检索结果-维普期刊中文期刊服务平台

基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法被引量：10: 1; 作者胡谅平丛伟 +3 位作者徐安馨魏振邱吉福陈明《电力系统保护与控制》 EI CSCD 北大核心 2022年第20期68-78,共11页; 为保证电网安全稳定运行,提高电网防灾减灾和弹性水平,提出了一种基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法。首先,采用主客观权重相结合的动态赋权方法,对气象因子进行初始赋权,以合理表征不同气象因子对电网故障的... 展开更多; 关键词电网气象故障预警方法动态组合权重场景分类器深度稀疏自编码网络; 在线阅读下载PDF 职称材料

深度稀疏自编码网络识别飞行员疲劳状态被引量：3: 2; 作者储银雪陆智俊 +1 位作者裘旭益吴奇《控制理论与应用》 EI CAS CSCD 北大核心 2019年第6期850-857,共8页; 针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为... 展开更多; 关键词飞行员疲劳脑电信号深度稀疏自编码网络 Softmax分类器; 在线阅读下载PDF 职称材料

基于深度SSDAE网络的刀具磨损状态识别被引量：5: 3; 作者郭润兰尉卫卫 +1 位作者王广书黄华《振动．测试与诊断》 EI CSCD 北大核心 2024年第2期305-312,410,411,共10页; 针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网... 展开更多; 关键词深度堆叠稀疏自编码网络变分模态分解 K-最近邻分类器自适应特征提取状态识别; 在线阅读下载PDF 职称材料

基于主动深度学习的高光谱影像分类被引量：13: 4; 作者程圆娥周绍光 +1 位作者袁春琦陈蒙蒙《计算机工程与应用》 CSCD 北大核心 2017年第17期192-196,248,共6页; 针对当前高光谱遥感影像分类人工标注样本费时费力,大量未标注样本未得到有效利用以及主要利用光谱信息而忽视空间信息等问题,提出了一种空-谱信息与主动深度学习相结合的高光谱影像分类方法。首先利用主成分分析对原始影像进行降维,在... 展开更多; 关键词高光谱遥感影像分类空谱特征堆栈式稀疏自编码深度网络主动学习; 在线阅读下载PDF 职称材料

Alpha稳定分布噪声和多径干扰下的无人机集群MIMO信号调制识别被引量：2: 5; 作者平嘉蓉李赛林云航《系统工程与电子技术》 EI CSCD 北大核心 2024年第11期3920-3929,共10页; 针对具有多径效应、大气噪声等复杂因素的无人机(unmanned aerial vehicle,UAV)集群多输入多输出(multiple-input multiple-output,MIMO)信道的信号调制方式识别问题,提出基于循环谱特征和高阶累积量特征的调制识别方法。首先,根据UAV... 展开更多; 关键词调制识别多输入多输出循环谱高阶累积量深度稀疏自编码网络; 在线阅读下载PDF 职称材料

题名基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法被引量：10: 1; 作者胡谅平丛伟徐安馨魏振邱吉福陈明; 机构电网智能化调度与控制教育部重点实验室(山东大学) 国网山东省电力公司日照供电公司国网山东省电力公司青岛供电公司; 出处《电力系统保护与控制》 EI CSCD 北大核心 2022年第20期68-78,共11页; 基金国家电网公司科技项目资助(52060019001H)。; 文摘为保证电网安全稳定运行,提高电网防灾减灾和弹性水平,提出了一种基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法。首先,采用主客观权重相结合的动态赋权方法,对气象因子进行初始赋权,以合理表征不同气象因子对电网故障的影响程度。然后,对传统的深度自编码网络增加稀疏性约束条件,以提高网络训练的收敛性,并在深度自编码网络的最后一层增加场景分类器,以提高气象因子与电网故障场景间关联关系的合理性。最后,将带权重的气象因子以及设备因子和环境因子作为深度稀疏自编码网络的输入,利用支持向量机构建多因素耦合的电网气象灾害故障预警模型。采用实际电网故障算例验证了所提方法的有效性。; 关键词电网气象故障预警方法动态组合权重场景分类器深度稀疏自编码网络; Keywords power grid fault caused by meteorology early warning method dynamic combination of weights scene classifier deep sparse auto-encoder network; 分类号 TM73 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名深度稀疏自编码网络识别飞行员疲劳状态被引量：3: 2; 作者储银雪陆智俊裘旭益吴奇; 机构上海交通大学电子信息与电气工程学院自动化系南京航空航天大学雷达成像与微波光子技术教育部重点实验室上海市空间智能控制技术重点实验室中国航空无线电电子研究所; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2019年第6期850-857,共8页; 基金国家自然科学基金项目(61671293,61473158,51705242) 上海浦江人才计划项目(15PJ1404300)资助~~; 文摘针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为识别模型的输入向量.其次,将一种基于深度稀疏自编码网络–Softmax模型用于飞行员疲劳状态识别,并与单层的稀疏自编码网络–Softmax和传统方法主成分分析(PCA)–Softmax模型识别结果进行比较.最后,实验结果显示,针对飞行员疲劳状态识别问题,所建立的学习模型具有很好的分类识别效果,具有较好的工程推广价值.; 关键词飞行员疲劳脑电信号深度稀疏自编码网络 Softmax分类器; Keywords pilots' fatigue electroencephalogram signals deep sparse auto-encoding network Softmax classifier; 分类号 V328 [航空宇航科学与技术—人机与环境工程]; 在线阅读下载PDF 职称材料

题名基于深度SSDAE网络的刀具磨损状态识别被引量：5: 3; 作者郭润兰尉卫卫王广书黄华; 机构兰州理工大学机电工程学院; 出处《振动．测试与诊断》 EI CSCD 北大核心 2024年第2期305-312,410,411,共10页; 基金国家自然科学基金资助项目(52365057,51965037)。; 文摘针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网络的刀具磨损状态识别方法,实现隐藏在数据中深层次的数据特征自动挖掘。首先,将原始振动信号分解为一系列固有模态分量(intrinsic mode function,简称IMF),并采用皮尔逊相关系数法选取了最优固有模态来组合一个新的信号;其次,采用SSDAE网络自适应提取特征后对刀具磨损阶段进行了状态识别,识别精度达到98%;最后,对网络模型进行实验验证,并与最常用的刀具磨损状态识别方法进行了对比。实验结果表明,所提出的方法能够很好地处理非平稳振动信号,对不同刀具磨损阶段状态的识别效果良好,并具有较好的泛化性能和可靠性。; 关键词深度堆叠稀疏自编码网络变分模态分解 K-最近邻分类器自适应特征提取状态识别; Keywords deep stacking sparse denoising auto-encoder network variational modal decomposition KNN clas-sifier adaptive feature extraction state identification; 分类号 TH164 [机械工程—机械制造及自动化] V262.33 [航空宇航科学与技术—航空宇航制造工程]; 在线阅读下载PDF 职称材料

题名基于主动深度学习的高光谱影像分类被引量：13: 4; 作者程圆娥周绍光袁春琦陈蒙蒙; 机构河海大学地球科学与工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2017年第17期192-196,248,共6页; 基金国家自然科学基金(No.41271420/D010702); 文摘针对当前高光谱遥感影像分类人工标注样本费时费力,大量未标注样本未得到有效利用以及主要利用光谱信息而忽视空间信息等问题,提出了一种空-谱信息与主动深度学习相结合的高光谱影像分类方法。首先利用主成分分析对原始影像进行降维,在此基础上提取像素的一正方形小邻域作为该像素的空间信息并结合其原始光谱信息得到空谱特征。然后,通过稀疏自编码器得到原始数据的稀疏特征表达,并通过逐层无监督学习稀疏自编码器构建深度神经网络,输出原始数据的深度特征,将其连接到softmax分类器,利用少量标记样本以监督学习的方式完成模型的精调。最后,利用主动学习算法选择最不确定性样本对其进行标注,并加入至训练样本以提高分类器的分类效果。分别对Pavia U影像和Pavia C影像进行分类实验的结果表明,该方法在少量标记样本情况下,相对于传统方法能有效地提高分类精度。; 关键词高光谱遥感影像分类空谱特征堆栈式稀疏自编码深度网络主动学习; Keywords hyperspectral image classification spatial-spectral feature stacked sparse autoencoders active learning; 分类号 TP75 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名Alpha稳定分布噪声和多径干扰下的无人机集群MIMO信号调制识别被引量：2: 5; 作者平嘉蓉李赛林云航; 机构南京航空航天大学电子信息工程学院; 出处《系统工程与电子技术》 EI CSCD 北大核心 2024年第11期3920-3929,共10页; 基金国家自然科学基金(61971221)资助课题。; 文摘针对具有多径效应、大气噪声等复杂因素的无人机(unmanned aerial vehicle,UAV)集群多输入多输出(multiple-input multiple-output,MIMO)信道的信号调制方式识别问题,提出基于循环谱特征和高阶累积量特征的调制识别方法。首先,根据UAV集群复杂通信信道环境,建立Alpha稳定分布噪声干扰和多径干扰下的UAV集群MIMO信道。其次,分析MIMO接收信号的高阶累积量特征和循环谱特征,提取出判别调制识别方式能力强的特征值,构造集群信号特征样本。最后,将特征样本输入深度稀疏自编码网络,实现6种调制方式的识别。仿真结果表明,该调制识别方法在UAV集群复杂通信环境下是有效的,当识别准确率为90%时,深度稀疏自编码网络识别性能优于多层感知机识别性能约1 dB。在存在直射径的MIMO多径信道中,当混合信噪比为0 dB时,识别准确率均能达到96%,在低信噪比下有较高的识别准确率,对复杂的信道环境下的MIMO信号识别具有鲁棒性。; 关键词调制识别多输入多输出循环谱高阶累积量深度稀疏自编码网络; Keywords modulation recognition multiple-input multiple-output(MIMO) cyclic spectrum high-order cumulant deep sparse autoencoder network; 分类号 TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法	胡谅平丛伟徐安馨魏振邱吉福陈明	《电力系统保护与控制》 EI CSCD 北大核心	2022	10	在线阅读下载PDF 职称材料
2	深度稀疏自编码网络识别飞行员疲劳状态	储银雪陆智俊裘旭益吴奇	《控制理论与应用》 EI CAS CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
3	基于深度SSDAE网络的刀具磨损状态识别	郭润兰尉卫卫王广书黄华	《振动．测试与诊断》 EI CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
4	基于主动深度学习的高光谱影像分类	程圆娥周绍光袁春琦陈蒙蒙	《计算机工程与应用》 CSCD 北大核心	2017	13	在线阅读下载PDF 职称材料
5	Alpha稳定分布噪声和多径干扰下的无人机集群MIMO信号调制识别	平嘉蓉李赛林云航	《系统工程与电子技术》 EI CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料