最小二乘迁移生成对抗网络 被引量：3

1

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

基于循环生成对抗网络的逆时偏移成像结果优化

2

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

3

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

基于生成对抗网络的漫画草稿图简化 被引量：12

4

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主机入侵风险识别 被引量：1

5

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

基于复杂多维场景生成的M-CVaR-高阶矩投资组合研究

6

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

7

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

基于CSLS-CycleGAN的侧扫声纳水下目标图像样本扩增法 被引量：2

8

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

基于LSGAN及迁移学习的智慧工地监控图像修复和识别方法 被引量：9

9

作者 张涛 刘刚 +2 位作者 朱冀涛 徐晓雨 徐岩 《中国测试》 CAS 北大核心 2022年第9期125-132,共8页

目前建筑工地视频监控图像模糊,部分图像有遮挡,监控智能性差,耗费大量的人力物力仍无法实现高效管理,针对此问题,提出一种基于最小二乘生成式对抗网络(LSGAN)及迁移学习的智慧工地监控图像修复和识别方法。首先,利用生成式对抗网络的... 目前建筑工地视频监控图像模糊,部分图像有遮挡,监控智能性差,耗费大量的人力物力仍无法实现高效管理,针对此问题,提出一种基于最小二乘生成式对抗网络(LSGAN)及迁移学习的智慧工地监控图像修复和识别方法。首先,利用生成式对抗网络的判别器与生成器之间的零和博弈,引入最小二乘损失函数,修复工地监控图像;其次,引入迁移学习思想提取图像特征,将修复后的图像在预训练的GoogleNet模型上进行训练,微调网络参数;最后,利用长短时记忆(LSTM)神经网络对目标图像进行检测与识别,判别现场是否存在安全隐患及人员违规行为。实验结果表明:该方法能够高效预测图像语义缺失,图像修复速度快,视觉效果逼真,且目标识别准确率较高,具有一定的实用价值。 展开更多

关键词 图像修复 目标识别 最小二乘生成式对抗网络 迁移学习 长短时记忆神经网络

在线阅读 下载PDF 职称材料

基于LSGAN-SqueezeNet的轴承故障诊断研究 被引量：9

10

作者 刘杰 李长杰 +1 位作者 苏宇涵 孙兴伟 《振动与冲击》 EI CSCD 北大核心 2022年第12期293-300,共8页

在滚动轴承的故障诊断过程中,需要大量的故障样本对模型进行训练,但由于工程实际环境较为复杂,难以采集到足量的轴承故障样本。提出基于最小二乘生成对抗网络(least squares generative adversarial networks,LSGAN)结合SqueezeNet在样... 在滚动轴承的故障诊断过程中,需要大量的故障样本对模型进行训练,但由于工程实际环境较为复杂,难以采集到足量的轴承故障样本。提出基于最小二乘生成对抗网络(least squares generative adversarial networks,LSGAN)结合SqueezeNet在样本数据量不足条件下滚动轴承故障诊断的方法。该方法首先利用滚动轴承的原始样本训练LSGAN,生成不同状态下的轴承信号样本,采用SqueezeNet对真实样本与生成样本进行模型训练,实现样本数据量不足条件下的轴承故障诊断。通过凯斯西储大学及德国帕德博恩大学的滚动轴承试验数据对所提轴承故障诊断方法进行验证。试验结果表明,真实样本结合生成样本训练模型,对故障的诊断准确率均达到99.7%,该方法具有较高的诊断精度。实现了样本数据量不足条件下故障诊断的可行性及验证其泛化性,且有效提高了故障诊断的准确率、降低了训练成本。 展开更多

关键词 最小二乘生成对抗网络 轴承故障诊断 卷积神经网络 二维灰度图

在线阅读 下载PDF 职称材料

基于LSGAN-LSTM的齿轮故障诊断

11

作者 刘杰 郑洋 《沈阳工业大学学报》 CAS 北大核心 2023年第4期436-441,共6页

针对难以获取足量样本数据的齿轮故障诊断率低的问题,提出一种基于最小二乘生成对抗网络(LSGAN)结合长短期记忆网络(LSTM)的方法.将齿轮的原始样本输入LSGAN模型中,通过对生成网络和判别网络的交替训练,学习出不同状态的样本数据,从而... 针对难以获取足量样本数据的齿轮故障诊断率低的问题,提出一种基于最小二乘生成对抗网络(LSGAN)结合长短期记忆网络(LSTM)的方法.将齿轮的原始样本输入LSGAN模型中,通过对生成网络和判别网络的交替训练,学习出不同状态的样本数据,从而实现数据增强,通过生成样本结合原始样本训练LSTM诊断模型,完成小样本下的故障诊断.以康狄涅格大学的齿轮实验数据为例对所提方法进行验证,结果表明,与传统方法相比,诊断准确率提高至98.3%.通过可视化方法显示出诊断方法的优越性,为小样本条件下的故障诊断提供参考. 展开更多

关键词 最小二乘生成对抗网络 长短期记忆网络 故障诊断 小样本 数据增强 深度学习 齿轮 可视化

在线阅读 下载PDF 职称材料

基于时频分析与深度学习的高分辨距离像雷达目标识别 被引量：2

12

作者 聂江华 肖永生 +1 位作者 黄丽贞 贺丰收 《应用科学学报》 CAS CSCD 北大核心 2022年第6期973-983,共11页

传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模... 传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模型采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)和所提出的约束朴素最小二乘生成对抗网络(constrained naive least squares generative adversarial network,CN-LSGAN);其次将处理后的数据分别进行短时傅里叶变换(short-time Fourier transform,STFT)和小波变换(wavelet transform,WT),得到二维时频数据;最后利用卷积神经网络(convolutional neural network,CNN)进行识别。实验结果表明,CN-LSGAN相对DCGAN能够更好地提高信噪比,WT相比STFT得到的数据更能获取HRRP特征信息,因而基于CN-LSGAN,WT与CNN的HRRP雷达目标识别方法具有更好的识别效果。 展开更多

关键词 雷达目标识别 高分辨距离像 约束朴素最小二乘生成对抗网络 深度卷积生成对抗网络 时频分析

在线阅读 下载PDF 职称材料

基于改进CycleGAN的合成孔径雷达图像仿真 被引量：1

13

作者 白江波 杨阳 张文生 《中国科学技术大学学报》 CAS CSCD 北大核心 2020年第8期1181-1186,共6页

目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于... 目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于特定场景的图像配对转化鲜有涉及.本文利用改进的循环一致性对抗网络CycleGAN实现SAR图像目标和场景的SAR图像的仿真,并利用最小二乘损失对网络进行改进,使网络性能获得提升,提高了成像的质量,论文所提方法对SAR图像进行了仿真实验,结果表明,本文方法生成图像的精细度与稳定度最优,实现了更好的仿真结果. 展开更多

关键词 循环一致性对抗网络 SAR图像仿真 深度残差网络 最小二乘生成对抗网络

在线阅读 下载PDF 职称材料

GANs与GRBFNN在空间插值中的对比分析 被引量：1

14

作者 刘鑫 韩宇平 黄会平 《西安理工大学学报》 CAS 北大核心 2021年第1期96-104,共9页

为了进一步提高空间插值的精度,搭建生成对抗网络(GANs)、最小二乘生成对抗网络(LSGANs)及Gauss径向基神经网络(GRBFNN)。使用国家气象科学数据网1960—2013年619个气象站点数据的平均值,将上述3种深度学习模型对降水量和平均气温的插... 为了进一步提高空间插值的精度,搭建生成对抗网络(GANs)、最小二乘生成对抗网络(LSGANs)及Gauss径向基神经网络(GRBFNN)。使用国家气象科学数据网1960—2013年619个气象站点数据的平均值,将上述3种深度学习模型对降水量和平均气温的插值结果与普通Kriging(OK)及反向距离加权(IDW)的插值结果进行对比分析,并进行交叉验证。结果表明:全国气象站点降水量和平均气温数据的空间插值中,IDW法优于OK法。当训练样本较多时,LSGANs模型空间插值表现最好;当训练样本数量较少时,GRBFNN的插值精度最高。高程对平均气温的插值精度影响较大,对降水量的插值精度影响较小。LSGANs和GRBFNN深度学习模型有助于拓展空间插值的思路和应用范围,具有很好的前景。 展开更多

关键词 生成对抗网络 最小二乘生成对抗网络 Gauss径向基神经网络 深度学习模型 交叉验证 空间插值

在线阅读 下载PDF 职称材料