下目标图像稀缺,获取难度大、成本高,导致基于深度学习的目标检测模型性能差的问题,结合光学域类目标数据集丰富的现状,提出一种基于通道和空间注意力(channel and spatial attention,CSA)模块、最小二乘生成对抗生成网络(least squares generative adversarial networks,LSGAN)及循环对抗生成网络(cycle generative adversarial networks,CycleGAN)的侧扫声纳水下目标图像样本扩增方法。首先,受CycleGAN的启发,设计基于循环一致性的单循环网络结构,保证模型的训练效率。然后,在生成器中融合CSA模块,减少信息弥散的同时增强跨纬度交互。最后,设计了基于LSGAN的损失函数,提高生成图像质量的同时提高训练稳定性。在船舶光学域数据集与侧扫声纳沉船数据集上进行实验,所提方法实现了光学-侧扫声纳样本间信息的高效、稳健转换以及大量侧扫声纳目标样本的扩增。同时,基于本文生成样本训练后的检测模型进行了水下目标检测,结果表明,使用本文样本扩增数据训练后的模型在少样本沉船目标检测的平均准确率达到了84.71%,证明了所提方法实现了零样本和小样本水下强代表性目标样本的高质量扩增,并为高性能水下目标检测模型构建提供了一种新的途径。 展开更多

关键词 样本扩增 侧扫声纳 循环生成对抗网络 通道和空间注意力模块 最小二乘生成对抗网络

在线阅读 下载PDF 职称材料

结合风格迁移的最小化类混淆领域自适应算法

19

作者 梅校杰 张灵 《计算机工程与应用》 CSCD 北大核心 2022年第14期153-159,共7页

在无监督领域自适应中分类器对目标域的样本进行类别预测时容易产生混淆预测,虽然已有研究提出了相关算法提取到样本的类间相关性,降低了分类器在目标域上的类混淆预测。但该方法仍然未能解决源域和目标域因共享特征稀疏导致的迁移学习... 在无监督领域自适应中分类器对目标域的样本进行类别预测时容易产生混淆预测,虽然已有研究提出了相关算法提取到样本的类间相关性,降低了分类器在目标域上的类混淆预测。但该方法仍然未能解决源域和目标域因共享特征稀疏导致的迁移学习能力不足的问题,针对这个问题,通过使用生成对抗网络对源域进行了风格迁移,扩展源域各类样本的特征空间可供目标域匹配的共享特征,解决因共享特征稀疏导致分类器正迁移力不足的问题,从而进一步减少分类器在目标域上产生的类混淆预测。当分类器利用扩充后的共享特征对目标域样本预测分类概率时,基于不确定性权重机制,加重预测概率权重使其能在几个预测概率峰值上以更高的概率值突出,准确地量化类混淆,最小化跨域的类混淆预测,抑制跨域的负迁移。在UDA场景下,对标准的数据集ImageCLEF-DA和Office-31的三个子数据集分别进行了领域自适应实验,相较于RADA算法平均识别精度分别提升了1.3个百分点和1.7个百分点。 展开更多

关键词 迁移学习 最小化类混淆 风格迁移 领域自适应 生成对抗网络

在线阅读 下载PDF 职称材料

基于主动学习机制GAN的MSWI过程二噁英排放风险预警模型 被引量：1

20

作者 汤健 崔璨麟 +2 位作者 夏恒 王丹丹 乔俊飞 《北京工业大学学报》 CAS CSCD 北大核心 2023年第5期507-522,共16页

针对构建城市固废焚烧(municipal solid waste incineration,MSWI)过程剧毒污染物二噁英(dioxin,DXN)排放风险预警模型的样本极为稀少的问题,提出一种基于主动学习机制生成对抗网络(generative adversarial network,GAN)的DXN排放风险... 针对构建城市固废焚烧(municipal solid waste incineration,MSWI)过程剧毒污染物二噁英(dioxin,DXN)排放风险预警模型的样本极为稀少的问题,提出一种基于主动学习机制生成对抗网络(generative adversarial network,GAN)的DXN排放风险预警建模方法.首先,以DXN风险等级作为条件信息使得GAN生成候选虚拟样本;然后,利用基于最大均值差异和多视角可视化分布信息的主动学习机制进行虚拟样本的初筛和评估,以获得期望虚拟样本;最后,基于混合样本构建DXN排放风险预警模型.通过基准数据集和MSWI过程数据集验证了所提方法的有效性.基于主动学习机制GAN的DXN排放风险预警建模方法可以有效解决样本稀少的问题,提高模型精度. 展开更多

关键词 城市固废焚烧(municipal solid waste incineration MSWI) 二噁英(dioxin DXN)排放风险预警 生成对抗网络(generative adversarial network GAN) 虚拟样本生成(virtual sample generation VSG) 最大均值差异 主动学习

在线阅读 下载PDF 职称材料