-
题名基于多层感知机的无线射频标签数量估计方法
被引量:8
- 1
-
-
作者
谢鑫
刘秀龙
王军晓
郭嵩
李克秋
-
机构
香港理工大学电子与计算学系
天津大学智能与计算学部
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2023年第3期499-511,共13页
-
基金
国家自然科学基金(No.6200225,62032017)资助.
-
文摘
近年来,随着标签价格的下降和供应链物流需求的增长,射频识别技术已经走向全面部署阶段.全面部署意指在所有商品上部署标签,以提升供应链追踪的精度.这种趋势会导致标签数据规模呈指数倍增长,给阅读器的信息读取带来很大的压力.在这个背景下,标签数量估计协议,正因为其时间效率高的特点得到越来越多的关注.现有的方法主要根据时隙状态统计特征进行数量估计.然而,各类型数量估计统计量的精度受到系统参数、标签规模、以及随机噪声的影响,其结果很不稳定.任意单一特征都很难给出精准、稳定的数量估计结果.为此,本文设计了一种基于多层感知机的数量估计方法,通过融合多样化的数量估计特征来提高估计的精度.针对真实时隙状态难以获取,模型难以训练的问题,本文研究了如何通过仿真器生成大量具有不同时隙状态的随机帧来训练我们的网络.针对数量估计网络工作范围较窄的问题,我们设计了一种两阶段基于采样思想的数量估计协议,通过快速的标签数量粗略估计设定合理的采样概率,以确保标签数目位于数量估计网络的工作区间.我们的仿真实验结果表明,本文提出的基于多层感知机的数量估计协议比现有方法能提升至少21%的精度.
-
关键词
无线射频识别
标签数量估计
多层感知机
标签采样
时间效率
-
Keywords
radio frequency identification
tag cardinality estimation
multilayer perceptron
tag sampling
time-efficiency
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于模型采样和领域对抗神经网络的轴承故障诊断方法
被引量:2
- 2
-
-
作者
高晗
毛阗
韦荣阳
张建中
黄立荣
杨健
-
机构
浙江大学化工机械研究所
浙江大学平衡建筑研究中心
浙江大学建筑设计研究院有限公司
杭州元创新型材料科技有限公司
-
出处
《机电工程》
CAS
北大核心
2022年第8期1024-1030,共7页
-
基金
国家重点研发计划资助项目(2021YFB2601603)
国家自然学科基金资助项目(52075487)
浙江省科技计划资助项目(2022C01219)。
-
文摘
为了适应不同产品的不同加工要求,轴承需要工作于不同的工况下,但是工况的变化会造成数据分布差异,从而导致轴承故障诊断模型的性能下降,同时目前也缺少针对无标签情况下实现故障类别均衡采样的方法,为此,提出了一种基于模型采样(MBS)和领域对抗神经网络(DANN)的轴承故障诊断方法。首先,使用基于模型采样(MBS)的方法,将预训练模型输出的类别概率分布作为采样依据,克服了在无标签目标工况下实现类别均衡采样的困难;然后,结合领域对抗神经网络(DANN),设计了将特征从目标工况迁移到源工况的网络结构;最后,在故障模拟实验数据上,建立了高精度的变工况轴承故障诊断模型,并将采用该方法所获结果与采用多种对照方法所获结果进行了对比分析,以验证该方法在变工况轴承故障诊断上的有效性和优越性。研究结果表明:在模拟实验中,采用基于MBS-DANN的方法可达到98.41%的平均诊断准确率,相比随机采样法提高超过10%;这说明无标签样本类别均衡采样具有重要意义,也可验证基于MBS-DANN的方法在变工况轴承故障诊断上的有效性和优越性。
-
关键词
定厚辊轴承
无标签采样法
类别均衡采样
特征迁移学习
模型采样
领域对抗神经网络
-
Keywords
fixed thickness roller bearing
unlabeled sampling method
classification equilibrium sampling
feature transfer learning
model-based sampling(MBS)
domain adversarial neural network(DANN)
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-