期刊文献+
共找到139篇文章
< 1 2 7 >
每页显示 20 50 100
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
1
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
改进深度卷积生成式对抗网络的文本生成图像
2
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:8
3
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
生成式深度学习在目标导向分子设计中的应用进展
4
作者 王纪峰 汪莹 《中国材料进展》 北大核心 2025年第5期424-435,450,共13页
分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综... 分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综述了生成式深度学习在分子设计中的应用进展,首先对不同分子表示方法(如SMILES、分子图和三维结构表示)进行比较,分析了各自的优缺点。随后,综合评估了3种主流生成式模型:生成对抗网络(GAN)、变分自动编码器(VAE)和去噪扩散概率模型(DDPM),并探讨了生成式模型在目标导向分子设计中的应用,重点分析不同模型在分子生成质量与性质优化方面的差异。最后,基于现有技术的研究进展,提出了未来生成式模型在分子设计领域的研究方向。 展开更多
关键词 分子生成 生成式深度学习 生成对抗网络 变分自动编码器 去噪扩散概率模型 模型性能评估框架 分子表示
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
5
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
基于深度卷积生成对抗神经网络预测气窜方向 被引量:7
6
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
基于深度卷积生成对抗网络的图像识别算法 被引量:6
7
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
8
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
基于深度卷积生成对抗网络的地震初至拾取 被引量:13
9
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 卷积神经网络 网络训练
在线阅读 下载PDF
基于生成式对抗网络的剧本自动生成与优化技术
10
作者 邓杨 高坤 +1 位作者 廖宁 陈怡然 《数字技术与应用》 2024年第2期232-234,共3页
随着深度学习技术的快速发展,生成式对抗网络(GAN)已经成为一种强大的工具,广泛应用于图像合成、文本生成等任务。GAN在各个领域展现出了强大的潜力。本文研究基于GAN的剧本自动生成与优化技术,旨在实现自动化剧本创作和提升剧本质量。
关键词 图像合成 剧本创作 生成式对抗网络 文本生成 深度学习技术 自动生成与优化 自动化
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
11
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
基于生成对抗网络的自适应归一化数据增强算法 被引量:1
12
作者 赵彬 高永乐 +2 位作者 王清璇 王泽 张钧溟 《长春工业大学学报》 CAS 2024年第5期385-391,F0003,共8页
提出一种基于深度卷积生成对抗网络的自适应归一化数据增强算法,通过深度卷积神经网络强大的特征提取能力提升了生成图像的真实度,进一步采用自适应实例归一化解决因梯度爆炸导致的网络过拟合问题,最后在CIFAR10数据集上进行模型训练,... 提出一种基于深度卷积生成对抗网络的自适应归一化数据增强算法,通过深度卷积神经网络强大的特征提取能力提升了生成图像的真实度,进一步采用自适应实例归一化解决因梯度爆炸导致的网络过拟合问题,最后在CIFAR10数据集上进行模型训练,并对输入的原始样本图像进行1000轮对抗得到生成图片,实验结果显示,文中提出的自适应归一化方法生成图像真实度提升1.2%。 展开更多
关键词 自适应归一化 数据增强 深度卷积生成对抗网络 深度学习
在线阅读 下载PDF
基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法 被引量:6
13
作者 温佩芝 陈君谋 +2 位作者 肖雁南 温雅媛 黄文明 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2022年第2期213-224,共12页
为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络(GAN)和改进卷积神经网络(CNN)的水下图像增强算法.利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充.利用多级小波变换,以不丢... 为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络(GAN)和改进卷积神经网络(CNN)的水下图像增强算法.利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充.利用多级小波变换,以不丢失特征分辨率的方式对水下图像进行多尺度分解,然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取,并利用跳跃连接以防止梯度弥散,克服水下图像的雾模糊效应.利用风格代价函数学习彩色图像各通道间的相关性,提高模型的色彩校正能力,克服水下图像色彩失真的问题.实验结果表明,相较对比算法,在主观视觉和客观指标上,本研究所提算法拥有更优秀的综合性能及鲁棒性. 展开更多
关键词 图像处理 水下图像增强 多级小波变换 卷积神经网络 生成式对抗网络
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
14
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
基于深度卷积生成对抗网络和卷积神经网络的叶片病虫害问题研究 被引量:1
15
作者 魏财根 林炜鑫 赵晨 《木工机床》 2023年第2期16-20,36,共6页
传统的机器学习和深度学习方法耗时费力、泛化性能较低且需要大量样本数据,因此需要一种能在小样本情况下准确识别植物病虫害的方法。文章利用深度卷积生成对抗网络生成大量包含叶片病虫害的合成图像数据集,结合卷积神经网络进行叶片病... 传统的机器学习和深度学习方法耗时费力、泛化性能较低且需要大量样本数据,因此需要一种能在小样本情况下准确识别植物病虫害的方法。文章利用深度卷积生成对抗网络生成大量包含叶片病虫害的合成图像数据集,结合卷积神经网络进行叶片病虫害的自动检测和识别,探讨深度卷积生成对抗网络和卷积神经网络应用于叶片病虫害问题的可行性和有效性。实验证明,该方法在小样本情况下能够准确识别叶片病虫害,具有较高的准确性和鲁棒性,为解决植物病虫害问题提供了一种新的方法。 展开更多
关键词 叶片病虫害 卷积神经网络 深度卷积生成对抗网络
在线阅读 下载PDF
基于深度卷积生成对抗网络的不平衡大数据监测与诊断 被引量:3
16
作者 林君萍 《重庆科技学院学报(自然科学版)》 CAS 2022年第1期99-103,共5页
针对不平衡数据集的在线监测与诊断问题,提出一种基于深度卷积生成对抗网络的算法模型。通过生成器与判别器之间的不断对抗,实现对数据训练网络参数的调整和优化,并得到近似分布数据,用以矫正数据集的不平衡性。利用深度卷积网络的转置... 针对不平衡数据集的在线监测与诊断问题,提出一种基于深度卷积生成对抗网络的算法模型。通过生成器与判别器之间的不断对抗,实现对数据训练网络参数的调整和优化,并得到近似分布数据,用以矫正数据集的不平衡性。利用深度卷积网络的转置卷积层替代池化层,在检测空间内实现上下同步采样,同时避免反复选择数据训练层参数而带来高成本计算。生成器的损失函数降低了生成数据与真实数据之间的差距。仿真实验结果显示,提出的算法具有较强的不平衡数据训练能力、分类能力和故障诊断性能。 展开更多
关键词 深度卷积 生成对抗网络 不平衡大数据 损失函数
在线阅读 下载PDF
基于改进生成式对抗网络的编码DNA分子识别 被引量:1
17
作者 随学杰 王慧锋 颜秉勇 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2021年第2期241-246,共6页
纳米孔道单分子检测技术通过在纳米孔道中捕获分子穿过时产生的离子流变化信号来研究单个分子的信息。然而,由于纳米孔道对不同分子的捕获率不同,因此采集到的单分子数据集不平衡,进而影响分子识别的准确率。本文基于编码DNA分子的阻断... 纳米孔道单分子检测技术通过在纳米孔道中捕获分子穿过时产生的离子流变化信号来研究单个分子的信息。然而,由于纳米孔道对不同分子的捕获率不同,因此采集到的单分子数据集不平衡,进而影响分子识别的准确率。本文基于编码DNA分子的阻断事件,构建以深度卷积生成式对抗网络(DCGAN)为基本框架的模型,实现少数类样本的扩充,从而达到纳米孔道数据集的平衡处理,并采用QuipuNet对平衡前后的数据集进行训练和识别。结果表明,采用DCGAN平衡数据集后,训练后的QuipuNet对部分"100"编码分子的识别准确率提升了14%,且平均识别准确率均高于其他扩充数据集的方法,验证了采用DCGAN扩充编码DNA分子数据以平衡数据集可有效提高模型训练后对实际信号的识别准确率。 展开更多
关键词 深度卷积生成式对抗网络 QuipuNet 分类 纳米孔道数据分析 编码DNA分子
在线阅读 下载PDF
基于一维深度卷积生成对抗网络的钢轨波磨识别方法 被引量:1
18
作者 谢烨 赵闻强 +1 位作者 杨红运 包学海 《铁道建筑》 北大核心 2022年第12期62-66,71,共6页
实际工程中钢轨波磨数据难以大量获取,无法构建庞大数据集进行智能诊断模型训练。针对这一问题,本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本,对... 实际工程中钢轨波磨数据难以大量获取,无法构建庞大数据集进行智能诊断模型训练。针对这一问题,本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本,对样本信号的数据集进行扩充;然后提取波磨振动信号的时域统计指标作为波磨数据的特征;最后使用分类算法对不同特征的波磨振动数据进行学习与分类。使用实测钢轨波磨振动数据进行试验验证,结果表明:利用本文方法所生成的伪样本数据,在时域、频域以及时域特征指标方面均与真实样本数据基本一致;使用KNN、SVM和DT三种分类模型对波磨数据的特征进行分类和对比,均可较好地进行波磨识别。 展开更多
关键词 钢轨波磨 伪样本 试验研究 一维深度卷积 生成对抗网络 特征指标 平均分类准确率
在线阅读 下载PDF
生成式对抗网络研究进展 被引量:69
19
作者 王万良 李卓蓉 《通信学报》 EI CSCD 北大核心 2018年第2期135-148,共14页
生成式对抗网络(GAN,generative adversarial network)对生成式模型的发展具有深远意义,自提出后立刻受到人工智能学术界和工业界的广泛研究与高度关注,随着深度学习的技术发展,生成式对抗模型在理论和应用上得到不断推进。首先,阐述生... 生成式对抗网络(GAN,generative adversarial network)对生成式模型的发展具有深远意义,自提出后立刻受到人工智能学术界和工业界的广泛研究与高度关注,随着深度学习的技术发展,生成式对抗模型在理论和应用上得到不断推进。首先,阐述生成对抗模型的研究背景与意义,然后,详细论述生成式对抗网络在建模、架构、训练和性能评估方面的研究进展及其具体应用现状,最后,进行分析与总结,指出生成式对抗网络研究中亟待解决的问题以及未来的研究方向。 展开更多
关键词 深度学习 生成式对抗网络 卷积神经网络 自动编码器 对抗训练
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:26
20
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
上一页 1 2 7 下一页 到第
使用帮助 返回顶部