期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到213篇文章
< 1 2 … 11 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断 被引量：9
1
作者 古莹奎 石昌武 陈家芳 《噪声与振动控制》 CSCD 北大核心 2024年第1期111-118,共8页
针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉... 针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。 展开更多
关键词 故障诊断 格拉姆角场 深度卷积生成对抗网络 卷积神经网络 行星齿轮箱
在线阅读 下载PDF
基于深度卷积生成式对抗网络的船型特征认知与条件生成方法 被引量：1
2
作者 杜林 李胜忠 +3 位作者 李广年 舒跃辉 刘子祥 赵峰 《船舶力学》 EI CSCD 北大核心 2024年第8期1162-1174,共13页
船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全... 船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全局几何特征的条件生成需求出发,训练条件深度卷积生成式对抗网络模型(Con⁃ditional Deep Convolutional Generative Adversarial Networks)来实现两种特征的条件认知与生成。首先,将实现船型区域位置特征与全局几何特征的条件生成作为目标,分别建立条件深度卷积生成式对抗网络模型;然后,针对两类特征设置若干从易到难的不同分割方案和特征种类,使神经网络能够循序渐进地完成条件生成任务;最后,通过对训练过程和生成结果进行对比,初步证明所研究方法用于解决船型特征条件生成问题的可行性。本研究延续了作者之前的研究成果,属于基于计算机视觉技术的船型智能设计方法领域,旨在进一步探索引入人工智能实现船型智能设计的可行性方法。 展开更多
关键词 船型智能设计 深度卷积生成式对抗网络 计算机视觉
在线阅读 下载PDF
基于深度卷积对抗网络的电磁频谱异常检测
3
作者 嵇海鹏 张江 +1 位作者 乔晓强 张涛 《电讯技术》 北大核心 2024年第5期710-716,共7页
为了解决电磁频谱异常检测精度不高的问题,在深度卷积神经对抗网络(Deep Convolution Generative Adversarial Network,DCGAN)的基础上加入了编码器(Encoder)用来重构频谱数据。编码器首先将真实频谱数据编码为低维特征表示,生成器通过... 为了解决电磁频谱异常检测精度不高的问题,在深度卷积神经对抗网络(Deep Convolution Generative Adversarial Network,DCGAN)的基础上加入了编码器(Encoder)用来重构频谱数据。编码器首先将真实频谱数据编码为低维特征表示,生成器通过学习编码后的低维特征生成重构频谱数据,判别器负责将重构频谱数据与真实频谱数据进行区分,并通过对抗性训练逐渐提高模型重构频谱数据的能力,最后计算重构频谱数据与真实频谱数据的均方误差,判别异常。实验结果表明,该模型能够在多个频段下实现有效的电磁频谱异常检测,在TV频段下,干信比为-5 dB时,相比于现有电磁频谱异常检测方法,所提方法的平均检测性能提升了18%以上。 展开更多
关键词 电磁频谱异常检测 深度卷积对抗网络(dcgan) 频谱重构
在线阅读 下载PDF
地震属性驱动的条件生成对抗网络沉积微相模型构建
4
作者 刘昕 孙胜 +3 位作者 张立强 蔡明俊 鲁玉 卢文娟 《中国石油大学学报(自然科学版)》 北大核心 2025年第4期1-10,共10页
由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,... 由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,挖掘对砂地比参数关联性较强的参数;将优选地震属性图像作为卷积神经网络模型的输入,构建砂地比预测模型,可视化砂地比预测结果,与井相图作为联合约束条件,训练条件生成对抗网络,构建沉积微相生成模型,实现沉积微相的精确建模。应用本方法对东部某油田进行沉积微相建模研究。结果表明,条件生成对抗网络沉积微相模型能精确刻画复杂地质模式,井点吻合率达到94.1%。 展开更多
关键词 条件生成对抗网络 深度学习 沉积微相 砂地比 灰色关联 卷积神经网络
在线阅读 下载PDF
深度卷积神经网络图像识别模型对抗鲁棒性技术综述 被引量：28
5
作者 孙浩 陈进 +2 位作者 雷琳 计科峰 匡纲要 《雷达学报（中英文）》 CSCD 北大核心 2021年第4期571-594,共24页
近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性... 近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗鲁棒性的基本定义,分别建立对抗学习攻击与防御敌手模型,系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展,并结合SAR图像目标识别对抗攻击实例分析了典型方法特性;最后结合团队研究工作,指出存在的开放性问题,为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。 展开更多
关键词 深度卷积神经网络 SAR图像识别 信息安全 对抗攻击与防御 鲁棒性评估
在线阅读 下载PDF
基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 被引量：27
6
作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页
风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多
关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置
在线阅读 下载PDF
基于深度卷积生成对抗神经网络预测气窜方向 被引量：8
7
作者 冯其红 李玉润 +3 位作者 王森 任佳伟 周代余 范坤 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第4期20-27,共8页
注气开发是目前油田开发最有效的EOR方法之一,但注气开发面临见气时间早、气体突进严重等一系列问题。通过气窜方向预测能够及时调整工作制度,避免问题发生。利用深度卷积对抗神经网络建立渗透率场和注气后气相饱和度分布的动态映射关系... 注气开发是目前油田开发最有效的EOR方法之一,但注气开发面临见气时间早、气体突进严重等一系列问题。通过气窜方向预测能够及时调整工作制度,避免问题发生。利用深度卷积对抗神经网络建立渗透率场和注气后气相饱和度分布的动态映射关系,通过输入渗透率场的数据进行图像映射,得到不同时间的气相饱和度分布,预测气窜方向。结果表明:深度卷积方法在提取渗透率特征方面表现出良好性能;采用图像的结构相似性指数(SSIM)作为检验指标,将用对抗神经网络方法建立的气相饱和度分布与商业数值模拟器预测结果进行对比,二者结构相似度大于0.9;深度卷积生成对抗网络(DC-GAN)能够有效地预测注入气体在油藏中的气窜方向。 展开更多
关键词 深度卷积 对抗神经网络 结构相似性指数 气相饱和度
在线阅读 下载PDF
基于改进深度卷积对抗生成网络的肺结节良恶性分类 被引量：4
8
作者 李莉 张浩洋 乔璐 《计算机工程》 CAS CSCD 北大核心 2020年第12期262-269,共8页
为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备... 为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备肺结节等级分类能力。在判别过程中运用半监督FCM聚类方法,对输入肺结节图像进行特征提取和量化,将输出的当前图像所属类别概率及判别结果与真实结果进行比较来调整网络参数。通过设定加权损失函数最大概率提高模型识别准确率,训练得出具有良好鲁棒性的网络模型。实验结果表明,改进模型的判别器网络具有良好的肺结节良恶性分类能力,准确率高达90.96%。 展开更多
关键词 良恶性分类 卷积神经网络 特征量化 深度卷积对抗生成网络 半监督模糊C均值方法
在线阅读 下载PDF
基于深度卷积生成对抗网络的图像识别算法 被引量：7
9
作者 刘恋秋 《液晶与显示》 CAS CSCD 北大核心 2020年第4期383-388,共6页
针对传统深度卷积生成网络收敛速度慢、稳定性较差的问题,本文在传统深度卷积生成对抗网络的基础上,提出了深度卷积生成对抗网络的优化算法。首先在预处理部分,融合了Canny算子和Prewitt算子的多个方向的卷积核来初始化输入图片参数,同... 针对传统深度卷积生成网络收敛速度慢、稳定性较差的问题,本文在传统深度卷积生成对抗网络的基础上,提出了深度卷积生成对抗网络的优化算法。首先在预处理部分,融合了Canny算子和Prewitt算子的多个方向的卷积核来初始化输入图片参数,同时训练模块。为了减少训练时间,将训练分为3个阶段,每个阶段都采用不同的损失函数,从而提升网络的收敛速度及识别效果。最后再将训练后的判别网络中的卷积神经网络用来提取图像特征。LFW和CIFAR-100的实验证明,本文提出的算法具有很高的可行性和有效性,比传统生成对抗网络、CNN等图像识别具有更高的识别成功率,达到89.5%,为生成对抗网络在计算机视觉领域的应用提供了有益的参考。 展开更多
关键词 生成对抗网络 深度卷积 特征提取 计算机视觉
在线阅读 下载PDF
Transformer和生成对抗网络相结合的图像修复
10
作者 林旭 王永雄 +3 位作者 陈俊帆 张凌樾 谢鑫宇 朱珺怡 《控制工程》 北大核心 2025年第7期1311-1319,共9页
现有图像修复模型无法高质量地修复大面积缺损的图像。针对此问题,提出了一种Transformer和生成对抗网络相结合的图像修复模型。首先,设计了一种新型掩码自适应输入模块,用于从输入图像中提取未被掩码遮蔽的图像块;其次,利用Transforme... 现有图像修复模型无法高质量地修复大面积缺损的图像。针对此问题,提出了一种Transformer和生成对抗网络相结合的图像修复模型。首先,设计了一种新型掩码自适应输入模块,用于从输入图像中提取未被掩码遮蔽的图像块;其次,利用Transformer从有效图像块中提取全局上下文信息,增强模型对缺损区域的补全能力;再次,使用快速傅里叶卷积(fast Fourier convolution,FFC)模块增强模型的细节修复能力,并消除输出图像中的伪影;最后,利用判别器网络对抗训练以提升整体网络的性能。利用所提模型对Place2数据集进行图像修复,测试结果表明:当掩码比例为50%~60%时,修复结果的峰值信噪比达到了19.7482 dB,结构相似性(structural similarity,SSIM)达到了0.7147。 展开更多
关键词 深度学习 图像修复 TRANSFORMER 生成对抗网络 快速傅里叶卷积
在线阅读 下载PDF
改进深度卷积生成式对抗网络的文本生成图像
11
作者 李云红 朱绵云 +3 位作者 任劼 苏雪平 周小计 于惠康 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1875-1883,共9页
针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码... 针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强(CA)模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束(SN)层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明:所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43.9%和42.5%,进一步表明了所提模型的有效性。 展开更多
关键词 深度卷积生成式对抗网络 文本生成图像 文本特征表示 条件增强 KL正则化
在线阅读 下载PDF
基于深度卷积生成式对抗网络的菌草丙二醛含量可见/近红外光谱反演
12
作者 叶大鹏 陈晨 +3 位作者 李慧琳 雷莹晓 翁海勇 瞿芳芳 《智慧农业（中英文）》 CSCD 2023年第3期132-141,共10页
[目的/意义]菌草是多年生可用作饲料与生物质能源的草本植物,在温带种植需克服越冬问题。低温胁迫会对菌草的生长发育造成不利影响。丙二醛(Malondialdehyde,MDA)作为诊断菌草低温胁迫状态的有力诊断指标,利用光谱技术反演MDA含量,可快... [目的/意义]菌草是多年生可用作饲料与生物质能源的草本植物,在温带种植需克服越冬问题。低温胁迫会对菌草的生长发育造成不利影响。丙二醛(Malondialdehyde,MDA)作为诊断菌草低温胁迫状态的有力诊断指标,利用光谱技术反演MDA含量,可快速无损地评估菌草生长动态,为菌草育种及低温胁迫诊断提供参考。[方法]本研究基于6个品种的菌草植株,设置低温胁迫组与常温对照组,获取菌草苗期的可见/近红外光谱(Visible/Near Infrared Spectrum,VIS/NIR)数据与叶片MDA含量信息,分析低温胁迫条件下菌草MDA含量及其光谱反射率均相应增加的变化趋势;为提升模型的检测效果,提出了改进的一维深度卷积生成式对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)用于样本数量增广,并建立基于随机森林(Random Forest,RF)、偏最小二乘回归(Partial Least Squares Regression,PLSR)以及卷积神经网络(Convolutional Neural Networks,CNN)算法的MDA光谱定量检测模型。[结果和讨论] DCGAN可优化模型的可靠性与MDA检测精度,且DCGAN联合RF模型可以得到最佳的检测效果,其中预测集决定系数Rp2为0.7922,均方根误差为2.4063,残差预测偏差(Residual Predictive Deviation,RPD)为2.1937。[结论]本研究利用DCGAN进行样本数量增广,能显著提升基于光谱数据的模型对菌草MDA含量的反演精度与预测性能。 展开更多
关键词 菌草 可见/近红外光谱 深度卷积生成式对抗网络 低温胁迫 机器学习
在线阅读 下载PDF
基于深度卷积生成对抗网络的地震初至拾取 被引量：14
13
作者 周创 居兴国 +1 位作者 李子昂 刘小民 《石油物探》 EI CSCD 北大核心 2020年第5期795-803,共9页
地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显。为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DCGAN,包含... 地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显。为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DCGAN,包含生成器与判别器两部分。生成器由一个全卷积神经网络(FCN)构成,用于学习地震炮集数据到初至波之间的特征映射;判别器由一个卷积神经网络(CNN)构成,用于辅助生成器训练。基于DCGAN的初至拾取方法的实现分为三步:数据预处理、网络训练和预测拾取。通过对不同卷积层数的网络结构的对比分析,确定了一个最优的DCGAN结构。一旦DCGAN的训练完成,利用其完成一炮地震数据的初至拾取仅需几秒的时间。将DCGAN方法应用于实际数据初至拾取并与现有初至拾取方法(如长短时窗比(STA/LTA)法和峰度赤池信息量准则(AIC)法)的拾取结果相比较,结果表明基于DCGAN的初至拾取方法的精度更高,能满足生产需要。 展开更多
关键词 生成对抗网络 卷积神经网络 深度学习 地震数据 初至拾取 网络结构 全卷积神经网络 网络训练
在线阅读 下载PDF
基于深度卷积条件生成对抗网络的虫害分类算法研究 被引量：8
14
作者 王铎 温长吉 +2 位作者 王希龙 李卓识 于合龙 《中国农机化学报》 北大核心 2020年第6期179-187,共9页
虫害识别是防治的关键环节,但是由于虫害自身的动态性、稳定性、变态性以及种群规模庞大形态各异等特点,因此传统图像分类识别方法面临巨大挑战。本文提出一种基于深度卷积条件生成对抗网络的虫害识别方法。首先,利用空间金字塔层(SPP)... 虫害识别是防治的关键环节,但是由于虫害自身的动态性、稳定性、变态性以及种群规模庞大形态各异等特点,因此传统图像分类识别方法面临巨大挑战。本文提出一种基于深度卷积条件生成对抗网络的虫害识别方法。首先,利用空间金字塔层(SPP)嵌入鉴别器的卷积层之后,使得分类的图像可以有固定大小,尺寸一致的效果,不仅可以使得模型获取到必要的图像特征,而且大大提高了模型的收敛速度。其次将深度卷积条件生成对抗网络中的交叉熵损失函数改为最小二乘损失函数,使得最小二乘损失在一点达到饱和,从而增强模型训练的稳定性。最后使用RMSprop优化器对模型进行迭代优化,使得模型能够更快地收敛,增强模型稳定性,减小网络整体的波动。统计训练过程中各项参数变化分析,与其他方法相比,深度卷积条件生成对抗网络在分类准确率和实验稳定性方面都有较为明显的优势,该文所提出的分类准确率高达96.8%,明显优于对比算法。试验结果表明该文提出的虫害分为算法具有较高的准确率和较好的稳定性,可以为相关研究工作提供借鉴意义。 展开更多
关键词 图像处理 深度卷积 对抗网络 虫害分类 算法优化
在线阅读 下载PDF
多层感知器深度卷积生成对抗网络 被引量：7
15
作者 王格格 郭涛 李贵洋 《计算机科学》 CSCD 北大核心 2019年第9期243-249,共7页
生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法。深度卷积生成对抗网络(DCGAN)作为GAN的一种延伸,将卷积神经网络引入到生成模型中进行无监督训练。但DCGAN的线性卷积层对于下层数据块是一个广义线性模型,其... 生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法。深度卷积生成对抗网络(DCGAN)作为GAN的一种延伸,将卷积神经网络引入到生成模型中进行无监督训练。但DCGAN的线性卷积层对于下层数据块是一个广义线性模型,其抽象层次较低,生成的图像质量不高,并且在模型性能度量方面仅以主观的视觉感受来评判图像质量。针对以上问题,文中提出了一种多层感知器深度卷积生成对抗网络(MPDCGAN),采用多层感知器卷积层取代广义线性模型在输入数据上进行卷积,以捕获图像更深层次的特征,并采用定量评估方法Frechet Inception Distance(FID)衡量图像生成质量。在4种基准数据集上的实验结果表明,采用MPDCGAN生成的图像的 FID 值与图像质量呈负相关关系,且图像生成质量随着 FID 值的降低得到了进一步的提高。 展开更多
关键词 生成对抗网络 深度卷积生成对抗网络 多层感知器 FID
在线阅读 下载PDF
基于半监督深度卷积生成对抗网络的注塑瓶表面缺陷检测模型 被引量：3
16
作者 谢源 苗玉彬 +1 位作者 许凤麟 张铭 《计算机科学》 CSCD 北大核心 2020年第7期92-96,共5页
注塑瓶表面缺陷检测是注塑成型工艺流程中的重要环节,但生产中存在缺陷的注塑瓶样本数量相对匮乏,使得应用深度学习算法进行缺陷检测时容易产生过拟合现象。针对上述问题,文中提出并构建一种半监督(Semi-supervised)深度卷积生成对抗网... 注塑瓶表面缺陷检测是注塑成型工艺流程中的重要环节,但生产中存在缺陷的注塑瓶样本数量相对匮乏,使得应用深度学习算法进行缺陷检测时容易产生过拟合现象。针对上述问题,文中提出并构建一种半监督(Semi-supervised)深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)模型。该模型首先使用HSV(Hue Saturation Va-lue)颜色空间转换与大津算法(Otsu)对原始注塑瓶图像进行预处理得到训练集;然后组合学习任务,使得DCGAN的无监督判别器与注塑瓶表面缺陷检测的监督分类器共享卷积层参数,同时修改损失函数,在DCGAN模型的Wasserstein距离中加入交叉熵;最后使用Adam优化器进行模型训练。实验结果表明,该模型能够准确分辨具有缺陷的注塑瓶样本,分类准确率达到98.65%。与传统的机器学习算法以及采用数据增强的卷积神经网络模型相比,所提模型的分类准确率更高,且较好地避免了过拟合现象,能满足注塑瓶生产中表面缺陷的自动检测需求。 展开更多
关键词 深度卷积生成对抗网络 半监督 小样本 缺陷检测 注塑瓶
在线阅读 下载PDF
基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法 被引量：26
17
作者 张承圣 邵振国 +2 位作者 陈飞雄 江昌旭 冯健冰 《电网技术》 EI CSCD 北大核心 2022年第6期2182-2189,共8页
针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法... 针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法。该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据,且所生成的数据符合真实场景数据分布规律。采用实际风电数据集对所提算法和模型进行验证,并应用若干统计学指标,分别对文中模型与条件生成对抗网络(conditional generative adversarial network,CGAN)模型所迁移生成的数据进行对比评估,结果表明所提算法与模型能够更加准确地生成新能源发电场景数据。 展开更多
关键词 新能源发电 不确定性 数据迁移 生成对抗网络 深度卷积神经网络
在线阅读 下载PDF
基于深度卷积生成对抗网络的花朵图像增强与分类 被引量：13
18
作者 杨旺功 淮永建 《计算机科学》 CSCD 北大核心 2020年第6期176-179,共4页
为了提高花朵图像识别与分类的准确率,采用基于深度卷积生成对抗网络的算法来完成花朵图像的识别与分类。为了保证花朵图像在卷积过程中的特征完整性,将不同尺寸的真实花朵图像进行定量平均分块,忽略分块尺寸的大小,保证分块数量相等,... 为了提高花朵图像识别与分类的准确率,采用基于深度卷积生成对抗网络的算法来完成花朵图像的识别与分类。为了保证花朵图像在卷积过程中的特征完整性,将不同尺寸的真实花朵图像进行定量平均分块,忽略分块尺寸的大小,保证分块数量相等,然后对分块的图像进行深度卷积池化增强,增强方法为最大值增强,并对噪声进行最大值池化操作,然后将两者进行对抗判别,运用交叉熵误差对价值函数进行评估,求解花朵图像识别与分类的结果。文中分别对花朵图像增强、同类花朵图像识别和不同类花朵图像分类分别进行了实例仿真,实验结果表明,所提算法在花朵图像分类正确率方面的优势明显且稳定性好。 展开更多
关键词 深度卷积 对抗网络 花朵图像 最大值池化 价值函数
在线阅读 下载PDF
基于改进深度卷积生成对抗网络的入侵检测方法 被引量：17
19
作者 杨锦溦 杨宇 +1 位作者 姚铖鹏 尹坤 《科学技术与工程》 北大核心 2022年第8期3209-3215,共7页
针对入侵检测系统因采用的网络攻击样本具有不平衡性而导致检测结果出现较大偏差的问题,提出一种将改进后的深度卷积生成对抗网络(deep convolution generation adversarial network,DCGAN)与深度神经网络(deep neural network,DNN)相... 针对入侵检测系统因采用的网络攻击样本具有不平衡性而导致检测结果出现较大偏差的问题,提出一种将改进后的深度卷积生成对抗网络(deep convolution generation adversarial network,DCGAN)与深度神经网络(deep neural network,DNN)相结合的入侵检测模型(DCGAN-DNN),深度卷积生成对抗网络能够通过学习已知攻击样本数据的内在特征分布生成新的攻击样本,并对深度卷积生成对抗网络中生成网络所用的线性整流(rectified linear unit,ReLU)激活函数作出改进,改善了均值偏移和神经元坏死的问题,提升了训练稳定性。使用CIC-IDS-2017数据集作为实验样本对模型进行评估,与传统的过采样方法相比DCGAN-DNN入侵检测模型对于未知攻击和少数攻击类型具有较高检测率。 展开更多
关键词 网络安全态势感知 入侵检测 深度卷积生成对抗网络(dcgan) 深度神经网络(DNN)
在线阅读 下载PDF
基于深度卷积生成对抗网络的半生成式视频隐写方案
20
作者 林洋平 刘佳 +2 位作者 陈培 张明书 杨晓元 《计算机应用》 CSCD 北大核心 2023年第1期169-175,共7页
生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络(DCGAN)的半生成式视频隐写方案。该方案中,设... 生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络(DCGAN)的半生成式视频隐写方案。该方案中,设计了基于DCGAN的双流视频生成网络,用来生成视频的动态前景、静态后景与时空掩模三个部分,并以随机噪声驱动生成不同的视频。方案中的发送方可设定隐写阈值,在掩模中自适应地生成数字化卡登格,并将其作为隐写与提取的密钥;同时以前景作为载体,实现信息的最优嵌入。实验结果表明,该方案生成的含密视频具有良好的视觉质量,Frechet Inception距离(FID)值为90,且嵌入容量优于现有的生成式隐写方案,最高可达0.11 bpp,能够更高效地传输秘密消息。 展开更多
关键词 视频隐写 半生成式 深度学习 深度卷积生成对抗网络 对抗性训练 数字化卡登格
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 11 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部