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100篇文章
< 1 2 … 5 >
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：
面向深度神经网络大规模分布式数据并行训练的MC^(2)能耗模型 被引量：1
1
作者 魏嘉 张兴军 +2 位作者 王龙翔 赵明强 董小社 《计算机研究与发展》 EI CSCD 北大核心 2024年第12期2985-3004,共20页
深度神经网络(deep neural network,DNN)在许多现代人工智能(artificial intelligence,AI)任务中取得了最高的精度.近年来,使用高性能计算平台进行大规模分布式并行训练DNN越来越普遍.能耗模型在设计和优化DNN大规模并行训练和抑制高性... 深度神经网络(deep neural network,DNN)在许多现代人工智能(artificial intelligence,AI)任务中取得了最高的精度.近年来,使用高性能计算平台进行大规模分布式并行训练DNN越来越普遍.能耗模型在设计和优化DNN大规模并行训练和抑制高性能计算平台过量能耗方面起着至关重要的作用.目前,大部分的能耗模型都是从设备的角度出发对单个设备或多个设备构成的集群进行能耗建模,由于缺乏从能耗角度对分布式并行DNN应用进行分解剖析,导致罕有针对分布式DNN应用特征进行建模的能耗模型.针对目前最常用的DNN分布式数据并行训练模式,从DNN模型训练本质特征角度出发,提出了“数据预处理(materials preprocessing)-前向与反向传播(computing)-梯度同步与更新(communicating)”三阶段MC^(2)能耗模型,并通过在国产E级原型机天河三号上使用最多128个MT节点和32个FT节点训练经典的VGG16和ResNet50网络以及最新的Vision Transformer网络验证了模型的有效性和可靠性.实验结果表明,MC^(2)与真实能耗测量结果相差仅为2.84%,相较4种线性比例能耗模型以及AR,SES,ARIMA时间预测模型准确率分别提升了69.12个百分点,69.50个百分点,34.58个百分点,13.47个百分点,5.23个百分点,22.13个百分点,10.53个百分点.通过使用的模型可以在超算平台得到DNN模型的各阶段能耗和总体能耗结果,为评估基于能耗感知的DNN大规模分布式数据并行训练及推理各阶段任务调度、作业放置、模型分割、模型裁剪等优化策略的效能提供了基础. 展开更多
关键词 深度神经网络 能耗模型 大规模分布式训练 数据并行 超级计算机
在线阅读 下载PDF
基于深度置信网络的农用地基准地价评估模型 被引量：8
2
作者 王华 罗平 +1 位作者 赵志刚 聂可 《农业工程学报》 EI CAS CSCD 北大核心 2018年第21期263-271,共9页
该文针对现有基准地价评估模型主观性较强及精度不够等问题,提出了一种基于深度学习思想的农用地基准地价评估方法,构建了样本特征集合与地价标签集合的深层网络结构映射关系,并以广东省普宁市农用地基准地价评估为实例,验证了模型的可... 该文针对现有基准地价评估模型主观性较强及精度不够等问题,提出了一种基于深度学习思想的农用地基准地价评估方法,构建了样本特征集合与地价标签集合的深层网络结构映射关系,并以广东省普宁市农用地基准地价评估为实例,验证了模型的可行性和有效性。结果如下:1)与神经网络、支持向量机这类浅层学习模型相比,深度置信网络模型其对地价的拟合精度要高出3.61%,3.12%;2)在训练样本只有300时,深度置信网络模型对地价的拟合误差为16.43%,比神经网络、支持向量机模型的拟合精度最少要高出6.76个百分点;3)深度置信网络模型对单个样本的运算时间及内存占用比神经网络、支持向量机模型都要高,但在评估精度都达到95%左右的情况下,深度置信网络模型所需训练样本较少,支持向量机训练时间为193s,而深度置信网络模型耗时187s,两者耗时基本持平;4)基于DBN模型对耕地评估单元的地价测算结果,将将普宁市耕地评估单元划分为5级,然后利用面积加权法求取对应的级别基准地价范围为21.34～26.23元/m^2。上述试验结果表明该方法在对样本点地价的评估精度上要优于传统的浅层方法,并且该模型计算所得普宁市耕地基准地价与耕地质量在空间分布规律上保持一致。 展开更多
关键词 土地利用 模型 农用地估价 深度学习 深度置信网络 基准地价 普宁市
在线阅读 下载PDF
深度学习模型供应链的安全性综述
3
作者 陈若曦 陈晋音 +3 位作者 郑海斌 阳雪燕 纪守领 陈铁明 《计算机研究与发展》 北大核心 2025年第8期2019-2039,共21页
预训练模型缓解了训练数据和算力受限的问题,也催生了模型开发和应用的新范式——深度学习模型供应链.在这一供应链中,预训练模型由原始发布者上传,并经二次开发者进行必要的迁移、压缩与部署,以适应不同的应用需求.然而,这一过程引入... 预训练模型缓解了训练数据和算力受限的问题,也催生了模型开发和应用的新范式——深度学习模型供应链.在这一供应链中,预训练模型由原始发布者上传,并经二次开发者进行必要的迁移、压缩与部署,以适应不同的应用需求.然而,这一过程引入了新的环节和多元要素,随之产生了数据泄露和计算安全等风险.尽管深度学习模型供应链已被广泛采纳,目前对于其安全性威胁的系统性研究仍然不足.针对这一研究空白,概括了深度学习模型供应链的概念及其基本框架,调研了相关的研究工作.依据模型生命周期的不同阶段,详细分析了设计、二次开发、部署和使用各环节的安全脆弱点,对可能遭遇的安全性攻击手段进行了系统的梳理、比较和总结,并探讨了相应的防护策略.为了帮助读者更好地使用预训练模型,对现有预训练模型仓库进行了比较.最后,基于目前深度学习模型供应链所面临的挑战,从安全性审查、实时检测和问题溯源等不同角度分析和讨论了未来可能的研究发展方向,为更安全可靠地开发和使用预训练模型提供了思路.论文涉及的方法和相关代码归纳整理在网址:https://github.com/Dipsy0830/DNNsupply-chain-survey,方便研究人员下载使用. 展开更多
关键词 模型供应链 预训练模型 安全风险 安全与隐私 深度神经网络 深度学习
在线阅读 下载PDF
基于改进深度置信网络的大棚冬枣病虫害预测模型 被引量：30
4
作者 张善文 张传雷 丁军 《农业工程学报》 EI CAS CSCD 北大核心 2017年第19期202-208,共7页
导致冬枣病虫害发生的原因很多而且很复杂,利用传统的数学方法和神经网络(neural network,NN)很难建立正确的病虫害预测模型。由于典型的深度置信网络(deep belief network,DBN)的各层之间缺乏有监督训练,使得网络误差逐层向上传递,降... 导致冬枣病虫害发生的原因很多而且很复杂,利用传统的数学方法和神经网络(neural network,NN)很难建立正确的病虫害预测模型。由于典型的深度置信网络(deep belief network,DBN)的各层之间缺乏有监督训练,使得网络误差逐层向上传递,降低了预测模型的预测率。针对这些问题,引入冬枣病虫害的先验信息,提出一种基于环境信息和改进DBN的冬枣病虫害预测模型。在该模型中,通过无监督训练和有监督微调从冬枣生长的环境信息序列中获取可表征冬枣病虫害发生的深层特征的隐层参数,并形成新的特征集,然后在预测模型的顶层通过一个后向传播神经网络(back propagation neural network,BPNN)进行病虫害预测。从2014—2017年的4 a时间内,利用农业物联网传感器采集30个大棚冬枣常见的2种虫害和3种病害发生的环境信息序列6 000多条,由此验证所提出的预测模型,平均预测正确率高达84.05%。与基于强模糊支持向量机、改进型NN和BPNN的3种病虫害预测模型进行了试验比较,预测正确率提高了20多个百分点。试验结果表明,该模型极大提高了大棚冬枣病虫害的预测正确率。该研究可为大棚冬枣病虫害预测提供技术参考。 展开更多
关键词 病害 预测 模型 冬枣生长环境信息 虫害 深度置信网络 改进深度置信网络
在线阅读 下载PDF
贫数据中基于模型自训练的空气处理设备故障诊断 被引量：3
5
作者 孟华 裴迪 +3 位作者 阮应君 钱凡悦 邓永康 郑铭桦 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期454-461,共8页
针对空气处理设备(AHU)故障贫数据,基于深度置信网络(DBN)模型对4种特征选择算法进行对比研究,结果表明最大相关最小冗余算法的特征子集在诊断准确率及子集元素稳定性上表现最优。提出将DBN嵌入自训练框架的故障诊断模型,发现DBN自训练... 针对空气处理设备(AHU)故障贫数据,基于深度置信网络(DBN)模型对4种特征选择算法进行对比研究,结果表明最大相关最小冗余算法的特征子集在诊断准确率及子集元素稳定性上表现最优。提出将DBN嵌入自训练框架的故障诊断模型,发现DBN自训练的诊断准确率较单纯DBN最高可提升19.5%。提出均匀抽样及按比例抽样2种自训练伪标签抽样策略,二者的诊断准确率均随抽样数减小而增大,在不同抽样数中的最大差异为3.42%;在所有贫数据样本中,均匀抽样策略始终优于按比例抽样,诊断准确率最大相差1.39%,表明在故障标签匮乏时,采用均匀抽样策略及较小的抽样数有利于提升DBN自训练的诊断性能。 展开更多
关键词 故障检测与诊断 空气处理设备 贫数据 特征选择 深度置信网络自训练模型
在线阅读 下载PDF
多阶特征向量融合的深度神经网络产品推荐算法
6
作者 李克潮 张继成 《计算机工程与设计》 北大核心 2025年第6期1742-1749,共8页
为充分利用用户和产品的信息,缓解数据稀疏、冷启动的问题,提出一种多阶特征向量融合的深度神经网络产品推荐(MFVF)。引入预训练模型(BERT)提升对产品描述文档、评论文本的语义理解。根据产品类别、社交关系,挖掘基于类别与社交关系的... 为充分利用用户和产品的信息,缓解数据稀疏、冷启动的问题,提出一种多阶特征向量融合的深度神经网络产品推荐(MFVF)。引入预训练模型(BERT)提升对产品描述文档、评论文本的语义理解。根据产品类别、社交关系,挖掘基于类别与社交关系的用户、产品潜在一阶特征向量。连同用户和产品评分的潜在一阶特征向量,经过广义矩阵分解(GMF)层构建二阶特征向量,作为深度神经网络隐藏层的输入。对深度神经网络隐藏层输出的高阶特征向量进行拼接,得到用户对产品的预测偏好。通过对比实验,验证了所提算法推荐质量得到较大提升。 展开更多
关键词 产品描述文档 评论文本 社交网络 深度神经网络 深度学习 推荐算法 预训练模型 多阶特征向量
在线阅读 下载PDF
针对深度神经网络的高效光学对抗攻击
7
作者 戚富琪 高海昌 +1 位作者 李博凌 邹翔 《西安电子科技大学学报》 北大核心 2025年第2期1-12,共12页
随着对抗攻击算法的不断更新,深度神经网络面临的安全风险愈加严峻。由于光学现象在真实世界中出现频繁,对光学对抗攻击的抗干扰能力直观反应了深度神经网络在实际应用中的安全性。然而,目前光学对抗攻击方面的研究普遍存在光学对抗扰... 随着对抗攻击算法的不断更新,深度神经网络面临的安全风险愈加严峻。由于光学现象在真实世界中出现频繁,对光学对抗攻击的抗干扰能力直观反应了深度神经网络在实际应用中的安全性。然而,目前光学对抗攻击方面的研究普遍存在光学对抗扰动失真和优化不稳定的问题。为此,提出了一种新型光学攻击方法AdvFlare,以便于探究眩光扰动对深度神经网络安全性的影响。AdvFlare构造了一种参数化的眩光仿真模型,该模型对眩光的形状和颜色等多个属性进行建模,仿真效果好。在此基础上,提出了参数空间限制、随机初始化和分步优化的策略,解决了对抗扰动失真与收敛困难的问题。实验结果表明,与现有方法相比,AdvFlare能够以极高的成功率让深度神经网络误分类,具有稳定和扰动逼真度高的优点。此外,还发现,无论在数字域还是物理域,利用AdvFlare进行对抗训练能够显著提高深度神经网络的抗干扰能力,对提高公共交通场景下的模型鲁棒性有启发作用。 展开更多
关键词 深度神经网络 对抗攻击 眩光效应 模型鲁棒性 对抗训练
在线阅读 下载PDF
基于深度置信网络算法的面向铁磁材料旋转磁滞损耗的矢量磁滞模型 被引量：5
8
作者 马阳阳 李永建 +2 位作者 孙鹤 杨明 窦润田 《电工技术学报》 EI CSCD 北大核心 2023年第15期4063-4075,共13页
铁磁材料磁滞建模是电气工程领域的基础性理论研究之一。该文基于深度置信网络(DBN)算法结合磁滞算子空间理论提出一种矢量磁滞模型。在模型结构中,引入郎之万函数作为映射函数对磁滞数据进行输入转换计算。利用多个磁滞算子构建算子空... 铁磁材料磁滞建模是电气工程领域的基础性理论研究之一。该文基于深度置信网络(DBN)算法结合磁滞算子空间理论提出一种矢量磁滞模型。在模型结构中,引入郎之万函数作为映射函数对磁滞数据进行输入转换计算。利用多个磁滞算子构建算子空间生成高维算子数据,算子空间的数据输出作为DBN模型的输入,结合DBN算法表征算子数据与模型输出的非线性关系。利用样本的磁感应强度数据和生成的算子数据训练模型,获得模型参数。通过仿真表明构建的模型可以有效地描述铁磁材料在旋转磁化情况下的非线性特性和各项异性。同时,结合磁损分离理论改进磁损模型中相应的损耗系数,构建动态磁损计算模型,并将磁滞模型获得的数据应用于动态损耗计算。仿真表明,构建的磁滞模型可以有效地表征铁磁材料的实际磁化特性和损耗情况。 展开更多
关键词 磁滞模型 深度置信网络算法 磁滞算子 磁滞损耗
在线阅读 下载PDF
基于小波深度置信网络的风电爬坡预测方法 被引量：15
9
作者 唐振浩 孟庆煜 +3 位作者 曹生现 李扬 牟中华 庞晓娅 《太阳能学报》 EI CAS CSCD 北大核心 2019年第11期3213-3220,共8页
为了提高风电爬坡事件预测的准确性,提出一种基于深度学习的具有特征自适应选择的小波深度置信网络(WDBNAFS)算法。首先,分析风电功率混沌特性。然后,对时间序列数据进行小波分解,设计特征自适应选择算法选取建模数据作为预测模型的输... 为了提高风电爬坡事件预测的准确性,提出一种基于深度学习的具有特征自适应选择的小波深度置信网络(WDBNAFS)算法。首先,分析风电功率混沌特性。然后,对时间序列数据进行小波分解,设计特征自适应选择算法选取建模数据作为预测模型的输入变量。最后,采用深度置信网络构建风电爬坡事件预测模型,设计基于实际生产数据的实验验证所提出算法的有效性。仿真结果表明,所提出算法预测准确率可达90%以上。 展开更多
关键词 深度学习 特征选择 预测模型 风电爬坡事件 深度置信网络
在线阅读 下载PDF
基于自适应判别深度置信网络的棉花病虫害预测 被引量：28
10
作者 王献锋 张传雷 +1 位作者 张善文 朱义海 《农业工程学报》 EI CAS CSCD 北大核心 2018年第14期157-164,共8页
作物病虫害预测是病虫害防治的前提,利用深度学习预测作物病虫害是一个有效且具有挑战性的研究课题。该文针对深度置信网络(deep belief network,DBN)在作物病虫害预测中的训练耗时长和容易收敛于局部最优解等问题,将自适应DBN和判别限... 作物病虫害预测是病虫害防治的前提,利用深度学习预测作物病虫害是一个有效且具有挑战性的研究课题。该文针对深度置信网络(deep belief network,DBN)在作物病虫害预测中的训练耗时长和容易收敛于局部最优解等问题,将自适应DBN和判别限制玻尔兹曼机(restricted boltzmann machine,RBM)相结合,利用棉花生长的环境信息,提出一种基于自适应判别DBN的棉花病虫害预测模型。该模型由3层RBM网络和一个判别RBM(discriminative restricted boltzmann machine,DRBM)网络组成,通过3层RBM网络将棉花生长的环境信息数据转换到与病虫害发生相关的特征空间,通过自动学习得到层次化的特征表示,再由DRBM预测棉花病虫害的发生概率。该模型将自适应学习率引入到对比差度算法中,通过自动调整学习步长,解决了在传统DBN模型训练时学习率选择难的问题;在学习过程中通过在DRBM中引入样本的类别信息,使得训练具有类别针对性,弱化传统RBM无监督训练时易出现特征同质化问题,提高了模型的预测准确率。对实际棉花的"棉铃虫、棉蚜虫、红蜘蛛"虫害和"黄萎病、枯萎病"病害的平均预测准确率为82.840%,与传统BP神经网络模型(BPNN)、强模糊支持向量机模型(SFSVM)和RBF神经网络模型(RBFNN)分别提高19.248%,24.916%和27.774%。 展开更多
关键词 病害 预测 模型 棉花 深度置信网络 自适应判别
在线阅读 下载PDF
基于种蛋图像血线特征和深度置信网络的早期鸡胚雌雄识别 被引量：13
11
作者 祝志慧 汤勇 +3 位作者 洪琪 黄飘 王巧华 马美湖 《农业工程学报》 EI CAS CSCD 北大核心 2018年第6期197-203,共7页
为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大... 为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大类间方差阈值分割和八连通域去噪等方法凸显血线纹理,并通过方向梯度直方图(histogram of oriented gradient,HOG)提取图像的全信息特征和利用灰度共生矩阵提取能量、对比度、相关性、熵、均匀度等5个特征,对HOG全信息特征采用主成分分析(principal component analysis,PCA)降维,最后利用全信息特征和PCA降维特征-灰度共生矩阵特征组合的简化特征,分别构建支持向量机(support vector machine,SVM)、反向传递(back propagation,BP)神经网络、深度置信网络(deep belief networks,DBN)3种鸡胚雌雄识别模型,并比较不同模型的识别准确率。试验中,全信息特征比简化特征构建的模型识别准确率高,基于简化特征的BP、SVM、DBN模型测试集识别综合准确率分别为51.67%、60%和58.33%,基于全信息特征的BP、SVM、DBN模型测试集识别综合准确率分别为58.33%、63.33%和83.33%。其中,基于全信息特征的DBN模型识别准确率最高,达到83.33%。结果表明机器视觉技术为孵化早期鸡胚雌雄识别提供了一种可行方法。 展开更多
关键词 机器视觉 无损检测 模型 血线特征 深度置信网络(DBN) 鸡胚 雌雄 识别
在线阅读 下载PDF
LVCSR系统中一种基于区分性和自适应瓶颈深度置信网络的特征提取方法 被引量：9
12
作者 陈雷 杨俊安 +1 位作者 王一 王龙 《信号处理》 CSCD 北大核心 2015年第3期290-298,共9页
大词汇量连续语音识别系统中,为了进一步增强网络的鲁棒性、提升瓶颈深度置信网络的识别准确率,本文提出一种基于区分性和自适应瓶颈深度置信网络的特征提取方法。该方法首先使用鲁棒性较强的瓶颈深度置信网络进行初步特征提取,进而进... 大词汇量连续语音识别系统中,为了进一步增强网络的鲁棒性、提升瓶颈深度置信网络的识别准确率,本文提出一种基于区分性和自适应瓶颈深度置信网络的特征提取方法。该方法首先使用鲁棒性较强的瓶颈深度置信网络进行初步特征提取,进而进行区分性训练,使网络的区分性更强、识别准确率更高,在此基础上引入说话人自适应技术对网络进行调整,提高系统的鲁棒性。本文利用提出的声学特征在多个噪声较强、主题风格较为随意的多个公共连续语音数据库上进行了测试,识别准确率取得了6.9!的提升。实验结果表明所提出的特征提取方法相对于传统方法的优越性。 展开更多
关键词 连续语音识别 瓶颈深度置信网络 区分性训练 说话人自适应
在线阅读 下载PDF
基于深度置信网络的低压台区理论线损计算方法 被引量：43
13
作者 马丽叶 刘建恒 +3 位作者 卢志刚 王海云 袁清芳 杨莉萍 《电力自动化设备》 EI CSCD 北大核心 2020年第8期140-146,共7页
针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法。在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无监督的预训练,再对该模型进... 针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法。在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无监督的预训练,再对该模型进行有监督的全局微调。为了提高计算精度,采用自适应时刻估计(Adam)优化器。以某地区实测2140个台区数据为样本进行仿真计算,结果表明,相较于浅层神经网络,DBN线损计算模型具有更好的泛化能力以及准确性和快速性,且Adam优化器在线损计算中相较于均方根反向传播(RMSProp)和随机梯度下降(SGD)算法具有优越性。 展开更多
关键词 低压台区 理论线损 深度置信网络 贪婪逐层训练法 自适应时刻估计
在线阅读 下载PDF
基于深度置信网络的炼化空压机故障诊断方法 被引量：8
14
作者 鲁春燕 李炜 《化工学报》 EI CAS CSCD 北大核心 2019年第2期757-763,共7页
针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺,且传统浅层神经网络诊断精度不高等问题,结合深度置信网络(DBN)在特征提取和处理非线性数据等方面的优势,提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实... 针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺,且传统浅层神经网络诊断精度不高等问题,结合深度置信网络(DBN)在特征提取和处理非线性数据等方面的优势,提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据,实现训练网络的无监督特征学习和有监督微调,构建空压机故障的深层网络模型,从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性,与传统的故障诊断方法进行了比较研究,结果表明,该方法的诊断精度优于传统的故障诊断方法,且稳定性更好。 展开更多
关键词 空压机 深度置信网络模型 故障诊断 稳定性
在线阅读 下载PDF
基于深度置信网络的风力发电机故障诊断方法 被引量：28
15
作者 李梦诗 余达 +3 位作者 陈子明 夏侯凯顺 李堉鋆 季天瑶 《电机与控制学报》 EI CSCD 北大核心 2019年第2期114-122,共9页
为了避免严重的生产运行事故,同时降低设备运行维护成本,提高风力发电机的可靠性,本文提出一种基于深度置信网络(deep belief network,DBN)的新型风力发电机故障诊断(fault diag-nosis and isolation,FDI)方法。本文首先通过DBN网络构... 为了避免严重的生产运行事故,同时降低设备运行维护成本,提高风力发电机的可靠性,本文提出一种基于深度置信网络(deep belief network,DBN)的新型风力发电机故障诊断(fault diag-nosis and isolation,FDI)方法。本文首先通过DBN网络构建了故障诊断模型,然后在风力发电机的基准模型中进行故障诊断仿真测试,并把该完全数据驱动型的故障诊断效果,与传统的基于模型的诊断方法和数据驱动型诊断方法的效果作对比。此外,在仿真中也采用高斯噪声来模拟风力发电机实际运行环境中的噪声,从而解决了实际使用中网络易受噪声干扰的问题,并进一步对基于DBN的故障诊断方法进行鲁棒性测试。仿真结果表明基于DBN的数据驱动型FDI方法对风力发电机的故障有着更好的诊断效果,同时在有噪声干扰的环境下也保持着较为稳定的诊断效果。 展开更多
关键词 风力发电机 故障诊断 深度置信网络 数据驱动 基准模型
在线阅读 下载PDF
滑动窗口时空深度置信网络行为识别 被引量：2
16
作者 高大鹏 朱建刚 《计算机工程与设计》 北大核心 2018年第8期2654-2659,共6页
为解决基于限制玻尔兹曼机的时空深度置信网络的人体行为识别算法训练过程需要大量训练数据,在小样本训练前提下识别率低的问题,提出采用滑动窗口技术增加训练数据的方法。在视频帧序列上利用部分重叠的滑动窗口进行视频块截取,获得比... 为解决基于限制玻尔兹曼机的时空深度置信网络的人体行为识别算法训练过程需要大量训练数据,在小样本训练前提下识别率低的问题,提出采用滑动窗口技术增加训练数据的方法。在视频帧序列上利用部分重叠的滑动窗口进行视频块截取,获得比将视频直接分块更多数量的视频块,在较小的视频数据中获取更大的训练数据用于神经网络的训练。实验结果表明,在测试视频较少的情况下,使用滑动窗口的时空深度置信网络识别率显著高于原始算法。 展开更多
关键词 行为识别 限制玻尔兹曼机 小样本训练集 滑动窗口 时空深度置信网络
在线阅读 下载PDF
基于深度置信网络的时间序列预测 被引量：5
17
作者 杨珺 佘佳丽 刘艳珍 《深圳大学学报（理工版）》 EI CAS CSCD 北大核心 2019年第6期718-724,共7页
针对传统计算机神经网络存在梯度弥散、局部最小值、非线性时间序列长期预测性能不佳和高维序列数据复杂度高等问题,提出时序深度置信网络模型(timing deep belief network model,T-DBN).该模型预训练阶段采用改进的贪婪预训练算法,在... 针对传统计算机神经网络存在梯度弥散、局部最小值、非线性时间序列长期预测性能不佳和高维序列数据复杂度高等问题,提出时序深度置信网络模型(timing deep belief network model,T-DBN).该模型预训练阶段采用改进的贪婪预训练算法,在预训练过程中使用梯度修正并行回火(gradient fixing parallel tempering,GFPT)算法,采用重构误差确定网络深度,在反向调整阶段采用拟牛顿法(BFGS算法),以获得更加准确的预测精度.结合相空间重构理论和BP(back propagation)神经网络,对中国江西省2016—2020年农业机械总动力进行了预测.针对高非线性的股票数据,提取同花顺软件1990-12-20—2018-03-30时间段内的上证指数特征信息,分别采用T-DBN、DBN和长短期记忆(long short-term memory,LSTM)模型进行股票预测,预测准确率分别为79.3%、77.9%和74.6%,T-DBN模型的预测准确率高于DBN和LSTM模型. 展开更多
关键词 计算机神经网络 时间序列预测 深度神经网络 深度置信网络 农机总动力 预测模型 股票预测
在线阅读 下载PDF
基于高低频特征分解的深度多模态医学图像融合网络 被引量：6
18
作者 王欣雨 刘慧 +2 位作者 朱积成 盛玉瑞 张彩明 《图学学报》 CSCD 北大核心 2024年第1期65-77,共13页
多模态医学图像融合旨在利用跨模态图像的相关性和信息互补性,以增强医学图像在临床应用中的可读性和适用性。然而,现有手工设计的模型无法有效地提取关键目标特征,从而导致融合图像模糊、纹理细节丢失等问题。为此,提出了一种新的基于... 多模态医学图像融合旨在利用跨模态图像的相关性和信息互补性,以增强医学图像在临床应用中的可读性和适用性。然而,现有手工设计的模型无法有效地提取关键目标特征,从而导致融合图像模糊、纹理细节丢失等问题。为此,提出了一种新的基于高低频特征分解的深度多模态医学图像融合网络,将通道注意力和空间注意力机制引入融合过程,在保持全局结构的基础上保留了局部纹理细节信息,实现了更加细致的融合。首先,通过预训练模型VGG-19提取两种模态图像的高频特征,并通过下采样提取其低频特征,形成高低频中间特征图。其次,在特征融合模块嵌入残差注意力网络,依次从通道和空间维度推断注意力图,并将其用来指导输入特征图的自适应特征优化过程。最后,重构模块形成高质量特征表示并输出融合图像。实验结果表明,该算法在Harvard公开数据集和自建腹部数据集峰值信噪比提升8.29%,结构相似性提升85.07%,相关系数提升65.67%,特征互信息提升46.76%,视觉保真度提升80.89%。 展开更多
关键词 多模态医学图像融合 预训练模型 深度学习 高低频特征提取 残差注意力网络
在线阅读 下载PDF
基于改进的深度置信网络的视频资源利用者类型识别研究 被引量：3
19
作者 冯一凡 张月琴 陈健 《现代电子技术》 2021年第13期50-54,共5页
为定位视频资源平台中用户的需求,提出构建一个由改进的基于多层稀疏类别受限玻尔兹曼机的深度置信网络模型,用于发现用户感兴趣的视频类型。该模型首先在受限玻尔兹曼机模型中加入一个类别层;其次,将稀疏约束引入深度置信网络模型的算... 为定位视频资源平台中用户的需求,提出构建一个由改进的基于多层稀疏类别受限玻尔兹曼机的深度置信网络模型,用于发现用户感兴趣的视频类型。该模型首先在受限玻尔兹曼机模型中加入一个类别层;其次,将稀疏约束引入深度置信网络模型的算法;最后,采用arctan函数代替原稀疏约束的惩罚项,使得能够获取到更加有效的目标稀疏表示,以更为简洁有效的训练实现对用户类型的识别。对比实验表明,改进的稀疏深度置信网络能够提高用户类型识别的正确率,提高用户分类的精度,提升模型对用户类型识别的性能。 展开更多
关键词 用户分类 视频资源 深度置信网络 模型构建 数据挖掘 深度学习 稀疏约束
在线阅读 下载PDF
基于深度置信网络的轴承剩余使用寿命预测 被引量：10
20
作者 冯兆熙 邱度金 +2 位作者 孔令驹 孙成 邓耀华 《电子测量与仪器学报》 CSCD 北大核心 2021年第10期124-129,共6页
针对精密电子、塑形成型等高速高精加工过程滚动轴承的剩余使用寿命预测建模中存在样本少、标注难度大等问题,引入深度置信网络,融合无监督与有监督微调学习方法开展滚动轴承剩余使用寿命预测研究。将滚动轴承的振动数据特征作为输入、... 针对精密电子、塑形成型等高速高精加工过程滚动轴承的剩余使用寿命预测建模中存在样本少、标注难度大等问题,引入深度置信网络,融合无监督与有监督微调学习方法开展滚动轴承剩余使用寿命预测研究。将滚动轴承的振动数据特征作为输入、剩余使用寿命作为输出,以能量函数量化特征准确性的概率分布作为基本组成部件,部件的上一层特征输出作为下一层的输入,将多个这样的部件首尾相接,构建滚动轴承剩余使用寿命预测模型。通过原始数据的无监督预训练得到模型中各个单元的初始参数,然后利用剩余使用寿命标签数据进行模型的有监督微调,进一步提高模型预测的准确性。实验结果表明,所提出的方法能够对滚动轴承的剩余使用寿命进行预测,与支持向量回归(SVR)和主成分分析-深度置信网络(PCA-DBN)方法进行比较,预测误差分别减少28.48%,5.57%,该方法在现场预测方面,具有更高的预测准确度,而且本方法还能减少对专家知识的依赖,模型的泛化能力更强。 展开更多
关键词 剩余使用寿命预测 深度置信网络 特征自提取 能量概率模型
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 … 5 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