基于深度堆叠卷积神经网络的图像融合 被引量：37

1

作者 蔺素珍 韩泽 《计算机学报》 EI CSCD 北大核心 2017年第11期2506-2518,共13页

该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为... 该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为高频和低频图像序列;其次,基于He K方法初始化其余层卷积核,获得与源图像尺寸相同的高频和低频重构图像各一幅,并将二者合成源图像的近似图像;再以源图像和近似图像像素值之差的平方和的均值为误差函数,进行反向传播训练形成基本神经单元;之后,将多个基本单元堆叠起来利用end-to-end的方式调整整个网络得到深度堆叠神经网络.然后,利用该堆叠网络分别分解测试图像对,得到各自的高频和低频图像,再基于局部方差取大和区域匹配度合并的规则分别融合高频和低频图像,并将高频融合图像和低频融合图像放回最后一层网络,得到最终的融合图像.实验结果表明:与基于双树复小波变换(Dual-Tree Complex Wavelet Transform,DTCWT)、非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的融合结果相比,用高斯拉普拉斯滤波器和高斯滤波器初始化的深度堆叠卷积神经网络融合效果主观效果好,客观指标最优个数为NSCT的3.3倍,运行时间为NSCT的30.3%和NSST的11.6%. 展开更多

关键词 图像融合 深度学习 卷积神经网络 堆叠自动编码 滤波器

在线阅读 下载PDF 职称材料

堆叠稀疏自编码深度神经网络算法及其在滚动轴承故障诊断中的应用 被引量：5

2

作者 刘自然 李谦 +1 位作者 颜丙生 尚坤 《机床与液压》 北大核心 2020年第23期208-213,共6页

针对目前机械设备故障数据量大、多样性且主要采用监督式学习提取故障特征的现状,提出一种堆叠稀疏自编码深度神经网络,实现无监督学习提取振动信号内在特征,并用于滚动轴承故障诊断。将频谱包络线作为低层输入逐层训练网络,获取故障特... 针对目前机械设备故障数据量大、多样性且主要采用监督式学习提取故障特征的现状,提出一种堆叠稀疏自编码深度神经网络,实现无监督学习提取振动信号内在特征,并用于滚动轴承故障诊断。将频谱包络线作为低层输入逐层训练网络,获取故障特征表达,输入Softmax分类器实现故障分类;通过优化算法对整个深度神经网络进行微调,提高分类精度。滚动轴承故障诊断实验结果表明:所提出的深度神经网络能更准确地实现故障诊断,且在保证准确率的同时将频谱包络线作为低层输入,能够提高计算效率。 展开更多

关键词 堆叠稀疏自编码 深度神经网络 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制 被引量：3

3

作者 王亚伦 周涛 +2 位作者 陈中 王毅 权浩 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第11期1477-1491,共15页

风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的... 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参数,提升网络全局最优参数;最后,应用SDAE-DNN联合方法实现扰动事件后风电调频的逐步惯性在线控制.在IEEE 30节点测试系统中分别对单台风力机和风电场进行仿真分析,与传统方法、浅层反向传播神经网络及原始DNN所得结果对比发现,所提网络结构具有更优的预测精度和泛化能力,该方法能够实现良好的逐步惯性调频效果. 展开更多

关键词 逐步惯性控制 二次频率跌落 麻雀搜索算法 堆叠式降噪自动编码器 深度神经网络

在线阅读 下载PDF 职称材料

基于多项式特征生成的卷积神经网络 被引量：1

4

作者 刘铭 肖志成 于晓东 《吉林大学学报（理学版）》 CAS 北大核心 2024年第1期116-121,共6页

基于一维特征数据的多项式特征生成法,提出一种高维特征数据利用多项式特征生成法生成特征数据的数据增强算法,同时提出一种卷积神经网络训练时将生成的多项式特征数据与神经网络模型相融合的算法,其可将生成的多项式特征数据与卷积神... 基于一维特征数据的多项式特征生成法,提出一种高维特征数据利用多项式特征生成法生成特征数据的数据增强算法,同时提出一种卷积神经网络训练时将生成的多项式特征数据与神经网络模型相融合的算法,其可将生成的多项式特征数据与卷积神经网络模型进行有机结合,并改善卷积神经网络模型建模时由于数据样本有限、数据样本总量固定、可使用的数据样本差异性小等数据限制所导致的模型识别准确率低、模型的泛化性能有限等问题.实验结果表明,该方法的卷积神经网络模型准确率得到了有效提升. 展开更多

关键词 卷积神经网络 特征生成 多项式 特征堆叠

在线阅读 下载PDF 职称材料

一种基于深度神经网络的无线定位方法 被引量：17

5

作者 刘侃 张伟 +2 位作者 张伟东 张友梅 顾建军 《计算机工程》 CAS CSCD 北大核心 2016年第7期82-85,共4页

考虑到信号波动会对无线定位产生影响,基于深度神经网络提出一种回归的无线定位方法。采用四层深度神经网络结构进行定位,通过堆叠去噪自编码器对网络结构进行预训练,避免采用人工设计的方式,从大量有噪的样本中,自动学习有效特征。分... 考虑到信号波动会对无线定位产生影响,基于深度神经网络提出一种回归的无线定位方法。采用四层深度神经网络结构进行定位,通过堆叠去噪自编码器对网络结构进行预训练,避免采用人工设计的方式,从大量有噪的样本中,自动学习有效特征。分不同时段从现实场景中采集数据进行实验,结果表明,针对波动的无线信号,该方法能有效提高定位准确率。 展开更多

关键词 无线定位 深度神经网络 回归 深度学习 堆叠去噪自编码器

在线阅读 下载PDF 职称材料

基于光流优化的堆叠Unet背景建模神经网络

6

作者 陶冶 凌志浩 《计算机应用研究》 CSCD 北大核心 2020年第9期2861-2865,共5页

针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景建模算法(改进的BM-Unet算法)。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域,以此优化网络训练集和损失函数,从而有效... 针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景建模算法(改进的BM-Unet算法)。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域,以此优化网络训练集和损失函数,从而有效提高了该算法在复杂前景情况和前景停留情况下的适应性;在此基础上,为进一步提高背景生成的精确度,又提出了一种堆叠Unet网络架构BM-SUnet(background modelling stacked Unet)。在SBMnet数据集上与现有算法在可视化效果和评估参数两方面的比较结果表明,所提算法在复杂前景和间歇运动前景情况下建模准确性好且鲁棒性高的结论。 展开更多

关键词 非监督学习 卷积神经网络 背景建模 堆叠Unet 复杂前景 间歇运动前景

在线阅读 下载PDF 职称材料

基于单列多尺度卷积神经网络的人群计数 被引量：7

7

作者 彭贤 彭玉旭 +1 位作者 汤强 宋砚琪 《计算机科学》 CSCD 北大核心 2020年第4期150-156,共7页

单张图片和监控视频中的人群计数问题在近年来受到了越来越多的关注。尺度的变化和人群遮挡等问题,导致人群计数是一项十分具有挑战性的任务,但是深度卷积神经网络被证明能有效地解决这一问题。文中提出了一种单列多尺度的卷积神经网络... 单张图片和监控视频中的人群计数问题在近年来受到了越来越多的关注。尺度的变化和人群遮挡等问题,导致人群计数是一项十分具有挑战性的任务,但是深度卷积神经网络被证明能有效地解决这一问题。文中提出了一种单列多尺度的卷积神经网络,该网络提供了一种数据驱动的深度学习方法,能够理解各种不同的场景,并能进行精确的计数估计。该网络模型主要由作为二维特征提取的前端与中端,和用来还原密度图的后端组成。其中,使用堆叠池代替最大池化层,在不引入额外参数的前提下增加了模型的尺度不变性。网络模型前端采用部分VGG-16结构;中端采用FME(特征聚合模块),用来打破不同列之间的独立,以更好地提取多尺度特征信息;后端采用3列5层的不同扩张率的空洞卷积,在保持分辨率不变的情况下增加感受野,生成更高质量的人群密度图,并引入一种相对人数损失,以提升稀疏密度人群情况下模型的性能。该模型在两个最具挑战性的人群计数数据集上都取得了很好的效果。实验结果表明,在公开人群计数数据集ShanghaiTech的两个子集和UCF_CC_50上,该方法的平均绝对误差(MAE)和均方误差(MSE)分别是66.2和103.0、8.7和13.4、251.0和329.5,性能比传统人群计数方法更好。与其他模型相比,该模型拥有更高的精度和更好的鲁棒性,对稀疏人数图像有着更好的计数效果。 展开更多

关键词 卷积神经网络 人群计数 堆叠池 空洞卷积 特征聚合 相对人数损失

在线阅读 下载PDF 职称材料

基于多通道一维卷积神经网络特征学习的齿轮箱故障诊断方法 被引量：42

8

作者 叶壮 余建波 《振动与冲击》 EI CSCD 北大核心 2020年第20期55-66,共12页

为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition... 为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对信号进行处理,得到多通道一维信号;构建MC-1DCNN模型,对多通道一维信号进行特征提取。在MC-1DCNN的全连接层后接堆叠降噪自编码器(Stacked Denoised Autoencoder,SDAE)层,进一步进行维度缩减和特征提取并实现特征分类。通过某型号齿轮箱故障诊断实验对所提方法进行验证,实验结果表明,所提方法的特征提取能力和故障诊断效果显著优于典型的深度学习方法和机器学习分类器。 展开更多

关键词 齿轮箱故障诊断 多通道信号 卷积神经网络 堆叠降噪自编码器 特征学习

在线阅读 下载PDF 职称材料

基于堆叠卷积注意力的网络流量异常检测模型 被引量：17

9

作者 董卫宇 李海涛 +2 位作者 王瑞敏 任化娟 孙雪凯 《计算机工程》 CAS CSCD 北大核心 2022年第9期12-19,共8页

入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要... 入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要特征。针对上述问题,提出一种基于堆叠卷积注意力的DNN网络流量异常检测模型。通过堆叠多个以残差模块连接的注意力模块增加网络模型深度,同时在注意力模块中引入卷积神经网络、池化层、批归一化层和激活函数层,防止模型过拟合并提升模型性能,最后在DNN模型中得到输出向量。基于NSL-KDD数据集对模型性能进行评估,将数据集预处理生成二进制特征,采用多分类、二分类方式验证网络流量异常检测效果。实验结果表明,该模型性能优于KNN、SVM等机器学习模型和ANN、AlertNet等深度学习模型,其在多分类任务中识别准确率为0.807 6,较对比模型提高0.034 0~0.097 5,在二分类任务中准确率和F1分数为0.860 0和0.863 8,较对比模型提高0.013 0~0.098 8和0.030 6~0.112 8。 展开更多

关键词 网络流量异常检测 入侵检测系统 深度神经网络 堆叠卷积注意力 二进制特征

在线阅读 下载PDF 职称材料

基于DSConvBiGRU网络和热电堆阵列的动态手势识别方法 被引量：1

10

作者 顾亮 于莲芝 《计量学报》 CSCD 北大核心 2024年第6期795-805,共11页

提出了适用于嵌入式系统并融合深度可分离卷积神经网络与双向门控循环单元的DSConvBiGRU网络模型,将其用于动态手势序列的分类,设计并实现了一种使用低分辨率热电堆阵列传感器的动态手势识别解决方案,构建了动态手势数据集并在公开网站... 提出了适用于嵌入式系统并融合深度可分离卷积神经网络与双向门控循环单元的DSConvBiGRU网络模型,将其用于动态手势序列的分类,设计并实现了一种使用低分辨率热电堆阵列传感器的动态手势识别解决方案,构建了动态手势数据集并在公开网站发布,完成了预训练网络模型在Raspberry Pi边缘端的部署。系统对传感器输出的连续20个温度矩阵进行区间映射、背景减除、Lanczos插值和Otsu二值化预处理得到单个动态手势序列,再由预训练的DSConvBiGRU网络进行分类。实验结果表明:网络模型在测试集上识别准确率为99.291%,在边缘端预处理耗时5.513 ms,推理耗时8.231 ms,该系统满足低功耗、高精度和实时性的设计需求。 展开更多

关键词 机器视觉 光电检测 动态手势识别 热电堆阵列 深度可分离卷积神经网络 双向门控循环单元

在线阅读 下载PDF 职称材料

基于深度主动学习的MVB网络故障诊断方法 被引量：2

11

作者 杨岳毅 王立德 +2 位作者 王冲 王慧珍 李烨 《西南交通大学学报》 EI CSCD 北大核心 2022年第6期1342-1348,1385,共8页

多功能车辆总线MVB(multiple vehicle bus)用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法.该方法采用堆叠去噪自编码器自... 多功能车辆总线MVB(multiple vehicle bus)用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法.该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型.实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法. 展开更多

关键词 多功能车辆总线 故障诊断 主动学习 深度神经网络 堆叠去噪自编码器

在线阅读 下载PDF 职称材料

基于融合模型的网络安全态势感知方法 被引量：10

12

作者 郭尚伟 刘树峰 +3 位作者 李子铭 欧阳德强 王宁 向涛 《计算机工程》 CAS CSCD 北大核心 2024年第11期1-9,共9页

伴随着网络技术的飞速发展,网络安全面临的风险也日益增加,网络攻击呈现复杂化、多样化的特征,给现有网络攻击应对措施带来了巨大挑战。态势感知技术作为一种新兴概念,为网络安全领域带来了新的思路。针对现有网络安全态势感知方法存在... 伴随着网络技术的飞速发展,网络安全面临的风险也日益增加,网络攻击呈现复杂化、多样化的特征,给现有网络攻击应对措施带来了巨大挑战。态势感知技术作为一种新兴概念,为网络安全领域带来了新的思路。针对现有网络安全态势感知方法存在数据特征提取及较长时间序列数据处理能力不足的问题,提出一种融合堆栈稀疏自编码器(SSAE)、卷积神经网络(CNN)、双向门控循环单元(BiGRU)和注意力机制(AM)的模型。通过SSAE和CNN提取数据特征,利用AM强化BiGRU对关键信息的关注度,实现对异常流量的攻击类别判定,并结合网络安全态势量化指标,对网络安全态势进行量化评分并划分等级。实验结果表明,融合模型在各项指标上均优于传统深度学习模型,能够准确感知网络态势。 展开更多

关键词 态势感知 威胁检测 堆叠稀疏自编码器 卷积神经网络 双向门控循环单元 注意力机制

在线阅读 下载PDF 职称材料

基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类 被引量：5

13

作者 丁皓月 吕干云 +3 位作者 史明明 费骏韬 俞明 吴启宇 《电力工程技术》 北大核心 2024年第3期99-110,共12页

随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要... 随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。 展开更多

关键词 电能质量 复合扰动分类 堆叠稀疏自编码器(SSAE) 深度特征提取 缩放共轭梯度(SCG) 前馈神经网络(FFNN)

在线阅读 下载PDF 职称材料

融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法 被引量：1

14

作者 陈虹 由雨竹 +2 位作者 金海波 武聪 邹佳澎 《计算机工程与应用》 北大核心 2025年第9期315-324,共10页

针对目前很多入侵检测方法中因数据不平衡和特征冗余导致检测率低等问题,提出融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法。设计一种FBS-RE混合采样算法,即Borderline-SMOTE过采样和RENN欠采样同时对多数类和少数类样本进行处理,解... 针对目前很多入侵检测方法中因数据不平衡和特征冗余导致检测率低等问题,提出融合改进采样技术和SRFCNN-BiLSTM的入侵检测方法。设计一种FBS-RE混合采样算法,即Borderline-SMOTE过采样和RENN欠采样同时对多数类和少数类样本进行处理,解决数据不平衡问题。利用堆叠降噪自动编码器(stacked denoising auto encoder,SDAE)进行数据降维,减少噪声对数据的影响,去除冗余特征。采用改进的卷积神经网络(split residual fuse convolutional neural network,SRFCNN)和双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)更好地提取数据中的空间和时间特征,结合注意力机制对特征分配不同的权重,获得更好的分类能力,提高对少数攻击流量的检测率。最后,在UNSW-NB15数据集上对模型进行验证,准确率和F1分数为89.24%和90.36%,优于传统机器学习和深度学习模型。 展开更多

关键词 入侵检测 不平衡处理 堆叠降噪自动编码器 卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

深度学习方法研究新进展 被引量：30

15

作者 刘帅师 程曦 +1 位作者 郭文燕 陈奇 《智能系统学报》 CSCD 北大核心 2016年第5期567-577,共11页

本文依据模型结构对深度学习进行了归纳和总结,描述了不同模型的结构和特点。首先介绍了深度学习的概念及意义,然后介绍了4种典型模型:卷积神经网络、深度信念网络、深度玻尔兹曼机和堆叠自动编码器,并对近3年深度学习在语音处理、计算... 本文依据模型结构对深度学习进行了归纳和总结,描述了不同模型的结构和特点。首先介绍了深度学习的概念及意义,然后介绍了4种典型模型:卷积神经网络、深度信念网络、深度玻尔兹曼机和堆叠自动编码器,并对近3年深度学习在语音处理、计算机视觉、自然语言处理以及医疗应用等方面的应用现状进行介绍,最后对现有深度学习模型进行了总结,并且讨论了未来所面临的挑战。 展开更多

关键词 深度学习 卷积神经网络 深度信念网络 深度玻尔兹曼机 堆叠自动编码器

在线阅读 下载PDF 职称材料

一种基于两阶段深度学习的集成推荐模型 被引量：12

16

作者 王瑞琴 吴宗大 +1 位作者 蒋云良 楼俊钢 《计算机研究与发展》 EI CSCD 北大核心 2019年第8期1661-1669,共9页

近年来,深度学习技术被广泛应用于推荐系统领域并获得了很大的成功,然而深度学习模型的输入质量对学习结果具有很大影响,稀疏的输入特征向量不仅会增加后续模型训练的难度,而且容易导致学习结果落入局部最优.提出一个基于两阶段深度学... 近年来,深度学习技术被广泛应用于推荐系统领域并获得了很大的成功,然而深度学习模型的输入质量对学习结果具有很大影响,稀疏的输入特征向量不仅会增加后续模型训练的难度,而且容易导致学习结果落入局部最优.提出一个基于两阶段深度学习的集成推荐模型:首先,利用具有封闭式参数计算能力的边缘化堆叠去噪自动编码机进行用户和项目高层抽象特征的提取;然后,将得到的用户抽象特征和项目抽象特征进行连接并作为深度神经网络模型的输入向量,通过联合训练的方式进行参数学习和模型优化.此外,为了对低阶特征交互进行建模,推荐模型中还集成了基于原始特征向量的逻辑回归模型.在通用数据集上的大量对比实验研究表明:与当前流行的深度学习推荐方法相比,该方法在推荐精度和召回率方面都有所改善,甚至是在数据稀疏和冷启动的环境下. 展开更多

关键词 深度学习 边缘化堆叠去噪自动编码机 深度神经网络 特征提取

在线阅读 下载PDF 职称材料

深度学习的研究进展与发展 被引量：52

17

作者 史加荣 马媛媛 《计算机工程与应用》 CSCD 北大核心 2018年第10期1-10,共10页

深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结... 深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结构、原理和优缺点进行了详细探讨。讨论卷积神经网络、循环神经网络和深度堆叠网络等监督学习模型,分别从模型架构和工作原理来评价与分析。对深度学习的典型模型进行对比分析,将深度置信网络和卷积神经网络应用在手写体数字识别任务中,结果证实深度学习比传统的神经网络具有更好的识别性能。最后探讨深度学习未来的发展与挑战。 展开更多

关键词 深度学习 卷积神经网络 深度置信网络 自编码器 循环神经网络 深度堆叠网络

在线阅读 下载PDF 职称材料

多深度学习模型决策融合的齿轮箱故障诊断分类方法 被引量：13

18

作者 陈科 段伟建 +1 位作者 吴胜利 邢文婷 《科学技术与工程》 北大核心 2022年第12期4804-4811,共8页

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于卷积神经网络(convolutional neural ne... 针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于卷积神经网络(convolutional neural networks,CNN)和改进堆叠降噪自动编码器(stacked denoising autoencoders,SDAE)的混合网络模型,根据改进的Dempster-Shafer(D-S)证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明:利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。 展开更多

关键词 卷积神经网络(CNN) 堆叠降噪自动编码器(SDAE) 改进D-S证据理论 故障诊断

在线阅读 下载PDF 职称材料

利用改进生成对抗网络进行人体姿态识别 被引量：13

19

作者 吴春梅 胡军浩 尹江华 《计算机工程与应用》 CSCD 北大核心 2020年第8期96-103,共8页

针对人体模型中某些重要关节点准确定位的问题,提出了一种新型深度卷积生成对抗网络以进行静态图像中人体姿态的估计的方法。该方法采用了深度卷积的堆叠沙漏网络来准确提取图像上关键关节点的位置,该网络的生成和辨别部分被设计用于编... 针对人体模型中某些重要关节点准确定位的问题,提出了一种新型深度卷积生成对抗网络以进行静态图像中人体姿态的估计的方法。该方法采用了深度卷积的堆叠沙漏网络来准确提取图像上关键关节点的位置,该网络的生成和辨别部分被设计用于编码第一层次结构(亲本)与第二层次结构(子本)中的空间关系,并且展示了人体部位的空间层次。生成器和判别器在网络中被设计为两部分,并按照顺序连接在一起用来编码外观可能的关系,同时为人体部位存在的可能性以及身体的每个部分与其亲本部分之间的关系进行编码。在静态图像中,可以较准确地识别人体模型关键节点以及大致人体姿态。该方法在不同的数据集上进行了实验,在大部分情况下,提出的方法获得的结果优于其他几种对比方法。 展开更多

关键词 卷积神经网络 生成对抗网络(GAN) 人体姿态识别 堆叠沙漏网络 层次感知

在线阅读 下载PDF 职称材料

融合评分和社会化标签的两阶段深度推荐方法 被引量：1

20

作者 张会月 张红宇 《计算机应用研究》 CSCD 北大核心 2021年第10期3000-3004,共5页

当前融合评分和标签的推荐方法对两种数据的挖掘程度有限,且大多数局限在提取浅层的线性特征层面。深度学习技术被成功应用于推荐方法,然而数据的稀疏性导致学习的潜在特征效果不好,因此,提出一种融合评分和社会化标签的两阶段深度推荐... 当前融合评分和标签的推荐方法对两种数据的挖掘程度有限,且大多数局限在提取浅层的线性特征层面。深度学习技术被成功应用于推荐方法,然而数据的稀疏性导致学习的潜在特征效果不好,因此,提出一种融合评分和社会化标签的两阶段深度推荐方法。首先,利用堆叠降噪自编码器分别从评分和社会化标签中提取用户、项目的潜在特征;其次,将学习的潜在特征进行拼接作为用户、项目完整的潜在特征,并与原始评分相结合构建监督学习数据集;最后,将构建的数据集作为BP神经网络的输入以训练评分预测模型。为降低训练误差,通过联合训练的方式进行参数学习。基于MovieLens、Last.FM数据集的实验表明,该方法与几种基准方法相比有更好的推荐性能。 展开更多

关键词 推荐方法 堆叠降噪自编码器 BP神经网络 深度学习 社会化标签

在线阅读 下载PDF 职称材料