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418篇文章
< 1 2 … 21 >
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：
基于生成对抗网络和卷积神经网络的高速铁路地震预警干扰信号识别方法
1
作者 宋晋东 栾世成 +7 位作者 李山有 马强 孙文韬 刘赫奕 周学影 姚鹍鹏 黄鹏杰 朱景宝 《中国铁道科学》 北大核心 2025年第1期225-232,共8页
为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信... 为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信号识别模型,并对其进行训练和测试;最后,通过对比试验,验证该模型在干扰信号识别中的有效性和准确性。结果表明:与未使用GAN进行数据增强的情况相比,所提方法识别打夯干扰信号和地震事件信号的准确率分别为99.60%和100%,性能显著提升;此外,GANCNN模型的交并比、准确率、召回率和综合能力评价指标也得到提高。该方法可为高速铁路地震预警干扰信号识别提供参考。 展开更多
关键词 地震预警 高速铁路 卷积神经网络 生成对抗网络 打夯干扰信号
在线阅读 下载PDF
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：6
2
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
3
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
基于门控卷积生成对抗网络的西汉漆箱纹饰图案数字化修复研究 被引量：2
4
作者 周强 王露 +3 位作者 冯金牛 王莹 朱建锋 罗宏杰 《陕西科技大学学报》 北大核心 2024年第1期153-160,共8页
中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提... 中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提升模型对于图像中有效像素的学习能力并解决不规则大面积图像区域的高分辨率修复问题.在此基础上,首先对漆箱图案中的畸变、破损和缺失部分进行掩膜处理,然后使用GC-GAN生成掩膜区域的图案.针对漆箱纹饰图案样本数量少的问题,借助迁移学习思想,将模型在CelebA、SVHN等多种公共数据集上学习到的知识迁移到漆箱纹饰上.最终实现了“西安凤栖原西汉家族墓地”M1墓室中出土的大型木胎彩绘漆箱表面纹饰的数字化虚拟修复. 展开更多
关键词 漆器 西汉漆箱纹饰图案 数字化修复 门控卷积 生成对抗网络
在线阅读 下载PDF
基于生成对抗网络的两阶段探地雷达图像反演方法
5
作者 武铭泽 刘庆华 欧阳缮 《电波科学学报》 北大核心 2025年第1期141-154,共14页
在探地雷达(ground penetrating radar,GPR)应用中,反演成像是解译GPR数据信息的关键技术。现有基于深度学习的GPR图像反演技术大多应用于地下均匀介质的理想环境,然而真实环境中采集到的数据通常包含复杂的噪声与杂波信号,对反演精度... 在探地雷达(ground penetrating radar,GPR)应用中,反演成像是解译GPR数据信息的关键技术。现有基于深度学习的GPR图像反演技术大多应用于地下均匀介质的理想环境,然而真实环境中采集到的数据通常包含复杂的噪声与杂波信号,对反演精度有很大影响。针对这一问题,本文提出了一种基于生成对抗网络(generative adversarial network,GAN)的两阶段GPR图像反演网络TSInvNet,以重构真实环境中地下目标的位置分布。该方法先将GPR B-scan图像使用改进的空间自适应归一化(spatially-adaptive normalization,SPADE)生成器的去噪网络TSInvNet1进行处理后,接着送入引入置换注意力(shuffle attention,SA)模型的反演网络TSInvNet2进行反演。在模拟数据与真实数据上的实验结果表明,TSInvNet能够根据GPR B-scan图像准确反演出地下目标的位置,在具有复杂噪声与多目标情况下的反演应用中具有强鲁棒性和精确反演性能。 展开更多
关键词 探地雷达(GPR) 反演成像 深度学习 生成对抗网络(GAN) 注意力模型
在线阅读 下载PDF
一种结合卷积自编码和补丁惩罚的生成对抗网络单图像去雨方法 被引量：2
6
作者 陈铭 赵嘉 +2 位作者 侯家振 韩龙哲 谭德坤 《电光与控制》 CSCD 北大核心 2024年第2期83-91,共9页
针对传统的图像去雨方法存在去雨图像失真、生成伪影等问题,提出一种结合卷积自编码和补丁惩罚的生成对抗网络单图像去雨方法。首先,该方法采用卷积自编码组成生成器网络,使用对称跳跃连接提高生成器网络的训练效率和收敛性能,实现对图... 针对传统的图像去雨方法存在去雨图像失真、生成伪影等问题,提出一种结合卷积自编码和补丁惩罚的生成对抗网络单图像去雨方法。首先,该方法采用卷积自编码组成生成器网络,使用对称跳跃连接提高生成器网络的训练效率和收敛性能,实现对图像细节信息和二维信号空间信息的重构;其次,引入马尔可夫鉴别器在图像补丁层次上进行惩罚,去除生成图像中的伪影;最后,提出一种新的精细化损失函数参与训练网络模型,进一步增强模型的去雨深度。采用峰值信噪比和结构相似性作为模型的评价标准,实验结果表明,该方法在现实雨图和合成雨图的去雨处理上都有良好的表现,基本还原了图像细节内容,并保证了较高的视觉质量。 展开更多
关键词 图像去雨 生成对抗网络 卷积自编码 马尔可夫鉴别器 峰值信噪比 结构相似性
在线阅读 下载PDF
基于生成对抗网络的通信网络数据传输加密技术
7
作者 邱馨亚 《现代传输》 2025年第1期48-51,共4页
由于网络数据传输加密与解密的过程中常存在异常交叉,导致数据的有效传输占比难以得到保障。为此,本研究提出基于生成对抗网络的通信网络数据传输加密技术。首先,建立生成对抗网络模型,在训练模型后得到交叉熵收敛的无嵌入隐写生成器,... 由于网络数据传输加密与解密的过程中常存在异常交叉,导致数据的有效传输占比难以得到保障。为此,本研究提出基于生成对抗网络的通信网络数据传输加密技术。首先,建立生成对抗网络模型,在训练模型后得到交叉熵收敛的无嵌入隐写生成器,再将原始数据信息和噪声向量输入到生成器中,生成对应的隐写数据信息。在通信网络的接收端,利用包含四个反卷积层的生成器对隐写数据进行提取,获取原始的数据信息。测试结果表明:应用该方法后,数据的有效传输占比始终稳定在98.0%以上,最大值达到了99.0%。 展开更多
关键词 生成对抗网络 通信网络数据 传输加密技术 交叉熵 无嵌入隐写生成器 隐写数据信息 反卷积层 生成器
在线阅读 下载PDF
基于多尺度生成对抗网络的视网膜血管分割方法
8
作者 王小龙 王诗文 《消费电子》 2025年第4期53-55,共3页
针对现有视网膜血管分割方法在分割精度和细节表现上的局限性,本文提出了一种基于的视网膜血管分割方法。该方法分为两个阶段:首先,利用改进U-Net网络对视网膜图像进行粗略分割,提取出主要的血管结构;其次,采用改进的GAN模型进行精细分... 针对现有视网膜血管分割方法在分割精度和细节表现上的局限性,本文提出了一种基于的视网膜血管分割方法。该方法分为两个阶段:首先,利用改进U-Net网络对视网膜图像进行粗略分割,提取出主要的血管结构;其次,采用改进的GAN模型进行精细分割,在多尺度生成器和多尺度鉴别器的协同作用下,进一步细化血管边缘和微小血管,提高分割的整体精度和质量。在公开的DRIVE和STARE数据集上的实验结果表明,所提出的方法在准确率、敏感性、特异性、F1分数和AUC等评价指标上均优于传统的U-Net和其他先进的分割方法。具体而言,本方法在DRIVE数据集上的F1分数达到了93.38%,显著提升了血管分割的细节表现和鲁棒性,证实了基于多尺度GAN的视网膜血管分割方法有助于提升视网膜血管分割的准确性与鲁棒性,从而为临床诊断视网膜疾病提供参考。 展开更多
关键词 UNet 生成式对抗网络 卷积神经网络 视网膜血管分割
在线阅读 下载PDF
基于生成对抗网络的人脸微表情皮沟识别方法
9
作者 王长清 《信息技术与信息化》 2025年第3期103-106,共4页
面部表情作为柔性物体,具有变化多样、非线性等特点,且受情绪状态、配合程度等多因素影响,同时具有持续时间短、变化强度弱的特性,导致样本难以有效捕捉。样本规模有限时,传统识别方法只能对现有纹理数据进行旋转、翻转等基本变换,增加... 面部表情作为柔性物体,具有变化多样、非线性等特点,且受情绪状态、配合程度等多因素影响,同时具有持续时间短、变化强度弱的特性,导致样本难以有效捕捉。样本规模有限时,传统识别方法只能对现有纹理数据进行旋转、翻转等基本变换,增加的数据量有限,无法涵盖所有微表情皮沟变化,处理未见过的微表情时识别率低。为此,文章提出一种基于生成对抗网络的人脸微表情皮沟识别方法。采用灰度伸缩法对人脸图像进行光照补偿。通过线性拉伸图像的灰度值,增强对比度,以突出微表情皮沟细节。利用形态学运算对光照补偿后的人脸图像进行二值化处理,以有效提取人脸区域并去除背景。引入生成对抗网络(GANs)进行数据增强。将二值化处理后的人脸图像作为条件信息输入到生成对抗网络的生成器中,生成与真实样本极为相似的虚假人脸图像数据,以此扩展数据集规模。将增强后的数据集输入到卷积神经网络(CNN)中,CNN通过卷积、池化操作提取面部微表情皮沟特征,并计算面部图像微表情皮沟特征属于各微表情皮沟类别的概率,基于概率计算结果实现人脸微表情皮沟分类识别。经实验证明,本文方法识别率在95%以上,能够实现对面部微表情皮沟精准识别。 展开更多
关键词 生成对抗网络 人脸微表情 皮沟 灰度伸缩法 形态学运算方法 卷积神经网络
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：7
10
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
基于生成对抗网络和深度森林结合的粮食加工过程污染物小样本数据扩充及预测
11
作者 郭香兰 王立 +6 位作者 金学波 于家斌 白玉廷 李涵宇 隗立昂 马倩 温浩然 《食品科学》 EI CAS CSCD 北大核心 2024年第12期22-30,共9页
粮食加工过程污染物的准确预测对粮食安全具有重要意义,但由于粮食加工工艺复杂,污染物检测困难导致数据量较小,难以满足建模预测所需,需要研究小样本的污染物数据扩充方法。同时,较小样本量的粮食加工过程污染物数据往往缺乏足够的先... 粮食加工过程污染物的准确预测对粮食安全具有重要意义,但由于粮食加工工艺复杂,污染物检测困难导致数据量较小,难以满足建模预测所需,需要研究小样本的污染物数据扩充方法。同时,较小样本量的粮食加工过程污染物数据往往缺乏足够的先验知识,传统监督学习的方法对其预测精度较低,且现有连续型深度学习模型不适于粮食加工过程这一间歇过程,需研究基于无监督学习和离散深度学习的粮食加工过程污染物预测方法。为此,本文针对粮食加工过程污染物提出基于时间生成对抗网络(time generative adversarial networks,TimeGAN)的数据扩充及基于生成对抗网络(generative adversarial networks,GAN)和深度森林(deep forest,DF)结合的预测方法。首先构建TimeGAN模型,对小样本数据学习后得到多组样本数据,实现数据扩充;将无监督学习的GAN模型与适用于离散过程的DF模型结合,构建GAN-DF模型,实现污染物预测;再分别将DF与长短时记忆(long short-term memory,LSTM)-DF模型作为生成器嵌入到GAN,构建DFGAN与LSTM-DFGAN模型,进一步提高污染物预测的准确度。通过稻谷加工过程的金属污染物Pb数据(Pb含量)进行仿真验证,结果表明TimeGAN方法扩充数据可行,LSTM-DFGAN模型的综合预测效果最好,其扩充数据后的预测平均绝对误差和均方根误差低至7.50×10^(-5)mg/kg和1.60×10^(-8)mg/kg。 展开更多
关键词 生成对抗网络 深度森林 粮食加工 污染物预测
在线阅读 下载PDF
基于循环卷积生成对抗网络的风机齿轮箱故障诊断 被引量：4
12
作者 赵承利 张璐 钟麦英 《山东科技大学学报（自然科学版）》 CAS 北大核心 2024年第1期109-118,共10页
风机齿轮箱是风力涡轮传动系统中的关键部分,其故障发生随机、故障样本数量不足,严重影响故障诊断的准确性。针对此问题,提出一种基于循环卷积生成对抗网络的风机齿轮箱故障诊断方法。首先,构建基于循环卷积生成对抗网络的样本生成模型... 风机齿轮箱是风力涡轮传动系统中的关键部分,其故障发生随机、故障样本数量不足,严重影响故障诊断的准确性。针对此问题,提出一种基于循环卷积生成对抗网络的风机齿轮箱故障诊断方法。首先,构建基于循环卷积生成对抗网络的样本生成模型,利用卷积网络和循环网络作为生成器增强样本间的时间相关性;借助Wasserstein距离与梯度惩罚项改进目标函数,并通过博弈对抗机制优化生成器和判别器,提高模型的泛化能力。然后,结合真实样本和生成样本,设计基于堆叠去噪自编码器的故障诊断方法,实现齿轮箱的故障诊断。最后,利用风力涡轮传动系统数据集验证所提出的风机齿轮箱故障诊断方法的性能。结果显示,所提方法能够有效平衡故障样本数据集,进一步提高风机齿轮箱故障诊断的准确率。 展开更多
关键词 故障诊断 风机齿轮箱 生成对抗网络 循环卷积网络 样本生成
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：6
13
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
基于深度卷积对抗网络的电磁频谱异常检测
14
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
改进深度卷积生成式对抗网络的文本生成图像
15
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
基于深度卷积生成对抗网络的地震初至拾取 被引量：13
16
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
基于深度卷积生成对抗网络模型的超分辨数据重建
17
作者 宋俊芳 《数字技术与应用》 2018年第6期75-75,77,共2页
深度卷积生成对抗网络的超分辨任务包括生成网络和判别网络建模过程。实现分为寻找到低分辨图与高分辨图之间的关系模型和利用量化后的关系将低分辨图像通过恢复生动纹理和颗粒细节达到高分辨图两步。方法重建的图像可为高精度的目标检... 深度卷积生成对抗网络的超分辨任务包括生成网络和判别网络建模过程。实现分为寻找到低分辨图与高分辨图之间的关系模型和利用量化后的关系将低分辨图像通过恢复生动纹理和颗粒细节达到高分辨图两步。方法重建的图像可为高精度的目标检测提供保障。 展开更多
关键词 深度卷积 生成对抗网络 超分辨重建 低分辨图像 高分辨图像
在线阅读 下载PDF
基于域自适应对抗生成样本的金属损伤导波智能迁移识别方法
18
作者 王莉 刘国强 +2 位作者 杨宇 张超 裘进浩 《振动与冲击》 北大核心 2025年第3期191-201,209,共12页
针对工程场景下缺乏大量标注完备的真实损伤样本,而难以学习到可用的智能诊断模型的难题,该文提出了一种基于域自适应对抗生成样本的金属损伤导波智能迁移诊断方法。首先,采用有限元仿真得到了大量标签丰富的模拟损伤导波监测数据;然后... 针对工程场景下缺乏大量标注完备的真实损伤样本,而难以学习到可用的智能诊断模型的难题,该文提出了一种基于域自适应对抗生成样本的金属损伤导波智能迁移诊断方法。首先,采用有限元仿真得到了大量标签丰富的模拟损伤导波监测数据;然后,采用生成对抗神经网络(wasserstein Generative adversarial networks with gradient penalty,WGAN-GP)实现了模拟损伤监测样本至真实损伤的域自适应对抗样本的生成;最后,构建了基于对抗生成样本的损伤智能诊断模型,实现了对未知标签真实损伤监测样本的高可靠分类诊断。金属开孔结构疲劳裂纹导波监测试验验证结果表明,所提方法可实现模拟损伤导波识别知识至疲劳损伤的跨域迁移,且在无真实损伤标注样本时也可实现对裂纹损伤的高精度智能识别。 展开更多
关键词 疲劳裂纹 导波 生成对抗神经网络(WGAN-GP) 卷积神经网络 迁移学习
在线阅读 下载PDF
基于生成式对抗网络和多模态注意力机制的扩频与常规调制信号识别方法 被引量：3
19
作者 王华华 张睿哲 黄永洪 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第4期1212-1221,共10页
针对低信噪比条件下的扩频与常规调制信号分类精度低的问题,该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs),并利用GAN实现T... 针对低信噪比条件下的扩频与常规调制信号分类精度低的问题,该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs),并利用GAN实现TFIs降噪处理;然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入,并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路;最后,在模型中添加注意力机制,增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明,该文所提方法相较于单模态识别模型以及其它基线模型,整体分类精度有效提升2%~7%,并在低信噪比条件下具备更强的特征表达能力和鲁棒性。 展开更多
关键词 深度学习 自动调制识别 生成对抗网络(GAN) 多模态特征 时频分布
在线阅读 下载PDF
基于深度卷积生成对抗网络的航拍图像去厚云方法 被引量：8
20
作者 李从利 张思雨 +1 位作者 韦哲 薛松 《兵工学报》 EI CAS CSCD 北大核心 2019年第7期1434-1442,共9页
针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗... 针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。 展开更多
关键词 航拍图像 厚云去除 深度卷积生成对抗网络 泊松图像编辑
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 … 21 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