期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
9
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自适应深度稀疏网络的在线跟踪算法
被引量：
3
1
作者
侯志强
王鑫
+2 位作者
余旺盛
戴铂
金泽芬芬
《电子与信息学报》
EI
CSCD
北大核心
2017年第5期1079-1087,共9页
视觉跟踪中,高效鲁棒的特征表达是解决复杂环境下跟踪漂移问题的关键。该文针对深层网络预训练复杂费时及单网络跟踪易漂移的问题,在粒子滤波框架下,提出一种基于自适应深度稀疏网络的在线跟踪算法。该算法利用Re LU激活函数,针对不同...
视觉跟踪中,高效鲁棒的特征表达是解决复杂环境下跟踪漂移问题的关键。该文针对深层网络预训练复杂费时及单网络跟踪易漂移的问题,在粒子滤波框架下,提出一种基于自适应深度稀疏网络的在线跟踪算法。该算法利用Re LU激活函数,针对不同类型目标构建了一种具有自适应选择性的深度稀疏网络结构,仅通过有限标签样本的在线训练,就可得到鲁棒的跟踪网络。实验数据表明:与当前主流的跟踪算法相比,该算法的平均跟踪成功率和精度均为最好,且与同样基于深度学习的DLT算法相比分别提高了20.64%和17.72%。在光照变化、相似背景等复杂环境下,该算法表现出了良好的鲁棒性,能够有效地解决跟踪漂移问题。
展开更多
关键词
视觉跟踪
在线训练
深度
学习
自
适应
深度
稀疏
网络
在线阅读
下载PDF
职称材料
多尺度多层次信息自适应融合的逆半色调方法
2
作者
李梅
孔维轩
《包装工程》
北大核心
2025年第11期195-204,共10页
目的逆半色调方法是实现数字化文件管理和高精度图像识别的关键技术,通过现有的逆半色调方法恢复得到的图像存在图像内容缺失、图像细节再现模糊等问题。针对现有方法的不足,提出多尺度多层次信息自适应融合的逆半色调方法。方法首先,...
目的逆半色调方法是实现数字化文件管理和高精度图像识别的关键技术,通过现有的逆半色调方法恢复得到的图像存在图像内容缺失、图像细节再现模糊等问题。针对现有方法的不足,提出多尺度多层次信息自适应融合的逆半色调方法。方法首先,提出多尺度自适应深度网络,实现多尺度信息的提取;然后,采用稠密残差块与注意力机制相结合的形式实现图像细节信息的有效提取;最后,构建多信息自适应融合网络,将不同阶段恢复得到的图像内容信息与细节信息有效融合,从而得到高质量的逆半色调图像。实验在Set14、Urban100、Microsoft COCO等3个数据集上与最新的5种方法进行比较。结果实验结果表明,与现有方法相比,在客观评价方面,其峰值信噪比平均值提高了0.05∼5.51 dB,结构相似度平均值提高了0∼0.1;在主观评价方面,运用此方法得到的逆半色调图像去除半色调噪点更为彻底,恢复出的图像细节更好,在视觉上与原始图像更为相近。同时,对于处理256像素×256像素的图像,所提出的网络在GPU上的平均运行时间为0.13 s。结论所提出的多尺度多层次信息自适应融合模型可以得到更高质量的逆半色调图像。
展开更多
关键词
逆半色调方法
多尺度自
适应
深度
网络
多信息自
适应
融合
深度
网络
半色调图像
在线阅读
下载PDF
职称材料
深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究
被引量：
11
3
作者
马宇超
付华良
+4 位作者
吴鹏
陈信华
王鼎
陈帅
曹晨雨
《现代制造工程》
CSCD
北大核心
2022年第4期112-118,共7页
针对传统铸件表面缺陷检测方法不能进行分类检测、检测效率低以及检测精度低等问题,提出了一种深度网络自适应优化的Mask R-CNN模型,将其应用于铸件表面缺陷检测中,实现缺陷的精确识别和分类。选择裂纹、气孔和缩松3种常见缺陷作为研究...
针对传统铸件表面缺陷检测方法不能进行分类检测、检测效率低以及检测精度低等问题,提出了一种深度网络自适应优化的Mask R-CNN模型,将其应用于铸件表面缺陷检测中,实现缺陷的精确识别和分类。选择裂纹、气孔和缩松3种常见缺陷作为研究对象,使用Labelme图像标注工具对铸件表面缺陷图像进行了标注,生成数据集。同时,运用PyTorch深度学习框架搭建Mask R-CNN模型,利用深度迁移学习的网络自适应策略优化模型的泛化能力。通过主干特征提取网络对输入的图形数据进行全图特征提取;采用区域建议网络(Regional Proposal Network,RPN)生成区域建议框;利用RoI Align获取感兴趣区域,通过分类、回归网络分别进行分类、回归,同时进行掩膜生成;在铸件表面缺陷检测平台上进行验证实验,并与其他深度学习检测方法进行对比。实验结果表明,优化后的Mask R-CNN模型整体性能优于原Mask R-CNN模型、Faster R-CNN模型和YOLO v3模型,能准确检测出常见的铸件表面缺陷,平均检测精度mAP达到92%,对铸件表面缺陷检测领域有较好的研究应用价值。
展开更多
关键词
缺陷检测
深度
学习
Mask
R-CNN模型
迁移学习
深度
网络
自
适应
在线阅读
下载PDF
职称材料
基于深度条件适应网络的标签转移算法
4
作者
刘雪锋
李京忠
《计算机应用与软件》
北大核心
2023年第8期312-320,共9页
针对目前无监督域自适应方法对噪声和域偏移非常敏感,提出一种基于深度条件适应网络的标签转移算法。利用Wasserstein距离来度量区域分布差异,有效解决了当邻域差异较大时梯度消失问题,从而获得更好的域适应性能。提出一种条件适应策略...
针对目前无监督域自适应方法对噪声和域偏移非常敏感,提出一种基于深度条件适应网络的标签转移算法。利用Wasserstein距离来度量区域分布差异,有效解决了当邻域差异较大时梯度消失问题,从而获得更好的域适应性能。提出一种条件适应策略,以减少域分布差异,解决边缘适应方法中经常忽略的类别不匹配和类别先验偏差。进一步引入一种标签相关传递算法预测伪目标标签,提升算法的准确性和实用性。对标准领域应用基准进行全面的实验,实验结果表明,该算法能够有效提升对噪声和域偏移的鲁棒性,进一步强化了算法的自适应性能。
展开更多
关键词
无监督域
深度
条件
适应
网络
标签相关传输
自
适应
在线阅读
下载PDF
职称材料
考虑风电接入的电力系统暂态稳定自适应评估
5
作者
别芳玫
万靖
+2 位作者
李慧慧
陈睿
范玉宏
《电网与清洁能源》
北大核心
2025年第1期97-105,112,共10页
为了充分考虑风电出力接入对电力系统的影响,提出一种基于高斯混合模型(gaussian mixture model,GMM)和自适应深度随机配置网络(deep stochastic configuration network,DeepSCN)的暂态稳定评估(transient stability assessment,TSA)方...
为了充分考虑风电出力接入对电力系统的影响,提出一种基于高斯混合模型(gaussian mixture model,GMM)和自适应深度随机配置网络(deep stochastic configuration network,DeepSCN)的暂态稳定评估(transient stability assessment,TSA)方法。考虑影响风电出力的主要因素有风速和风向等,以风速、风向为变量构建GMM,并根据GMM对样本进行聚类,得到样本分别属于每个类别的概率;训练不同聚类中心下的自适应DeepSCN评估模型,根据样本属于不同类别的概率赋予样本输入不同评估模型后评估结果的权重,根据综合结果确定样本的稳定性,从而降低风电出力不确定性对评估精度的干扰,提高评估的准确率。在改进的IEEE39节点系统上进行测试,仿真结果表明,所提方法降低了风电出力不确定对TSA的影响,提高了评估的准确度,从而证明所提TSA方法具有较好的实用性。
展开更多
关键词
电力系统
风电并网
高斯混合模型
聚类
自
适应
深度
随机配置
网络
暂态稳定评估
在线阅读
下载PDF
职称材料
一种能量函数意义下的生成式对抗网络
被引量：
16
6
作者
王功明
乔俊飞
王磊
《自动化学报》
EI
CSCD
北大核心
2018年第5期793-803,共11页
生成式对抗网络(Generative adversarial network,GAN)是目前人工智能领域的一个研究热点,引起了众多学者的关注.针对现有GAN生成模型效率低下和判别模型的梯度消失问题,本文提出一种基于重构误差的能量函数意义下的生成式对抗网络模型(...
生成式对抗网络(Generative adversarial network,GAN)是目前人工智能领域的一个研究热点,引起了众多学者的关注.针对现有GAN生成模型效率低下和判别模型的梯度消失问题,本文提出一种基于重构误差的能量函数意义下的生成式对抗网络模型(Energy reconstruction error GAN,E-REGAN).首先,将自适应深度信念网络(Adaptive deep belief network,ADBN)作为生成模型,来快速学习给定样本数据的概率分布并进一步生成相似的样本数据.其次,将自适应深度自编码器(Adaptive deep autoencoder,ADAE)的重构误差(Reconstruction error,RE)作为一个表征判别模型性能的能量函数,能量越小表示GAN学习优化过程越趋近纳什均衡的平衡点,否则反之.同时,通过反推法给出了E-REGAN的稳定性分析.最后在MNIST和CIFAR-10标准数据集上的实验结果表明,相较于现有的类似模型,E-REGAN在学习速度和数据生成能力两方面均有较大提高.
展开更多
关键词
生成式对抗
网络
能量函数
重构误差
自
适应
深度
信念
网络
自
适应
深度
自编码器
纳什均衡
在线阅读
下载PDF
职称材料
基于跨领域迁移的AM-AdpGRU金融文本分类
被引量：
3
7
作者
吴峰
谢聪
姬少培
《应用科学学报》
CAS
CSCD
北大核心
2022年第5期828-837,共10页
针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域...
针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域和目标域之间数据分布差异导致的迁移损失,使得即使数据分布发生变化时模型也无需重构;然后利用注意力机制建立了目标域对源领域的特征选择机制,使得模型对源领域的注意力可以集中在与目标域相似性更高的部分。在公开的跨域情感评论Amazon数据集和SemEval-2017的Microblog金融数据集上进行了实验,将AM-AdpGRU模型与其他方法进行比较,结果表明AM-AdpGRU模型的分类平均准确性相对于其他模型有了显着提升。
展开更多
关键词
金融文本分类
跨领域迁移
深度网络适应
源领域
目标域
特征选择机制
在线阅读
下载PDF
职称材料
AFDCNN方法及其在齿轮故障定量诊断中的应用
被引量：
10
8
作者
罗鹏
杨宇
程军圣
《电子测量与仪器学报》
CSCD
北大核心
2018年第1期33-39,共7页
传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工...
传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工具,DCNN无法适应于小样本数据的故障诊断。在Fisher准则深度卷积神经网络识别算法(fisher-based deep convolutional neural network,FDCNN)的基础上提出了一种自适应Fisher准则的深度卷积神经网络(adaptive fisher-based deep convolutional neural network,AFDCNN)方法。在DCNN的基础上引入类内和类间约束的能量函数模型并采用优化算法得到最优能量函数模型参数,能够直接从原始时域信号中自动提取故障特征,实现智能诊断。对齿轮故障实验信号的分析结果表明,所提出的方法可以有效地实现小样本下的齿轮故障智能定量诊断。
展开更多
关键词
自
适应
特征提取
小样本
能量模型函数参数优化
自
适应
Fisher准则的
深度
卷积神经
网络
齿轮
故障诊断
在线阅读
下载PDF
职称材料
基于多源信息融合和ADCNN的离心鼓风机故障诊断
被引量：
2
9
作者
张友
李聪波
+1 位作者
林利红
王睿
《重庆大学学报》
CAS
CSCD
北大核心
2022年第10期86-96,共11页
针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关...
针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法。
展开更多
关键词
故障诊断
多源信息融合
自
适应
深度
卷积神经
网络
离心鼓风机
在线阅读
下载PDF
职称材料
题名
基于自适应深度稀疏网络的在线跟踪算法
被引量：
3
1
作者
侯志强
王鑫
余旺盛
戴铂
金泽芬芬
机构
空军工程大学信息与导航学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2017年第5期1079-1087,共9页
基金
国家自然科学基金(61473309)
陕西省自然科学基础研究计划项目(2015JM6269
2016JM6050)~~
文摘
视觉跟踪中,高效鲁棒的特征表达是解决复杂环境下跟踪漂移问题的关键。该文针对深层网络预训练复杂费时及单网络跟踪易漂移的问题,在粒子滤波框架下,提出一种基于自适应深度稀疏网络的在线跟踪算法。该算法利用Re LU激活函数,针对不同类型目标构建了一种具有自适应选择性的深度稀疏网络结构,仅通过有限标签样本的在线训练,就可得到鲁棒的跟踪网络。实验数据表明:与当前主流的跟踪算法相比,该算法的平均跟踪成功率和精度均为最好,且与同样基于深度学习的DLT算法相比分别提高了20.64%和17.72%。在光照变化、相似背景等复杂环境下,该算法表现出了良好的鲁棒性,能够有效地解决跟踪漂移问题。
关键词
视觉跟踪
在线训练
深度
学习
自
适应
深度
稀疏
网络
Keywords
Visual tracking
Online training
Deep learning
Adaptive deep sparse network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
多尺度多层次信息自适应融合的逆半色调方法
2
作者
李梅
孔维轩
机构
运城学院
出处
《包装工程》
北大核心
2025年第11期195-204,共10页
基金
山西省基础研究计划(202403021222305)
山西省高等学校科技创新项目(2022L484)
+1 种基金
山西省高等学校教学改革创新项目(J20241298)
博士科研启动项目(YQ-2023039)。
文摘
目的逆半色调方法是实现数字化文件管理和高精度图像识别的关键技术,通过现有的逆半色调方法恢复得到的图像存在图像内容缺失、图像细节再现模糊等问题。针对现有方法的不足,提出多尺度多层次信息自适应融合的逆半色调方法。方法首先,提出多尺度自适应深度网络,实现多尺度信息的提取;然后,采用稠密残差块与注意力机制相结合的形式实现图像细节信息的有效提取;最后,构建多信息自适应融合网络,将不同阶段恢复得到的图像内容信息与细节信息有效融合,从而得到高质量的逆半色调图像。实验在Set14、Urban100、Microsoft COCO等3个数据集上与最新的5种方法进行比较。结果实验结果表明,与现有方法相比,在客观评价方面,其峰值信噪比平均值提高了0.05∼5.51 dB,结构相似度平均值提高了0∼0.1;在主观评价方面,运用此方法得到的逆半色调图像去除半色调噪点更为彻底,恢复出的图像细节更好,在视觉上与原始图像更为相近。同时,对于处理256像素×256像素的图像,所提出的网络在GPU上的平均运行时间为0.13 s。结论所提出的多尺度多层次信息自适应融合模型可以得到更高质量的逆半色调图像。
关键词
逆半色调方法
多尺度自
适应
深度
网络
多信息自
适应
融合
深度
网络
半色调图像
Keywords
inverse halftoning method
multi-scale adaptive deep network
multi-information adaptive fusion deep network
halftone image
分类号
TB48 [一般工业技术—包装工程]
在线阅读
下载PDF
职称材料
题名
深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究
被引量：
11
3
作者
马宇超
付华良
吴鹏
陈信华
王鼎
陈帅
曹晨雨
机构
常州大学机械与轨道交通学院
常州纺织服装职业技术学院
溧阳市新力机械铸造有限公司
出处
《现代制造工程》
CSCD
北大核心
2022年第4期112-118,共7页
基金
江苏省高等学校自然科学研究面上项目(18KJB460001)
江苏省研究生科研与实践创新计划项目
常州大学大学生创新创业基金项目。
文摘
针对传统铸件表面缺陷检测方法不能进行分类检测、检测效率低以及检测精度低等问题,提出了一种深度网络自适应优化的Mask R-CNN模型,将其应用于铸件表面缺陷检测中,实现缺陷的精确识别和分类。选择裂纹、气孔和缩松3种常见缺陷作为研究对象,使用Labelme图像标注工具对铸件表面缺陷图像进行了标注,生成数据集。同时,运用PyTorch深度学习框架搭建Mask R-CNN模型,利用深度迁移学习的网络自适应策略优化模型的泛化能力。通过主干特征提取网络对输入的图形数据进行全图特征提取;采用区域建议网络(Regional Proposal Network,RPN)生成区域建议框;利用RoI Align获取感兴趣区域,通过分类、回归网络分别进行分类、回归,同时进行掩膜生成;在铸件表面缺陷检测平台上进行验证实验,并与其他深度学习检测方法进行对比。实验结果表明,优化后的Mask R-CNN模型整体性能优于原Mask R-CNN模型、Faster R-CNN模型和YOLO v3模型,能准确检测出常见的铸件表面缺陷,平均检测精度mAP达到92%,对铸件表面缺陷检测领域有较好的研究应用价值。
关键词
缺陷检测
深度
学习
Mask
R-CNN模型
迁移学习
深度
网络
自
适应
Keywords
defect detection
deep learning
Mask R-CNN model
transfer learning
deep network adaptation
分类号
TP271 [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
基于深度条件适应网络的标签转移算法
4
作者
刘雪锋
李京忠
机构
许昌市数字化学习工程技术研究中心
许昌学院城市与环境学院
出处
《计算机应用与软件》
北大核心
2023年第8期312-320,共9页
基金
河南省青年人才托举工程和许昌学院科研项目(2020HYTP012)。
文摘
针对目前无监督域自适应方法对噪声和域偏移非常敏感,提出一种基于深度条件适应网络的标签转移算法。利用Wasserstein距离来度量区域分布差异,有效解决了当邻域差异较大时梯度消失问题,从而获得更好的域适应性能。提出一种条件适应策略,以减少域分布差异,解决边缘适应方法中经常忽略的类别不匹配和类别先验偏差。进一步引入一种标签相关传递算法预测伪目标标签,提升算法的准确性和实用性。对标准领域应用基准进行全面的实验,实验结果表明,该算法能够有效提升对噪声和域偏移的鲁棒性,进一步强化了算法的自适应性能。
关键词
无监督域
深度
条件
适应
网络
标签相关传输
自
适应
Keywords
Unsupervised domain
Deep conditional adaptive network
Label dependent transmission
Adaptive
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
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
考虑风电接入的电力系统暂态稳定自适应评估
5
作者
别芳玫
万靖
李慧慧
陈睿
范玉宏
机构
国网湖北省电力有限公司经济技术研究院
出处
《电网与清洁能源》
北大核心
2025年第1期97-105,112,共10页
基金
国家自然科学基金项目(52007103)。
文摘
为了充分考虑风电出力接入对电力系统的影响,提出一种基于高斯混合模型(gaussian mixture model,GMM)和自适应深度随机配置网络(deep stochastic configuration network,DeepSCN)的暂态稳定评估(transient stability assessment,TSA)方法。考虑影响风电出力的主要因素有风速和风向等,以风速、风向为变量构建GMM,并根据GMM对样本进行聚类,得到样本分别属于每个类别的概率;训练不同聚类中心下的自适应DeepSCN评估模型,根据样本属于不同类别的概率赋予样本输入不同评估模型后评估结果的权重,根据综合结果确定样本的稳定性,从而降低风电出力不确定性对评估精度的干扰,提高评估的准确率。在改进的IEEE39节点系统上进行测试,仿真结果表明,所提方法降低了风电出力不确定对TSA的影响,提高了评估的准确度,从而证明所提TSA方法具有较好的实用性。
关键词
电力系统
风电并网
高斯混合模型
聚类
自
适应
深度
随机配置
网络
暂态稳定评估
Keywords
power system
wind power grid connection
Gaussian mixture model
clustering
adaptive DeepSCN
transient stability assessment
分类号
TM712 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
一种能量函数意义下的生成式对抗网络
被引量：
16
6
作者
王功明
乔俊飞
王磊
机构
北京工业大学信息学部
计算智能与智能系统北京市重点实验室
出处
《自动化学报》
EI
CSCD
北大核心
2018年第5期793-803,共11页
基金
国家自然科学基金(61533002)资助~~
文摘
生成式对抗网络(Generative adversarial network,GAN)是目前人工智能领域的一个研究热点,引起了众多学者的关注.针对现有GAN生成模型效率低下和判别模型的梯度消失问题,本文提出一种基于重构误差的能量函数意义下的生成式对抗网络模型(Energy reconstruction error GAN,E-REGAN).首先,将自适应深度信念网络(Adaptive deep belief network,ADBN)作为生成模型,来快速学习给定样本数据的概率分布并进一步生成相似的样本数据.其次,将自适应深度自编码器(Adaptive deep autoencoder,ADAE)的重构误差(Reconstruction error,RE)作为一个表征判别模型性能的能量函数,能量越小表示GAN学习优化过程越趋近纳什均衡的平衡点,否则反之.同时,通过反推法给出了E-REGAN的稳定性分析.最后在MNIST和CIFAR-10标准数据集上的实验结果表明,相较于现有的类似模型,E-REGAN在学习速度和数据生成能力两方面均有较大提高.
关键词
生成式对抗
网络
能量函数
重构误差
自
适应
深度
信念
网络
自
适应
深度
自编码器
纳什均衡
Keywords
Generative adversarial network （GAN）
energy function
reconstruction error （RE）
adaptive deep beliefnetwork （ADBN）
adaptive deep auto-encoder （ADAE）
Nash equilibrium
分类号
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
基于跨领域迁移的AM-AdpGRU金融文本分类
被引量：
3
7
作者
吴峰
谢聪
姬少培
机构
南宁师范大学师园学院
广西农业职业技术大学
中国电子科技集团公司第三十研究所
出处
《应用科学学报》
CAS
CSCD
北大核心
2022年第5期828-837,共10页
基金
四川省重大科技项目(No.2017GZDZX0002)
2020年度广西高校中青年教师科研基础能力提升项目(2020KY54019)资助。
文摘
针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域和目标域之间数据分布差异导致的迁移损失,使得即使数据分布发生变化时模型也无需重构;然后利用注意力机制建立了目标域对源领域的特征选择机制,使得模型对源领域的注意力可以集中在与目标域相似性更高的部分。在公开的跨域情感评论Amazon数据集和SemEval-2017的Microblog金融数据集上进行了实验,将AM-AdpGRU模型与其他方法进行比较,结果表明AM-AdpGRU模型的分类平均准确性相对于其他模型有了显着提升。
关键词
金融文本分类
跨领域迁移
深度网络适应
源领域
目标域
特征选择机制
Keywords
nancial text classification
cross-domain migration
deep network adaptation
source domain
target domain
feature selection mechanism
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
AFDCNN方法及其在齿轮故障定量诊断中的应用
被引量：
10
8
作者
罗鹏
杨宇
程军圣
机构
湖南大学汽车车身先进设计制造国家重点实验室
出处
《电子测量与仪器学报》
CSCD
北大核心
2018年第1期33-39,共7页
基金
国家重点研发计划项目(2016YFF0203400)
国家自然科学基金(51575168、51375152)
+1 种基金
智能型新能源汽车国家2011协同创新中心
湖南省绿色汽车2011协同创新中心资助
文摘
传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工具,DCNN无法适应于小样本数据的故障诊断。在Fisher准则深度卷积神经网络识别算法(fisher-based deep convolutional neural network,FDCNN)的基础上提出了一种自适应Fisher准则的深度卷积神经网络(adaptive fisher-based deep convolutional neural network,AFDCNN)方法。在DCNN的基础上引入类内和类间约束的能量函数模型并采用优化算法得到最优能量函数模型参数,能够直接从原始时域信号中自动提取故障特征,实现智能诊断。对齿轮故障实验信号的分析结果表明,所提出的方法可以有效地实现小样本下的齿轮故障智能定量诊断。
关键词
自
适应
特征提取
小样本
能量模型函数参数优化
自
适应
Fisher准则的
深度
卷积神经
网络
齿轮
故障诊断
Keywords
adaptive feature extraction
small samples
energy model function parameter optimization
AFDCNN
gear
fault diagnosis
分类号
TH132.41 [机械工程—机械制造及自动化]
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
基于多源信息融合和ADCNN的离心鼓风机故障诊断
被引量：
2
9
作者
张友
李聪波
林利红
王睿
机构
重庆大学机械传动国家重点实验室
重庆大学机械与运载工程学院
出处
《重庆大学学报》
CAS
CSCD
北大核心
2022年第10期86-96,共11页
基金
国家自然科学基金资助项目(51975075)
重庆市技术创新与应用示范专项资助项目(cstc2018jszx-cyzdX0146)。
文摘
针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法。
关键词
故障诊断
多源信息融合
自
适应
深度
卷积神经
网络
离心鼓风机
Keywords
fault diagnosis
multi-source information fusion
adaptive deep convolutional neural network
centrifugal blowers
分类号
TH17 [机械工程—机械制造及自动化]
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
基于自适应深度稀疏网络的在线跟踪算法
侯志强
王鑫
余旺盛
戴铂
金泽芬芬
《电子与信息学报》
EI
CSCD
北大核心
2017
3
在线阅读
下载PDF
职称材料
2
多尺度多层次信息自适应融合的逆半色调方法
李梅
孔维轩
《包装工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究
马宇超
付华良
吴鹏
陈信华
王鼎
陈帅
曹晨雨
《现代制造工程》
CSCD
北大核心
2022
11
在线阅读
下载PDF
职称材料
4
基于深度条件适应网络的标签转移算法
刘雪锋
李京忠
《计算机应用与软件》
北大核心
2023
0
在线阅读
下载PDF
职称材料
5
考虑风电接入的电力系统暂态稳定自适应评估
别芳玫
万靖
李慧慧
陈睿
范玉宏
《电网与清洁能源》
北大核心
2025
0
在线阅读
下载PDF
职称材料
6
一种能量函数意义下的生成式对抗网络
王功明
乔俊飞
王磊
《自动化学报》
EI
CSCD
北大核心
2018
16
在线阅读
下载PDF
职称材料
7
基于跨领域迁移的AM-AdpGRU金融文本分类
吴峰
谢聪
姬少培
《应用科学学报》
CAS
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
8
AFDCNN方法及其在齿轮故障定量诊断中的应用
罗鹏
杨宇
程军圣
《电子测量与仪器学报》
CSCD
北大核心
2018
10
在线阅读
下载PDF
职称材料
9
基于多源信息融合和ADCNN的离心鼓风机故障诊断
张友
李聪波
林利红
王睿
《重庆大学学报》
CAS
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
