期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到397篇文章
< 1 2 … 20 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度卷积生成式对抗网络的船型特征认知与条件生成方法 被引量：1
1
作者 杜林 李胜忠 +3 位作者 李广年 舒跃辉 刘子祥 赵峰 《船舶力学》 EI CSCD 北大核心 2024年第8期1162-1174,共13页
船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全... 船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全局几何特征的条件生成需求出发,训练条件深度卷积生成式对抗网络模型(Con⁃ditional Deep Convolutional Generative Adversarial Networks)来实现两种特征的条件认知与生成。首先,将实现船型区域位置特征与全局几何特征的条件生成作为目标,分别建立条件深度卷积生成式对抗网络模型;然后,针对两类特征设置若干从易到难的不同分割方案和特征种类,使神经网络能够循序渐进地完成条件生成任务;最后,通过对训练过程和生成结果进行对比,初步证明所研究方法用于解决船型特征条件生成问题的可行性。本研究延续了作者之前的研究成果,属于基于计算机视觉技术的船型智能设计方法领域,旨在进一步探索引入人工智能实现船型智能设计的可行性方法。 展开更多
关键词 船型智能设计 深度卷积生成式对抗网络 计算机视觉
在线阅读 下载PDF
地震属性驱动的条件生成对抗网络沉积微相模型构建
2
作者 刘昕 孙胜 +3 位作者 张立强 蔡明俊 鲁玉 卢文娟 《中国石油大学学报(自然科学版)》 北大核心 2025年第4期1-10,共10页
由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,... 由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,挖掘对砂地比参数关联性较强的参数;将优选地震属性图像作为卷积神经网络模型的输入,构建砂地比预测模型,可视化砂地比预测结果,与井相图作为联合约束条件,训练条件生成对抗网络,构建沉积微相生成模型,实现沉积微相的精确建模。应用本方法对东部某油田进行沉积微相建模研究。结果表明,条件生成对抗网络沉积微相模型能精确刻画复杂地质模式,井点吻合率达到94.1%。 展开更多
关键词 条件生成对抗网络 深度学习 沉积微相 砂地比 灰色关联 卷积神经网络
在线阅读 下载PDF
基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断 被引量：9
3
作者 古莹奎 石昌武 陈家芳 《噪声与振动控制》 CSCD 北大核心 2024年第1期111-118,共8页
针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉... 针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。 展开更多
关键词 故障诊断 格拉姆角场 深度卷积生成对抗网络 卷积神经网络 行星齿轮箱
在线阅读 下载PDF
ECG-QGAN:基于量子生成对抗网络的心电图生成式信息系统
4
作者 瞿治国 陈韦龙 +2 位作者 孙乐 刘文杰 张彦春 《计算机研究与发展》 北大核心 2025年第7期1622-1638,共17页
据统计,我国心血管疾病患病人数约达3.3亿,每年因为心血管疾病死亡的人数占总死亡人数的40%.在这种背景下,心脏病辅助诊断系统的发展显得尤为重要,但其开发受限于缺乏不含患者隐私信息和由医疗专家标注的大量心电图(electrocardiogram,E... 据统计,我国心血管疾病患病人数约达3.3亿,每年因为心血管疾病死亡的人数占总死亡人数的40%.在这种背景下,心脏病辅助诊断系统的发展显得尤为重要,但其开发受限于缺乏不含患者隐私信息和由医疗专家标注的大量心电图(electrocardiogram,ECG)临床数据.作为一门新兴学科,量子计算可通过利用量子叠加和纠缠特性,能够探索更大、更复杂的状态空间,进而有利于生成同临床数据一样的高质量和多样化的ECG数据.为此,提出了一种基于量子生成对抗网络(QGAN)的ECG生成式信息系统,简称ECG-QGAN.其中QGAN由量子双向门控循环单元(quantum bidirectional gated recurrent unit,QBiGRU)和量子卷积神经网络(quantum convolutional neural network,QCNN)组成.该系统利用量子的纠缠特性提高生成能力,以生成与现有临床数据一致的ECG数据,从而可以保留心脏病患者的心跳特征.该系统的生成器和判别器分别采用QBiGRU和QCNN,并应用了基于矩阵乘积状态(matrix product state,MPS)和树形张量网络(tree tensor network,TTN)所设计的变分量子电路(variational quantum circuit,VQC),可以使该系统在较少的量子资源下更高效地捕捉ECG数据信息,生成合格的ECG数据.此外,该系统应用了量子Dropout技术,以避免训练过程中出现过拟合问题.最后,实验结果表明,与其他生成ECG数据的模型相比,ECG-QGAN生成的ECG数据具有更高的平均分类准确率.同时它在量子位数量和电路深度方面对当前噪声较大的中尺度量子(noise intermediate scale quantum,NISQ)计算机是友好的. 展开更多
关键词 生成式信息系统 心电图 量子生成对抗网络 量子双向门控循环单元 量子卷积神经网络
在线阅读 下载PDF
基于时序插补生成式对抗网络的卫星遥测参数异常检测方法
5
作者 杜晓龙 白萌 《空间科学学报》 北大核心 2025年第4期1087-1097,共11页
为确保卫星的安全稳定运行,及时进行遥测参数的数据挖掘、态势分析及异常响应至关重要.鉴于现有方法在处理卫星遥测参数异常时存在的局限性,提出一种基于时序插补和生成式对抗网络的异常检测方法.该方法通过一维卷积神经网络提取时序特... 为确保卫星的安全稳定运行,及时进行遥测参数的数据挖掘、态势分析及异常响应至关重要.鉴于现有方法在处理卫星遥测参数异常时存在的局限性,提出一种基于时序插补和生成式对抗网络的异常检测方法.该方法通过一维卷积神经网络提取时序特征,并利用生成式对抗网络对遥测参数的分布进行建模,创新性地采用基于插补的检测方式,有效提高了异常检测的准确性和对复杂异常情况的适应能力.基于真实卫星数据和公开数据集的测试结果表明,与多种已有方法相比,本文方法在多数数据集上获得了最高的F_(1)分数,并在不同的异常浓度下显示出良好的稳定性.这一研究成果为卫星任务的地面运控进行卫星态势分析和异常处置提供了有力的决策支持. 展开更多
关键词 遥测数据 时序异常检测 一维卷积神经网络 生成式对抗网络 插补生成
在线阅读 下载PDF
基于扩张卷积条件生成对抗网络的红外小目标检测 被引量：1
6
作者 张国栋 陈志华 盛斌 《计算机科学》 CSCD 北大核心 2024年第2期151-160,共10页
基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方... 基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方法的检测效果并不理想。文中从红外小目标特性这一关键问题出发,提出了一种新颖的基于扩张卷积条件生成对抗网络的目标检测算法。所提方法应用扩张卷积设计了生成网络,充分利用上下文信息建立层与层之间的关联,将红外小目标更多的语义信息保留到深层网络中,增强目标特征,进而提高检测性能。此外,设计了融合通道与空间维度的混合注意力模块,在特征提取时有选择性地放大目标信息,抑制背景信息;设计了自注意关联模块处理层与层之间信息融合过程中产生的语义冲突问题。文中使用多种评价指标将所提网络模型与目前先进的其他红外小目标检测方法进行对比,证明了该方法在复杂背景下目标检测性能的优越性。在公开的SIRST数据集上,所提模型的F分数为64.70%,相比传统方法提高了8.29%,相比深度学习方法提高了7.29%;在公开的ISOS数据集上,所提模型的F分数为64.54%,相比传统方法提高了23.59%,相比深度学习方法提高了6.58%。 展开更多
关键词 红外小目标检测 条件生成对抗网络 特征融合 注意力机制 扩张卷积
在线阅读 下载PDF
基于深度卷积生成式对抗网络的菌草丙二醛含量可见/近红外光谱反演 被引量：2
7
作者 叶大鹏 陈晨 +3 位作者 李慧琳 雷莹晓 翁海勇 瞿芳芳 《智慧农业（中英文）》 CSCD 2023年第3期132-141,共10页
[目的/意义]菌草是多年生可用作饲料与生物质能源的草本植物,在温带种植需克服越冬问题。低温胁迫会对菌草的生长发育造成不利影响。丙二醛(Malondialdehyde,MDA)作为诊断菌草低温胁迫状态的有力诊断指标,利用光谱技术反演MDA含量,可快... [目的/意义]菌草是多年生可用作饲料与生物质能源的草本植物,在温带种植需克服越冬问题。低温胁迫会对菌草的生长发育造成不利影响。丙二醛(Malondialdehyde,MDA)作为诊断菌草低温胁迫状态的有力诊断指标,利用光谱技术反演MDA含量,可快速无损地评估菌草生长动态,为菌草育种及低温胁迫诊断提供参考。[方法]本研究基于6个品种的菌草植株,设置低温胁迫组与常温对照组,获取菌草苗期的可见/近红外光谱(Visible/Near Infrared Spectrum,VIS/NIR)数据与叶片MDA含量信息,分析低温胁迫条件下菌草MDA含量及其光谱反射率均相应增加的变化趋势;为提升模型的检测效果,提出了改进的一维深度卷积生成式对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)用于样本数量增广,并建立基于随机森林(Random Forest,RF)、偏最小二乘回归(Partial Least Squares Regression,PLSR)以及卷积神经网络(Convolutional Neural Networks,CNN)算法的MDA光谱定量检测模型。[结果和讨论] DCGAN可优化模型的可靠性与MDA检测精度,且DCGAN联合RF模型可以得到最佳的检测效果,其中预测集决定系数Rp2为0.7922,均方根误差为2.4063,残差预测偏差(Residual Predictive Deviation,RPD)为2.1937。[结论]本研究利用DCGAN进行样本数量增广,能显著提升基于光谱数据的模型对菌草MDA含量的反演精度与预测性能。 展开更多
关键词 菌草 可见/近红外光谱 深度卷积生成式对抗网络 低温胁迫 机器学习
在线阅读 下载PDF
改进深度卷积生成式对抗网络的文本生成图像
8
作者 李云红 朱绵云 +3 位作者 任劼 苏雪平 周小计 于惠康 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1875-1883,共9页
针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码... 针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强(CA)模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束(SN)层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明:所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43.9%和42.5%,进一步表明了所提模型的有效性。 展开更多
关键词 深度卷积生成式对抗网络 文本生成图像 文本特征表示 条件增强 KL正则化
在线阅读 下载PDF
基于深度卷积条件生成对抗网络的虫害分类算法研究 被引量：8
9
作者 王铎 温长吉 +2 位作者 王希龙 李卓识 于合龙 《中国农机化学报》 北大核心 2020年第6期179-187,共9页
虫害识别是防治的关键环节,但是由于虫害自身的动态性、稳定性、变态性以及种群规模庞大形态各异等特点,因此传统图像分类识别方法面临巨大挑战。本文提出一种基于深度卷积条件生成对抗网络的虫害识别方法。首先,利用空间金字塔层(SPP)... 虫害识别是防治的关键环节,但是由于虫害自身的动态性、稳定性、变态性以及种群规模庞大形态各异等特点,因此传统图像分类识别方法面临巨大挑战。本文提出一种基于深度卷积条件生成对抗网络的虫害识别方法。首先,利用空间金字塔层(SPP)嵌入鉴别器的卷积层之后,使得分类的图像可以有固定大小,尺寸一致的效果,不仅可以使得模型获取到必要的图像特征,而且大大提高了模型的收敛速度。其次将深度卷积条件生成对抗网络中的交叉熵损失函数改为最小二乘损失函数,使得最小二乘损失在一点达到饱和,从而增强模型训练的稳定性。最后使用RMSprop优化器对模型进行迭代优化,使得模型能够更快地收敛,增强模型稳定性,减小网络整体的波动。统计训练过程中各项参数变化分析,与其他方法相比,深度卷积条件生成对抗网络在分类准确率和实验稳定性方面都有较为明显的优势,该文所提出的分类准确率高达96.8%,明显优于对比算法。试验结果表明该文提出的虫害分为算法具有较高的准确率和较好的稳定性,可以为相关研究工作提供借鉴意义。 展开更多
关键词 图像处理 深度卷积 对抗网络 虫害分类 算法优化
在线阅读 下载PDF
基于条件深度卷积生成对抗网络的图像识别方法 被引量：158
10
作者 唐贤伦 杜一铭 +2 位作者 刘雨微 李佳歆 马艺玮 《自动化学报》 EI CSCD 北大核心 2018年第5期855-864,共10页
生成对抗网络(Generative adversarial networks,GAN)是目前热门的生成式模型.深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)在传统生成对抗网络的基础上,引入卷积神经网络(Convolutional neural networks,CNN)进行无监督训练;... 生成对抗网络(Generative adversarial networks,GAN)是目前热门的生成式模型.深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)在传统生成对抗网络的基础上,引入卷积神经网络(Convolutional neural networks,CNN)进行无监督训练;条件生成对抗网络(Conditional GAN,CGAN)在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点,建立条件深度卷积生成对抗网络模型(Conditional-DCGAN,C-DCGAN),利用卷积神经网络强大的特征提取能力,在此基础上加以条件辅助生成样本,将此结构再进行优化改进并用于图像识别中,实验结果表明,该方法能有效提高图像的识别准确率. 展开更多
关键词 生成对抗网络 卷积神经网络 条件模型 特征提取 图像识别
在线阅读 下载PDF
深度生成式故障诊断模型研究 被引量：2
11
作者 黄汉坤 岑健 +3 位作者 赵必创 司伟伟 王玮樾 潘黄楠 《机床与液压》 北大核心 2025年第4期205-213,共9页
深度生成模型因强大的生成能力而备受关注。随着研究的深入,深度生成模型成功应用于故障诊断领域,并取得良好的效果。系统介绍传统深度生成式模型受限玻尔兹曼机以及目前主流的深度生成式模型生成对抗网络和变分自编码器;对生成对抗网... 深度生成模型因强大的生成能力而备受关注。随着研究的深入,深度生成模型成功应用于故障诊断领域,并取得良好的效果。系统介绍传统深度生成式模型受限玻尔兹曼机以及目前主流的深度生成式模型生成对抗网络和变分自编码器;对生成对抗网络典型变体进行分类和梳理,包括基于模型结构改进和基于损失函数改进。同时,将变分自编码器典型变体分为无监督VAE和有监督VAE,并进行系统总结。最后,从样本问题、模型泛化能力、构建新模型3个角度探讨了现有深度生成式模型面临的挑战,并提出未来的研究方向。 展开更多
关键词 故障诊断 深度生成式模型 生成对抗网络 变分自编码器
在线阅读 下载PDF
基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法 被引量：29
12
作者 张承圣 邵振国 +2 位作者 陈飞雄 江昌旭 冯健冰 《电网技术》 EI CSCD 北大核心 2022年第6期2182-2189,共8页
针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法... 针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法。该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据,且所生成的数据符合真实场景数据分布规律。采用实际风电数据集对所提算法和模型进行验证,并应用若干统计学指标,分别对文中模型与条件生成对抗网络(conditional generative adversarial network,CGAN)模型所迁移生成的数据进行对比评估,结果表明所提算法与模型能够更加准确地生成新能源发电场景数据。 展开更多
关键词 新能源发电 不确定性 数据迁移 生成对抗网络 深度卷积神经网络
在线阅读 下载PDF
Transformer和生成对抗网络相结合的图像修复
13
作者 林旭 王永雄 +3 位作者 陈俊帆 张凌樾 谢鑫宇 朱珺怡 《控制工程》 北大核心 2025年第7期1311-1319,共9页
现有图像修复模型无法高质量地修复大面积缺损的图像。针对此问题,提出了一种Transformer和生成对抗网络相结合的图像修复模型。首先,设计了一种新型掩码自适应输入模块,用于从输入图像中提取未被掩码遮蔽的图像块;其次,利用Transforme... 现有图像修复模型无法高质量地修复大面积缺损的图像。针对此问题,提出了一种Transformer和生成对抗网络相结合的图像修复模型。首先,设计了一种新型掩码自适应输入模块,用于从输入图像中提取未被掩码遮蔽的图像块;其次,利用Transformer从有效图像块中提取全局上下文信息,增强模型对缺损区域的补全能力;再次,使用快速傅里叶卷积(fast Fourier convolution,FFC)模块增强模型的细节修复能力,并消除输出图像中的伪影;最后,利用判别器网络对抗训练以提升整体网络的性能。利用所提模型对Place2数据集进行图像修复,测试结果表明:当掩码比例为50%~60%时,修复结果的峰值信噪比达到了19.7482 dB,结构相似性(structural similarity,SSIM)达到了0.7147。 展开更多
关键词 深度学习 图像修复 TRANSFORMER 生成对抗网络 快速傅里叶卷积
在线阅读 下载PDF
基于生成式多对抗强化学习的高比例新能源电网日内优化调度
14
作者 杨楠 宋旭日 +3 位作者 董亮 黄宇鹏 张喆钧 魏旖晨 《电力自动化设备》 北大核心 2025年第11期43-51,共9页
随着新能源占比不断提高,源荷双侧的强随机性增加了电网安全运行风险,强化学习调度算法在应对系统状态转移不确定性的学习能力仍有局限,前瞻性决策能力有待加强。为此,提出基于生成式多对抗强化学习的高比例新能源电网日内优化调度方法... 随着新能源占比不断提高,源荷双侧的强随机性增加了电网安全运行风险,强化学习调度算法在应对系统状态转移不确定性的学习能力仍有局限,前瞻性决策能力有待加强。为此,提出基于生成式多对抗强化学习的高比例新能源电网日内优化调度方法。构建生成式对抗网络作为强化学习目标网络,学习电网未来运行态势的奖励反馈分布经验,从而实现对调度周期内运行趋势的预测,保证了调度决策的最优性。在训练中采用混合经验交叉驱动机制,将经验按调度效果评估并按比例进行提取,缩短了训练时长。在SG-126节点电网调度仿真模拟器上对提出的方法进行测试,计算结果验证了该方法的有效性和稳定性。 展开更多
关键词 生成式多对抗网络 深度强化学习 电网优化调度 深度确定性策略梯度 混合经验交叉驱动机制
在线阅读 下载PDF
基于深度卷积生成对抗网络的半生成式视频隐写方案
15
作者 林洋平 刘佳 +2 位作者 陈培 张明书 杨晓元 《计算机应用》 CSCD 北大核心 2023年第1期169-175,共7页
生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络(DCGAN)的半生成式视频隐写方案。该方案中,设... 生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络(DCGAN)的半生成式视频隐写方案。该方案中,设计了基于DCGAN的双流视频生成网络,用来生成视频的动态前景、静态后景与时空掩模三个部分,并以随机噪声驱动生成不同的视频。方案中的发送方可设定隐写阈值,在掩模中自适应地生成数字化卡登格,并将其作为隐写与提取的密钥;同时以前景作为载体,实现信息的最优嵌入。实验结果表明,该方案生成的含密视频具有良好的视觉质量,Frechet Inception距离(FID)值为90,且嵌入容量优于现有的生成式隐写方案,最高可达0.11 bpp,能够更高效地传输秘密消息。 展开更多
关键词 视频隐写 半生成式 深度学习 深度卷积生成对抗网络 对抗性训练 数字化卡登格
在线阅读 下载PDF
基于条件深度卷积生成对抗网络的视网膜血管分割 被引量：11
16
作者 蒋芸 谭宁 《自动化学报》 EI CAS CSCD 北大核心 2021年第1期136-147,共12页
视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题,例如对血管分割不足,抗噪声干扰能力弱,对病灶敏感等.针对现有血管分割方法的缺陷,本文提出使用条件深度卷积生成对抗网络的方... 视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题,例如对血管分割不足,抗噪声干扰能力弱,对病灶敏感等.针对现有血管分割方法的缺陷,本文提出使用条件深度卷积生成对抗网络的方法对视网膜血管进行分割.我们主要对生成器的网络结构进行了改进,在卷积层引入残差模块进行差值学习使得网络结构对输出的改变变得敏感,从而更好地对生成器的权重进行调整.为了降低参数数目和计算,在使用大卷积核之前使用小卷积核对输入特征图的通道数进行减半处理.通过使用U型网络的思想将卷积层的输出与反卷积层的输出进行连接从而避免低级信息共享.通过在DRIVE和STARE数据集上对本文的方法进行了验证,其分割准确率分别为96.08%、97.71%,灵敏性分别达到了82.74%、85.34%,F度量分别达到了82.08%和85.02%,灵敏度比R2U-Net的灵敏度分别高了4.82%,2.4%. 展开更多
关键词 生成对抗网络 残差网络 视网膜血管分割 条件模型 卷积神经网络
在线阅读 下载PDF
基于深度卷积生成式对抗网络的人脸恢复方法 被引量：4
17
作者 吴晓燕 钱真坤 《计算机应用与软件》 北大核心 2020年第8期207-212,共6页
针对人脸复原过程中出现失真和重要细节丢失的问题,提出一种基于深度卷积生成式对抗网络的人脸恢复方法。使用人脸恢复网络对风格化的图像提取人脸视觉特征,通过结合面部属性提供的语义信息来生成具有真实感的人脸图像;利用识别网络判... 针对人脸复原过程中出现失真和重要细节丢失的问题,提出一种基于深度卷积生成式对抗网络的人脸恢复方法。使用人脸恢复网络对风格化的图像提取人脸视觉特征,通过结合面部属性提供的语义信息来生成具有真实感的人脸图像;利用识别网络判别恢复图像与真实图像之间的相似度,以及相应面部属性匹配的一致性;提出一种人脸恢复损失函数,有效保留面部细节的同时生成与真实图像属性相匹配的清晰图像。实验结果表明,对于不同风格化的人脸图像,该方法可以获得真实且属性匹配的人脸图像,性能明显优于其他方法。 展开更多
关键词 深度卷积 生成式对抗网络 人脸恢复 风格迁移
在线阅读 下载PDF
利用条件生成对抗网络建立曲流河地质模型 被引量：1
18
作者 胡勇 高小洋 +4 位作者 何文祥 李顺利 朱建斌 司锦 陆雨诗 《沉积学报》 CAS CSCD 北大核心 2024年第1期201-218,共18页
【目的】在传统的河道建模方法中,基于目标的方法难以刻画曲流河点坝且条件化困难,多点地质统计学则难以再现河道的连续形态。条件生成对抗网络可以生成满足一定条件的复杂图形,可解决曲流河地质模型建立过程中点坝、河流形态刻画困难... 【目的】在传统的河道建模方法中,基于目标的方法难以刻画曲流河点坝且条件化困难,多点地质统计学则难以再现河道的连续形态。条件生成对抗网络可以生成满足一定条件的复杂图形,可解决曲流河地质模型建立过程中点坝、河流形态刻画困难及难以条件化的问题。【方法】以鄂尔多斯盆地苏里格气田南部地区某气田为例,开展了基于条件生成对抗网络的曲流河三维建模方法研究。在建模过程中,首先采用Alluvsim建模方法根据工区曲流河特征建立了200个曲流河模型;再通过卷积神经网络对200个模型进行深度学习,提取模型的特征矩阵,利用条件生成对抗网络建立可以生成曲流河模型的生成器;最后以工区井点数据作为输入数据,利用生成器建立满足曲流河复杂形态和井点数据的三维模型。【结果与结论】所建立的模型可以很好地展现曲流河中河道与点坝的三维形态及对应关系。为明确影响模型结果的关键因素,通过对比训练次数与输入数据发现,适当的训练次数(160次)与大量地输入样本(200个)是建立满足工区条件模型的前提。另外,通过对比传统地质建模方法,条件生成对抗网络建模方法可以很好地再现河道沉积体的空间形态,克服传统曲流河建模方法在条件化方面的困难,为曲流河沉积环境的河道砂体建模提供了新的解决思路,建立的曲流河模型可为油田开发阶段提供参考。 展开更多
关键词 人工智能 深度学习 条件生成对抗网络 储层建模 河道砂体
在线阅读 下载PDF
生成式深度学习在目标导向分子设计中的应用进展
19
作者 王纪峰 汪莹 《中国材料进展》 北大核心 2025年第5期424-435,450,共13页
分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综... 分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综述了生成式深度学习在分子设计中的应用进展,首先对不同分子表示方法(如SMILES、分子图和三维结构表示)进行比较,分析了各自的优缺点。随后,综合评估了3种主流生成式模型:生成对抗网络(GAN)、变分自动编码器(VAE)和去噪扩散概率模型(DDPM),并探讨了生成式模型在目标导向分子设计中的应用,重点分析不同模型在分子生成质量与性质优化方面的差异。最后,基于现有技术的研究进展,提出了未来生成式模型在分子设计领域的研究方向。 展开更多
关键词 分子生成 生成式深度学习 生成对抗网络 变分自动编码器 去噪扩散概率模型 模型性能评估框架 分子表示
在线阅读 下载PDF
基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 被引量：30
20
作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页
风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多
关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 20 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部