基于多重共线性削减条件变分自编码器的多能系统低碳优化调度

1

作者 宋菊文 江盼 +4 位作者 吴正强 范捷生 赵星 赵建芳 崔明建 《智慧电力》 北大核心 2025年第7期11-19,共9页

针对风光出力场景下源荷不确定性问题,提出一种考虑风光出力不确定性的多能系统低碳优化调度方法。首先,考虑风光出力波动性,利用基于概率距离算法优化的多重共线性削减条件变分自编码器(MCLRCVAE),构建风光出力不确定性场景生成模型,... 针对风光出力场景下源荷不确定性问题,提出一种考虑风光出力不确定性的多能系统低碳优化调度方法。首先,考虑风光出力波动性,利用基于概率距离算法优化的多重共线性削减条件变分自编码器(MCLRCVAE),构建风光出力不确定性场景生成模型,准确捕捉风光出力时空变异性;其次,结合需求响应的时空特性构建多能系统模型,以最小化系统总运行成本和环境成本为目标函数,构建源-网-荷一体化多能系统优化调度模型,并针对调度资源设计多组调度顺序场景;最后,仿真结果表明,所提方法在风光出力不确定性场景下能够有效实现多能系统低碳优化调度,且调度顺序对系统性能有着显著的影响。 展开更多

关键词 源荷不确定性 多重共线性削减 条件变分自编码器 低碳优化调度 多能系统

在线阅读 下载PDF 职称材料

基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测 被引量：2

2

作者 李丹 罗娇娇 +2 位作者 孙光帆 唐建 黄烽云 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第5期68-75,共8页

考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样... 考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样本,以模拟天气预测信息的不确定性;构建GRU-S2S贝叶斯神经网络学习模型参数的分布特征,以反映预测模型的不确定性,并结合MC dropout技术获得多个可能的负荷预测值;遍历天气因素全部模拟样本,将预测模型输出的负荷预测值构成集合,并通过核密度估计获得预测时段内各时刻预测负荷服从的概率分布.实际算例结果表明,该方法在短期负荷概率预测中具有更高的分位数预测精度和更可靠稳定的区间预测结果. 展开更多

关键词 负荷概率预测 门控循环单元 贝叶斯神经网络 条件变分自编码器

在线阅读 下载PDF 职称材料

基于条件变分自编码器的熔铸炸药成型缺陷快速模拟和预测

3

作者 滕浩 李锡文 +1 位作者 王学林 胡于进 《火炸药学报》 EI CAS CSCD 北大核心 2024年第7期640-648,I0003,共10页

为了实现凝固缺陷的快速模拟和预测,提出了一种基于条件变分自编码器(CVAE)的熔铸炸药成型缺陷预测模型;以注液温度、冒口预热温度等工艺参数为条件,通过条件变分自编码器建立工艺参数与熔铸炸药缺陷的条件概率模型;采用多层神经网络和... 为了实现凝固缺陷的快速模拟和预测,提出了一种基于条件变分自编码器(CVAE)的熔铸炸药成型缺陷预测模型;以注液温度、冒口预热温度等工艺参数为条件,通过条件变分自编码器建立工艺参数与熔铸炸药缺陷的条件概率模型;采用多层神经网络和变分推断方法结合进行模型训练,实现了RHT和DNP基熔铸炸药凝固成型缺陷预测。结果表明,成功构建了熔铸炸药凝固过程数值模拟的条件概率分布,实现了基于仿真数据的RHT和DNP基熔铸炸药凝固缺陷预测;与有限元直接数值计算结果比较,CVAE算法计算缺陷位置的准确率可达到99%,计算时间小于2 s;CVAE在熔铸炸药缺陷概率分布建模上具有性能高、泛化性强的特点,能有效实现熔铸炸药成型缺陷的智能预测。 展开更多

关键词 条件变分自编码器 CVAE 熔铸炸药 数值模拟 成型缺陷 多层神经网络 变分推断方法

在线阅读 下载PDF 职称材料

基于条件变分自编码器的井下配电室巡检行为检测 被引量：5

4

作者 党伟超 史云龙 +2 位作者 白尚旺 高改梅 刘春霞 《工矿自动化》 北大核心 2021年第12期98-105,共8页

现有井下配电室巡检行为检测方法的研究重点在于视频动作的分类,但在实际应用中,对于端到端的视频检测任务,不仅需要识别巡检动作的类别,还需要预测巡检动作发生的开始时间和结束时间。且现有基于监督学习的研究方法训练网络时需要标注... 现有井下配电室巡检行为检测方法的研究重点在于视频动作的分类,但在实际应用中,对于端到端的视频检测任务,不仅需要识别巡检动作的类别,还需要预测巡检动作发生的开始时间和结束时间。且现有基于监督学习的研究方法训练网络时需要标注视频的每一帧,存在数据集制作繁琐、训练时间较长等问题,基于弱监督学习的研究方法也依赖视频分类模型,导致在没有视频帧级别标注的条件下很难区分动作帧和背景帧。针对以上问题,提出了一种基于条件变分自编码器的弱监督井下配电室巡检行为检测模型。该模型主要由判别注意力模型和生成注意力模型2个部分组成,将井下配电室巡检行为检测分为巡检动作的分类和定位2种任务。首先利用特征提取模型分别提取出井下配电室监控视频的RGB特征与光流特征;然后将获取到的RGB特征与光流特征输入注意力模块中进行训练,得到特征帧的注意力,通过判别注意力模型得到软分类,根据注意力的得分情况判断出动作帧和背景帧;最后对判别注意力模型的输出进行后处理,输出视频中包含巡检动作的时间区间、动作标签及置信度,即完成了巡检动作的分类及定位。为了提高定位任务的精度,加入基于条件变分自编码器的生成注意力模型,利用条件变分自编码器与解码器的生成对抗对视频的潜在特征进行学习。利用井下配电室监控视频,将巡检行为分为站立检测、下蹲检测、来回走动、站立记录和坐下记录,制作了巡检行为数据集进行实验,结果表明:基于条件变分自编码器的巡检行为检测模型可同时完成巡检行为分类和定位任务,在THUMOS14数据集上mAP@0.5达到17.0%,在自制的巡检行为数据集上mAP@0.5达到24.0%,满足井下配电室巡检行为检测要求。 展开更多

关键词 煤矿供电 井下配电室 巡检行为检测 弱监督学习 巡检行为分类与定位 条件变分自编码器 判别注意力 生成注意力

在线阅读 下载PDF 职称材料

基于条件变分自编码器的端到端情感语音合成方法 被引量：4

5

作者 张建明 彭锦涛 +1 位作者 贾洪杰 毛启容 《信号处理》 CSCD 北大核心 2023年第4期678-687,共10页

情感语音合成作为语音合成的一个重要分支,在人机交互领域得到了广泛的关注。如何获得更好的情感嵌入并有效地将其引入到语音合成声学模型中是目前主要存在的问题。表达性语音合成往往从参考音频中获得风格嵌入,但只能学习到风格的平均... 情感语音合成作为语音合成的一个重要分支,在人机交互领域得到了广泛的关注。如何获得更好的情感嵌入并有效地将其引入到语音合成声学模型中是目前主要存在的问题。表达性语音合成往往从参考音频中获得风格嵌入,但只能学习到风格的平均表示,无法合成显著的情感语音。该文提出一种基于条件变分自编码器的端到端情感语音合成方法(Conditional Duration-Tacotron,CD-Tacotron),该方法在Tacotron2模型的基础上进行改进,引入条件变分自编码器从语音信号中解耦学习情感信息,并将其作为条件因子,然后通过使用情感标签将其编码为向量后与其他风格信息拼接,最终通过声谱预测网络合成情感语音。在ESD数据集上的主观和客观实验表明,与目前主流的方法GST-Tacotron和VAE-Tacotron相比,该文提出的方法可以生成更具表现力的情感语音。 展开更多

关键词 情感语音合成 条件变分自编码器 端到端 Tacotron

在线阅读 下载PDF 职称材料

条件变分时序图自编码器 被引量：2

6

作者 陈可佳 鲁浩 张嘉俊 《计算机研究与发展》 EI CSCD 北大核心 2020年第8期1663-1673,共11页

网络表示学习(也被称为图嵌入)是链接预测、节点分类、社区发现、图可视化等图任务的基础.现有大多数的图嵌入算法主要是针对静态图开发的,难以捕捉现实世界的网络随时间进化的动态特征.目前,针对动态网络表示学习方法的研究工作仍相对... 网络表示学习(也被称为图嵌入)是链接预测、节点分类、社区发现、图可视化等图任务的基础.现有大多数的图嵌入算法主要是针对静态图开发的,难以捕捉现实世界的网络随时间进化的动态特征.目前,针对动态网络表示学习方法的研究工作仍相对不足.提出了条件变分时序图自编码器(TS-CVGAE),可以同时学习动态网络的局部结构和随时间的演化模式.该方法首先改进了传统图卷积得到时序图卷积,并在条件变分自编码器的框架下使用时序图卷积对网络节点进行编码.训练结束后,条件变分自编码器的中间层就是最终的网络嵌入结果.实验结果表明,该方法在4个现实动态网络数据集上的链接预测表现均优于相关的静、动态网络表示学习方法. 展开更多

关键词 网络表示学习 条件变分自编码器 动态网络 图卷积 链接预测

在线阅读 下载PDF 职称材料

结合多注意力和条件变分自编码器的宋词生成模型 被引量：1

7

作者 梁骁 黄文明 +2 位作者 姚俊 温雅媛 邓珍荣 《广西科学》 CAS 北大核心 2022年第2期308-315,共8页

现有的诗词生成方法忽略了风格的重要性。另外,由于宋词大部分词牌词句较多,逐句生成宋词的过程中容易产生上下文缺乏连贯性的现象,在上下文连贯性方面仍存在提升空间。针对这两个问题,在编码解码的文本生成框架基础上,引入自注意力机... 现有的诗词生成方法忽略了风格的重要性。另外,由于宋词大部分词牌词句较多,逐句生成宋词的过程中容易产生上下文缺乏连贯性的现象,在上下文连贯性方面仍存在提升空间。针对这两个问题,在编码解码的文本生成框架基础上,引入自注意力机制的句子表示算法计算多注意力权重矩阵,用于提取词句的多种重要语义特征,让模型更多地关注上文的显著信息来提高上下文连贯性。引入条件变分自编码器(CVAE)将每条宋词数据转化为隐空间中不同风格特征的高维高斯分布,从各自的分布中采样隐变量来控制宋词的风格。由于自构建的宋词语料库缺少完整风格分类标签,使用具有风格标签的宋词微调BERT模型,将其作为风格分类器标注全部的宋词数据。在上述关键技术的基础上实现了宋词生成模型,生成上下文连贯的婉约词以及豪放词。通过与其他4种基准方法进行对比实验,结果表明引入自注意力机制的句子表示算法和条件变分自编码器,在上下文连贯性和风格控制方面有一定的提升。 展开更多

关键词 条件变分自编码器 宋词风格 宋词生成 Bi-GRU 自注意力机制

在线阅读 下载PDF 职称材料

基于高斯混合聚类和改进条件变分自编码的多风电场功率日场景生成方法 被引量：6

8

作者 李丹 梁云嫣 +3 位作者 缪书唯 方泽仁 胡越 贺帅 《中国电力》 CSCD 北大核心 2024年第12期17-29,共13页

大量出力不确定的风电场并入电网会带来运行隐患和不可控风险,基于变分自编码器的场景生成模型方法能生成确定性场景集合以描述风电出力的不确定性。针对多风电场出力复杂的时空相关性以及在传统变分自编码器模型训练过程中可能存在的... 大量出力不确定的风电场并入电网会带来运行隐患和不可控风险,基于变分自编码器的场景生成模型方法能生成确定性场景集合以描述风电出力的不确定性。针对多风电场出力复杂的时空相关性以及在传统变分自编码器模型训练过程中可能存在的“KL坍缩”等问题,提出一种基于高斯混合聚类和改进条件变分自编码器的多风电场时空功率日场景生成方法。通过引入二维卷积技术提取时空相关性进行降维,并采用最大化最小夹角独立正则化技术,强化隐特征的独立性;采用超球面分布替代高斯分布,避免模型出现“KL坍缩”,提高模型场景生成训练的稳定性和准确性;另外,进一步考虑多风电场功率日场景的多样性和灵活性,引入高斯混合聚类技术,使模型可根据特定的条件标签生成具有差异化特征的确定性场景集。实际算例的结果表明,相较于常见方法,所提方法累积概率分布误差下降了17%~71%,时空相关性平均误差分别下降了85%~97%和55%~91%,且能精准生成不同风况类别占比的多风电场功率日场景集,提高了场景生成的多样性和灵活性。 展开更多

关键词 风电场景生成 高斯混合模型 特征提取 条件变分自编码器 超球面分布 正则化技术

在线阅读 下载PDF 职称材料

基于变分自编码器的多维退化数据生成方法 被引量：3

9

作者 林焱辉 李春波 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第10期2617-2627,共11页

数据驱动的剩余使用寿命(RUL)预测方法不依赖于复杂的物理模型,可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测,对制定合理的维修策略,降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据,... 数据驱动的剩余使用寿命(RUL)预测方法不依赖于复杂的物理模型,可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测,对制定合理的维修策略,降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据,在数据不足时,尤其是多维退化数据,模型难以取得良好的预测效果。针对这一问题,提出一种多维退化数据生成方法,所提方法构建了一种全局优化模型,以条件变分自编码器作为生成模型,提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集,利用长短时记忆网络作为RUL预测模型,所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果,同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证,通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现,验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。 展开更多

关键词 剩余寿命预测 变分自编码器 条件变分自编码器 数据生成 数据不足

在线阅读 下载PDF 职称材料

基于伪负样本和融合置信度的浮选分布外工况检测

10

作者 汤海玚 唐朝晖 +4 位作者 张虎 戴智恩 高小亮 苏越 马炜烨 《有色金属(中英文)》 北大核心 2025年第5期835-845,共11页

锌的快粗选作为锌浮选过程的第一道工序,是锌尾矿回收和锌精品位提升的关键。当实际生产中出现未在原有分类模型部署的工况时,现有的数据驱动策略仍将新型工况识别为分布内工况的某一类别,并进行对应类别的加药量调整,从而影响精矿品位... 锌的快粗选作为锌浮选过程的第一道工序,是锌尾矿回收和锌精品位提升的关键。当实际生产中出现未在原有分类模型部署的工况时,现有的数据驱动策略仍将新型工况识别为分布内工况的某一类别,并进行对应类别的加药量调整,从而影响精矿品位和尾矿回收。为此,提出一种基于伪负样本和融合置信度的浮选分布外工况检测方法。采用贝叶斯网络筛选不同类别的边缘样本,通过条件变分自动编码器CVAE(Conditional Variational Autoencoder)生成对应类别的近分布对抗性样本;利用生成的伪负样本学习预训练好的分类模型,获取不同特征层的加权系数,并融入能量函数计算模型损失;将基于马氏距离的单类别置信度和基于能量函数的多类别置信度加权求和,获取融合置信度,作为分布外检测的判别依据。实验结果表明,本文所提方法相较于已有的分布外检测基准方法取得了更优的性能:在锌浮选工况分类数据集上,本方法的AUROC和TNR(at TPR95%)分别提升了21.47%和13.21%,提高了对浮选新型工况的判别能力。 展开更多

关键词 工况识别 条件自编码器 马氏距离 能量函数 分布外检测

在线阅读 下载PDF 职称材料

基于CVAE-LSTM的服务器KPI异常检测

11

作者 沈夏闰 李若楠 张昊田 《系统工程与电子技术》 北大核心 2025年第3期1019-1027,共9页

对于关键性能指标(key performance indicator,KPI)的异常检测是互联网智慧运维流程中的基石,对于故障报警和保障服务器安全具有重要意义。深度生成模型已经能很好地解决机器学习模型深度特征表征能力差的问题,但对于KPI数据中时间信息... 对于关键性能指标(key performance indicator,KPI)的异常检测是互联网智慧运维流程中的基石,对于故障报警和保障服务器安全具有重要意义。深度生成模型已经能很好地解决机器学习模型深度特征表征能力差的问题,但对于KPI数据中时间信息的处理和长时信息的捕获存在不足。为此,提出一种基于条件变分自编码器(conditional variational autoencoder,CVAE)和长短时记忆(long-short term memory,LSTM)网络相结合的KPI异常检测模型,利用CVAE网络强大的表征能力,并将时间信息添加到深度自编码器中,利用LSTM的长时记忆能力,提高模型的长时异常学习和处理能力,使用训练好的CVAE网络来进一步训练LSTM。在3个公开的数据集上与其他深度学习模型进行对比实验,实验结果表明,在F 1值方面,所提模型的性能优于单独的LSTM和一些效果较好的深度学习模型。 展开更多

关键词 关键性能指标异常检测 条件变分自编码器 长短时记忆网络 关键性能指标 深度学习

在线阅读 下载PDF 职称材料

基于条件生成模型的高效近似查询处理框架 被引量：3

12

作者 白文超 韩希先 王金宝 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第5期995-1005,共11页

提出新型的近似查询处理方法,以克服近似查询处理任务中数据偏斜所导致的查询准确率低的问题.该方法以条件生成对抗神经网络为基础,融入条件变分自编码器,保证算法执行的稳定性,提高模型准确率;使用Wasserstein距离衡量模型误差,防止模... 提出新型的近似查询处理方法,以克服近似查询处理任务中数据偏斜所导致的查询准确率低的问题.该方法以条件生成对抗神经网络为基础,融入条件变分自编码器,保证算法执行的稳定性,提高模型准确率;使用Wasserstein距离衡量模型误差,防止模型坍塌.基于该条件生成模型实现近似查询处理,回答用户查询而无须访问底层数据,避免磁盘交互,并与聚集预计算相结合,构成高效的近似查询处理框架,能更加准确、快速地回答交互式查询.设计高效的表决算法,对模型生成的样本以及样本内部数据进行过滤,提高生成的样本质量,最小化查询误差.实验结果表明,与其他近似查询处理算法相比,该方法可以有效克服数据偏斜的影响,同时能够在更短的交互时间内更加准确地回答用户查询. 展开更多

关键词 条件生成对抗网络 条件变分自编码器 近似查询处理 聚集预计算 数据偏斜

在线阅读 下载PDF 职称材料

DCVAE与DPC融合的网络入侵检测模型研究 被引量：6

13

作者 李登辉 葛丽娜 +2 位作者 王哲 樊景威 张壕 《小型微型计算机系统》 CSCD 北大核心 2024年第4期998-1006,共9页

入侵检测是主动防御网络中攻击行为的技术,以往入侵检测模型因正常网络流量与未知攻击内在特征区分度不足,导致对未知攻击识别率不够高,本文设计基于判别条件变分自编码器与密度峰值聚类算法的入侵检测模型(DCVAE-DPC).利用判别条件变... 入侵检测是主动防御网络中攻击行为的技术,以往入侵检测模型因正常网络流量与未知攻击内在特征区分度不足,导致对未知攻击识别率不够高,本文设计基于判别条件变分自编码器与密度峰值聚类算法的入侵检测模型(DCVAE-DPC).利用判别条件变分自编码器能够生成指定类别样本的能力,学习正常网络流量特征的隐空间表示并计算其重建误差,增加其与未知攻击间的特征区分度,并使用密度峰值聚类算法求出正常网络流量重建误差的分布,提高未知攻击识别率.实验结果表明,在NSL-KDD数据集中与当前流行的入侵检测模型相比,模型的分类准确率可以达到97.08%,具有更高的未知攻击检测能力,面对当前复杂网络环境,有更强的入侵检测性能. 展开更多

关键词 入侵检测 判别条件变分自编码器 密度峰值聚类算法 未知攻击识别 细粒度攻击分类

在线阅读 下载PDF 职称材料

面向未知域场景的车辆轨迹预测模型

14

作者 卢一凡 李煊鹏 薛启凡 《智能系统学报》 CSCD 北大核心 2024年第5期1238-1247,共10页

自动驾驶技术随着科技革新迎来蓬勃发展,轨迹预测已成为智能汽车软件系统不可或缺的关键组成部分。为了解决传统车辆轨迹预测模型中存在的泛化能力不足的问题,提出一种基于泛化终点预测和地图场景的车辆轨迹预测方法。该方法采用基于不... 自动驾驶技术随着科技革新迎来蓬勃发展,轨迹预测已成为智能汽车软件系统不可或缺的关键组成部分。为了解决传统车辆轨迹预测模型中存在的泛化能力不足的问题,提出一种基于泛化终点预测和地图场景的车辆轨迹预测方法。该方法采用基于不变风险最小化的条件变分自编码器生成轨迹终点,并结合时序网络编码的地图场景特征,提升了模型预测未知域数据的准确率。在交互式道路场景数据集INTERACTION上的实验结果证明该模型具有良好的泛化性能。本方法与效果最好的方法REx相比1、2、3 s处的mADE值(越小越好)分别下降0%、36.59%、50.68%,在未知测试域的预测轨迹准确度得到显著提升。 展开更多

关键词 轨迹预测 域泛化 不变风险最小化 条件变分自编码器 端点生成 矢量地图 场景上下文 时序网络

在线阅读 下载PDF 职称材料

不平衡数据集下基于CVAE-CNN模型的智能电表故障多分类方法 被引量：22

15

作者 高欣 纪维佳 +3 位作者 赵兵 贾欣 黄子健 任昺 《电网技术》 EI CSCD 北大核心 2021年第8期3052-3060,共9页

提高智能电表故障不平衡多分类准确率对用电采集系统的可靠运行具有重要意义。传统机器学习中以合成少数类过采样(synthetic minority oversampling technique,SMOTE)算法及其变体为代表的过采样方法,较少考虑数据全局分布,而后续采用... 提高智能电表故障不平衡多分类准确率对用电采集系统的可靠运行具有重要意义。传统机器学习中以合成少数类过采样(synthetic minority oversampling technique,SMOTE)算法及其变体为代表的过采样方法,较少考虑数据全局分布,而后续采用的分类算法难以从数据中获取更深层特征信息。基于深度学习思想,提出一种基于条件变分自编码器-卷积神经网络(conditional variational auto encoder-convolutional neural network,CVAE-CNN)模型的不平衡多分类方法,将类别标签作为约束条件,搭建由全连接层构成的CVAE网络生成少数类样本,根据变分下界对服从多维且各维度为独立高斯分布的隐变量建模,学习各类分布特点和数据集全局特征,提高生成数据质量。平衡后的数据采用卷积神经网络进行分类,设计一维卷积层提取数据中潜藏的复杂特征,构造最大池化方法提高模型容错率,依据各类分布特点进行分类处理,提高对少数类别的识别率。以15个KEEL公开数据集和近年采集的智能电表故障数据作为实际算例,所提模型与典型的过采样方法和分类方法进行对比,实验结果表明具有更高的分类精度。 展开更多

关键词 智能电表 故障多分类 不平衡数据 条件变分自编码器 卷积神经网络

在线阅读 下载PDF 职称材料

基于CVAE的超高速碰撞碎片云运动过程的快速预测技术 被引量：2

16

作者 周浩 李毅 +2 位作者 张浩 陈鸿 任磊生 《实验流体力学》 CAS CSCD 北大核心 2021年第5期40-46,共7页

在航天器防护构型设计中,需要快速、精确预测空间碎片超高速撞击防护屏产生碎片云的质量分布及其运动过程。采用深度学习方法,基于条件变分自编码器(CVAE)模型和大量铝球超高速正撞击铝板的光滑粒子流体动力学(SPH)方法的数值模拟结果,... 在航天器防护构型设计中,需要快速、精确预测空间碎片超高速撞击防护屏产生碎片云的质量分布及其运动过程。采用深度学习方法,基于条件变分自编码器(CVAE)模型和大量铝球超高速正撞击铝板的光滑粒子流体动力学(SPH)方法的数值模拟结果,初步构建了碎片云空间质量分布与运动特征的快速预测模型。数值模拟中把铝球速度(3.00~8.00 km/s)、铝球半径(2.00~8.00 mm)、铝板厚度(1.000~4.000 mm)以及观测时间(1.0~12.0μs)4个变量作为输入控制参数,生成大量格式统一的训练集数据。模型隐藏层采用200个特征数据来描述碎片云质量分布,训练集参数范围内平均误差在0.6%以内,生成一个碎片云质量分布的平均时间小于7 ms。 展开更多

关键词 超高速碰撞 碎片云 深度学习 条件变分自编码器 防护屏

在线阅读 下载PDF 职称材料

融合预训练模型的中文知识图谱问题生成方法 被引量：6

17

作者 叶子 陈小平 +2 位作者 张波 欧阳昱 刘辉舟 《小型微型计算机系统》 CSCD 北大核心 2021年第2期246-250,共5页

基于知识图谱的问答方法旨在通过知识图谱的三元组检索和推断来对自然语言形式的问题进行解答.然而,现有中文知识图谱问答语料库存在规模较小,质量较差等问题,相关语料库构建方法亟待完善.因此,本文提出一种融合预训练模型的中文知识图... 基于知识图谱的问答方法旨在通过知识图谱的三元组检索和推断来对自然语言形式的问题进行解答.然而,现有中文知识图谱问答语料库存在规模较小,质量较差等问题,相关语料库构建方法亟待完善.因此,本文提出一种融合预训练模型的中文知识图谱问题生成方法,目标是以中文知识图谱三元组作为输入生成正确且多样的问题.该方法汲取了条件变分自编码器的思想,以预编码器-源编码器-解码器为核心架构,利用BERT模型进行预编码,并以Transformer模型为基础构建源编码器和解码器.此外,该方法还结合了答案编码技术并进行了改进.本文使用NLPCC2017 KBQA数据集进行实验,实验表明该模型在BLEU、ROUGE以及人工评价指标上较基线模型有明显提升,并且能够生成更具多样性的问题,证明了该方法的有效性. 展开更多

关键词 知识图谱 问题生成 预训练模型 条件变分自编码器

在线阅读 下载PDF 职称材料

基于Transformer-CVAE的三维人体动画生成方法 被引量：2

18

作者 冯文科 石敏 +1 位作者 朱登明 李兆歆 《计算机科学与探索》 CSCD 北大核心 2023年第9期2137-2147,共11页

三维人体动画生成技术是三维动画领域的核心技术。基于动作捕捉的人体动画生成方法通常制作流程较为繁琐、制作周期较长,无法快速生成人体动画,而现有数据驱动的方法生成的人体动画缺乏真实性,且生成人体运动的种类相对有限。基于此,提... 三维人体动画生成技术是三维动画领域的核心技术。基于动作捕捉的人体动画生成方法通常制作流程较为繁琐、制作周期较长,无法快速生成人体动画,而现有数据驱动的方法生成的人体动画缺乏真实性,且生成人体运动的种类相对有限。基于此,提出了一种基于Transformer-CVAE的三维人体动画生成方法。首先,基于真实的人体运动构建人体运动数据集,并按照运动种类进行类别划分;其次,基于Transformer网络架构学习运动序列的时序依赖关系,进一步引入变分自编码器结构学习运动序列在隐空间上的概率分布;然后,在隐空间施加约束条件进而控制生成人体运动的效果;最后,在AMASS、HumanACT12、UESTC等数据集上进行实验,并从视觉效果与网络性能两方面对方法进行分析。实验结果表明,与现有方法相比,所提方法可生成种类丰富、真实细腻的人体动画,且在STED、RMSE等指标上具有明显的提升。 展开更多

关键词 TRANSFORMER 条件变分自编码器 三维人体动画 计算机图形学

在线阅读 下载PDF 职称材料

自动扩充关键词语义信息的诗歌生成算法 被引量：2

19

作者 王勇超 周灵智 +1 位作者 赵亚萍 许端清 《计算机科学与探索》 CSCD 北大核心 2023年第6期1387-1394,共8页

当前,诗歌生成模型大多数通过用户所提供的关键词来生成符合韵律规则和音调起伏的诗歌。由于关键词蕴含的语义信息较少,很难保证生成诗歌的质量,容易出现上下文主题偏移的现象。针对这一问题,提出了一种基于条件变分自编码器的生成模型... 当前,诗歌生成模型大多数通过用户所提供的关键词来生成符合韵律规则和音调起伏的诗歌。由于关键词蕴含的语义信息较少,很难保证生成诗歌的质量,容易出现上下文主题偏移的现象。针对这一问题,提出了一种基于条件变分自编码器的生成模型,该模型能够在更加丰富的语义信息指导下,生成更符合关键字描述和用户满意度的诗歌。该模型通过采样人类创作的诗歌,引入额外和关键词相关的语义信息,有效估计条件变分自编码器的先验概率分布,生成更贴合真实分布的先验概率。由于该模型自动扩充了关键词信息,缩小了输入和输出语义信息的差距,缓解了以往模型中普遍存在的过翻译问题。实验结果表明,该模型无论在自动评估还是人类评估方面相比其他模型都有更好的效果,并成功减少了过翻译问题出现的频率,提高了生成诗歌的流畅性。通过变化采样的范围,成功实现了对生成诗歌写作风格的控制,进一步证明了该算法的有效性。 展开更多

关键词 自然语言处理 自然语言生成 诗歌生成 条件变分自编码器

在线阅读 下载PDF 职称材料

车辆多目标交互行为建模的轨迹预测方法 被引量：1

20

作者 赵靖文 李煊鹏 张为公 《智能系统学报》 CSCD 北大核心 2023年第3期480-488,共9页

预测周围智能体的运动轨迹是实现自动驾驶行为决策规划的关键。面对复杂的车辆交互影响和多模态驾驶意图所带来的难题,本文提出一种基于车辆多目标交互行为建模的轨迹预测方法。该方法采用条件变分自编码器生成轨迹终点的多模态结果,结... 预测周围智能体的运动轨迹是实现自动驾驶行为决策规划的关键。面对复杂的车辆交互影响和多模态驾驶意图所带来的难题,本文提出一种基于车辆多目标交互行为建模的轨迹预测方法。该方法采用条件变分自编码器生成轨迹终点的多模态结果,结合自注意力机制和多头注意力机制来捕捉车辆之间的群体交互影响,最终使用逆强化学习输出多模态轨迹的最优决策,实现了同步预测多个目标轨迹。在高速公路数据集NGSIM上的实验结果证明该模型的有效性,并且预测效果整体优于现有方法。 展开更多

关键词 轨迹预测 注意力机制 多目标交互 多模态预测 条件变分自编码器 端点生成 逆强化学习 决策校正

在线阅读 下载PDF 职称材料