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201篇文章
< 1 2 … 11 >
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：
基于树状结构Parzen估计器优化长短期记忆神经网络的燃煤机组NO_(x)生成浓度预测 被引量：1
1
作者 陈东升 梁中荣 +3 位作者 郑国 何荣强 屈可扬 甘云华 《中国电机工程学报》 北大核心 2025年第7期2710-2718,I0022,共10页
建立更准确的NO_(x)生成浓度预测模型对于燃煤机组减少NO_(x)排放,降低脱硝成本具有重大意义。搭建NO_(x)生成模型基于机组相关变量,同时依赖模型结构设计,设计模型结构的参数称为超参数。进行合理的数据处理与超参数设定,能够有效提升N... 建立更准确的NO_(x)生成浓度预测模型对于燃煤机组减少NO_(x)排放,降低脱硝成本具有重大意义。搭建NO_(x)生成模型基于机组相关变量,同时依赖模型结构设计,设计模型结构的参数称为超参数。进行合理的数据处理与超参数设定,能够有效提升NO_(x)预测模型精度与泛化性。该文提出一种基于树状结构Parzen估计器优化长短期记忆(tree-structure parzen estimator optimized long short-term memory neural network,TPE-LSTM)神经网络的NO_(x)生成浓度预测模型。基于某330 MW燃煤机组的历史运行数据,获取NO_(x)生成相关变量参数,将模型结构参数与NO_(x)相关变量参数的时间序列窗口长度以及主成分数量相互耦合,组成一类新的超参数;通过优化改进后的超参数取值,构建基于长短期记忆(long short-term memory,LSTM)神经网络的NO_(x)生成浓度预测模型;将所提出的超参数优化后的NO_(x)预测模型与基于未优化的LSTM模型、采用粒子群优化的LSTM(particle swarm optimization optimized LSTM,PSO-LSTM)模型对比,预测结果表明,TPE-LSTM预测模型具有较好的模型精度与泛化能力。 展开更多
关键词 燃煤锅炉 NO_(x)生成浓度预测 树状结构Parzen估计器 超参数优化 长短期记忆神经网络
在线阅读 下载PDF
基于生成对抗网络与长短时记忆网络的机器人书法系统
2
作者 韩浩 刘佳 《西南大学学报(自然科学版)》 北大核心 2025年第7期231-244,共14页
机器人书法作为工业制造中重要的机器人操纵器应用之一,面临着巨大的挑战,其主动书写机制需要大量包含书写轨迹序列信息的训练数据集,而手动标注这些数据则非常繁琐。为解决这一问题,提出了一种基于生成对抗网络(GAN)和长短时记忆网络(L... 机器人书法作为工业制造中重要的机器人操纵器应用之一,面临着巨大的挑战,其主动书写机制需要大量包含书写轨迹序列信息的训练数据集,而手动标注这些数据则非常繁琐。为解决这一问题,提出了一种基于生成对抗网络(GAN)和长短时记忆网络(LSTM)的机器人书法系统。该书写系统将汉字笔画图像转换为轨迹序列,无须使用笔画轨迹编码信息,克服了传统书写轨迹信息缺失的问题。首先构建了一个生成对抗架构,其中LSTM网络与鉴别器网络结合,以减小训练数据集的规模。然后,LSTM网络通过多个循环逐步生成新的轨迹点,使机器人能够逐渐完成整个汉字书法的书写。最后,利用鉴别器网络评估LSTM网络输出结果来辅助机器人找到最佳策略,并引入强化学习算法来进一步提高系统性能。实验结果证明,所提出的系统能够高效产生高质量的汉字书法。 展开更多
关键词 生成对抗网络 长短时记忆网络 强化学习 汉字书法 机器人书法系统
在线阅读 下载PDF
基于双向长短期记忆生成对抗网络的电力系统次同步振荡数据生成方法 被引量：8
3
作者 薛展豪 陈力 +4 位作者 林志颖 张敏 许祖峰 郑宇航 冯双 《智慧电力》 北大核心 2024年第5期60-66,共7页
针对实际工程中次同步振荡数据缺乏的问题,提出1种基于双向长短期记忆生成对抗网络的电力系统次同步振荡数据生成方法。首先,将双向长短期记忆(BiLSTM)网络引入生成模型和判别模型,充分挖掘振荡数据正向和反向的时间序列信息;然后,将Was... 针对实际工程中次同步振荡数据缺乏的问题,提出1种基于双向长短期记忆生成对抗网络的电力系统次同步振荡数据生成方法。首先,将双向长短期记忆(BiLSTM)网络引入生成模型和判别模型,充分挖掘振荡数据正向和反向的时间序列信息;然后,将Wasserstein距离引入生成式对抗网络(GAN)模型,解决训练不稳定的问题;最后,提出基于动态时间规整(DTW)的相似性指标及基于频域分析的振荡模态真实性指标,以衡量生成样本质量。算例分析表明,所提方法生成的数据符合振荡数据的特性,且在数据真实性方面具有一定优势。 展开更多
关键词 长短期记忆网络 次同步振荡 数据生成 Wasserstein距离
在线阅读 下载PDF
基于长短时记忆网络和生成对抗网络的VRB储能系统虚假数据注入攻击检测 被引量：8
4
作者 陆鹏 付华 卢万杰 《电网技术》 EI CSCD 北大核心 2024年第1期383-393,共11页
随着信息技术的不断发展,直流微电网储能系统已成为深度融合的信息物理系统,而精确的荷电状态估计对储能系统的实时监测和安全稳定运行至关重要。针对全钒液流电池(vanadium redox flow battery,VRB)储能系统荷电状态估计中,由虚假数据... 随着信息技术的不断发展,直流微电网储能系统已成为深度融合的信息物理系统,而精确的荷电状态估计对储能系统的实时监测和安全稳定运行至关重要。针对全钒液流电池(vanadium redox flow battery,VRB)储能系统荷电状态估计中,由虚假数据注入攻击导致的异常数据检测问题,提出一种基于长短时记忆网络和生成对抗网络的检测方法。首先,建立了VRB等效电路模型和虚假数据注入攻击模型;然后,通过训练长短时记忆网络和生成对抗网络组成的循环网络,将长短时记忆神经网络嵌入生成对抗网络框架作为生成器和鉴别器来分析电池时序数据,通过判别网络中的判别损失误差和生成网络中的重构残差得到异常损失进行综合判断;最后,以CEC-VRB-5kW型号电池为对象,并构造不同强度的虚假数据攻击进行实验,验证检测方法的准确性与可行性。结果表明,与经典循环神经网络、随机森林、自编码器、长短时记忆网络检测方法进行对比,所提方法具有较高的检测精度,在VRB储能系统荷电状态估计中能够有效辨识虚假数据攻击。 展开更多
关键词 长短时记忆网络 生成对抗网络 储能系统 SOC估计 虚假数据注入攻击
在线阅读 下载PDF
基于生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测 被引量：5
5
作者 曾进辉 苏旨音 +2 位作者 肖锋 刘颉 孙贤水 《电子测量技术》 北大核心 2024年第20期92-100,共9页
针对电力负荷本身固有的不稳定性和非线性,导致短期电力负荷预测精度难以提升问题。本文提出一种基于EMD和LSTM相结合的短期电力负荷预测方法。首先,利用EMD将原始信号分解为一系列本征模态函数和一个残差量。随后,将所有分量输入LSTM... 针对电力负荷本身固有的不稳定性和非线性,导致短期电力负荷预测精度难以提升问题。本文提出一种基于EMD和LSTM相结合的短期电力负荷预测方法。首先,利用EMD将原始信号分解为一系列本征模态函数和一个残差量。随后,将所有分量输入LSTM中。为进一步提升负荷预测精度和优化模型泛化能力,分别对大分量信号引入改进麻雀搜寻算法优化LSTM超参数和对原始负荷数据引入表格生成对抗网络生成新数据样本,形成基于表格生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测方法。最后,分别采用第九届电工数学建模竞赛负荷数据和湖南省某地市含分布式电源的负荷数据进行效果验证。结果表明,在两种数据集下,该模型的平均绝对百分比误差分别为2.37%和2.76%,验证了该方法的有效性。 展开更多
关键词 短期电力负荷预测 经验模态分解 长短期记忆神经网络 改进麻雀搜寻算法 生成对抗网络
在线阅读 下载PDF
基于状态精细化长短期记忆和注意力机制的社交生成对抗网络用于行人轨迹预测 被引量：6
6
作者 吴家皋 章仕稳 +1 位作者 蒋宇栋 刘林峰 《计算机应用》 CSCD 北大核心 2023年第5期1565-1570,共6页
针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题,基于状态精细化长短期记忆(SR-LSTM)和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络(SRA-SIGAN)模型,利用生成对抗网络(GAN)学习获得目标行人的运动规律。首先,使用SR-... 针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题,基于状态精细化长短期记忆(SR-LSTM)和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络(SRA-SIGAN)模型,利用生成对抗网络(GAN)学习获得目标行人的运动规律。首先,使用SR-LSTM作为位置编码器提取运动意图信息;其次,通过设置速度注意力机制合理地为同一场景中的行人分配影响力,以更好地处理行人的交互;最后,由解码器生成预测的未来轨迹。在多个公开数据集上的测试实验结果表明,SRA-SIGAN模型的总体表现良好。特别是在Zara1数据集上,与SR-LSTM模型相比,SRA-SIGAN模型的平均位移误差(ADE)和最终位移误差(FDE)分别减小了20.0%和10.5%;与社交生成对抗网络(SIGAN)模型相比,SRA-SIGAN的ADE和FDE分别下降了31.7%和24.4%。 展开更多
关键词 生成对抗网络 长短期记忆网络 行人轨迹预测 注意力机制 行人交互
在线阅读 下载PDF
基于长短期记忆生成对抗网络的小麦品质多指标预测模型 被引量：9
7
作者 蒋华伟 张磊 《电子与信息学报》 EI CSCD 北大核心 2020年第12期2865-2872,共8页
小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型... 小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型。首先,由LSTM预测多指标不同时序数据的劣变趋势;其次,根据多指标的关联性并结合GAN的对抗学习方法来降低综合预测误差;最后通过优化目标函数及训练模型得出多指标预测结果。经实验分析发现:小麦多指标的长短期时序数据的变化趋势不同,进一步优化模型结构及训练时序长度可有效降低预测结果的误差;特定条件下小麦品质过快劣变会使多指标预测误差增大,因此应充分考虑储藏期环境变化对多指标数据的影响;LSTM-GAN模型的综合误差相对于仅使用LSTM预测降低了9.745%,并低于多种对比模型,这有助于提高小麦品质多指标预测及分析的准确性。 展开更多
关键词 长短期记忆网络 生成式对抗网络 小麦多指标 预测模型
在线阅读 下载PDF
机理与生成对抗网络融合的谐波状态估计方法
8
作者 邵振国 谢雨寒 +1 位作者 林俊杰 陈飞雄 《中国电机工程学报》 北大核心 2025年第17期6683-6695,I0007,共14页
当电网因量测配置不足呈现不可观状态时,传统状态估计方法难以感知电网的谐波分布。为此,该文提出一种谐波传播机理与生成对抗网络(generative adversarial network,GAN)融合的谐波状态估计方法,以估计不可观节点的谐波状态。首先,采用... 当电网因量测配置不足呈现不可观状态时,传统状态估计方法难以感知电网的谐波分布。为此,该文提出一种谐波传播机理与生成对抗网络(generative adversarial network,GAN)融合的谐波状态估计方法,以估计不可观节点的谐波状态。首先,采用网络拓扑等效法化简不可观区域,并推导不可观节点状态量与边界节点虚拟状态量间的谐波传递方程;其次,采用GAN构建谐波状态估计模型,并以谐波状态方程和谐波传递方程构建损失函数,在损失函数中引入了量测量的残差以及边界节点虚拟状态量的均方误差作为机理惩罚项,通过谐波机理方程约束模型的训练过程;此外,分别采用基于注意力机制的残差网络以及卷积神经网络改进生成器和判别器的结构,并采用图像块GAN实现判别器对数据的局部判别,从而增强模型的特征挖掘能力;最后,在IEEE 33节点系统进行仿真测试,验证了所提方法的有效性。 展开更多
关键词 谐波状态估计 机理-数据融合 网络拓扑等效 生成对抗网络 可观性分析
在线阅读 下载PDF
面向海量数据场景的生成对抗网络推荐算法
9
作者 王庆刚 陈华春 张林 《现代电子技术》 北大核心 2025年第10期71-75,共5页
海量数据中往往包含复杂的用户行为模式、物品属性以及它们之间的关系,这些关系通常具有非线性的特点。传统的生成对抗网络(GAN)在处理序列数据时可能面临非线性建模的挑战。为有效捕捉用户的长短期兴趣变化,丰富内容多样性,并提升在海... 海量数据中往往包含复杂的用户行为模式、物品属性以及它们之间的关系,这些关系通常具有非线性的特点。传统的生成对抗网络(GAN)在处理序列数据时可能面临非线性建模的挑战。为有效捕捉用户的长短期兴趣变化,丰富内容多样性,并提升在海量数据场景下的处理能力和稳定性,提出一种面向海量数据场景的生成对抗网络推荐算法。长短期记忆(LSTM)网络以用户对数据场景的行为模式作为输入,输出用户感兴趣的数据场景的长短期动态序列。文中将LSTM与GAN相结合,形成L-GAN推荐模型。在该模型中,LSTM输出的长短期动态序列被输入到生成对抗网络的生成器中,通过优化损失函数生成类似真实数据场景的假样本。将假样本与真实数据场景一同输入到判别器中,通过其目标函数甄别真伪。生成器与判别器经过反复较量与训练,形成精准的推荐网络,最终输出符合用户兴趣的数据场景推荐列表。实验结果表明,所提算法在处理海量数据场景时能够准确捕捉用户的需求,进行高效且全面的个性化推荐。 展开更多
关键词 海量数据场景 生成对抗网络 长短期记忆网络 推荐算法 动态序列 个性化推荐 目标函数
在线阅读 下载PDF
基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法 被引量：33
10
作者 尹梓诺 马海龙 胡涛 《电子与信息学报》 EI CSCD 北大核心 2023年第10期3719-3728,共10页
针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSM... 针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。 展开更多
关键词 流量异常检测 类别不平衡 一维卷积神经网络-双向长短期记忆网络 注意力机制
在线阅读 下载PDF
基于记忆模块与过滤式生成对抗网络的入侵检测方法 被引量：1
11
作者 张慧妍 梁勇 +1 位作者 兰景宏 赵强 《计算机工程》 CAS CSCD 北大核心 2024年第6期197-207,共11页
为了解决现有的网络入侵检测方法在异常样本有限时存在精确度低且容易产生过拟合的问题,提出一种基于记忆模块和过滤式生成对抗网络(GAN)的入侵检测方法MemFGAN。在生成对抗网络中,生成器采用编码器-解码器结构并引入1个记忆模块学习正... 为了解决现有的网络入侵检测方法在异常样本有限时存在精确度低且容易产生过拟合的问题,提出一种基于记忆模块和过滤式生成对抗网络(GAN)的入侵检测方法MemFGAN。在生成对抗网络中,生成器采用编码器-解码器结构并引入1个记忆模块学习正常样本的特征向量进行记忆增强,生成器用于对给定的输入进行编码并将其用作查询请求,在记忆模块中查询最相关的项进行重构,生成器的重构误差作为异常分数用于入侵检测,在判别器之前增加过滤器过滤异常样本,利用判别器损失提高生成器对正常样本的生成能力以降低其异常分数。此外,分别为生成器和判别器设计了新的训练目标,实现利用已知异常标签对生成器进行监督,降低生成器对异常样本的重构能力以扩大其异常分数,从而提高模型的入侵检测精确度并缓解过拟合问题。在MAWILab、ISCX2012、IDS2017、IDS20184个入侵检测数据集上的实验结果表明,相较于基线方法,MemFGAN的F1值平均提高了0.147,在入侵检测方面具有较好的准确性和泛化性,可以在异常样本有限时保持良好的检测能力。 展开更多
关键词 入侵检测 生成对抗网络 记忆模块 弱监督学习 特征增强
在线阅读 下载PDF
长短期记忆神经网络在季节性融雪流域降水-径流模拟中的应用 被引量：13
12
作者 党池恒 张洪波 +2 位作者 陈克宇 支童 卫星辰 《华北水利水电大学学报（自然科学版）》 2020年第5期10-18,33,共10页
可靠的径流模拟对流域水资源规划与管理意义重大。以岷江镇江关水文站实测径流为研究对象,通过与BP神经网络和Elman循环神经网络的对比,验证长短期记忆神经网络在受季节性融雪影响流域日尺度降水-径流模拟中的适用性,并进一步分析长短... 可靠的径流模拟对流域水资源规划与管理意义重大。以岷江镇江关水文站实测径流为研究对象,通过与BP神经网络和Elman循环神经网络的对比,验证长短期记忆神经网络在受季节性融雪影响流域日尺度降水-径流模拟中的适用性,并进一步分析长短期记忆神经网络的关键参数——时间步长对日径流模拟精度的影响。结果表明:①采用BP神经网络进行日径流过程模拟时会丢失流域状态信息,模拟效果最差;②Elman循环神经网络相比BP神经网络,具有相对有限的记忆能力,在积雪时段较长的岷江镇江关水文站控制流域上的模拟效果一般;③长短期记忆神经网络以其特殊的CEC单元和“门”结构,实现了流域状态的长期储存与更新,在日降水-径流模拟中的效果最佳;④通过多次试验发现,当长短期记忆神经网络的时间步长设置为60 d时,模拟精度最高,结合春末夏初的降水、径流和气温变化过程,认为60 d时间步长符合岷江流域实际情况。 展开更多
关键词 降水-径流模拟 季节性融雪 BP神经网络 Elman循环神经网络 长短期记忆神经网络 岷江
在线阅读 下载PDF
基于鲸鱼优化-长短期记忆网络模型的机-热老化绝缘纸剩余寿命预测方法 被引量：19
13
作者 于永进 姜雅男 李长云 《电工技术学报》 EI CSCD 北大核心 2022年第12期3162-3171,共10页
换流变压器作为特/超高压直流输电系统中的关键设备,对变压器用绝缘纸剩余寿命进行有效预测,可为换流变压器的运行维护提供一定的理论依据,鉴于此,提出一种基于鲸鱼优化算法(WOA)和长短期记忆网络(LSTM)的预测方法。首先,结合绝缘纸加速... 换流变压器作为特/超高压直流输电系统中的关键设备,对变压器用绝缘纸剩余寿命进行有效预测,可为换流变压器的运行维护提供一定的理论依据,鉴于此,提出一种基于鲸鱼优化算法(WOA)和长短期记忆网络(LSTM)的预测方法。首先,结合绝缘纸加速机-热老化实验及试样的机械、电气性能指标和对应裂解产物的糠醛含量,由主成分分析法(PCA)对聚合度、糠醛含量和特征频率下介质损耗因数等表征绝缘纸老化的多特征量进行融合;获得综合评估指标与绝缘纸抗张强度间的量化关系,并依此将绝缘性能优良和严重劣化时对应的抗张强度分别作为正、负理想值;进一步构建贴近度构造退化指标序列并将其作为模型输入。然后,利用鲸鱼优化算法对长短期记忆网络的关键参数进行寻优。最后,构建WOA-LSTM模型对绝缘纸剩余寿命进行预测。研究表明,所提出的WOA-LSTM模型既纳入了可表征绝缘纸老化状态的多个特征量,亦可显著提高剩余寿命的预测精度,为换流变压器绝缘系统安全稳定运行提供有力保障。 展开更多
关键词 鲸鱼优化 长短期记忆网络 机-热协同作用 多特征融合 剩余寿命预测
在线阅读 下载PDF
基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测 被引量：29
14
作者 殷豪 张铮 +3 位作者 丁伟锋 陈嘉铭 陈黍 孟安波 《高电压技术》 EI CAS CSCD 北大核心 2022年第11期4342-4351,共10页
针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测... 针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测模型。首先使用WGAN-GP学习原始真实光伏数据的样本分布规律,然后生成与原始数据相似的高质量新样本,从而实现训练集数据增强;其次,采用纵横交叉算法(crisscross optimization algorithm,CSO)对长短时记忆网络(longshort-termmemory,LSTM)的全连接层参数进行优化,构建LSTM-CSO组合模型对光伏功率进行预测。以澳洲某光伏发电站数据进行仿真建模,实验结果表明:使用数据增强后的样本训练预测模型能够有效提高模型的预测精度,且对原始训练集数据扩充数据量的比例越大,预测模型对于光伏功率预测的精度越高。同时LSTM-CSO相对于LSTM在各个季节类型的不同气象日中均具有更高的预测准确率,以春季测试集为例,LSTM-CSO模型在春季的晴天、多云、雨天下的均方根误差相比于LSTM模型分别降低5.62%、3.44%、10.44%。 展开更多
关键词 光伏功率预测 生成对抗网络 梯度惩罚 长短时记忆 纵横交叉算法
在线阅读 下载PDF
基于卷积长短期记忆的残差注意力去雨网络 被引量：2
15
作者 强赞霞 鲍先富 《计算机应用》 CSCD 北大核心 2022年第9期2858-2864,共7页
无人驾驶汽车在雨天环境中行驶,由于车载相机采集的图片包含雨纹噪声,导致无人驾驶系统的目标检测精度降低,关键目标识别困难。为解决这些问题,提出了一种基于卷积长短期记忆的残差注意力去雨网络。首先提出卷积长短期记忆(CLSTM)单元... 无人驾驶汽车在雨天环境中行驶,由于车载相机采集的图片包含雨纹噪声,导致无人驾驶系统的目标检测精度降低,关键目标识别困难。为解决这些问题,提出了一种基于卷积长短期记忆的残差注意力去雨网络。首先提出卷积长短期记忆(CLSTM)单元对不同尺度的雨纹分布进行学习,然后使用残差通道注意力机制对雨纹进行提取,最后将雨图与雨纹提取信息相减得到修复后的背景图。为确定最优的网络结构,对各网络模块进行消融实验,然后选择去雨效果最优的结构作为去雨网络。通过对网络参数的不断优化,所提算法在数据集Rain100H、Rain100L、Real200上进行测试,结果显示该算法的峰值信噪比(PSNR)分别达到29.1 dB、33.1 dB、32.4 dB,结构相似性(SSIM)分别达到0.89、0.94和0.93。实验结果表明,通过生成对抗网络(GAN)判别器对雨纹去除效果的额外监督,所提算法取得了明显的雨纹去除效果,增强了无人驾驶系统在复杂降雨条件下的环境感知能力。 展开更多
关键词 去雨 生成对抗网络 卷积长短期记忆网络 残差通道注意力 多尺度特征融合
在线阅读 下载PDF
基于时序生成对抗网络的居民用户非侵入式负荷分解 被引量：3
16
作者 罗平 朱振宇 +3 位作者 樊星驰 孙博宇 张帆 吕强 《电力系统自动化》 EI CSCD 北大核心 2024年第2期71-81,共11页
现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度,但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此,构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。... 现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度,但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此,构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。利用降维网络对所有电器有功功率序列组成的高维向量进行降维以降低计算的复杂度,通过复原网络将结果还原为高维向量。基于电器运行状态和深度学习的非侵入式分解方法,运用卷积神经网络-双向门控循环单元构建状态复杂电器的负荷分解回归模型,对状态简单电器利用深度神经网络构建负荷识别分类模型。通过对比其他数据生成方法,以及改变典型公开数据集中生成数据比例所得的负荷分解结果验证了所提方法的有效性。 展开更多
关键词 非侵入式负荷分解 对抗生成网络 降维网络 卷积神经网络-双向门控循环单元 深度神经网络
在线阅读 下载PDF
一种基于CNN-LSTM的改进CGAN光伏短期出力场景生成方法
17
作者 秦卫民 唐昊 +3 位作者 任曼曼 梁肖 王涛 陈韬 《太阳能学报》 北大核心 2025年第4期263-272,共10页
该文考虑新能源机组出力数据的时空特征,设计一种带有卷积神经网络和长短期记忆网络的判别器网络结构,并使用推土机(EM)距离作为判别器的损失函数,提出一种基于条件对抗生成网络的新能源短期场景生成方法。该方法让模型中的判别器与生... 该文考虑新能源机组出力数据的时空特征,设计一种带有卷积神经网络和长短期记忆网络的判别器网络结构,并使用推土机(EM)距离作为判别器的损失函数,提出一种基于条件对抗生成网络的新能源短期场景生成方法。该方法让模型中的判别器与生成器进行对抗并不断优化,使生成器网络更加准确地提取到条件值及噪声分布与样本分布之间的映射关系,从而更好地生成新能源机组出力场景。该文使用开源的光伏出力数据对模型进行验证和测试,相对于传统的生成式对抗网络方法,所提模型能更加准确地生成契合历史数据特征的新能源出力场景集。 展开更多
关键词 光伏发电 场景生成 生成式对抗网络 长短期记忆网络 卷积神经网络 不确定性
在线阅读 下载PDF
城轨车-地场景下基于CGAN-LSTM网络的OTFS-ISAC系统信道估计
18
作者 杨骞 苏宏升 +1 位作者 陶旺林 刘大为 《通信学报》 北大核心 2025年第2期59-71,共13页
为解决商用B5G/6G城轨车-地场景下通信感知一体化(ISAC)信号传输信道估计问题,提出了一种基于深度学习的信道估计方法。建立基于正交时频空(OTFS)调制的ISAC信号传输系统模型,引入OTFS导频辅助,设计条件生成对抗网络和长短期记忆网络结... 为解决商用B5G/6G城轨车-地场景下通信感知一体化(ISAC)信号传输信道估计问题,提出了一种基于深度学习的信道估计方法。建立基于正交时频空(OTFS)调制的ISAC信号传输系统模型,引入OTFS导频辅助,设计条件生成对抗网络和长短期记忆网络结合的CGAN-LSTM,将混沌博弈优化算法与经典Adam优化器结合,对网络参数进行优化,利用优化网络完成信道估计。仿真结果表明,所提方法在归一化均方误差和误码率方面,优于传统的信道估计方法,为ISAC信号检测和恢复提供必要数据基础。 展开更多
关键词 通信感知一体化 正交时频空 条件生成对抗网络 长短期记忆 混沌博弈优化
在线阅读 下载PDF
融合流-热场耦合仿真与EEMD-LSTM网络的油浸式变压器热点温度快速预测方法
19
作者 杨子坚 司马文霞 +3 位作者 杨鸣 黎文浩 袁涛 孙魄韬 《高电压技术》 北大核心 2025年第3期1220-1232,共13页
快速准确地预测变压器热点温度是实现变压器状态检测、故障预测以及动态增容的重要前提,其关键是实现变压器热点温度动态预测以及提高热点温度预测模型的抗噪性能。该文通过流-热场耦合仿真计算,获取不同环境温度和负载变化工况的热点... 快速准确地预测变压器热点温度是实现变压器状态检测、故障预测以及动态增容的重要前提,其关键是实现变压器热点温度动态预测以及提高热点温度预测模型的抗噪性能。该文通过流-热场耦合仿真计算,获取不同环境温度和负载变化工况的热点温度训练样本,采用长短期记忆网络(long short-term memory network,LSTM)构建深度学习模型,从而实现热点温度动态预测。采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)降低输入数据中的噪声干扰,提高深度学习模型抗噪性能。以20 MVA/110 kV油浸式变压器为对象进行分析,并搭建变压器热点温升试验平台进行模型有效性验证,EEMD-LSTM网络预测的热点温度相比试验结果的平均误差仅有1.35℃,引入幅值为5℃的随机噪声后,最大误差仅增大0.47℃。结果表明:基于EEMD-LSTM网络的深度学习模型能够实现变压器热点温度动态预测,同时具有良好的抗噪性能,对变压器负荷能力动态评估与动态增容的研究具有重要意义。 展开更多
关键词 热点温度 流-热场耦合仿真 长短期记忆网络 集成经验模态分解 油浸式变压器
在线阅读 下载PDF
癫痫发作预测模型:斯托克韦尔变换的生成对抗与长短时记忆网络半监督方法 被引量：2
20
作者 廖家慧 李涵懿 +1 位作者 詹长安 杨丰 《南方医科大学学报》 CAS CSCD 北大核心 2023年第1期17-28,共12页
目的提出一种半监督癫痫发作预测模型(ST-WGAN-GP-Bi-LSTM预测模型),从脑电(EEG)信号的时频分析、无监督特征模型稳定性以及后端分类器设计三个方面提升发作预测性能。方法对癫痫EEG信号进行斯托克韦尔变换(ST变换)得到时频输入,通过自... 目的提出一种半监督癫痫发作预测模型(ST-WGAN-GP-Bi-LSTM预测模型),从脑电(EEG)信号的时频分析、无监督特征模型稳定性以及后端分类器设计三个方面提升发作预测性能。方法对癫痫EEG信号进行斯托克韦尔变换(ST变换)得到时频输入,通过自适应调节分辨率和保留绝对相位,定位癫痫EEG信号的时频成分;当生成数据分布和真实EEG数据分布无重叠时,为了避免JS散度均为常数而导致特征学习失效的问题,采用Wasserstein生成对抗网络作为特征学习模型,以EM距离结合梯度惩罚策略(WGAN-GP)引导的代价函数,约束模型的无监督训练过程,进而生成高阶特征提取器;构建基于双向长短时记忆网络(Bi-LSTM)的时序预测模型,在获取高阶EEG时频特征间时序相关性基础上提升癫痫分类(预测)性能。利用公开数据集CHB-MIT头皮脑电数据集对本文提出的ST-WGAN-GP-Bi-LSTM预测模型进行评估。结果本文的ST-WGAN-GP-BiLSTM预测模型在AUC、灵敏度和特异性指标上分别达到90.40%,83.62%和86.69%。与现有半监督方法相比,将原有的性能指标分别提升17.77%,15.41%和53.66%,并与基于CNN的有监督预测模型性能持平。结论本方法有效地改善半监督深度学习模型预测性能,在癫痫发作预测中发挥无监督特征提取的优化作用。 展开更多
关键词 癫痫发作预测 头皮脑电信号 斯托克韦尔变换 生成对抗网络 双向长短期记忆网络
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 … 11 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