基于深度信念网络的TBM施工弱胶结地层斜井顶板冒落预测

1

作者 姚恒 程桦 +4 位作者 黎明镜 孙学军 姚直书 张家乐 杨明 《中国煤炭》 北大核心 2025年第5期76-87,共12页

针对TBM施工煤矿斜井过弱胶结地层顶板冒落风险预测问题,以陕西榆林可可盖煤矿斜井TBM掘进过弱胶结地层为研究背景,采用深度信念网络(DBN)的时间序列预测(TSF)算法,对弱胶结地层斜井TBM施工参数数据库及冒落事件进行分析,提出了该类地... 针对TBM施工煤矿斜井过弱胶结地层顶板冒落风险预测问题,以陕西榆林可可盖煤矿斜井TBM掘进过弱胶结地层为研究背景,采用深度信念网络(DBN)的时间序列预测(TSF)算法,对弱胶结地层斜井TBM施工参数数据库及冒落事件进行分析,提出了该类地层条件TBM掘进顶板冒落评价指标,用于顶板冒落风险预测。研究结果表明,采用TBM法施工斜井过西部地区白垩系弱胶结软岩地层,可采用4个指标进行顶板冒落预警,即VAF<0.80,MRE>0.10,R_(1)<0.85和R^(2)<0.60;对主斜井弱胶结地层不同位置的12段顶板冒落风险进行预测,成功预测10处,正确率达83.3%,验证了冒落风险预测算法的可靠性。 展开更多

关键词 弱胶结地层 TBM掘进 深度信念网络 时间序列模型 冒落预测

在线阅读 下载PDF 职称材料

“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：4

2

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 职称材料

基于改进深度信念网络的池塘养殖水体氨氮预测模型研究 被引量：14

3

作者 陈英义 成艳君 +2 位作者 杨玲 刘烨琦 李道亮 《农业工程学报》 EI CAS CSCD 北大核心 2019年第7期195-202,共8页

水体氨氮是影响水产养殖质量和产量的关键参数之一。然而,池塘养殖环境复杂多变,氨氮含量影响因子众多,且各因子之间相互关联并呈现非线性变化,同时,获取的数据存在大量噪声。因此,采用数学方法及传统神经网络很难精准预测氨氮含量,且... 水体氨氮是影响水产养殖质量和产量的关键参数之一。然而,池塘养殖环境复杂多变,氨氮含量影响因子众多,且各因子之间相互关联并呈现非线性变化,同时,获取的数据存在大量噪声。因此,采用数学方法及传统神经网络很难精准预测氨氮含量,且在进行数据训练时存在局部收敛和计算效率差的问题。针对上述问题,首先,通过主成分分析筛选影响氨氮含量变化的主要因子作为模型输入,利用小波阈值方法实现噪声消除;然后,提出一种基于粒子群优化算法(particle swarm optimization, PSO)并结合多变量深度信念网络(multi-variable deep belief network, MDBN)预测模型,对池塘养殖水体溶解氧预测,并与传统最小二乘支持向量机、BP神经网络、DBNs(deep belief networks)模型进行了比较分析。研究结果表明,该文所提方法其平均百分比误差(mean absolute percentage error,MAPE)为0.1172,与传统最小二乘支持向量机、BP神经网络、DBNs方法进行对比,其MAPE分别降低了0.285 9、0.214 6、0.013 9。除此之外,随着样本数量增加,其模型绝对误差不断降低。因此,该文所提方法具有高的预测精度及泛化性能,研究可为池塘水体氨氮含量精准预测提供理论依据和参数支持。 展开更多

关键词 模型 主成分分析 水产养殖 氨氮预测 粒子群算法 深度信念网络 小波降噪

在线阅读 下载PDF 职称材料

嵌入深度信念网络的点过程模型用于关键词检出 被引量：5

4

作者 陆俊 张琼 +2 位作者 杨俊安 王一 刘辉 《信号处理》 CSCD 北大核心 2013年第7期865-872,共8页

基于点过程模型的关键词检出系统是一种新颖的连续语音关键词检出系统,虽然该系统具有对样本数要求不高、计算速度快等优点,但其检出性能比较依赖于前端音素探测器的准确度,而目前广泛用于音素探测器的高斯混合模型存在表征和建模能力... 基于点过程模型的关键词检出系统是一种新颖的连续语音关键词检出系统,虽然该系统具有对样本数要求不高、计算速度快等优点,但其检出性能比较依赖于前端音素探测器的准确度,而目前广泛用于音素探测器的高斯混合模型存在表征和建模能力不强的问题。针对这一缺陷,本文提出了一种嵌入深度信念网络的点过程模型并将其应用于关键词检出,该模型采用表征能力强的深度信念网络来建立音素探测器,改进了高斯混合模型在表征能力上的不足。实验结果表明该方法能够获得比原模型更高的检出率,并且降低了计算复杂度,更适用于需要实时检测关键词的场合。 展开更多

关键词 关键词检出 点过程模型 深度信念网络

在线阅读 下载PDF 职称材料

采用STRAIGHT模型和深度信念网络的语音转换方法 被引量：4

5

作者 王民 苏利博 +1 位作者 王稚慧 要趁红 《计算机工程与科学》 CSCD 北大核心 2016年第9期1950-1954,共5页

提出一种将STRAIGHT模型和深度信念网络DBN相结合实现语音转换的方式。首先,通过STRAIGHT模型提取出源说话人和目标说话人的语音频谱参数,用提取的频谱参数分别训练两个DBN得到语音高阶空间的个性特征信息;然后,用人工神经网络ANN将两... 提出一种将STRAIGHT模型和深度信念网络DBN相结合实现语音转换的方式。首先,通过STRAIGHT模型提取出源说话人和目标说话人的语音频谱参数,用提取的频谱参数分别训练两个DBN得到语音高阶空间的个性特征信息;然后,用人工神经网络ANN将两个具有高阶特征的空间连接并进行特征转换;最后,用基于目标说话人数据训练出的DBN来对转换后的特征信息进行逆处理得到语音频谱参数,并用STRAIGHT模型合成具有目标说话人个性化特征的语音。实验结果表明,采用此种方式获得的语音转换效果要比传统的采用GMM实现语音转换更好,转换后的语音音质和相似度与目标语音更接近。 展开更多

关键词 语音转换 STRAIGHT模型 深度信念网络 高阶空间

在线阅读 下载PDF 职称材料

基于深度信念网络的硅压阻式压力传感器高精度温度补偿模型的研究 被引量：10

6

作者 石文兵 葛斌 苏树智 《传感技术学报》 CAS CSCD 北大核心 2021年第7期995-1000,共6页

硅压阻式压力传感器因对温度具有敏感性,工作时受环境温度的影响会产生温度漂移现象,降低了测量精度,为提升压力传感器的检测精度,提出了一种基于深度信念网络(Deep Belief Network,DBN)的高精度温度补偿模型。研究了压阻式压力传感器... 硅压阻式压力传感器因对温度具有敏感性,工作时受环境温度的影响会产生温度漂移现象,降低了测量精度,为提升压力传感器的检测精度,提出了一种基于深度信念网络(Deep Belief Network,DBN)的高精度温度补偿模型。研究了压阻式压力传感器的工作原理和温度补偿的数学模型,利用深度学习强大的数据表征能力,设计了区间定位的温度补偿模型构建算法,建立并优化DBN模型的网络结构,将DBN温度补偿模型对实验数据进行训练拟合,结果表明:温度补偿后的满量程相对误差由原来的7.013×10-3提升至8.240×10-5,验证了所提出的方法能具有较好的稳定性和温度补偿效果,较大幅度地提升了传感器的检测精度。 展开更多

关键词 温度补偿模型 深度信念网络 压阻式压力传感器 温度漂移

在线阅读 下载PDF 职称材料

移动终端身份认证的深度信念网络模型 被引量：5

7

作者 孙子文 张义超 《信息网络安全》 CSCD 北大核心 2019年第3期34-42,共9页

文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传... 文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传播算法进行有监督微调后固定模型参数;将测试手势特征数据作为模型输入层数据,经模型计算后得到输出层数据,由Softmax分类器对输出数据分类,认证用户身份。仿真实验结果表明,与连续隐马尔可夫模型、反向传播算法相比,文中深度信念网络模型能达到较低的错误率,明显提高认证的准确性。 展开更多

关键词 深度信念网络模型 逐层贪婪算法 反向传播算法 Softmax分类器

在线阅读 下载PDF 职称材料

深度信念网络的等效模型及权值扩展算法研究

8

作者 高强 王明 《电测与仪表》 北大核心 2017年第23期54-59,共6页

针对深度信念网络(DBN)中小样本情况下,训练模型泛化性较差,分类识别率不够理想,系统性能有待提高等问题,研究了DBN的等效模型,分析了小样本情况下识别率差的问题;并提出一种区间化权值扩展方法,扩大了样本和权值的匹配空间,使判决更有... 针对深度信念网络(DBN)中小样本情况下,训练模型泛化性较差,分类识别率不够理想,系统性能有待提高等问题,研究了DBN的等效模型,分析了小样本情况下识别率差的问题;并提出一种区间化权值扩展方法,扩大了样本和权值的匹配空间,使判决更有利于正确分类,提高了小样本情况下的图像分类准确性;用检测与估值理论给出了算法能提高系统检测性能的依据,并在不同的数据库上进行了实验测试,进一步证明了小样本情况下图像分类准确率的提高。最后,将该方法应用到了小样本绝缘子故障识别中。 展开更多

关键词 深度信念网络 等效模型 最佳接收 小样本 区间数

在线阅读 下载PDF 职称材料

改进的深度信念网络预测模型及其应用 被引量：6

9

作者 邵双双 刘丽冰 +2 位作者 谭志洪 孙世荣 王梦雅 《计算机应用》 CSCD 北大核心 2018年第A01期28-31,66,共5页

针对深度信念网络(DBN)模型在非线性系统预测时,由于在模型构建中固定的学习率难以寻找全局最优以及学习速度慢等问题,提出了一种改进的DBN预测模型。将动量学习率引入到DBN无监督预训练阶段,改进了受限波尔兹曼机(RBM)网络以提高特征... 针对深度信念网络(DBN)模型在非线性系统预测时,由于在模型构建中固定的学习率难以寻找全局最优以及学习速度慢等问题,提出了一种改进的DBN预测模型。将动量学习率引入到DBN无监督预训练阶段,改进了受限波尔兹曼机(RBM)网络以提高特征提取精度及参数在训练过程中的抗振荡能力;同时,将共轭梯度法嵌入DBN微调阶段来提高学习速度;最后,在袋式除尘器数字样机工作性能数据集上进行了验证。实验结果表明,与传统DBN及其变型模型相比,改进的DBN网络模型不仅收敛速度快而且预测精度高。 展开更多

关键词 深度信念网络 动量学习率 共轭梯度法 预测模型

在线阅读 下载PDF 职称材料

基于深度信念网络与数据聚合模型的智能电表数据异常检测方法 被引量：31

10

作者 肖勇 马喆非 +2 位作者 罗鸿轩 石少青 胡珊珊 《南方电网技术》 CSCD 北大核心 2021年第1期99-106,共8页

针对智能电网中广泛应用的智能电表(smart meters,SM)可能在测量和监视电能消耗的过程中遭受的多种网络攻击的问题,提出了一种新的异常模式检测框架,以防止智能电表的能源欺诈。所提方法首先基于智能电表向智能配变终端发送用户的用电... 针对智能电网中广泛应用的智能电表(smart meters,SM)可能在测量和监视电能消耗的过程中遭受的多种网络攻击的问题,提出了一种新的异常模式检测框架,以防止智能电表的能源欺诈。所提方法首先基于智能电表向智能配变终端发送用户的用电特征数据,采用分布式数据模型对数据进行聚合,以更好地解决用户隐私保护问题;然后利用深度信念网络(deep belief network,DBN)将得到的数据与期望数据进行对比,以更好地获取数据特征,并对训练结果进行自上而下的特征优化;最后,通过智能配变终端将集群中的智能电表从1到N进行标记,并将执行数据经过深度信念网络提取特征传送至电表数据计量管理系统(meter data management system,MDMS),检查并更换故障或受损的智能电表,以获得更精确的非专业技术损失检测分析。实验结果表明,所提方法相对于传统智能电表数据异常检测具有更高的检测率和适用性。 展开更多

关键词 智能电表 深度信念网络 数据聚合模型 能量窃取 缺陷异常检测

在线阅读 下载PDF 职称材料

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

11

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 职称材料

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

12

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 职称材料

基于深度信念网络的个性化信息推荐 被引量：5

13

作者 王兆凯 李亚星 +3 位作者 冯旭鹏 刘利军 黄青松 刘晓梅 《计算机工程》 CAS CSCD 北大核心 2016年第10期201-206,共6页

为在信息推荐过程中挖掘出更多的信息关系,提出一种基于深度信念网络的信息推荐方法。利用模糊聚类进行预处理以达到跨类推荐的目的,根据用户浏览记录通过网络计算高分信息,并结合用户兴趣,使用潜在狄里克雷分配模型对高分信息进行权值... 为在信息推荐过程中挖掘出更多的信息关系,提出一种基于深度信念网络的信息推荐方法。利用模糊聚类进行预处理以达到跨类推荐的目的,根据用户浏览记录通过网络计算高分信息,并结合用户兴趣,使用潜在狄里克雷分配模型对高分信息进行权值调整,从而提高推荐准确率。在整个推荐过程中网络会根据用户行为对推荐信息权值进行相应调整。实验结果表明,该方法的推荐成功率比BP神经网络提高5.7%。 展开更多

关键词 信息推荐 深度学习 深度信念网络 潜在狄利克雷分配模型 模糊聚类

在线阅读 下载PDF 职称材料

采用深度信念网络的语音转换方法 被引量：2

14

作者 王民 黄斐 +2 位作者 刘利 卫铭斐 王明明 《计算机工程与应用》 CSCD 北大核心 2016年第15期168-171,216,共5页

对说话人语音个性特征信息的表征和提取进行了深入研究,提出了一种基于深度信念网络(Deep Belief Nets,DBN)的语音转换方法。分别用提取出的源说话人和目标说话人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;通过人... 对说话人语音个性特征信息的表征和提取进行了深入研究,提出了一种基于深度信念网络(Deep Belief Nets,DBN)的语音转换方法。分别用提取出的源说话人和目标说话人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;通过人工神经网络(Artificial Neural Networks,ANN)来连接这两个高阶空间并进行特征转换;使用基于目标说话人数据训练出的DBN来对转换后的特征信息进行逆处理得到转换后语音频谱参数,合成转换语音。实验结果表明,与传统的基于GMM方法相比,该方法效果更好,转换语音音质和相似度同目标语音更接近。 展开更多

关键词 语音转换 语音个性特征 深度信念网络模型 高阶空间

在线阅读 下载PDF 职称材料

基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测 被引量：4

15

作者 赵辉 华海增 +1 位作者 岳有军 王红君 《科学技术与工程》 北大核心 2019年第29期137-143,共7页

针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预... 针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预测模型。首先,利用CEEMD方法将原始风速序列分解为一系列不同尺度的本征模态分量(IMF)以降低其非平稳性;其次,利用模糊熵方法将多个IMF分量进行重组以避免分量数目过多给预测精度造成的影响;最后,利用深度信念网络其强大的深度特征提取能力和非线性映射学习能力的优点,分别对新的分量进行预测和叠加获得最终预测值。实验表明,较BP神经网络模型和DBN模型,组合模型提高了预测精度,具有可行性和有效性。 展开更多

关键词 短期风速预测 互补经验模态分解 模糊熵 深度信念网络 组合模型

在线阅读 下载PDF 职称材料

基于深度信念网络的语音服务文本分类 被引量：8

16

作者 周世超 张沪寅 杨冰 《计算机工程与应用》 CSCD 北大核心 2016年第21期157-161,共5页

在线人工语音服务已经在各种商业活动中展开,为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本,再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络... 在线人工语音服务已经在各种商业活动中展开,为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本,再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络、支持向量机等模型,这些模型比较依赖于语音文本预处理后的特征表示,并且容易出现维数灾难、局部最优、训练时间长问题。而深度信念网络模型(DBN)可以从文本预处理后的特征表示中学习到更具有本质含义的特征表示,便于分类器分类,且避免以上模型的不足。在人工服务语音文本化后,通过深度信念网络模型转换特征表示再进行分类,最终的分类效果比上述分类模型直接利用文本的特征表示进行分类效果略微提高。 展开更多

关键词 特征 分类 语音 深度信念网络模型(dbn) 受限玻尔兹曼机(RBM)

在线阅读 下载PDF 职称材料

基于深度信念网络的高压断路器故障识别算法 被引量：24

17

作者 朱萌 梅飞 +3 位作者 郑建勇 沙浩源 戴永正 顾宇锋 《电测与仪表》 北大核心 2019年第2期10-15,46,共7页

针对高压断路器故障现有故障诊断算法中,特征提取不准确导致分类正确率较低的问题,提出了基于深度信念网络的高压断路器故障识别方法。深度信念网络(Deep Belief Network,DBN)是非监督的深度神经网络,由多个受限玻尔兹曼机(Restricted B... 针对高压断路器故障现有故障诊断算法中,特征提取不准确导致分类正确率较低的问题,提出了基于深度信念网络的高压断路器故障识别方法。深度信念网络(Deep Belief Network,DBN)是非监督的深度神经网络,由多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)叠加起来组成。首先使用无标签的数据样本自下而上的对各RBM层逐层训练,得到各层最优参数;再以此为初始参数将DBN展开成反向传播的结构,使用带标签的数据样本进行全局的参数微调;最后得到DBN分类网络。这一过程中,有效避免了特征提取的人工操作,解决了网络训练的局部最优问题,使断路器故障诊断更加智能化。通过试验结果可知,该方法可准确、可靠地用于诊断断路器主要机械故障。 展开更多

关键词 断路器 故障诊断 深度信念网络 dbn 受限玻尔兹曼机

在线阅读 下载PDF 职称材料

基于深度信念网络的命名实体识别 被引量：14

18

作者 冯蕴天 张宏军 +1 位作者 郝文宁 陈刚 《计算机科学》 CSCD 北大核心 2016年第4期224-230,共7页

传统的命名实体识别方法是将大量手工制定的特征输入到统计学习模型中以实现对词语的标记,能够取得较好的效果,但其手工特征制定的方式增加了模型建立的难度。为了减轻传统方法中手工特征制定的工作量,首先对神经网络语言模型进行无监... 传统的命名实体识别方法是将大量手工制定的特征输入到统计学习模型中以实现对词语的标记,能够取得较好的效果,但其手工特征制定的方式增加了模型建立的难度。为了减轻传统方法中手工特征制定的工作量,首先对神经网络语言模型进行无监督训练以得到词语特征的分布式表示,然后将分布式的特征输入到深度信念网络中以发现词语的深层特征,最后进行命名实体识别。该方法在前人研究的基础上利用深度信念网络对神经网络语言模型进行了扩展,提出了一种可用于命名实体识别的深层架构。实验表明,在仅使用词特征和词性特征的条件下,该方法用于命名实体识别的性能略优于基于条件随机场模型的方法,具有一定的使用价值。 展开更多

关键词 深度信念网络 命名实体识别 神经网络语言模型

在线阅读 下载PDF 职称材料

改进深度信念网络在语音转换中的应用 被引量：1

19

作者 王文浩 张筱 万永菁 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2019年第12期2372-2380,共9页

综合考虑语音帧间关系及后处理网络的效果,提出一种改进的基于深度信念网络(DBN)的语音转换方法.该方法利用线性预测分析-合成模型提取说话人线性预测谱的特征参数,构建基于区域融合谱特征参数的深度信念网络用以预训练模型,经过微调阶... 综合考虑语音帧间关系及后处理网络的效果,提出一种改进的基于深度信念网络(DBN)的语音转换方法.该方法利用线性预测分析-合成模型提取说话人线性预测谱的特征参数,构建基于区域融合谱特征参数的深度信念网络用以预训练模型,经过微调阶段后引入误差修正网络以实现细节谱特征的补偿.对比实验结果表明,随着训练语音帧数的增加,转换语音的谱失真呈下降趋势.同时,在训练语音帧数较少的情况下,改进方法在异性间转换的谱失真小于50%,在同性间转换的谱失真小于60%.实验结果表明,改进方法的谱失真度较传统方法降低约6.5%,且同性别间转换效果比异性间转换效果更为明显,转换后语音的自然度和可理解度明显提高. 展开更多

关键词 深度信念网络(dbn) 语音转换 区域融合谱特征 误差修正网络 谱失真度

在线阅读 下载PDF 职称材料

深度信念网络的近红外光谱分析建模方法 被引量：8

20

作者 张萌 赵忠盖 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第8期2512-2517,共6页

近红外光谱是一种快速、无损的定量分析工具,现如今已广泛的应用在各个行业中。近红外光谱分析技术应用的关键就在于如何建立一个有效而又精确的模型。目前常用的定量分析方法大多为浅层模型,深度信念网络(DBN)是一种基于概率的深层模型... 近红外光谱是一种快速、无损的定量分析工具,现如今已广泛的应用在各个行业中。近红外光谱分析技术应用的关键就在于如何建立一个有效而又精确的模型。目前常用的定量分析方法大多为浅层模型,深度信念网络(DBN)是一种基于概率的深层模型,可以自动学习输入的有效特征表示,且只要设置最后隐层输出节点数低于输入光谱维度,在对光谱数据完成特征提取的同时即可实现降维。对于近红外光谱样本量大、变量多、维度高等问题,提出一种基于深度信念网络的近红外光谱建模方法,定量分析物性浓度。该方法以近红外光谱数据作为输入信号,首先对多层受限玻尔兹曼机(RBM)进行无监督学习,实现光谱自身特征的提取;然后利用目标理化值对网络进行微调得到最优模型参数。在建立DBN校正模型的基础下对其进行改进,建立DBN-PLS校正模型。通过建立DBN近红外光谱校正模型、 DBN-PLS近红外光谱校正模型,验证了DBN建模和DBN-PLS建模的可行性,并引入决定系数(R^2)和均方误差(MSE)两个模型评价指标,对比分析了传统BP建模和DBN建模的精度。分析结果表明,相较于传统定量分析方法建模,利用DBN方法建模和DBN-PLS方法建模可以提高预测精度。 展开更多

关键词 近红外光谱 深度信念网络(dbn) dbn-PLS 定量校正模型

在线阅读 下载PDF 职称材料