期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于格拉姆角场变换和深度压缩模型的变压器故障识别方法 被引量:15
1
作者 刘志坚 何蔚 +3 位作者 刘航 谢静 陶韵旭 张德春 《电网技术》 EI CSCD 北大核心 2023年第4期1478-1489,共12页
提出了一种基于格拉姆角场和深度压缩模型的变压器故障识别方法。针对故障样本稀缺和VGG(visual geometry group)网络一般不能直接读取一维数据的问题,首先提出了格拉姆角场变换方法将一维故障样本转换为三维特征图像,并使用数据增强方... 提出了一种基于格拉姆角场和深度压缩模型的变压器故障识别方法。针对故障样本稀缺和VGG(visual geometry group)网络一般不能直接读取一维数据的问题,首先提出了格拉姆角场变换方法将一维故障样本转换为三维特征图像,并使用数据增强方法进行样本扩充,使其满足故障识别方法的输入需求。进一步,针对VGG网络层数深、参数多以及结构复杂的缺点,提出了一种改进深度压缩模型。使用NiNNet(network in network)网络的全局平均池化层替换VGG网络的全连接层,减少VGG末端网络的层数和参数规模;提出了一种结构化剪枝方法对VGG网络的多层卷积核进行剪枝,进一步减少VGG前端网络的参数规模,实现网络的深度压缩。由变压器油色谱故障数据上开展的数值实验和性能评估结果表明,所提方法在不损失变压器故障识别结果精度的前提下实现了VGG网络的深度压缩和结构简化:此外,深度压缩模型能够有效降低模型存储所需的存储空间和运行所需的计算资源,使其能够应用于体积小、功耗低的边缘计算平台。 展开更多
关键词 变压器 故障识别 格拉姆角场 深度学习 深度压缩模型
在线阅读 下载PDF
基于知识蒸馏的轻量化恶意流量检测方法
2
作者 孙剑文 张斌 +1 位作者 司念文 樊莹 《信息网络安全》 北大核心 2025年第6期859-871,共13页
针对资源受限场景下多分类恶意流量检测的模型轻量化需求,文章提出一种基于知识蒸馏的轻量化恶意流量检测方法。通过将12层transformer教师模型的知识迁移至1层transformer学生模型,结合Kullback-Leibler散度蒸馏损失与Focal监督损失的... 针对资源受限场景下多分类恶意流量检测的模型轻量化需求,文章提出一种基于知识蒸馏的轻量化恶意流量检测方法。通过将12层transformer教师模型的知识迁移至1层transformer学生模型,结合Kullback-Leibler散度蒸馏损失与Focal监督损失的双重监督信号机制,模型从286 MB压缩至26 MB,推理速度提升约10倍,同时分类精确率下降幅度小于1.4个百分点。实验结果表明,在USTC-TFC2016、ISCX-VPN2016-Service和CSE-CIC-IDS20183个公开数据集上,压缩后的模型对长尾类别流量和隐蔽攻击模式识别准确率高于99.38%,显著优于传统CNN或RNN架构的轻量化方法,在资源效率与检测性能之间实现了平衡。 展开更多
关键词 知识蒸馏 模型深度压缩 transformer层 恶意流量检测 多分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部