基于梯度惩罚-生成对抗神经网络的页岩三维数字岩心重构 被引量：3

1

作者 李秉科 聂昕 +3 位作者 朱林奇 王晨晨 林伟 韩登林 《西安石油大学学报（自然科学版）》 CAS 北大核心 2023年第2期53-60,共8页

数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型... 数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型的训练,得到了可以生成三维页岩图像的生成器模型,进而重构了多个三维岩心图像。将重构岩心与原始岩心进行了各种参数的对比分析,结果表明重构岩心与原始岩心具有很好的一致性,证明了本文方法的可靠性。使用WGAN-GP进行岩心重构具有岩心生成速度快、重构图像尺寸不受限制等优点,具有广泛的应用前景。 展开更多

关键词 数字岩心 页岩 三维重构 生成对抗神经网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于生成对抗神经网络的雷达遥感数据增广方法 被引量：4

2

作者 康旭 张晓峰 《系统仿真学报》 CAS CSCD 北大核心 2022年第4期920-927,共8页

在雷达探测领域,数据样本无论在完备性还是多样性上,均不能满足深度学习模型有效训练的要求,模型极易出现过拟合现象,从而限制了相关技术在雷达探测领域的广泛应用。面向雷达探测领域的智能化应用需求,针对雷达数据样本不足问题,提出基... 在雷达探测领域,数据样本无论在完备性还是多样性上,均不能满足深度学习模型有效训练的要求,模型极易出现过拟合现象,从而限制了相关技术在雷达探测领域的广泛应用。面向雷达探测领域的智能化应用需求,针对雷达数据样本不足问题,提出基于生成对抗神经网络的微波成像体制雷达数据增广方法。针对雷达数据样本特征不显著问题,结合标签平滑正则化方法,实现增广数据样本的自动标注,通过构建增广样本与真实样本协同的深度学习模型训练框架,实现模型在小规模雷达数据样本集上的鲁棒训练。基于公开雷达探测数据集,验证了该方法的有效性。 展开更多

关键词 深度学习 雷达遥感探测 生成对抗神经网络 数据增广

在线阅读 下载PDF 职称材料

基于遗传算法-生成对抗神经网络模型的宁夏自流灌区水资源优化调度研究 被引量：5

3

作者 董陈超 《湖北农业科学》 2021年第15期174-180,187,共8页

针对宁夏自流灌区灌溉用水存在农作物耗水量大、用水集中、灌溉效率低等现象,面向宁夏区域用水实际,围绕渠道进水闸和出水口,以满足农田基本灌溉用水为前提,以灌溉效率最大化为目标,采用机器学习方法,构建遗传算法-生成对抗神经网络的... 针对宁夏自流灌区灌溉用水存在农作物耗水量大、用水集中、灌溉效率低等现象,面向宁夏区域用水实际,围绕渠道进水闸和出水口,以满足农田基本灌溉用水为前提,以灌溉效率最大化为目标,采用机器学习方法,构建遗传算法-生成对抗神经网络的宁夏自流灌区水资源优化调度模型,并在宁夏秦汉渠管理处农场渠所管辖的30余公里渠道及其灌区进行验证和应用。结果表明,模型在学习传统调度方案的基础上深度挖掘各取水口用水规律,实现高效的取水口联合调度,月节约灌溉用水315109-1050362 m^(3),显著提高了宁夏水资源利用效率。 展开更多

关键词 灌溉水资源 优化调度 遗传算法 生成对抗神经网络 机器学习

在线阅读 下载PDF 职称材料

生成式对抗神经网络的改进及其在地震数据压噪中的应用 被引量：3

4

作者 彭海龙 李明 +4 位作者 孙文钊 李列 周凡 鲁统祥 江凡 《石油物探》 CSCD 北大核心 2024年第1期104-115,128,共13页

常规的生成式对抗神经网络在地震数据去噪过程中受模型限制,地震数据有效信息还原能力差。因此,对生成式对抗神经网络进行改进,以U-net神经网络为基础建立更深层级的生成器神经网络,优化模型的批标准化层和池化层,提升特征还原能力,搭... 常规的生成式对抗神经网络在地震数据去噪过程中受模型限制,地震数据有效信息还原能力差。因此,对生成式对抗神经网络进行改进,以U-net神经网络为基础建立更深层级的生成器神经网络,优化模型的批标准化层和池化层,提升特征还原能力,搭建多尺度判别器神经网络,提升判别器性能,提出一种包含对抗损失、配准损失和结构信息损失的多层次综合损失函数。改进后的模型结构无需预先估计噪声,能够实现端到端的盲去噪功能,神经网络泛化能力强,对数据细节的保护还原水平高。南海北部涠A地区地震数据测试结果表明,改进后的神经网络去噪能力以及对地震有效信息的保护要优于目前常见的去噪算法的结果,去噪过程对地震有效反射信息保护好,地震边界信息成像质量高。与常见的去噪方法相比,改进的生成或对抗神经网络方法在地震数据去噪中具有良好的应用效果,去噪能力强,在实际地震数据处理中具有良好的推广价值。 展开更多

关键词 生成式对抗神经网络 U-net神经网络 地震数据去噪 泛化能力 数据细节

在线阅读 下载PDF 职称材料

基于GAN神经网络的中子能谱解谱方法研究

5

作者 张永强 胡立群 +2 位作者 芦伟 许明远 张宇博 《核电子学与探测技术》 北大核心 2025年第4期490-497,共8页

本文提出了一种基于生成对抗网络(GAN)的神经网络模型,用于反解中子能谱。该模型通过优化生成器和判别器的设计,实现了中子能谱的高精度重建,克服了传统解谱算法对先验知识的依赖。研究中使用Geant4模拟EJ301液体闪烁体探测器的中子能... 本文提出了一种基于生成对抗网络(GAN)的神经网络模型,用于反解中子能谱。该模型通过优化生成器和判别器的设计,实现了中子能谱的高精度重建,克服了传统解谱算法对先验知识的依赖。研究中使用Geant4模拟EJ301液体闪烁体探测器的中子能量响应,构建了包含20 000个样本的数据集用于神经网络的训练。通过使用^(252)Cf和^(241) Am-Be放射源的中子能谱验证了所提出的神经网络解谱算法。实验结果表明,该神经网络模型能够在6 keV能量分辨下生成精确的中子能谱数据,并通过Q_s品质因子的评估证明了生成的中子能谱与目标能谱基本一致。 展开更多

关键词 EJ301 响应矩阵 GEANT4 中子能谱 生成式对抗神经网络

在线阅读 下载PDF 职称材料

基于生成式对抗神经网络的股票预测研究 被引量：5

6

作者 严冬梅 李斌 《计算机工程与应用》 CSCD 北大核心 2022年第13期185-194,共10页

针对股票价格具有非线性、非平稳的特点,提出一种结合自注意力机制和残差网络的生成式对抗神经网络模型(SAR-GAN)。该模型的生成器(generator)由长短期记忆网络(LSTM)层、自注意力机制层、残差层等构建而成,用于生成所预测股票的价格;... 针对股票价格具有非线性、非平稳的特点,提出一种结合自注意力机制和残差网络的生成式对抗神经网络模型(SAR-GAN)。该模型的生成器(generator)由长短期记忆网络(LSTM)层、自注意力机制层、残差层等构建而成,用于生成所预测股票的价格;判别器(discriminator)用于鉴别生成的股票价格与真实的股票价格。为验证模型良好的泛化性,选取上证指数及不同股票市场的热点行业龙头股票进行预测实验。实验结果表明,与LSTM、GRU、CNN-LSTM、CNN-GRU等模型相比,SAR-GAN模型能不同程度地减少预测误差。 展开更多

关键词 股票预测 生成式对抗神经网络 自注意力机制

在线阅读 下载PDF 职称材料

生成式对抗神经网络的多帧红外图像超分辨率重建 被引量：18

7

作者 李方彪 何昕 +2 位作者 魏仲慧 何家维 何丁龙 《红外与激光工程》 EI CSCD 北大核心 2018年第2期17-24,共8页

生成式对抗神经网络在约束图像生成表现出了巨大潜力,使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑,缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间... 生成式对抗神经网络在约束图像生成表现出了巨大潜力,使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑,缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题,提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法(M-GANs)。首先,对低分辨率图像序列进行运动补偿;其次,使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算;最后,将其输入生成式对抗重建网络,输出重建后的高分辨率图像。实验结果表明:文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。 展开更多

关键词 超分辨率重建 深度学习 生成式对抗神经网络 红外成像

在线阅读 下载PDF 职称材料

基于域自适应对抗生成样本的金属损伤导波智能迁移识别方法

8

作者 王莉 刘国强 +2 位作者 杨宇 张超 裘进浩 《振动与冲击》 北大核心 2025年第3期191-201,209,共12页

针对工程场景下缺乏大量标注完备的真实损伤样本,而难以学习到可用的智能诊断模型的难题,该文提出了一种基于域自适应对抗生成样本的金属损伤导波智能迁移诊断方法。首先,采用有限元仿真得到了大量标签丰富的模拟损伤导波监测数据;然后... 针对工程场景下缺乏大量标注完备的真实损伤样本,而难以学习到可用的智能诊断模型的难题,该文提出了一种基于域自适应对抗生成样本的金属损伤导波智能迁移诊断方法。首先,采用有限元仿真得到了大量标签丰富的模拟损伤导波监测数据;然后,采用生成对抗神经网络(wasserstein Generative adversarial networks with gradient penalty,WGAN-GP)实现了模拟损伤监测样本至真实损伤的域自适应对抗样本的生成;最后,构建了基于对抗生成样本的损伤智能诊断模型,实现了对未知标签真实损伤监测样本的高可靠分类诊断。金属开孔结构疲劳裂纹导波监测试验验证结果表明,所提方法可实现模拟损伤导波识别知识至疲劳损伤的跨域迁移,且在无真实损伤标注样本时也可实现对裂纹损伤的高精度智能识别。 展开更多

关键词 疲劳裂纹 导波 生成对抗神经网络(WGAN-GP) 卷积神经网络 迁移学习

在线阅读 下载PDF 职称材料

一种生成对抗网络用于图像修复的方法 被引量：15

9

作者 罗会兰 敖阳 袁璞 《电子学报》 EI CAS CSCD 北大核心 2020年第10期1891-1898,共8页

近年来基于深度学习的图像修复方法相比于传统方法,表现出明显优势,前者能更好的生成视觉上合理的图像结构和纹理.但现有的标准卷积神经网络方法,通常会造成颜色差异过大和图像纹理缺失与失真的问题.本文提出了一种新型图像修复深度网... 近年来基于深度学习的图像修复方法相比于传统方法,表现出明显优势,前者能更好的生成视觉上合理的图像结构和纹理.但现有的标准卷积神经网络方法,通常会造成颜色差异过大和图像纹理缺失与失真的问题.本文提出了一种新型图像修复深度网络模型,该模型由两个相互独立的生成对抗式网络模块组成.其中,图像修复网络模块旨在解决图像缺失区域的修复问题,其生成器基于部分卷积网络;图像优化网络模块旨在解决修复后图像存在局部色差的问题,其生成器基于深度残差网络.通过两个网络模块的协同作用,图像的视觉效果与图像质量得到提高.与其他先进方法进行定性和定量比较的实验结果表明,本文提出的方法在图像修复质量上表现更好. 展开更多

关键词 部分卷积 生成对抗神经网络 残差网络 图像修复

在线阅读 下载PDF 职称材料

引入自编码机制对抗网络的文本生成模型 被引量：2

10

作者 韩虎 孙天岳 赵启涛 《计算机工程与科学》 CSCD 北大核心 2020年第9期1704-1710,共7页

自编码模型是一种无监督的学习算法,主要用于数据的降维和特征提取。在对抗神经网络模型基础上引入自编码模型,旨在提高输入数据的特征表示。主要使用前馈神经网络和Seq2seq模型学习原文本特征,将随机数据变为具有特征的数据作为输入,... 自编码模型是一种无监督的学习算法,主要用于数据的降维和特征提取。在对抗神经网络模型基础上引入自编码模型,旨在提高输入数据的特征表示。主要使用前馈神经网络和Seq2seq模型学习原文本特征,将随机数据变为具有特征的数据作为输入,加快训练的速度,提高模型的准确率。同时使用强化学习模型解决反向传播中离散化数据梯度难以下降的问题。模型的鉴别器使用CNN网络和交叉熵模型,使生成的文本具有新颖性。使用BELU评价指标和主观评价的实验结果均表明了该模型的有效性。 展开更多

关键词 生成对抗神经网络 自编码模块 强化学习 交叉熵

在线阅读 下载PDF 职称材料

一种用于垃圾评论分类的融合主题信息的生成对抗网络模型 被引量：2

11

作者 徐闽樟 陈羽中 《小型微型计算机系统》 CSCD 北大核心 2021年第11期2292-2299,共8页

随着信息时代的飞速发展,由此也衍生出刷垃圾评论等黑色产业.随着机器学习技术的兴起,人们研究出许多有效的方法来识别垃圾评论.传统统计机器学习方法通过人工特征工程提取能够区分垃圾评论和正常评论的评论类别特征,往往需要花费大量... 随着信息时代的飞速发展,由此也衍生出刷垃圾评论等黑色产业.随着机器学习技术的兴起,人们研究出许多有效的方法来识别垃圾评论.传统统计机器学习方法通过人工特征工程提取能够区分垃圾评论和正常评论的评论类别特征,往往需要花费大量的精力进行特征选择;而深度学习方法利用神经网络自动学习评论特征.但是受限于标记数据的获取困难,现有的深度学习模型仍然存在较为严重的过拟合问题,另外不考虑主题信息,直接对评论文本进行训练也使得模型学习困难,泛化能力较弱.针对上述问题,本文提出一种用于垃圾评论分类的融合主题信息的生成对抗网络模型Topic-SpamGAN(Topic-SpamGenerative Adversarial Network).为解决标记样本获取困难的问题,Topic-SpamGAN采用GAN拟合真实标记样本,提升分类器的训练效果;其次,Topic-SpamGAN使用强化学习帮助生成器训练,改善生成样本的质量;此外,Topic-SpamGAN在模型学习中引入主题信息增强生成文本的相关性,并通过主题信息引导模型进行分类学习,使模型学习更为稳定.旅馆数据集上的实验结果证明,Topic-SpamGAN能获得优于现有垃圾评论分类模型的性能. 展开更多

关键词 垃圾评论分类 生成对抗神经网络 主题分类 半监督学习 强化学习

在线阅读 下载PDF 职称材料

基于增强生成对抗网络的PMU丢失数据恢复方法 被引量：5

12

作者 郭小龙 李子康 +1 位作者 刘灏 毕天姝 《电网技术》 EI CSCD 北大核心 2022年第6期2114-2121,共8页

同步相量测量单元(phasor measurement units,PMUs)因能够提供实时测量数据,使得电力系统动态行为的实时监测成为可能。但是,由于现场环境复杂,受干扰、硬件故障等诸多因素影响,PMU数据存在一定程度的数据丢失问题。PMU数据丢失直接影... 同步相量测量单元(phasor measurement units,PMUs)因能够提供实时测量数据,使得电力系统动态行为的实时监测成为可能。但是,由于现场环境复杂,受干扰、硬件故障等诸多因素影响,PMU数据存在一定程度的数据丢失问题。PMU数据丢失直接影响其在电力系统中的应用,甚至威胁到系统的安全稳定运行。为了提高PMU数据质量,该文提出了一种基于PMU分群的丢失数据恢复算法。为利用相关度高的PMU数据以提高恢复精度,首先提出一种基于层次聚类的PMU分群方法,利用不同PMU数据的相关度来对PMU进行分群。进一步,利用长短期记忆构造了一种增强型生成对抗神经网络丢失数据恢复方法。该算法不需要系统的拓扑结构和参数,可通过将相关度高的数据作为神经网络的输入来恢复不同扰动下的丢失数据,并且在扰动条件下也能高精度恢复。仿真和测试结果表明,该方法能够有效地实现丢失数据的恢复,为提高PMU的数据质量,保证其在电力系统中的应用效果提供基础。 展开更多

关键词 同步相量测量单元 不良数据恢复 生成对抗神经网络 长短期记忆网络 层次聚类

在线阅读 下载PDF 职称材料

基于DCGAN-CNN的小样本通信干扰信号识别 被引量：1

13

作者 李程 陈明虎 +2 位作者 施育鑫 张宁松 胡凯 《无线电通信技术》 北大核心 2025年第1期70-79,共10页

在复杂电磁环境中,获取真实干扰信号样本会比较困难。针对该问题,提出了一种基于深度卷积生成对抗网络-卷积神经网络(Deep Convolution Generative Adversarial Network-Convolutional Neural Network,DCGAN-CNN)的小样本通信干扰信号... 在复杂电磁环境中,获取真实干扰信号样本会比较困难。针对该问题,提出了一种基于深度卷积生成对抗网络-卷积神经网络(Deep Convolution Generative Adversarial Network-Convolutional Neural Network,DCGAN-CNN)的小样本通信干扰信号识别方法。该方法利用DCGAN的生成对抗特性来扩充小样本通信干扰信号时的频图数据集,将真实样本与生成样本混合后,输入到CNN中进行训练识别,在DCGAN和CNN中引入学习率调度器,帮助模型更好地收敛。仿真结果表明,所提方法可有效提高小样本情况下通信干扰信号的识别率。 展开更多

关键词 通信抗干扰 通信干扰信号识别 小样本学习 深度卷积生成对抗网络-卷积神经网络

在线阅读 下载PDF 职称材料

基于无监督对抗学习的时间序列异常检测 被引量：9

14

作者 邵世宽 张宏钧 +3 位作者 肖钦锋 王晶 刘晓辉 林友芳 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第6期1042-1052,共11页

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的... 时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神经网络和自编码器的无监督时间序列异常检测模型SALAD(Stochastic Adversarial Learned Anomaly Detection).在原始空间结合生成对抗网络和自编码器网络并充分利用判别损失和绝对损失来完成数据重构;在隐空间中,为了使学习自编码器中的隐变量更紧凑地表示原始数据分布,引入生成对抗网络来约束隐变量的收敛,使其更接近先验分布;在训练过程中引入数据补全方法是一种更合理的缺失值处理机制;提出对比重构损失使SALAD能充分利用少量的有标签异常数据.在数据集上进行大量实验,结果表明,在完全无监督和使用部分异常标签的情形下,提出的模型的F1分数和现有的基线方法相比有明显的提升. 展开更多

关键词 时间序列 异常检测 自编码器 生成对抗神经网络 无监督学习

在线阅读 下载PDF 职称材料

旋转设备数据不平衡问题的数据生成方法 被引量：2

15

作者 李洁松 伍星 +1 位作者 刘韬 刘畅 《振动．测试与诊断》 EI CSCD 北大核心 2023年第3期547-554,623,共9页

在旋转设备运行状态监测及故障识别时,采集的样本多为无故障样本,而故障样本较少,这种数据分布的不平衡会严重影响分类器识别的准确性。针对此问题,提出了一种少数样本数据生成方法,即基于傅里叶变换与皮尔逊系数优化的生成对抗神经网络... 在旋转设备运行状态监测及故障识别时,采集的样本多为无故障样本,而故障样本较少,这种数据分布的不平衡会严重影响分类器识别的准确性。针对此问题,提出了一种少数样本数据生成方法,即基于傅里叶变换与皮尔逊系数优化的生成对抗神经网络(Fourier-Pearson generative adversarial networks,简称FP-GAN)模型。通过对故障少数样本的扩充,提高故障诊断训练和识别的准确性。首先,使用傅里叶变化得到信号频域的单边谱,使用GAN网络生成信号频域;其次,通过皮尔逊相关系数对生成的数据进行优化;最后,通过傅里叶逆变换获得更接近真实数据的生成数据。仿真和实验数据验证表明,基于FP-GAN生成的数据样本在时域特征、时域统计特征以及分类器分类结果方面都能较好地与已有实际数据融合,可以对小样本数据进行增强,能有效解决数据不平衡问题。 展开更多

关键词 生成对抗神经网络 单边谱 皮尔逊相关系数 傅里叶逆变换 数据不平衡

在线阅读 下载PDF 职称材料

基于GAN的轻量级水下图像增强网络 被引量：3

16

作者 刘皓轩 林珊玲 +2 位作者 林志贤 郭太良 林坚普 《液晶与显示》 CAS CSCD 北大核心 2023年第3期378-386,共9页

由于光在水下存在吸收与散射,导致水下图像存在颜色失真和细节损失,严重影响了后续水下目标的检测和识别。本文提出了一种轻量级全卷积层的生成式对抗神经网络模型(DUnet-GAN)来增强水下图像。针对水下图像的特点,提出了多任务目标函数... 由于光在水下存在吸收与散射,导致水下图像存在颜色失真和细节损失,严重影响了后续水下目标的检测和识别。本文提出了一种轻量级全卷积层的生成式对抗神经网络模型(DUnet-GAN)来增强水下图像。针对水下图像的特点,提出了多任务目标函数,使得模型从感知图像的整体内容、颜色、局部纹理和风格信息等方面来增强图像的质量。此外,与现有的一些重要的模型做了对比,进行了定量的评估。结果表明,在EUVP数据集中本文所提模型峰值信噪比在26 dB以上,结构相似度为0.8,参数量为11 MB,仅为其他达到同等性能模型参数量的5%且比26 MB参数量的FUNIE-GAN指标更好。同时UIQM为2.85,仅次于Cycle-GAN模型,且主观增强效果显著。更重要的是,增强后的图像为水下目标检测等模型提供了更好的性能,也满足了水下机器人等设备对模型的轻量化要求。 展开更多

关键词 生成式对抗神经网络 图像增强 轻量级 生成器 目标检测

在线阅读 下载PDF 职称材料

结合波束形成和GAN网络的多通道语音增强研究 被引量：5

17

作者 余亮 吴海军 蒋伟康 《噪声与振动控制》 CSCD 2018年第A02期591-596,共6页

后端滤波处理是多通道语音增强系统中一种比较常用的技术,其目的是为了进一步提高语音增强系统的性能,提高波束形成后的输出信噪比。但是,常用的后滤波方法需要相当繁琐的参数调整过程才能实现噪声抑制和语音质量之间的合理权衡。本文... 后端滤波处理是多通道语音增强系统中一种比较常用的技术,其目的是为了进一步提高语音增强系统的性能,提高波束形成后的输出信噪比。但是,常用的后滤波方法需要相当繁琐的参数调整过程才能实现噪声抑制和语音质量之间的合理权衡。本文提出一种基于最小方差无畸变(MVDR)波束形成和生成对抗深层神经网络相结合的多通道语音增强算法。前端使用波束形成器对信号进行初步增强;后端滤波处理采用生成对抗深层神经网络,避免了繁琐的参数调整过程。实验系统是通过MATLAB和Tensor Flow仿真实现,结果证明了该方法的有效性。 展开更多

关键词 声学 语音增强 波束形成 最小方差无畸变 生成对抗深层神经网络

在线阅读 下载PDF 职称材料

基于CNN与GAN深度学习模型近壁面湍流场超分辨率重构的精细化研究 被引量：2

18

作者 吴昊恺 陈耀然 +2 位作者 周岱 陈文礼 曹勇 《力学学报》 EI CAS CSCD 北大核心 2024年第8期2231-2242,共12页

由城市抗风减灾的目标出发,城市边界层的高保真再现是工程界亟待解决的关键问题.基于高精度的近地风场,有望实现真实环境下城市建筑风致效应的准确预测.传统的基于气象模型的城市风场模拟方法存在预测耗时长、成本昂贵、求解尺度过高等... 由城市抗风减灾的目标出发,城市边界层的高保真再现是工程界亟待解决的关键问题.基于高精度的近地风场,有望实现真实环境下城市建筑风致效应的准确预测.传统的基于气象模型的城市风场模拟方法存在预测耗时长、成本昂贵、求解尺度过高等缺陷.为更准确、高效地预测边界层的空间变化,研究利用超精度卷积神经网络(SRCNN)与生成对抗神经网络(SRGAN),在空间上将低精度的近壁面湍流场超精度重构成高精度的风场.利用近壁面湍流直接数值模拟的公共数据库训练模型并评价模型的重构性能.为寻求合适的超精度模型生成方式,研究围绕训练样本量及网络深度,开展详细的敏感性分析,确定合适的训练网络及其较优的训练参数设置.同时,基于经不同下采样因子处理的低精度流场输入,分析模型在近壁面湍流重构中的适用范围.研究发现,对比于SRCNN模型,SRGAN模型对近壁面湍流内小尺度结构的重现效果更佳.当基于4层卷积残差块、300样本量开展训练时,所生成的SRGAN模型可在较低的训练代价下实现较优的重构效果.当进行10倍超精度重构时,SRGAN模型可保证较理想的预测精度.研究成果为边界层风场的准确重构提供技术支撑,为城区建筑物风致效应的高效预测提供精确的入流条件. 展开更多

关键词 深度学习 超精度生成对抗神经网络 超精度卷积神经网络 超精度重构 城市边界层风场

在线阅读 下载PDF 职称材料

城市洪涝过程:半分布式水箱模型与河道洪水模拟

19

作者 叶陈雷 徐宗学 +2 位作者 廖卫红 舒心怡 廖如婷 《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期667-680,共14页

为解析城市上游流域降雨径流与河道洪水演进的2个子过程,采用半分布式水文模型FLOWS-Tank并结合机制驱动与数据驱动的方法,以福州八一水库与斗顶水库所在小流域及晋安河主干道为例,分析了FLOWS-Tank模型参数敏感性与河道洪水模拟效果.... 为解析城市上游流域降雨径流与河道洪水演进的2个子过程,采用半分布式水文模型FLOWS-Tank并结合机制驱动与数据驱动的方法,以福州八一水库与斗顶水库所在小流域及晋安河主干道为例,分析了FLOWS-Tank模型参数敏感性与河道洪水模拟效果.结果表明:1)FLOWS-Tank大部分参数具有较低敏感性;2)对纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSEC)和均方根误差(root mean squared error,RMSE),模型参数侧孔高度7和汇流参数(非线性水库2)在一阶敏感度和总敏感度下呈现较强的敏感性;3)五四站水位模拟得到均方误差(mean squared error,MSE)为0.001,平均绝对误差(mean absolute error,MAE)为0.012,均方对数误差(mean squared log error,MSLE)为0.0007,RMSE为0.033.FLOWS-Tank模型对于八一水库和斗顶水库2个流域模拟效果较好,总径流量随重现期增大而逐渐增加;耦合长短期记忆神经网络与生成对抗网络(generative advevsarial nets,GANs)对河道洪水模拟具有较好的适用性. 展开更多

关键词 城市洪涝 FLOWS-Tank 敏感性分析 生成对抗神经网络 长短期记忆神经网络

在线阅读 下载PDF 职称材料

CT图像层间插值方法的深入分析验证

20

作者 菅影超 王虹 +1 位作者 王伟 马善达 《中国医学计算机成像杂志》 CSCD 北大核心 2024年第2期259-266,共8页

目的:通过CT图像层间插值的方法提高图像质量,从而保证放疗中患者摆位验证的精度。方法:采用基于深度卷积神经网络(DCNN)算法,利用图像层间的关联信息重建中间层图像。应用卷积层、膨胀卷积层、池化层和上采样层交织的端到端的神经网络... 目的:通过CT图像层间插值的方法提高图像质量,从而保证放疗中患者摆位验证的精度。方法:采用基于深度卷积神经网络(DCNN)算法,利用图像层间的关联信息重建中间层图像。应用卷积层、膨胀卷积层、池化层和上采样层交织的端到端的神经网络对CT图像进行处理。由于头颈部和胸腹盆部的结构差异,分别采用70例头颈部和75例胸腹盆部患者的图像数据进行训练,建立不同的头颈部和胸腹盆部模型。采用留一交叉验证的方法验证模型,将DCNN与线性插值和生成对抗网络(GAN)的性能进行比较。结果:头颈部患者中,DCNN的平均绝对误差(MAE)为36 HU,优于线性插值和GAN的62 HU和50 HU。除此之外,骨骼的Dice相似系数(DSC)为0.95,超过线性插值和GAN的0.88和0.91;胸腹盆部位患者中,DCNN的MAE为29 HU,优于线性插值和GAN的47 HU和34 HU。除此之外,骨骼的DSC为0.94,同样超过线性插值和GAN的0.87和0.91。结论:与线性插值和GAN相比,DCNN算法在重建薄层CT图像方面具有更高的精度;其显著减少了插值伪影、图像失真和锯齿效应,从而提高了放疗患者摆位验证的精度。 展开更多

关键词 摆位验证 深度卷积神经网络 生成对抗神经网络 平均绝对误差 Dice相似系数

在线阅读 下载PDF 职称材料