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QPSO正则化极限学习机的轴承故障诊断被引量：5: 2; 作者刘鑫任海莉《组合机床与自动化加工技术》北大核心 2021年第3期36-40,共5页; 从复杂的振动信号中提取有效的故障特征并且得到准确的分类结果,建立可靠的故障诊断方法一直都是滚动轴承故障诊断研究中的关键课题。文章提出一种改进的正则化极限学习机(Regularized Extreme Learning Machine,RELM)应用于降噪自动编... 展开更多; 关键词滚动轴承降噪自动编码器正则化极限学习机特征提取; 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: 3; 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: 4; 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

基于SDAE与RELM的EEG情感识别方法被引量：3: 5; 作者连卫芳晁浩刘永利《计算机工程》 CAS CSCD 北大核心 2021年第9期75-83,共9页; 针对情感识别中堆叠式自动编码器存在反向传播方法收敛速度慢和容易陷入局部最优的问题,提出一种基于堆叠式降噪自动编码器(SDAE)和正则化极限学习机(RELM)的情感状态识别方法。从脑电信号的时域、频域和时频域中提取表征情感状态的初... 展开更多; 关键词情感识别脑电信号情感特征堆叠式降噪自动编码器正则化极限学习机; 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

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QPSO正则化极限学习机的轴承故障诊断被引量：5: 2; 作者刘鑫任海莉; 机构太原科技大学电子信息工程学院; 出处《组合机床与自动化加工技术》北大核心 2021年第3期36-40,共5页; 基金山西省回国留学人员科研资助项目(2020-127) 山西省重点研发计划(201903D321012) 山西省留学回国人员科技活动择优资助项目(2018002)。; 文摘从复杂的振动信号中提取有效的故障特征并且得到准确的分类结果,建立可靠的故障诊断方法一直都是滚动轴承故障诊断研究中的关键课题。文章提出一种改进的正则化极限学习机(Regularized Extreme Learning Machine,RELM)应用于降噪自动编码器(Denoising AutoEncoder,DAE)的故障分类方法。首先,将振动信号经过快速傅里叶变换得到的频域系数作为高维数据,然后利用堆叠降噪自动编码器(Stacked Denoising Autoencoders,SDAE)对高维数据进行学习,提取更具鲁棒性的特征,再将该特征作为RELM的输入进行分类,得到故障诊断模型。针对RELM中正则化参数选取困难问题,采用量子粒子群优化算法(Quantum-behaved particle swarm optimization,QPSO)进行参数优化。实验结果表明,基于SDAE-RELM的诊断方法在泛化性和故障识别率都优于SDAE和其他分类算法结合的故障识别方法。; 关键词滚动轴承降噪自动编码器正则化极限学习机特征提取; Keywords fault diagnosis denoising autoencoder regularization extreme learning machine(RELM) feature extraction; 分类号 TH166 [机械工程—机械制造及自动化] TG506 [金属学及工艺—金属切削加工及机床]; 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: 3; 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: 4; 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

题名基于SDAE与RELM的EEG情感识别方法被引量：3: 5; 作者连卫芳晁浩刘永利; 机构河南理工大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2021年第9期75-83,共9页; 基金国家自然科学基金(61502150) 河南省高等学校重点科研计划项目(NSFRF1616) 河南省高校基本科研业务费专项基金(19A520004)。; 文摘针对情感识别中堆叠式自动编码器存在反向传播方法收敛速度慢和容易陷入局部最优的问题,提出一种基于堆叠式降噪自动编码器(SDAE)和正则化极限学习机(RELM)的情感状态识别方法。从脑电信号的时域、频域和时频域中提取表征情感状态的初始特征,使用SDAE进行无监督特征学习,提取初始特征的高层抽象表示。在网络的回归层,使用RELM进行情感分类。在DEAP数据集上的实验结果表明,与SDAE以及DT、KNN等传统基于机器学习的方法相比,该方法在实时性、准确性和泛化性能等方面均有明显提升。; 关键词情感识别脑电信号情感特征堆叠式降噪自动编码器正则化极限学习机; Keywords emotion recognition Electroencephalogram(EEG)signals emotional features Stacked Denoising Auto-Encoder(SDAE) Regularized Extreme Learning Machine(RELM); 分类号 TP18 [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	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QPSO正则化极限学习机的轴承故障诊断	刘鑫任海莉	《组合机床与自动化加工技术》北大核心	2021	5	在线阅读下载PDF 职称材料
3	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
4	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
5	基于SDAE与RELM的EEG情感识别方法	连卫芳晁浩刘永利	《计算机工程》 CAS CSCD 北大核心	2021	3	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