检索结果-维普期刊中文期刊服务平台

基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别被引量：2: 1; 作者王健秦春霞 +1 位作者杨珂任萍《兵工学报》 EI CAS CSCD 北大核心 2020年第9期1861-1870,共10页; 为解决现有合成孔径雷达(SAR)目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图... 展开更多; 关键词合成孔径雷达导向重构降噪稀疏自编码器正则化Softmax 目标识别; 在线阅读下载PDF 职称材料

基于EMD距离的稀疏自编码器被引量：2: 2; 作者范韫《计算机工程与科学》 CSCD 北大核心 2022年第5期894-900,共7页; KL散度在机器学习领域被广泛地用于模型损失函数之中来度量分布的距离。在稀疏自编码器中,KL散度被用作损失函数的惩罚项来度量神经元输出与稀疏参数的距离,使得神经元输出趋近稀疏参数,从而抑制神经元的激活以得到稀疏编码。在WGAN中,W... 展开更多; 关键词稀疏自编码器正则化 EMD距离 KL散度; 在线阅读下载PDF 职称材料

基于极端学习机的人脸特征深度稀疏自编码方法被引量：1: 3; 作者张欢欢洪敏袁玉波《计算机应用》 CSCD 北大核心 2018年第11期3193-3198,共6页; 针对输入人脸特征的不准确性导致识别系统识别率不高的问题,提出了一种有效的基于极端学习机(ELM)的人脸特征深度稀疏自编码(DSAE)方法。首先,利用截断式核范数构造损失函数,通过最小化损失函数提取人脸图像的稀疏特征;其次,利用极端学... 展开更多; 关键词人脸图像极端学习机自编码器截断式核范数正则化稀疏特征; 在线阅读下载PDF 职称材料

基于MRSDAE-KPCA结合Bi-LST的滚动轴承剩余使用寿命预测被引量：1: 4; 作者古莹奎陈家芳石昌武《噪声与振动控制》 CSCD 北大核心 2024年第3期95-100,145,共7页; 针对现有滚动轴承剩余使用寿命预测方法在提取数据特征时没有充分考虑数据的内部分布,且在构建健康因子时还需要专家经验进行人工提取等问题,提出一种基于流形正则化堆栈去噪自编码器、核主成分分析并结合双向长短时记忆网络的滚动轴承... 展开更多; 关键词故障诊断滚动轴承剩余使用寿命预测健康因子流形正则化堆栈去噪自编码器双向长短时记忆网络; 在线阅读下载PDF 职称材料

基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测被引量：1: 5; 作者陈家芳刘钰凡吴朗《现代制造工程》 CSCD 北大核心 2024年第3期148-155,53,共9页; 基于传统方法预测轴承剩余使用寿命(Residual Useful Life,RUL),步骤繁多,成本昂贵,且模型不具泛化性。现有的基于深度学习(Deep Learning,DL)的预测方法,由于数据量过大,经常导致模型出现过拟合现象,从而使模型精度不高。为了克服以上... 展开更多; 关键词深度学习剩余使用寿命流形正则化堆栈去噪自编码器分层门控循环单元; 在线阅读下载PDF 职称材料

面向工业入侵检测的数据增强与特征提取的研究被引量：2: 6; 作者宗学军金琼李鹏程《计算机应用与软件》北大核心 2023年第6期315-322,共8页; 随着工业控制网络(Industrial Control Network,ICN)高速发展,ICN安全已经是全球性重要问题之一,工业入侵检测作为一种ICN安全防护技术成为研究热点。在工业入侵检测中,由于ICN数据存在攻击样本不平衡、特征维度高的问题,提出一种辅助... 展开更多; 关键词工业控制网络辅助生成对抗网络数据增强正则化堆栈稀疏自编码器特征提取; 在线阅读下载PDF 职称材料

基于随机特征映射的四层多核学习方法被引量：4: 7; 作者杨悦王士同《计算机应用》 CSCD 北大核心 2022年第1期16-25,共10页; 针对单核网络模型的核函数选择无理论依据以及基于随机特征映射的四层神经网络(FRMFNN)节点规模过大的问题,提出了一种基于随机特征映射的四层多核学习神经网络(MK-FRMFNN)算法。首先,把原始输入特征通过特定的随机映射算法转化为随机... 展开更多; 关键词随机特征映射稀疏自动编码器多核学习岭回归正则化; 在线阅读下载PDF 职称材料

题名基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别被引量：2: 1; 作者王健秦春霞杨珂任萍; 机构西北工业大学电子与信息学院西北工业大学第; 出处《兵工学报》 EI CAS CSCD 北大核心 2020年第9期1861-1870,共10页; 基金国家自然科学基金项目(61671383) 陕西省重点产业创新链项目(2018ZDCXL-G-12-2、2019ZDLGY14-02-02、2019ZDLGY14-02-03) 西北工业大学研究生创新基金项目(Z2017144)。; 文摘为解决现有合成孔径雷达(SAR)目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图像输出特征的维度,提高预处理的速度;采用减少降噪自编码器隐层神经元方式对图像进行低维特征抽取和识别;使用Softmax分类器进行分类处理。实验结果表明,通过导向重构与降噪稀疏自编码器的SAR目标识别算法,不仅提高了目标识别性能以及泛化能力,而且降低了自编码器的隐层神经元数量和计算复杂度,网络结构也得到改进和优化。; 关键词合成孔径雷达导向重构降噪稀疏自编码器正则化Softmax 目标识别; Keywords synthetic aperture radar guided filter reconstruction denoising sparse autoencoder regularized Softmax target recognition; 分类号 TN959.17 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于EMD距离的稀疏自编码器被引量：2: 2; 作者范韫; 机构国防大学政治学院; 出处《计算机工程与科学》 CSCD 北大核心 2022年第5期894-900,共7页; 文摘 KL散度在机器学习领域被广泛地用于模型损失函数之中来度量分布的距离。在稀疏自编码器中,KL散度被用作损失函数的惩罚项来度量神经元输出与稀疏参数的距离,使得神经元输出趋近稀疏参数,从而抑制神经元的激活以得到稀疏编码。在WGAN中,Wasserstein距离被用于解决GAN的梯度消失和模式塌陷问题,使得GAN的训练更加稳定。得益于Wasserstein距离在GAN中的成功应用,提出了基于EMD距离的稀疏自编码器SAE-EMD。实验结果表明,相比于使用KL散度与JS散度,使用EMD距离作为惩罚项的稀疏自编码器可以使得真实样本与重构样本之间的重构误差减小,并且随着惩罚参数的增大,编码更加稀疏。; 关键词稀疏自编码器正则化 EMD距离 KL散度; Keywords sparse autoencoder regularization earth mover distance KL divergence; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于极端学习机的人脸特征深度稀疏自编码方法被引量：1: 3; 作者张欢欢洪敏袁玉波; 机构华东理工大学信息科学与工程学院; 出处《计算机应用》 CSCD 北大核心 2018年第11期3193-3198,共6页; 基金国家自然科学基金资助项目(61001200) 上海市科研计划项目(17DZ1101003)~~; 文摘针对输入人脸特征的不准确性导致识别系统识别率不高的问题,提出了一种有效的基于极端学习机(ELM)的人脸特征深度稀疏自编码(DSAE)方法。首先,利用截断式核范数构造损失函数,通过最小化损失函数提取人脸图像的稀疏特征;其次,利用极端学习机自编码器(ELM-AE)模型进行人脸特征的自编码,实现数据维度的降低以及噪声过滤;最后,通过经验风险极小化得到最优的深度结构。在ORL、IMM、Yale和UMIST人脸数据集上的实验结果表明,DSAE方法对高维人脸图像的识别率明显优于极端学习机、随机森林(RF)等算法,且具有良好的泛化性能。; 关键词人脸图像极端学习机自编码器截断式核范数正则化稀疏特征; Keywords face image Extreme Learning Machine(ELM) auto-encoder Truncated Nuclear Norm Regularization(TNNR) sparse feature; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于MRSDAE-KPCA结合Bi-LST的滚动轴承剩余使用寿命预测被引量：1: 4; 作者古莹奎陈家芳石昌武; 机构江西理工大学机电工程学院; 出处《噪声与振动控制》 CSCD 北大核心 2024年第3期95-100,145,共7页; 基金国家自然科学基金资助项目(61963018) 江西省自然科学基金重点资助项目(20212ACB202004)。; 文摘针对现有滚动轴承剩余使用寿命预测方法在提取数据特征时没有充分考虑数据的内部分布,且在构建健康因子时还需要专家经验进行人工提取等问题,提出一种基于流形正则化堆栈去噪自编码器、核主成分分析并结合双向长短时记忆网络的滚动轴承剩余使用寿命预测方法。首先采用无监督的堆栈去噪自编码器网络对原始振动数据进行深层特征提取,并使用核主成分分析法进一步降维,以提高健康因子的指标稳定性;然后在堆栈去噪自编码器中加入流形正则化,最大程度保留编码器隐藏层内部的数据分布结构,提高模型提取数据特征的有效性。最后使用双向长短时记忆网络预测轴承的剩余使用寿命,并采用AdaMax优化算法对网络模型的超参数进行自适应寻优。分析结果表明,提出的滚动轴承剩余使用寿命预测方法具有更高的精度。; 关键词故障诊断滚动轴承剩余使用寿命预测健康因子流形正则化堆栈去噪自编码器双向长短时记忆网络; Keywords fault diagnosis rolling bearing residual useful life prediction health factors manifold regularization stack denoising autoencoder bi-directional long short-term memory network; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测被引量：1: 5; 作者陈家芳刘钰凡吴朗; 机构广西中烟工业有限责任公司; 出处《现代制造工程》 CSCD 北大核心 2024年第3期148-155,53,共9页; 文摘基于传统方法预测轴承剩余使用寿命(Residual Useful Life,RUL),步骤繁多,成本昂贵,且模型不具泛化性。现有的基于深度学习(Deep Learning,DL)的预测方法,由于数据量过大,经常导致模型出现过拟合现象,从而使模型精度不高。为了克服以上缺点,提出一种基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测方法。首先,使用无监督式网络流形正则化堆栈去噪自编码器(Manifold Regularization Stack Denoising Auto Encoder,MRSDAE)结合自组织映射(Self-Or-ganizing Mapping,SOM)构建轴承健康因子(Health Indicator,HI)。然后,通过分层门控循环单元(Hierarchical Gated Re-current Unit,HGRU)网络建立预测模型,HGRU网络通过加入多尺度层和密集层,使其具有捕获时序特征且集成不同时间尺度注意力信息的能力。最后,通过实验验证表明,相比于其他基于数据驱动的方法,所提方法构建健康因子使用无监督方式,高效快捷且便于应用;预测模型泛化能力好,并有效防止了过拟合现象,实现了更高的预测精度。; 关键词深度学习剩余使用寿命流形正则化堆栈去噪自编码器分层门控循环单元; Keywords Deep Learning(DL) Residual Useful Life(RUL) Manifold Regularized Stack Denoising Auto Encoder(MRSDAE) Hierarchical Gated Recurrent Unit(HGRU); 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名面向工业入侵检测的数据增强与特征提取的研究被引量：2: 6; 作者宗学军金琼李鹏程; 机构沈阳化工大学信息工程学院; 出处《计算机应用与软件》北大核心 2023年第6期315-322,共8页; 基金 2020年度辽宁省重点研发计划项目(2020JH2/10100035)。; 文摘随着工业控制网络(Industrial Control Network,ICN)高速发展,ICN安全已经是全球性重要问题之一,工业入侵检测作为一种ICN安全防护技术成为研究热点。在工业入侵检测中,由于ICN数据存在攻击样本不平衡、特征维度高的问题,提出一种辅助生成对抗网络(Auxiliary Classifier Generative Adversarial Networks,ACGAN)与正则化堆栈稀疏自编码器(Batch Normalization Stacked Sparse Auto-Encoder,BN-SSAE)相结合的深度学习方法,运用ACGAN数据增强和BN-SSAE深层次特征提取解决上述问题,再使用多层感知机(MultiLayer Perceptron,MLP)进行分类,得到入侵检测结果。以ACGAN、BN-SSAE和MLP为基础建立工业入侵检测模型,使用密西西比州立大学数据集进行实验,结果表明该模型符合工业入侵检测的要求。利用加拿大网络安全研究所的CICIDS2017数据集进行验证,证明该模型在工业入侵检测中具有可行性和有效性。; 关键词工业控制网络辅助生成对抗网络数据增强正则化堆栈稀疏自编码器特征提取; Keywords Industrial control network Auxiliary classifier generative adversarial network Data augmentation Batch normalization stacked sparse auto-encoder Feature extraction; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于随机特征映射的四层多核学习方法被引量：4: 7; 作者杨悦王士同; 机构江南大学人工智能与计算机学院; 出处《计算机应用》 CSCD 北大核心 2022年第1期16-25,共10页; 基金江苏省自然科学基金资助项目(BK20191331)。; 文摘针对单核网络模型的核函数选择无理论依据以及基于随机特征映射的四层神经网络(FRMFNN)节点规模过大的问题,提出了一种基于随机特征映射的四层多核学习神经网络(MK-FRMFNN)算法。首先,把原始输入特征通过特定的随机映射算法转化为随机映射特征;然后,经过不同的随机核映射生成多个基本核矩阵;最后,将基本核矩阵组成合成核矩阵,并通过输出权重连接到输出层。对原始特征进行随机映射的权重是根据任意连续采样概率分布随机生成的,不需要训练更新,且对输出层的权重使用岭回归伪逆算法进行快速求解,从而避免了反复迭代耗时的训练过程。MK-FRMFNN在基本核映射时引入了不同的随机权重矩阵,生成的合成核矩阵不仅可以综合各种核函数的优势,而且可以集合各种随机分布函数的特性,使数据在新的特征空间中获得更好的特征选择和表达效果。理论和实验分析表明,与宽度学习系统(BLS)及FRMFNN等单核模型相比,MK-FRMFNN模型的节点规模减小了2/3左右,且分类性能稳定;与主流的多种多核模型相比,MK-FRMFNN模型能够对大样本数据集进行学习,并且分类性能明显更优。; 关键词随机特征映射稀疏自动编码器多核学习岭回归正则化; Keywords random feature mapping sparse autoencoder multiple kernel learning ridge regression regularization; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别	王健秦春霞杨珂任萍	《兵工学报》 EI CAS CSCD 北大核心	2020	2	在线阅读下载PDF 职称材料
2	基于EMD距离的稀疏自编码器	范韫	《计算机工程与科学》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
3	基于极端学习机的人脸特征深度稀疏自编码方法	张欢欢洪敏袁玉波	《计算机应用》 CSCD 北大核心	2018	1	在线阅读下载PDF 职称材料
4	基于MRSDAE-KPCA结合Bi-LST的滚动轴承剩余使用寿命预测	古莹奎陈家芳石昌武	《噪声与振动控制》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测	陈家芳刘钰凡吴朗	《现代制造工程》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
6	面向工业入侵检测的数据增强与特征提取的研究	宗学军金琼李鹏程	《计算机应用与软件》北大核心	2023	2	在线阅读下载PDF 职称材料
7	基于随机特征映射的四层多核学习方法	杨悦王士同	《计算机应用》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料