-
题名基于生成对抗网络模型的小样本PM_(2.5)预测
被引量：1
- 1
-
-
作者
汪祖民
张嘉峰
胡玲艳
邹启杰
盖荣丽
刘艳
-
机构
大连大学信息工程学院
-
出处
《计算机应用与软件》
北大核心
2023年第10期114-119,共6页
-
基金
大连市科技创新基金项目(2020JJ26SN058,2020JJ27SN106)。
-
文摘
针对目前数据驱动的方法在小样本下PM_(2.5)预测准确率较低的问题,提出一种基于生成对抗性网络(GAN)模型PME-GAN,用于在线预测PM_(2.5)浓度值。在生成器中加入长短期记忆网络(LSTM)并用于提取输入数据的时序特征,在判别器中加入多层感知机网络(MLP),通过生成器对PM_(2.5)浓度值进行预测。与LSTM、GRU、CNN-LSTM和CNN-GRU 4种模型进行对比实验,结果表明,该方法在小样本数据集上具有更高的预测准确率,对保定测试集的后25%数据开始预测,预测效果很好。
-
关键词
小样本
PM_(2.5)预测
生成对抗性网络
博弈
-
Keywords
Small sample
PM 2.5 prediction
GAN
Game
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名视图映射和循环一致性生成的不完整多视图聚类
- 2
-
-
作者
王英博
郭凯雪
-
机构
辽宁工程技术大学软件学院
-
出处
《智能系统学报》
北大核心
2025年第2期316-328,共13页
-
基金
辽宁省教育厅基础研究项目(LN2020JCL029).
-
文摘
传统聚类假设每个视图都完整,没有考虑数据损坏、设备故障导致的不完整视图情况。针对此问题,已有方法大多基于核和非负矩阵分解提出,没有明确补偿每个视图丢失的数据,学习的潜在表示也没有考虑聚类任务。为此设计视图映射和循环一致性生成的不完整多视图聚类(incomplete multi-view clustering generated by view mapping and cyclic consistency,MG_IMC),利用已有数据信息得到各视图的风格编码和共享潜在表示,并通过生成对抗网络生成缺失的数据,在完整数据集上利用加权自适应融合捕获更好的通用结构,并在深度嵌入聚类层完成聚类任务。使用KL散度(Kullback-Leibler divergence)联合训练模型,学习的公共表示有助于生成缺失的数据,而补全的数据进一步生成聚类友好的公共表示。实验表明,相比已有方法,该算法得到更好的聚类效果。
-
关键词
数据挖掘
聚类
多视图学习
不完全多视图聚类
深度学习
自动编码器
生成对抗性网络
KL散度
-
Keywords
data mining
clustering
multiview learning
incomplete multiview clustering
deep learning
autoencoder
generate adversarial networks
KL-divergence
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于生成对抗网络的遥感图像锐化方法
被引量：1
- 3
-
-
作者
闫艳
隋毅
司建伟
-
机构
青岛大学计算机科学技术学院
中国海洋大学信息科学与工程学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第8期133-141,共9页
-
基金
国家自然科学基金青年科学基金(41706198)。
-
文摘
现有遥感图像锐化方法普遍采用Wald协议,导致重建图像存在空间纹理细节和颜色模糊、边缘过于平滑的问题。针对该问题,提出基于生成对抗网络(Generative Adversarial Networks,GAN)的遥感图像锐化方法PAN-GAN。该方法将多光谱图像作为参考图像,使用灰度化的参考图像模拟全色图像,并与模糊化的参考图像共同作为生成器输入,由生成器分别提取前者的纹理细节特征和后者的光谱特征并进行融合重构;引入感知损失,联合对抗损失和像素损失共同优化重构图像,使重构图像具有更加逼近参考图像的光谱和纹理细节特征。在QuickBird,GaoFen-2和WorldView-2这3个遥感卫星的图像数据集上进行实验,结果表明:与常用方法相比,使用PAN-GAN得到的重构图像具有更加逼真的光谱和空间纹理细节;使用灰度化的参考图像能够显著提升原有方法的性能并且平均灰度化提升最为明显;感知损失的引入进一步优化了重构结果,验证了所提方法的有效性。
-
关键词
遥感图像
锐化
对抗性生成网络
感知特征
-
Keywords
Remote sensing images
Pan-sharpening
Generative adversarial networks
Perceptual features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名采用非平衡小样本数据的风机主轴承故障深度对抗诊断
被引量：35
- 4
-
-
作者
黄南天
杨学航
蔡国伟
宋星
陈庆珠
赵文广
-
机构
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2020年第2期563-574,共12页
-
基金
国家重点研发计划项目(2016YFB0900104)
吉林省产业技术开发专项(2019C058-8).
-
文摘
风机主轴承振动信号中存在噪声干扰,且实验环境下获取众多故障类型与故障程度数据难度大、成本高。为提高高噪声环境下基于小样本非平衡振动数据的风机主轴承故障诊断准确率,提出采用改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的风机主轴承故障诊断新方法。首先,在AC-GAN生成器中加入Dropout层,防止过拟合导致生成重复的样本数据,保证样本生成质量。之后,在AC-GAN判别器加入卷积层,提取更多细节特征,并引入噪声过渡模型、重定义损失函数,提高判别器抗噪能力。然后,为训练样本添加标签约束,使生成器针对性生成大量符合真实样本概率分布特性的非平衡场景下小样本故障类型数据,由此,实现判别器增强。最后,通过判别器与生成器博弈达到平衡,提高小样本非平衡场景下故障识别准确率。实验表明,在高噪声干扰、样本数量不足及不同类型样本训练集规模非平衡等复杂场景下,新方法依然能够保持良好的主轴承故障识别准确率。
-
关键词
风机主轴承故障
小样本
非平衡
生成对抗性网络
辅助分类器
-
Keywords
wind turbine main bearing fault
small sample
imbalanced
generative adversarial networks
auxiliary classifier
-
分类号
TM315
[电气工程—电机]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名智能网联汽车网络异常故障检测方法
被引量：6
- 5
-
-
作者
徐旭
冯振威
姚会君
-
机构
黄河交通学院
-
出处
《农机使用与维修》
2023年第4期124-126,共3页
-
基金
黄河交通学院2021年度课程(HHJTXY-2021KCZYK079)。
-
文摘
近年来,随着传感器技术、物联网技术、通信技术和人工智能技术的不断发展,智能网联汽车处于高速发展时期,为智能网联汽车的技术提升与发展提供了技术保障。随着开放性通信技术的发展,智能网联汽车在应用过程中遭受网络攻击几率增加,现有网络安全技术逐渐不适用于智能网联汽车。汽车网络异常监测技术可以对特定场景中的恶意网络攻击行为进行预测,是一种有效的防御手段。针对目前智能网联汽车安全问题,提出一种新型网络安全技术,可以提升对智能网联汽车多种网络异常行为的预测能力。研究结果对于提升智能网联汽车通信安全与发展速度提供技术保障。
-
关键词
智能网联
车联网
异常行为检测
生成对抗性网络
-
Keywords
smart grid
connected vehicles
anomalous behavior detection
generate adversarial network
-
分类号
U463.6
[机械工程—车辆工程]
-
-
题名基于深度学习的行人重识别综述
被引量：15
- 6
-
-
作者
杨锋
许玉
尹梦晓
符嘉成
黄冰
梁芳烜
-
机构
广西大学计算机与电子信息学院
广西多媒体通信与网络技术重点实验室(广西大学)
-
出处
《计算机应用》
CSCD
北大核心
2020年第5期1243-1252,共10页
-
基金
国家自然科学基金资助项目(61861004,61762007)
广西自然科学基金资助项目(2017GXNSFAA198267,2017GXNSFAA198269)。
-
文摘
行人重识别(Re-ID)是计算机视觉领域的热点问题,主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到的特定人员的问题”。传统的行人Re-ID方法主要基于底层特征如局部描述符、颜色直方图和人体姿势的提取。近几年,针对行人遮挡和姿势不对齐等传统方法所遗留问题,业内提出了基于区域、注意力机制、姿势和生成对抗性网络(GAN)等深度学习的行人Re-ID方法,实验结果得到较明显的提高。故对深度学习在行人Re-ID中的研究进行了总结和分类,区别于以前的综述,将行人重识别方法分成四大类来讨论。首先,通过区域、注意力、姿势和GAN四类方法来综述基于深度学习的行人Re-ID方法;然后,分析这些方法在主流数据集上的mAP和Rank-1指标性能表现,结果显示基于深度学习的方法可以增强局部特征之间的联系并缩小域间隙,从而减少模型过拟合;最后,展望了行人Re-ID方法研究的发展方向。
-
关键词
行人重识别
深度学习
生成对抗性网络
区域
注意力
姿势
-
Keywords
Re-IDentification(Re-ID)
deep learning
Generative Adversarial Network(GAN)
region
attention
pose
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
