期刊文献+
共找到34篇文章
< 1 2 >
每页显示 20 50 100
基于矩阵乘积算符的混合量子压缩经典生成对抗网络
1
作者 张曜麟 刘晓楠 +1 位作者 杜帅岐 廉德萌 《计算机科学》 北大核心 2025年第6期74-81,共8页
神经网络在人工智能图像生成领域研究中占据重要地位。生成对抗网络作为近年来的热门算法,在图像生成任务中展现了卓越性能。量子计算作为一种新型计算模式,正在与传统人工智能算法融合,这样不仅加快了处理速度,还提升了数据安全性,尤... 神经网络在人工智能图像生成领域研究中占据重要地位。生成对抗网络作为近年来的热门算法,在图像生成任务中展现了卓越性能。量子计算作为一种新型计算模式,正在与传统人工智能算法融合,这样不仅加快了处理速度,还提升了数据安全性,尤其适合处理高维数据和优化问题。其中,混合量子经典生成对抗网络在图像生成任务中表现良好。然而,当前的混合量子经典生成模型在生成高维图像方面存在挑战,且生成器中线性层的加入,导致模型参数量增多。因此,提出了一种采用矩阵乘积算符的混合量子压缩经典生成对抗网络模型。该模型通过改进分块量子生成器的结构,使单次调用能够生成多个数据块,提高了模型效率。同时,结合经典网络的非线性特性和矩阵乘积算符,既保证了高维图像的生成质量,又提高了模型的收敛速度,并减少了参数量。实验结果表明,优化后的生成器结构将总运行时间提升了约92.88%,模型参数减少了约5.59%,并且在MNIST和FMNIST数据集上的收敛速度优于传统及混合量子经典模型,展示了其在高维图像生成中的潜力。 展开更多
关键词 图像生成 量子计算 参数化量子线路 混合生成对抗网络 矩阵乘积算符
在线阅读 下载PDF
结合混合注意力的双判别生成对抗网络
2
作者 王磊 杨军 +1 位作者 张驰宇 代在燕 《计算机工程与应用》 CSCD 北大核心 2024年第7期212-221,共10页
图像生成任务中,如何提升生成图片的质量是一个关键问题。当前,生成对抗网络采用的多层卷积结构存在局部性归纳偏置的问题,无法准确聚焦关键信息,导致图像特征丢失严重,生成图像效果较差。为此,提出了结合混合注意力的双判别生成对抗网... 图像生成任务中,如何提升生成图片的质量是一个关键问题。当前,生成对抗网络采用的多层卷积结构存在局部性归纳偏置的问题,无法准确聚焦关键信息,导致图像特征丢失严重,生成图像效果较差。为此,提出了结合混合注意力的双判别生成对抗网络(DDMA-GAN)。设计了一种混合注意力机制,利用通道注意力和空间注意力模块,从两个维度充分捕获图像特征信息;为解决单判别器存在判别误差的问题,提出一种双判别器结构,使用融合系数将判定结果融合,使回传参数更具客观性,并嵌入数据增强模块,进一步提升模型鲁棒性;采用铰链损失作为模型损失函数,最大化真假样本间的距离,明确决策边界。模型在公开数据集LSUN和CelebA上进行验证,实验结果表明,DDMA-GAN生成的图像更加真实,纹理细节更加丰富,其FID和MMD值均显著降低且优于其他常见模型,证明了模型的有效性。 展开更多
关键词 图像生成 卷积神经网络 混合注意力 双判别器 数据增强 生成对抗网络
在线阅读 下载PDF
级联式生成对抗网络的全景图像修复 被引量:1
3
作者 徐嘉悦 赵建平 +3 位作者 李冠男 韩成 李华 徐超 《重庆理工大学学报(自然科学)》 CAS 北大核心 2024年第8期154-163,共10页
为了解决全景图像视场宽、畸变显著等问题,提出了一种级联式生成对抗网络的全景图像修复算法。第一阶段提出了一种双判别器生成对抗网络,通过对等矩形格式的全景图像进行立方体投影转换,对立方体六面图像进行修复,引入PatchGAN作为全局... 为了解决全景图像视场宽、畸变显著等问题,提出了一种级联式生成对抗网络的全景图像修复算法。第一阶段提出了一种双判别器生成对抗网络,通过对等矩形格式的全景图像进行立方体投影转换,对立方体六面图像进行修复,引入PatchGAN作为全局判别器捕获细节信息,局部判别器网络可以保证局部修复结果与周围区域的一致性。第二阶段提出了一种失真感知生成对抗网络,通过矩形混合卷积缓解全景图像失真,判别器引入谱归一化,与第一阶段进行级联以缓解立方体图像边界不连续问题,设计联合损失函数以优化网络修复效果。实验结果表明,所提算法无论从主观视觉评价或是从客观评价指标上均取得了优秀的效果,实现全景图像的有效修复。 展开更多
关键词 全景图像 图像修复 生成对抗网络 双判别器 投影转换 混合卷积
在线阅读 下载PDF
基于生成对抗网络的混合类型数据生成方法 被引量:3
4
作者 魏宁 汪龙志 董方敏 《计算机应用与软件》 北大核心 2022年第6期29-34,共6页
为解决由于隐私保护政策中研究人员在获取训练数据时经常受到限制而导致训练数据集匮乏问题,提出一种基于生成对抗网络(Generative Adversarial Networks,GANs)的混合数据(数值和标签)生成模型(mixGAN)用来生成符合真实数据分布的合成数... 为解决由于隐私保护政策中研究人员在获取训练数据时经常受到限制而导致训练数据集匮乏问题,提出一种基于生成对抗网络(Generative Adversarial Networks,GANs)的混合数据(数值和标签)生成模型(mixGAN)用来生成符合真实数据分布的合成数据,以此作为真实数据的补充并增加可用样本的数量。该模型使用预训练的自编码器(Autoencoder)将给定数据集映射到低维连续空间;通过在低维空间中的生成器和原始数据空间中的鉴别器进行对抗学习从而获得具有模拟真实数据的生成模型。通过从属性独立分布和多属性相关性两个方面对生成算法性能进行评估,表明所提出算法比目前其他基于深度学习的生成算法能更好地保持原始数据的分布结构。 展开更多
关键词 生成对抗网络 自编码器 混合类型数据
在线阅读 下载PDF
基于量子生成对抗网络的数据重构 被引量:1
5
作者 江奕达 王明明 《计算机工程与应用》 CSCD 北大核心 2024年第5期156-164,共9页
使用神经网络实现数据重构是人工智能领域一项十分重要的研究课题。生成对抗网络(generative adversarial network,GAN)作为近年来人工智能的热门算法,在完成数据重构任务中有较好的表现。量子计算作为一种能够加速经典计算的新型计算模... 使用神经网络实现数据重构是人工智能领域一项十分重要的研究课题。生成对抗网络(generative adversarial network,GAN)作为近年来人工智能的热门算法,在完成数据重构任务中有较好的表现。量子计算作为一种能够加速经典计算的新型计算模式,正不断地与经典人工智能算法相融合。其中,量子生成对抗网络(quantum generative adversarial network,QGAN)在图像相关任务中具有良好的表现,但是量子模型的拟合能力还有待提高。故此,提出了一种基于GAN框架的量子-经典混合生成对抗网络(Q-CGAN)用于实现数据重构任务。该框架利用经典网络的非线性提高拟合效果,利用量子特性提供量子加速。使用MNIST手写数据集对比验证了量子模型和混合模型的重构效果,结果显示,Q-CGAN较纯量子生成器在数据重构过程中具有更好的表现。此外,还研究了混合模型中使用不同量子编码方案和不同参数化量子线路对数据重构效果的影响。 展开更多
关键词 量子计算 混合生成对抗网络 数据重构
在线阅读 下载PDF
基于生成对抗网络动态建模的人群密度预测方法 被引量:1
6
作者 徐涛 李夏华 刘才华 《计算机工程与设计》 北大核心 2023年第10期3070-3075,共6页
为预测未来时刻人群密度图,对人群聚集提前预警,提出一种基于生成对抗网络动态建模的人群密度预测方法。采用生成对抗网络结构,生成器采用加入扩张卷积的U-Net网络捕捉人群空间分布信息,利用光流估计模型FlowNet提取人群运动信息,联合4... 为预测未来时刻人群密度图,对人群聚集提前预警,提出一种基于生成对抗网络动态建模的人群密度预测方法。采用生成对抗网络结构,生成器采用加入扩张卷积的U-Net网络捕捉人群空间分布信息,利用光流估计模型FlowNet提取人群运动信息,联合4项损失函数对人群空间和时序两方面约束。实验结果表明,Mall数据集上均方误差、峰值信噪比和结构相似性分别为30.97、24.26 dB和0.671,Airport数据集上分别为8.36、34.58 dB和0.931,较现有方法具有更好的性能,验证了该方法的有效性。 展开更多
关键词 人群密度预测 生成对抗网络 U-Net网络 扩张卷积 空间分布信息 光流估计 运动信息
在线阅读 下载PDF
基于生成对抗网络和混合注意力机制残差网络的苹果病害识别 被引量:16
7
作者 于雪莹 高继勇 +2 位作者 王首程 李庆盛 王志强 《中国农机化学报》 北大核心 2022年第6期166-174,共9页
准确识别并防治病害对提高苹果产量和质量具有重要意义。针对苹果病害图像因病斑区域小且易受背景干扰而导致识别准确率低的问题,设计一种基于混合注意力机制的残差网络(Convolutional Block Attention Module-Residual Network,CBAM-Re... 准确识别并防治病害对提高苹果产量和质量具有重要意义。针对苹果病害图像因病斑区域小且易受背景干扰而导致识别准确率低的问题,设计一种基于混合注意力机制的残差网络(Convolutional Block Attention Module-Residual Network,CBAM-ResNet)模型。该模型在残差网络中嵌入串联的通道注意力模块和空间注意力模块,使模型将注意力集中于图像特征的病害区域,提高识别准确率。针对模型训练数据集样本数量不足且数据不均衡问题,提出基于Wasserstein距离的生成对抗网络(Wasserstein Generative Adversarial Networks,WGAN)对数据集进行扩充的方法。通过生成器与判别器的对抗训练生成10000张苹果病害图像,对CBAM-ResNet进行训练和测试,提高模型的泛化能力和鲁棒性。试验结果表明:与CNN、VGG-16、ResNet-50、Inception-V3等传统模型相比,CBAM-ResNet对苹果病害的识别效果更优,其识别准确率、精确率、召回率和F1-Score参数分别达到95.50%、95.40%、95.40%和0.95。该方法能够为苹果病害图像准确识别和实时监测提供技术支撑。 展开更多
关键词 苹果病害 图像识别 生成对抗网络 残差网络 混合注意力机制
在线阅读 下载PDF
基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 被引量:27
8
作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页
风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多
关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置
在线阅读 下载PDF
CWGAN-DNN:一种条件Wasserstein生成对抗网络入侵检测方法 被引量:14
9
作者 贺佳星 王晓丹 +1 位作者 宋亚飞 来杰 《空军工程大学学报(自然科学版)》 CSCD 北大核心 2021年第5期67-74,共8页
针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN)。CWGAN-DNN通过生成样本来改善数据集的类不平衡问题,提升对少数... 针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN)。CWGAN-DNN通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率。首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测。在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5%,AUC下降了2%;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3%、F1分数和AUC提升了1%。 展开更多
关键词 入侵检测 类均衡技术 生成对抗网络 深度神经网络 高斯混合模型
在线阅读 下载PDF
基于生成对抗网络的异常视觉图像重着色算法 被引量:2
10
作者 张美丽 戴朝霞 +2 位作者 张向东 张亮 沈沛意 《计算机应用研究》 CSCD 北大核心 2020年第S02期340-343,共4页
相较于正常人可以正确感知三维颜色空间的所有色彩,异常视觉患者只能感知到二维颜色空间的色彩甚至只能感知亮度的变化。针对异常视觉患者对颜色信息感知的偏差或缺失问题,提出通过新的生成对抗网络模型对图像重着色来提高异常视觉患者... 相较于正常人可以正确感知三维颜色空间的所有色彩,异常视觉患者只能感知到二维颜色空间的色彩甚至只能感知亮度的变化。针对异常视觉患者对颜色信息感知的偏差或缺失问题,提出通过新的生成对抗网络模型对图像重着色来提高异常视觉患者对图像中颜色信息的辨识度。该网络模型在基础条件生成对抗网络模型之上进行了改进。首先,在基础网络模型中加入异常视觉仿真的计算模型,以便于从异常视觉患者的视角去检验图像的重着色过程;其次,引入彩色图转灰度图模块来消除生成图像中的随机噪声;最后,将高斯混合模型和KL散度的计算模型作为先验性条件模块,指导图像重着色的主要方向。实验结果表明,新网络模型的表现优于现有的异常视觉图像转换方法。 展开更多
关键词 异常视觉 生成对抗网络 重着色 高斯混合模型
在线阅读 下载PDF
生成对抗网络及其应用研究综述 被引量:12
11
作者 淦艳 叶茂 曾凡玉 《小型微型计算机系统》 CSCD 北大核心 2020年第6期1133-1139,共7页
在人工智能引领的浪潮下,生成模型的理论研究与应用不断获得成功,已经成为当前研究的热点之一.因此,系统地研究生成模型及其应用具有重要的意义.本文首先将生成模型分为基于显式密度和基于隐式密度的生成模型,并介绍每类模型中具有代表... 在人工智能引领的浪潮下,生成模型的理论研究与应用不断获得成功,已经成为当前研究的热点之一.因此,系统地研究生成模型及其应用具有重要的意义.本文首先将生成模型分为基于显式密度和基于隐式密度的生成模型,并介绍每类模型中具有代表的生成模型,分析它们的优缺点.其次,从应用层面分4类重点介绍了生成对抗网络在图像生成中的研究进展,即通过噪声生成图像、文本生成图像、图像到图像转换和交互式操控图像生成.然后从可解释性、可控性、稳定性和模型评价方法4个方面分析了生成对抗网络的理论研究进展.最后讨论了研究生成对抗网络潜在的突破口. 展开更多
关键词 生成模型 显式密度 隐式密度 生成对抗网络 图像生成
在线阅读 下载PDF
基于梯度惩罚生成对抗网络的过采样算法 被引量:1
12
作者 陶家亮 魏国亮 +2 位作者 宋燕 窦军 穆伟蒙 《上海理工大学学报》 CAS CSCD 北大核心 2023年第3期235-243,共9页
在不平衡数据分类问题中,为了更注重学习原始样本的概率密度分布,提出基于梯度惩罚生成对抗网络的过采样算法(OGPG)。该算法首先引入生成对抗网络(GAN),有效地学习原始数据的概率分布;其次,采用梯度惩罚对判别器输入项的梯度二范数进行... 在不平衡数据分类问题中,为了更注重学习原始样本的概率密度分布,提出基于梯度惩罚生成对抗网络的过采样算法(OGPG)。该算法首先引入生成对抗网络(GAN),有效地学习原始数据的概率分布;其次,采用梯度惩罚对判别器输入项的梯度二范数进行约束,降低了GAN易出现的过拟合和梯度消失,合理地生成新样本。实验部分,在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法,在评价指标上均有显著提升,并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。 展开更多
关键词 不平衡数据 过采样算法 概率密度分布 生成对抗网络 梯度惩罚
在线阅读 下载PDF
考虑极端天气的先验知识引导风/光短期出力场景生成方法研究
13
作者 陈浩 张文朝 +4 位作者 黄志光 张怡静 时艳强 李剑锋 赵永宁 《智慧电力》 北大核心 2025年第3期44-52,共9页
为准确反映新能源出力的时序特征,特别是极端天气对系统的影响,提出一种考虑极端天气的先验知识引导风光短期出力场景生成方法研究,首先,基于极端度量指标进行数据识别,构建正常天气和极端天气数据集,然后,针对2种数据集利用混合密度网... 为准确反映新能源出力的时序特征,特别是极端天气对系统的影响,提出一种考虑极端天气的先验知识引导风光短期出力场景生成方法研究,首先,基于极端度量指标进行数据识别,构建正常天气和极端天气数据集,然后,针对2种数据集利用混合密度网络(MDN)获取分布信息,最后,基于先验分布信息得到噪声序列,将其与历史实测数据输入并应用生成对抗网络(GAN)模型,获得风光出力场景。基于浙江某地区风电和光伏场站数据对所提方法的有效性进行验证,分析结果表明,所生成的风、光出力场景分别符合其真实时空相关关系,同时可以捕捉到极端天气下功率曲线随机特性,能够反映某地区风光实际出力时的波动性,为电力系统调度方案制定提供参考。 展开更多
关键词 场景生成 先验知识 极端天气 风光出力 混合密度-对抗生成网络
在线阅读 下载PDF
融合边界和密度的时序不平衡过采样算法
14
作者 杨瑞 张海清 +3 位作者 李代伟 陈金京 任李娟 刘佳璇 《计算机工程与设计》 北大核心 2025年第8期2178-2185,共8页
针对时间序列数据中不平衡问题,提出一种基于样本边界和局部密度的生成对抗网络(density-boundary generative adversarial network,DBGAN)。根据样本分布特点,利用共享最近邻、局部离群因子以及高斯核函数获得少数类样本的重要性得分,... 针对时间序列数据中不平衡问题,提出一种基于样本边界和局部密度的生成对抗网络(density-boundary generative adversarial network,DBGAN)。根据样本分布特点,利用共享最近邻、局部离群因子以及高斯核函数获得少数类样本的重要性得分,指导生成器合成具有代表性的少数类样本。同时借鉴CatGAN模型对cGAN的判别器进行修改,使其能够适应多样性的类内分布。实验结果表明,该模型在不同数据集上的性能指标得到提升,有效缓解类不平衡问题。 展开更多
关键词 时间序列 类不平衡 生成对抗网络 共享最近邻 局部离群因子 边界样本 局部密度
在线阅读 下载PDF
采用编码输入的生成对抗网络故障检测方法及应用 被引量:4
15
作者 吴晓东 熊伟丽 《智能系统学报》 CSCD 北大核心 2022年第3期496-505,共10页
针对传统基于生成对抗网络的故障检测方法中,生成器输入使用随机噪声,不包含训练集中有效信息造成模型检测效果不够理想的问题,提出一种采用编码输入的生成对抗网络故障检测策略。通过引入自编码器,基于最小化重构误差构建隐变量空间,... 针对传统基于生成对抗网络的故障检测方法中,生成器输入使用随机噪声,不包含训练集中有效信息造成模型检测效果不够理想的问题,提出一种采用编码输入的生成对抗网络故障检测策略。通过引入自编码器,基于最小化重构误差构建隐变量空间,将降维后的隐变量信息作为生成器输入以提升生成对抗网络的训练效果;进一步考虑故障检测方法中基于生成器的统计量计算成本高和对离群点敏感的问题,计算待测样本经编码后的隐变量到训练集隐变量空间中心点的曼哈顿距离,并作为新统计量进行故障检测。将所提故障检测方法用于田纳西伊斯曼过程及实际的磨煤机过程,本文方法较传统生成对抗网络故障检测在田纳西伊斯曼过程上报警率提升了13%,在磨煤机过程上各统计量报警率均得到了显著提升且本文所提统计量将传统方法中针对生成器的统计量大大降低了检测用时,从而验证了方法的有效性和性能。 展开更多
关键词 生成对抗网络 自编码器 隐变量 密度估计 降维 故障检测 田纳西伊斯曼过程 磨煤机过程
在线阅读 下载PDF
一种改进DCGANs网络的磁瓦缺陷图像生成方法研究 被引量:3
16
作者 张晋 谢珺 +2 位作者 梁凤梅 续欣莹 董俊杰 《小型微型计算机系统》 CSCD 北大核心 2021年第3期589-594,共6页
基于机器视觉的磁瓦表面缺陷检测研究对于改进磁瓦生产工艺、提升磁瓦生产效率有着重要意义.但在研究过程中,存在磁瓦含缺陷样本收集困难、不同缺陷样本数不均匀、缺陷类型单一等问题.本文提出一种使用高斯混合模型的深度卷积生成对抗网... 基于机器视觉的磁瓦表面缺陷检测研究对于改进磁瓦生产工艺、提升磁瓦生产效率有着重要意义.但在研究过程中,存在磁瓦含缺陷样本收集困难、不同缺陷样本数不均匀、缺陷类型单一等问题.本文提出一种使用高斯混合模型的深度卷积生成对抗网络(Gaussian Mixture Model Deep Convolution Generative Adversarial Networks,GMM-DCGANs)生成含缺陷磁瓦图像的方法.在深度卷积生成对抗网络的基础上,将生成图像的输入噪声潜在空间复杂化为高斯混合模型,从而提高图像生成网络对有限数量且具有类间及类内多样性训练样本的学习能力.实验结果表明,GMMDCGANs网络可以生成质量更好、缺陷类型更加丰富的磁瓦缺陷图像,并且生成的图像满足缺陷检测及分类的要求. 展开更多
关键词 磁瓦 深度卷积生成对抗网络 高斯混合模型 极限学习机
在线阅读 下载PDF
基于混合数据增强的MSWI过程燃烧状态识别 被引量:4
17
作者 郭海涛 汤健 +1 位作者 丁海旭 乔俊飞 《自动化学报》 EI CAS CSCD 北大核心 2024年第3期560-575,共16页
国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧,存在智能化水平低、识别结果具有主观性与随意性等问题.由于MSWI过程的火焰图... 国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧,存在智能化水平低、识别结果具有主观性与随意性等问题.由于MSWI过程的火焰图像具有强污染、多噪声等特性,并且存在异常工况数据较为稀缺等问题,导致传统目标识别方法难以适用.对此,提出一种基于混合数据增强的MSWI过程燃烧状态识别方法.首先,结合领域专家经验与焚烧炉排结构对燃烧状态进行标定;接着,设计由粗调和精调两级组成的深度卷积生成对抗网络(Deep convolutional generative adversarial network, DCGAN)以获取多工况火焰图像;然后,采用弗雷歇距离(Fréchet inception distance, FID)对生成式样本进行自适应选择;最后,通过非生成式数据增强对样本进行再次扩充,获得混合增强数据构建卷积神经网络以识别燃烧状态.基于某MSWI电厂实际运行数据实验,表明该方法有效地提高了识别网络的泛化性与鲁棒性,具有良好的识别精度. 展开更多
关键词 城市固废焚烧 深度卷积生成对抗网络 燃烧状态识别 生成式数据增强 混合数据增强
在线阅读 下载PDF
基于双向拟合掩码重建的多模态自监督点云表示学习
18
作者 程浩喆 祝继华 +3 位作者 史鹏程 胡乃文 谢奕凡 李仕奇 《软件学报》 北大核心 2025年第5期2094-2113,共20页
点云自监督表示学习以无标签预训练的方式,探索三维拓扑几何空间结构关系并捕获特征表示,可应用至点云分类、分割以及物体探测等下游任务.为提升预训练模型的泛化性和鲁棒性,提出基于双向拟合掩码重建的多模态自监督点云表示学习方法,... 点云自监督表示学习以无标签预训练的方式,探索三维拓扑几何空间结构关系并捕获特征表示,可应用至点云分类、分割以及物体探测等下游任务.为提升预训练模型的泛化性和鲁棒性,提出基于双向拟合掩码重建的多模态自监督点云表示学习方法,主要由3部分构成:(1)逆密度尺度指导下的“坏教师”模型通过基于逆密度噪声表示和全局特征表示的双向拟合策略,加速掩码区域逼近真值.(2)基于StyleGAN的辅助点云生成模型以局部几何信息为基础,生成风格化点云并与掩码重建结果在阈值约束下融合,旨在抵抗重建过程噪声对表示学习的不良影响.(3)多模态教师模型以增强三维特征空间多样性及防止模态信息崩溃为目标,依靠三重特征对比损失函数,充分汲取点云-图像-文本样本空间中所蕴含的潜层信息.所提出的方法在ModelNet、ScanObjectNN和ShapeNet这3种点云数据集上进行微调任务测试.实验结果表明,预训练模型在点云分类、线性支持向量机分类、小样本分类、零样本分类以及部件分割等点云识别任务上的效果达到领先水平. 展开更多
关键词 三维点云 自监督表示学习 多模态特征 密度尺度 生成对抗网络
在线阅读 下载PDF
隐空间转换的混合样本图像去雾 被引量:2
19
作者 郑玉彤 孙昊英 宋伟 《计算机工程与应用》 CSCD 北大核心 2023年第9期225-236,共12页
深度学习从数据集中学习样本的内在规律,数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中,由于缺少成对真实数据,合成的成对数据难以模拟真实环境等问题,可能导致训练出的模型在实际环境中表现不佳。为此,提出混合... 深度学习从数据集中学习样本的内在规律,数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中,由于缺少成对真实数据,合成的成对数据难以模拟真实环境等问题,可能导致训练出的模型在实际环境中表现不佳。为此,提出混合样本学习问题,利用合成的成对数据和真实数据(混合样本)同时训练模型,通过隐空间的转换实现混合样本间的转换。算法利用变分自编码器和生成对抗网络(VAE-GAN)将混合样本分别编码到隐空间,利用对抗损失将真实数据的隐空间向合成雾图的隐空间对齐,利用含特征自适应融合(MFF)模块的映射网络学习成对数据隐空间之间的转换,从而建立起从真实雾图域到清晰图像域之间的去雾数据通路。实验结果表明,该算法相比其他去雾算法在真实雾图上的去雾结果更加清晰,对于较厚的雾图也有突出的效果,且该算法的峰值信噪比高于对比算法。 展开更多
关键词 单幅图像去雾 隐空间转换 混合样本 变分自编码器(VAE) 生成对抗网络(GAN)
在线阅读 下载PDF
数据驱动的不可靠装配线性能评估方法
20
作者 熊攀 王军强 +1 位作者 袁航 宋云蕾 《计算机集成制造系统》 北大核心 2025年第5期1515-1538,共24页
装配线受机器故障、机器维护等随机扰动事件的影响,使得产线投入产出呈现出非线性变化关系。此外,实际中的机器可靠性并不服从确定分布的假设,经典的性能评估方法难以适用。面向不可靠装配线,构建了基于概率密度估计的生成对抗网络模型... 装配线受机器故障、机器维护等随机扰动事件的影响,使得产线投入产出呈现出非线性变化关系。此外,实际中的机器可靠性并不服从确定分布的假设,经典的性能评估方法难以适用。面向不可靠装配线,构建了基于概率密度估计的生成对抗网络模型,提出了一种数据驱动的性能评估方法。在机器故障数据预处理的基础上,抽取出机器故障间隔时间、机器故障修复时间两个特征参数,采用概率密度估计方法,挖掘了机器故障数据的潜在分布规律,获得了特征参数的概率密度函数。通过生成器和判别器的对抗训练,得到了收敛的生成对抗网络模型,输出符合实际机器可靠性模型的机器故障间隔时间和机器故障修复时间数据。进一步地,从状态变更、事件触发、性能统计等3个维度,剖析了装配、缓冲和拆解等线体及产线的运行逻辑,给出了不可靠装配线仿真流程,为产线性能评估提供了运行逻辑。对M公司新能源汽车总装线进行了实例分析,结果表明所提方法与实际产量相差1.6%,且最大偏差不超过5%,从而验证了所提方法的有效性。 展开更多
关键词 不可靠装配线 性能评估 数据驱动方法 概率密度估计 生成对抗网络
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部