期刊文献+
共找到149篇文章
< 1 2 8 >
每页显示 20 50 100
基于深度信念网络的电力负荷短期预测方法
1
作者 曹华珍 韦斌 +4 位作者 高超 吴杰康 雷振 隋宇 陈亚彬 《新型电力系统》 2025年第1期111-124,共14页
随着电力市场深入改革,电力逐渐显现商品属性,实时电价走向将会影响短期用电需求,为提高考虑实时电价情况下电力负荷短期预测精度问题,有效映射短期负荷随机性,提出一种电力市场环境下基于实时电价的负荷短期预测方法。选取以实时电价... 随着电力市场深入改革,电力逐渐显现商品属性,实时电价走向将会影响短期用电需求,为提高考虑实时电价情况下电力负荷短期预测精度问题,有效映射短期负荷随机性,提出一种电力市场环境下基于实时电价的负荷短期预测方法。选取以实时电价为核心的多种关联指标,利用互信息方法进行指标选择并加权处理,优化预测模型的输入。针对日类型负荷问题,利用改进灰色关联分析原理,构建双层结构相似日集选取方法,分两步确定相似日集。针对深度信念网络权值过于随机化的问题,采用鲸鱼算法优化深度信念网络,以期实现电力负荷短期预测。以美国某地区实时电价与相应负荷数据为例,进行电力负荷短期预测,结果表明所提预测方法可以有效处理电价与负荷相关性,提高了预测精度。 展开更多
关键词 电力负荷短期预测 深度信念网络 鲸鱼算法 互信息 相似日
在线阅读 下载PDF
基于多特征融合和深度信念网络的断路器元件故障识别研究
2
作者 孔维林 曾冀 +2 位作者 刘雪涛 张亮 田万玺 《电子设计工程》 2025年第3期63-67,73,共6页
为了标准化断路器元件故障识别与诊断流程,提高断路器运行的稳定性,引进多特征融合技术和深度信念网络,研究设计断路器元件的故障识别方法。同步布置传感器,建立传感器与终端计算机之间的通道,进行断路器元件运行信号采集与多特征深度融... 为了标准化断路器元件故障识别与诊断流程,提高断路器运行的稳定性,引进多特征融合技术和深度信念网络,研究设计断路器元件的故障识别方法。同步布置传感器,建立传感器与终端计算机之间的通道,进行断路器元件运行信号采集与多特征深度融合;为排除其他因素造成的振动信号,实现对断路器元件故障的准确识别,引进深度信念网络,进行断路器元件振动信号的重构;将重构后的微调整信号作为核心,通过对其时域与频域的分析,进行断路器元件故障的识别与分类。对比实验结果证明:设计的方法可以实现对断路器元件故障的诊断与故障类型的精准识别,应用效果良好。 展开更多
关键词 多特征融合 信号重构 故障识别 断路器 深度信念网络
在线阅读 下载PDF
“分解-校正-集成”模式下基于深度信念网络模型的径流预测 被引量:3
3
作者 钱玉霞 陈伏龙 +3 位作者 何朝飞 龙爱华 孙怀卫 吕廷波 《长江科学院院报》 CSCD 北大核心 2024年第5期35-44,共10页
精准的短期径流预测可为流域内水资源规划、防洪调度及抗旱减灾工作提供重要的科学依据。为减小模型的系统误差,提高径流预测精度,在“分解-集成”模式的基础上提出“分解-校正-集成”框架,构建EEMD-DBN-EnKF、VMD-DBN-EnKF模型。利用... 精准的短期径流预测可为流域内水资源规划、防洪调度及抗旱减灾工作提供重要的科学依据。为减小模型的系统误差,提高径流预测精度,在“分解-集成”模式的基础上提出“分解-校正-集成”框架,构建EEMD-DBN-EnKF、VMD-DBN-EnKF模型。利用集合卡尔曼滤波数据同化算法对偏离实测径流过大的分量校正以降低分解子序列在预测中产生的系统误差,并与未修正的EEMD-DBN、VMD-DBN模型及单一DBN模型进行了对比分析。结果表明:基于模态分解的组合模型较单一模型RMSE减小了至少23%,NSE与R^(2)增加了21%以上;基于径流分量校正的组合模型相较于模态分解的组合模型各评价系数有所提升,其中VMD-DBN-EnKF预测模型误差最小,效果最优,NSE与R^(2)达到0.89以上,其次依次为EEMD-DBN-EnKF>VMD-DBN>EEMD-DBN。综上“分解-校正-集成”模式的预测框架在玛纳斯河流域具有良好的适用性,可为玛纳斯河径流短期预报提供技术支持。 展开更多
关键词 模态分解 深度信念网络 集合卡尔曼滤波 径流预测 组合模型
在线阅读 下载PDF
基于IMODA自适应深度信念网络的复杂模拟电路故障诊断方法
4
作者 巩彬 安爱民 +1 位作者 石耀科 杜先君 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期327-344,共18页
针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题,提出了一种基于改进多目标蜻蜓优化自适应深度信念网络(IMODA-ADBN)的模拟电路故障诊断方法。首先,根据参数更新方向的异同提出了自适应学习率,提高网络收敛速度;其次,传... 针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题,提出了一种基于改进多目标蜻蜓优化自适应深度信念网络(IMODA-ADBN)的模拟电路故障诊断方法。首先,根据参数更新方向的异同提出了自适应学习率,提高网络收敛速度;其次,传统DBN在有监督调优过程利用BP算法,然而BP算法存在易陷入局部最优的问题,为了改善该问题,利用改进的MODA算法取代BP算法提高网络分类精度。在IMODA算法中,添加Logistic混沌印射和基于对立跳跃以获得帕累托最优解,增加算法的多样性,提高算法的性能。在7个多目标数学基准问题上测试该算法,并与3种元启发式优化算法(MODA、MOPSO和NSGA-II)进行比较,证明了IMODA-ADBN网络模型具有稳定性。最后将IMODAADBN运用到二级四运放双二阶低通滤波器的诊断实验中,实验结果表明该方法在收敛速度快的基础上保证了分类精度,诊断率更高,能够实现高难故障的分类与定位。 展开更多
关键词 模拟电路 MODA算法 自适应学习率 深度信念网络 故障诊断
在线阅读 下载PDF
改进深度信念网络的组合导航系统故障诊断方法
5
作者 赵善飞 张华强 +2 位作者 贾明玉 芦男 陈雨 《探测与控制学报》 CSCD 北大核心 2024年第6期65-71,共7页
为提高INS/GNSS组合导航系统故障诊断的准确率与稳定性,提出一种基于改进深度信念网络的组合导航系统故障诊断方法。该方法基于状态χ2法对组合导航系统进行实时检测,将检测结果作为样本数据用于改进深度信念网络训练,利用深度信念网络... 为提高INS/GNSS组合导航系统故障诊断的准确率与稳定性,提出一种基于改进深度信念网络的组合导航系统故障诊断方法。该方法基于状态χ2法对组合导航系统进行实时检测,将检测结果作为样本数据用于改进深度信念网络训练,利用深度信念网络提取数据的深层特征和故障分类。引入径向基函数作为模型的激活函数,提高深度信念网络面对复杂数据分布的适应能力;采用自适应矩估计算法代替传统梯度下降算法来提高故障诊断的准确率。数值仿真结果表明,该算法对故障识别的准确率达到了98%,能有效地对INS/GNSS组合导航系统的故障类型做出诊断,确保系统的平稳运行。 展开更多
关键词 组合导航系统 故障诊断 深度信念网络 径向基函数 自适应矩估计算法
在线阅读 下载PDF
基于深度信念网络的高速路段换道行为研究
6
作者 朱鑫健 陈刚 杜思伟 《汽车零部件》 2024年第2期88-92,98,共6页
为了应对高速路段由换道所导致的交通安全问题和交通拥堵问题,在分析各影响因素在换道决策中所占比重的基础上,利用深度信念网络建立了车辆的换道决策模型,用来协助驾驶人选择合适的换道时机,提高车辆换道的安全性、可靠性和高效性。利... 为了应对高速路段由换道所导致的交通安全问题和交通拥堵问题,在分析各影响因素在换道决策中所占比重的基础上,利用深度信念网络建立了车辆的换道决策模型,用来协助驾驶人选择合适的换道时机,提高车辆换道的安全性、可靠性和高效性。利用详细的车辆轨迹数据对模型进行训练,结果表明:建立的深度信念网络模型能有效地给出合理的决策。此外,该模型还可为交通仿真研究和高级辅助驾驶系统的开发提供思路。 展开更多
关键词 数据驱动 换道决策 深度信念网络
在线阅读 下载PDF
基于深度信念网络DBN的音乐推荐系统设计 被引量:4
7
作者 田杰 胡秋霞 司佳豪 《电子设计工程》 2021年第23期162-165,170,共5页
为了设计个性化音乐推荐系统,该音乐推荐系统对数据进行梅尔倒谱系数的转换,将音乐数据转换为网络模型需要的数据;利用深度信念网络提取音乐特征,通过深度信念网络模型的训练得到音乐彼此之间的向量关系,将这些音乐向量进行皮尔逊相关... 为了设计个性化音乐推荐系统,该音乐推荐系统对数据进行梅尔倒谱系数的转换,将音乐数据转换为网络模型需要的数据;利用深度信念网络提取音乐特征,通过深度信念网络模型的训练得到音乐彼此之间的向量关系,将这些音乐向量进行皮尔逊相关系数的计算,得到音乐间彼此的相似度;将这些相似度从大到小进行排序,形成相似度最高的三首音乐推荐列表,以此来完成最终的音乐推荐,形成服务于用户的个性化音乐推荐系统。 展开更多
关键词 音乐 推荐系统 特征值 深度信念网络
在线阅读 下载PDF
基于深度信念网络的苹果霉心病病害程度无损检测 被引量:20
8
作者 周兆永 何东健 +3 位作者 张海辉 雷雨 苏东 陈克涛 《食品科学》 EI CAS CSCD 北大核心 2017年第14期297-303,共7页
针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(... 针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(back propagation,BP)神经网络组成,RBM网络实现最优特征向量映射,输出的特征向量由BP神经网络对霉心病病害程度分类。对225个苹果样本在波长200~1 025 nm获取其透射光谱后,根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4种,分别用150个和75个样本作为训练集和测试集,以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型,并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果,实验结果表明,DBN模型病害判别准确率达到88.00%,具有较好的识别效果。 展开更多
关键词 苹果霉心病 病害程度 透射光谱 深度信念网络(dbn) 限制玻尔兹曼机(RBM)
在线阅读 下载PDF
基于粒子群算法与连续型深度信念网络的水泥熟料游离氧化钙预测 被引量:11
9
作者 刘彬 赵朋程 +2 位作者 高伟 孙超 刘浩然 《计量学报》 CSCD 北大核心 2018年第3期420-424,共5页
针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于连续型深度信念网络建模的预测方法。首先根据水泥熟料生产工艺选取影响烧成系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立水泥熟... 针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于连续型深度信念网络建模的预测方法。首先根据水泥熟料生产工艺选取影响烧成系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立水泥熟料游离钙预测的辅助变量集合。其次采用粒子群算法对连续型深度信念网络进行优化,建立水泥熟料游离钙预测模型。最后与最小二乘支持向量机、反向传播算法网络和连续型深度信念网络预测效果进行对比。结果表明,基于粒子群寻优的连续型深度信念网络水泥熟料游离钙含量的预测方法精度高、泛化能力强。 展开更多
关键词 计量学 游离氧化钙 灰关联分析 深度信念网络 粒子群优化
在线阅读 下载PDF
基于深度信念网络的烟叶部位近红外光谱分类方法研究 被引量:10
10
作者 王静 丁香乾 +3 位作者 王晓东 韩凤 韩冬 曲晓娜 《红外与激光工程》 EI CSCD 北大核心 2019年第4期31-37,共7页
近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络(DBN)的理论改进并引入光谱特征学习中,解决高维特征间非线性关系的学习问题,采用逐... 近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络(DBN)的理论改进并引入光谱特征学习中,解决高维特征间非线性关系的学习问题,采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值;并结合支持向量机(SVM)建立近红外光谱多分类模型DBNSVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明:DBN-SVM算法能有效地学习高维数据中的内在结构和非线性关系,由该算法构建的模型具有良好的特征学习能力和分类识别能力,而且在稳健性、各类别的灵敏度和特效度也更优。 展开更多
关键词 深度信念网络 近红外光谱 特征学习 分类模型
在线阅读 下载PDF
全参数动态学习深度信念网络在滚动轴承寿命预测中的应用 被引量:33
11
作者 杨宇 张娜 程军圣 《振动与冲击》 EI CSCD 北大核心 2019年第10期199-205,249,共8页
相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了... 相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智能性。但是传统的DBN采用固定学习率进行网络学习,不利于寻找最优结果;基于此,提出了一种改进的深度信念网络——全参数动态学习深度信念网络(GPDLDBN),并将其应用于滚动轴承寿命预测中。GPDLDBN预测模型由多层受限玻尔兹曼机(RBM)单元组成,采用自下而上的逐层无监督贪婪算法训练参数;接着采用自上而下的监督学习算法微调整个网络参数,两个过程均采用新的全参数动态学习策略设置各参数;采用GPDLDBN预测模型对实测的滚动轴承寿命数据进行了预测,并与传统的固定学习率的DBN预测模型进行了对比分析。结果表明,GPDLDBN预测模型能够有效加快收敛速度,减少模型的训练时间,且具有更高的预测精度。 展开更多
关键词 深度学习 全参数动态学习深度信念网络(GPDLdbn) 滚动轴承 寿命预测
在线阅读 下载PDF
一种耦合深度信念网络的图像识别方法 被引量:11
12
作者 马苗 许西丹 武杰 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2018年第5期102-107,共6页
针对网络层数增加带来的梯度消失问题,提出了一种耦合深度信念网络的图像识别方法.该方法将"跨层"连接引入到深度信念网络中并应用于图像识别.给出了耦合深度信念网络的结构示意图及其参数更新方法,并在相同数据集和网络层数... 针对网络层数增加带来的梯度消失问题,提出了一种耦合深度信念网络的图像识别方法.该方法将"跨层"连接引入到深度信念网络中并应用于图像识别.给出了耦合深度信念网络的结构示意图及其参数更新方法,并在相同数据集和网络层数情况下比较了具有最佳参数的深度信念网络与最佳参数的耦合深度信念网络的识别性能,分析了"跨层"连接中主、次线耦合比例对网络性能的影响,且与几种经典的深度学习方法进行了对比.实验结果显示,耦合深度信念网络在收敛速度与识别精度上均优于深度信念网络.同时,相比于经典的深度网络,文中所提方法获得了良好的识别性能.这说明采用"跨层"耦合方式可有效缓解深度信念网络训练过程中出现的梯度消失问题,提高网络的识别性能. 展开更多
关键词 跨层连接 深度信念网络 深度学习 图像识别
在线阅读 下载PDF
基于深度信念网络的滑坡敏感性评价 被引量:11
13
作者 王卫东 何卓磊 +1 位作者 韩征 钱于 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第5期609-615,共7页
滑坡敏感性评价中各致灾因子之间存在复杂非线性关系,传统的评价模型难以揭示该类复杂关系,以致评价结果精度受限.基于文献调查与实地调研,选取高程、地貌类型、岩性、坡度、与构造线距离、与水系距离和年均降雨量为主要致灾因素,在地... 滑坡敏感性评价中各致灾因子之间存在复杂非线性关系,传统的评价模型难以揭示该类复杂关系,以致评价结果精度受限.基于文献调查与实地调研,选取高程、地貌类型、岩性、坡度、与构造线距离、与水系距离和年均降雨量为主要致灾因素,在地理信息系统(GIS)中建立了基于深度信念网络(DBN)模型的区域滑坡敏感性区划模型,并以四川区域为例进行了实例分析.最后通过ROC曲线特征将评价结果与逻辑回归(LR)和人工神经网络(BPNN)模型评价结果进行了对比分析,并探讨了各评价模型对不同致灾因子的响应.研究表明DBN模型具有更高精度以及较低的假阳性率和假阴性率,更适合于大区域、复杂致灾因素的区划滑坡敏感性评价工作. 展开更多
关键词 地理信息系统 滑坡敏感性评价 深度学习 深度信念网络 ROC曲线
在线阅读 下载PDF
基于多特征融合和深度信念网络的植物叶片识别 被引量:24
14
作者 刘念 阚江明 《北京林业大学学报》 CAS CSCD 北大核心 2016年第3期110-119,共10页
基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念... 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用"dropout"方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。 展开更多
关键词 叶片识别 傅里叶描述子 局部二值模式 深度信念网络
在线阅读 下载PDF
基于深度信念网络的风电机组齿轮箱故障诊断方法 被引量:16
15
作者 刘秀丽 徐小力 《可再生能源》 CAS 北大核心 2017年第12期1862-1868,共7页
针对风电机组故障诊断中存在的数据量大,提取故障特征困难等问题,结合深度学习理论的强大感知与自我学习能力,提出一种基于深度信念网络的风电机组齿轮箱故障诊断方法。将原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对... 针对风电机组故障诊断中存在的数据量大,提取故障特征困难等问题,结合深度学习理论的强大感知与自我学习能力,提出一种基于深度信念网络的风电机组齿轮箱故障诊断方法。将原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性;同时,在训练过程加入Batch Normalization,减少过拟合几率,提高网络的收敛速度。将该方法用于风电机组行星齿轮箱的故障诊断,比DBN和BPNN算法及传统故障诊断方法的准确率更高。 展开更多
关键词 风电机组齿轮箱 深度信念网络 BATCH NORMALIZATION 故障诊断
在线阅读 下载PDF
基于变分模态分解与深度信念网络的运动想象分类识别研究 被引量:12
16
作者 何群 杜硕 +2 位作者 王煜文 陈晓玲 谢平 《计量学报》 CSCD 北大核心 2020年第1期90-99,共10页
传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低,因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信... 传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低,因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信号进行变分模态分解得到窄带分量,利用希尔伯特变换提取边际谱、特征频带下的瞬时能谱以及时-频联合特征;特征融合后采用深度信念网络对高维特征降维并实现运动想象模式的识别,避免了人工确定想象最优时段及最优频段造成的信息遗漏。实验结果表明,利用变分模态分解与深度信念网络自动提取最优时段及最优频段特征的方法有效提升了运动想象识别率。 展开更多
关键词 计量学 脑机接口 运动想象 变分模态分解 高维特征 特征融合 深度信念网络 脑电信号
在线阅读 下载PDF
采用局部二值模式与深度信念网络的人脸识别 被引量:11
17
作者 吴进 严辉 王洁 《电讯技术》 北大核心 2016年第10期1119-1123,共5页
针对人脸维度过高和人脸局部特征提取易忽略的问题,提出了一种将多尺度局部二值模式(LBP)算法与深度信念网络(DBN)算法相结合的人脸识别方法。首先采用多尺度LBP算法提取人脸纹理特征,进而将LBP提取的纹理特征作为深度信念网络的输入,... 针对人脸维度过高和人脸局部特征提取易忽略的问题,提出了一种将多尺度局部二值模式(LBP)算法与深度信念网络(DBN)算法相结合的人脸识别方法。首先采用多尺度LBP算法提取人脸纹理特征,进而将LBP提取的纹理特征作为深度信念网络的输入,最后通过逐层网络训练,得到网络的最优参数,并在ORL人脸库中进行测试,识别率可达95.2%,比使用Gabor小波和主成分分析(PCA)算法的人脸识别高2.6%,说明该算法具有很好的人脸识别能力。 展开更多
关键词 人脸识别 特征提取 局部二值模式 深度信念网络 受限波尔兹曼机
在线阅读 下载PDF
基于改进深度信念网络训练的冷轧轧制力预报 被引量:12
18
作者 魏立新 王恒 +1 位作者 孙浩 呼子宇 《计量学报》 CSCD 北大核心 2021年第7期906-912,共7页
在带钢冷轧过程中,轧制力预报精度直接决定板带材的轧制精度以及产品质量。传统的基于单隐层的神经网络建模方法结构简单,对复杂函数的表达能力与泛化能力都受到一定制约;轧制现场环境复杂,数据测量存在噪声干扰,都会直接影响预报精度... 在带钢冷轧过程中,轧制力预报精度直接决定板带材的轧制精度以及产品质量。传统的基于单隐层的神经网络建模方法结构简单,对复杂函数的表达能力与泛化能力都受到一定制约;轧制现场环境复杂,数据测量存在噪声干扰,都会直接影响预报精度。针对这些问题,提出一种基于非监督学习的改进深度信念网络预测模型。深层网络的构建以及去噪机制的引入可提高系统对输入数据特征学习的能力,同时采用改进的对比散度算法对网络进行训练,提高网络训练速度。最后,利用某钢厂1200 mm轧机组的实测数据对模型进行检验,对比分析3种不同模型,结果表明该模型对轧制力预测的平均相对误差控制在4.5%以内,建模所需时间相比于栈式自编码网络减少26%。 展开更多
关键词 计量学 轧制力预报 深度信念网络 去噪机制
在线阅读 下载PDF
基于深度信念网络的非限制性人脸识别算法研究 被引量:6
19
作者 赵一中 刘文波 《计量学报》 CSCD 北大核心 2017年第1期65-68,共4页
针对非限制性条件下的人脸识别存在自由度高、干扰因素复杂等技术难点,引入深度学习理论,提出了一种基于深度信念网络(DBNs)的非限制性人脸识别算法模型。基于相对熵稀疏性限制和dropout机制等方法,设计了优化算法。针对实际使用场合中... 针对非限制性条件下的人脸识别存在自由度高、干扰因素复杂等技术难点,引入深度学习理论,提出了一种基于深度信念网络(DBNs)的非限制性人脸识别算法模型。基于相对熵稀疏性限制和dropout机制等方法,设计了优化算法。针对实际使用场合中样本量不足的问题,提出了一种混合DBNs模型,该模型采用CNNs深度卷积网络生成训练DBNs所需的模拟样本。标准人脸库下的实验结果表明,DBNs模型的平均识别率为97.0%,混合DBNs模型的平均识别率为90.3%,满足实际使用需求。 展开更多
关键词 计量学 人脸识别 深度信念网络 深度学习 小样本
在线阅读 下载PDF
一种基于层次结构深度信念网络的音素识别方法 被引量:2
20
作者 王一 杨俊安 +2 位作者 刘辉 柳林 卢高 《应用科学学报》 CAS CSCD 北大核心 2014年第5期515-522,共8页
针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一种基于层次结构深度信念网络(deep belief network,DBN)的音素识别新方法.该方法由基于层次结构DBN的瓶颈特征以及基于DBN的音素分类器两... 针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一种基于层次结构深度信念网络(deep belief network,DBN)的音素识别新方法.该方法由基于层次结构DBN的瓶颈特征以及基于DBN的音素分类器两部分组成:其中的瓶颈特征能够充分利用DBN能够处理长时段语音、监督性的提取方法等特性;而基于DBN的音素分类器则具有更强的建模和表征能力.因此,将两者结合在一起能够在提取低维、监督性特征的同时,利用DBN更加有效地对音素后验概率进行识别.在TIMIT数据库上进行的实验结果表明,所提出的音素识别方法在识别正确率上相对于以往音素识别系统有较大提高. 展开更多
关键词 音素识别 层次结构 深度信念网络 瓶颈特征
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部